Super-resolution из единственной фотографии

В обработке изображений существует класс методов Super-resolution ^[1] (SR), которые позволяют качественно увеличить разрешение исходного изображения, при этом происходит преодоление оптического предела объектива и/или физического разрешения цифрового сенсора, который записал изображение.

Алгоритмы SR используют два подхода для вычисления результирующего изображения: 1) на базе множества кадров одного объекта; 2) самообучающаяся система с базой образцов.

Учёные из лаборатории компьютерного зрения факультета математики и компьютерных наук института Вейцмана предложили новую технику ^[2], где используются статистические алгоритмы, а образцы берут из единственного изображения.

Научная работа Super-Resolution form a Single Image ^[3] (PDF), авторы Daniel Glasner, Shai Bagon, Michal Irani.

Авторы сравнивают свой метод с двумя стандартными способами интерполяции — метод ближайшего соседа и бикубическая интерполяция, а также тестируют SR-техники на базе образцов (Freeaman et al.: Kim et al.), и ещё одну SR-технику (Fattal), использующую статистические алгоритмы на базе единственного образца, то есть примерно как в нашем случае с методом Гласнера-Бэгона-Ирани. Перечисленные методы описаны в следующих научных работах:

[Freeman et all.] W. T. Freeman, T. R. Jones, and E. C. Pasztor. Example-based super-resolution. IEEE Computer Graphics and Applications, 22(2):56-65, 2002.

[Kim et al.] K. I. Kim and Y. Kwon. Example-based learning for single-image super-resolution and JPEG artifact removal. Technical Report 173, 08 2008.

[Fattal] R. Fattal. Image upsampling via imposed edge statistics. ACM Trans. Graphics (Proc. SIGGRAPH 2007), 26(3):95-102, 2007.

Исходное изображение 128х128 пикселов.

Интерполяция методом ближайшего соседа

Бикубическая интерполяция

Метод Фримана

Метод Кима

Метод Фатталя

Метод Гласнера-Бэгона-Ирани

Вот ещё один пример восстановленого изображения — таблица символов.

Слева результат работы бикубической интерполяции, справа — SR-метод путём применения статистических алгоритмов.

Автор: alizar