افزايش تفكيك‌پذيري چند تصويري در حضور نويز با تعيين تطبيقي وزن جمله‌ها در تخمينگر MAP

Multi Image Super Resolution in Presence of Noise by Determining Weighting Coefficients in Map Estimator

به منظور ارتقاء توان تفكيك‌پذيري تصوير و غلبه بر محدوديت‌هاي فيزيكي سيستم‌هاي تصويربرداري روش فراتفكيك‌پذيري تصوير مطرح مي‌گردد. در اين روش يك تصوير با تفكيك‌پذيري بالا از صحنه به كمك تلفيق رشته‌اي از تصاوير با تفكيك‌پذيري پايين صحنه، بازسازي مي‌گردد. از آنجايي‌كه رويكرد بسياري از روش‌هاي فراتفكيك‌پذيري كه اخيراً مورد استفاده قرار مي‌گيرند بازسازي تصوير حذف نويز شده با تاكيد بر حفظ لبه‌ و جزئيات‌ است، در اين مقاله بر مبناي الگوريتم‌هاي آماري، روشي تطبيقي پيشنهاد شده است كه نسبت به نويز گوسي كه موثرترين نويز تخريب‌كننده كيفيت تصوير است مقاوم بوده و داراي عملكرد مطلوبي نسبت به ساير روشهاي مطرح شده است. در اين روش تطبيقي، با معرفي ضرايبي جديد، اثرات نسبي جمله خطاي داده و جمله تنظيم را در هر پيكسل تصوير تخمين زده شد‌ه ي با تفكيك‌پذيري بالا، كنترل مي‌نماييم. اين ضرايب با توجه به اطلاعات همسايگان پيكسل موردنظر تعيين مي گردد. آزمايش‌هاي انجام شده بر روي تصاوير ساخته شده و تصاوير واقعي نيز، عملكرد خوب الگوريتم پيشنهادي را نسبت به ساير روشها تصديق مي‌كند.

In order to enhance image resolution and overcome the physical limitations of imaging systems, image superresolution (SR) is proposed. In SR technique, a high resolution (HR) image is produced by fusing a sequence of lowresolution (LR) images.Since many recent approaches seeking an SR algorithm suppresses noise whilepreserving edges, in this paper, basedupon the statistical techniques, we have proposed an adaptive algorithmwhich is robust in the presenceof Gaussian noise which has a high detrimental effect on image quality and moreover, shows a good performance comparing to the other existing methods.In this adaptive algorithm we introducea set of weighting coefficients, which control the contribution between the dataerror and regularization terms in each of the estimated HR pixels. These coefficients are determined according to the neighbors information of the estimated pixel. Experimental results from both synthetic and real images confirm that theproposed algorithm outperforms the other methods.