Super-ločljivost slike na podlagi naučenega slovarja vzorcev
Upcoming SlideShare
Loading in...5
×
 

Super-ločljivost slike na podlagi naučenega slovarja vzorcev

on

  • 792 views

ABSTRACT ...

ABSTRACT
This paper presents the super-resolution algorithm for text
images, capable to resize small text image to a bigger one
with minimal loose of quality. The algorithm basic flow is
divided in 3 main tasks. First task is to generate the
dictionary patterns from a big resolution sample text image.
The second task is to obtain the nearest similar dictionaries
from the low-resolution image and replace them. The last
task optimizes the new resized big-resolution image by
reducing the noise and improve quality of the characters
presuming that the single characters are represented
continuity.

Statistics

Views

Total Views
792
Views on SlideShare
523
Embed Views
269

Actions

Likes
0
Downloads
0
Comments
0

2 Embeds 269

http://www.karlosp.net 265
http://webcache.googleusercontent.com 4

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment
  • Pri povečavi sva vpeljala 2 optimizacijska korakaV prvem sva vse izseke, ki niso vsebovali slikovnih elementov, ki bi bili nad dolocenim pragom, zamenjala s praznimi, Oz. povedano drugače ohranila sva samo izseke ki so vsebovali slikovne elemente nad izbranim pragom.
  • …Odstranitev šuma

Super-ločljivost slike na podlagi naučenega slovarja vzorcev Super-ločljivost slike na podlagi naučenega slovarja vzorcev Presentation Transcript

  • Super-ločljivost slike na podlagi naučenega slovarja vzorcev Avtorja: Sandi Gec, Peter Karlovšek Mentor: mag. Petar Vračar
  • Uvod• Gre za problem na področju računalniškega vida v povezavi s strojnim učenjem• Osnovni koncept metode “super-ločljivost” je povečava slike nizke ločljivosti v visoko ločljivost, kadar metoda interpolacije ni dovolj dobra. ?
  • Pregled področja• Članek, ki je najbolj soroden našemu problemu: “Example-based Super-resolution” Osnovna slika (a), povečana x2 (b), povečana x4 (c)• Članek, ki se ukvarja s problemom v slikah videa: “Noisy Video Super-Resolution” Povečava z interpolacijo (a), Noisy Video S-R (b) (a) (b)
  • Osnovni koraki delovanja1. korak: Generiranje slovarja vzorcev2. korak: Algoritem visoke ločljivosti3. korak: Optimizacijska pristopa
  • Generiranje slovarja vzorcev• Predpogoj je visoko-resolucijska tekstovna slika• Generiranje vzorcev velikosti 7x7 slikovnih elementov• Slovar velikosti 100.000 vzorcev
  • Generiranje slovarja vzorcev Koraki: 1. Generiramo visoko ločljivo tekstovno sliko 2. Visoko ločljivo sliko zmanjšamo na nizko ločljivo 3. Nizko ločljivo sliko povečamo na visoko ločljivo s klasično kubično interpolacijo.Rezultat:2 slovarja vzorcev: visoko in nizke ločljivosti
  • Algoritem visoke ločljivosti Vhodni podatek algoritma je poljubna tekstovna slika nizke ločljivosti.Koraki:• Vhodno sliko povečamo na velikost visoke ločljivosti z metodo kubične interpolacije.• Iteriramo po sliki in za vsak vzorec v sliki velikosti 7x7 izračunamo “Srednjo kvadratično napako”• Izberemo najboljše ujemanje
  • Optimizacija• Ignoriranje 7x7 vzorcev s premalo podatkov• Upoštevanje zveznost črk
  • Optimizacija• Ignoriranje 7x7 vzorcev s premalo podatkov
  • Optimizacija• Upoštevanje zveznost črk
  • RezultatiSlika nizke ločljivostiiPovečana slika (cubic spline)Slika pridobljena z metodosuper-ločljivostiOriginalna slika visoke ločljivosti
  • Vrednotenje rezultatov Font Interpolacija Our super- Cubic spline resolution system Times New 60.14 % 83.82 % RomanBrush Script MT 61.60 % 81.98 %
  • Zaključek• Velika časovna kompleksnost O(nm), n – št. slikovnih elementov v sliki m – velikost slovarja (100 k– 200 k)• Obdelava slike velikosti 33 x 18 na 240 x 140 traca ca. 5min