Super-ločljivost slike na podlagi  naučenega slovarja vzorcev   Avtorja: Sandi Gec, Peter Karlovšek       Mentor: mag. Pet...
Uvod• Gre za problem na področju računalniškega  vida v povezavi s strojnim učenjem• Osnovni koncept metode “super-ločljiv...
Pregled področja• Članek, ki je najbolj soroden našemu problemu:  “Example-based Super-resolution”                        ...
Osnovni koraki delovanja1. korak: Generiranje slovarja vzorcev2. korak: Algoritem visoke ločljivosti3. korak: Optimizacijs...
Generiranje slovarja vzorcev• Predpogoj je visoko-resolucijska tekstovna slika• Generiranje vzorcev velikosti 7x7 slikovni...
Generiranje slovarja vzorcev   Koraki:   1. Generiramo visoko ločljivo tekstovno sliko   2. Visoko ločljivo sliko zmanjšam...
Algoritem visoke ločljivosti Vhodni podatek algoritma je poljubna tekstovna slika nizke ločljivosti.Koraki:• Vhodno sliko ...
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 ...
Vrednotenje rezultatov     Font         Interpolacija   Our super-                   Cubic spline   resolution            ...
Zaključek• Velika časovna kompleksnost O(nm),  n – št. slikovnih elementov v sliki  m – velikost slovarja (100 k– 200 k)• ...
Upcoming SlideShare
Loading in …5
×

Super-ločljivost slike na podlagi naučenega slovarja vzorcev

819 views

Published on

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.

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
819
On SlideShare
0
From Embeds
0
Number of Embeds
285
Actions
Shares
0
Downloads
2
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • 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

    1. 1. Super-ločljivost slike na podlagi naučenega slovarja vzorcev Avtorja: Sandi Gec, Peter Karlovšek Mentor: mag. Petar Vračar
    2. 2. 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. ?
    3. 3. 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)
    4. 4. Osnovni koraki delovanja1. korak: Generiranje slovarja vzorcev2. korak: Algoritem visoke ločljivosti3. korak: Optimizacijska pristopa
    5. 5. Generiranje slovarja vzorcev• Predpogoj je visoko-resolucijska tekstovna slika• Generiranje vzorcev velikosti 7x7 slikovnih elementov• Slovar velikosti 100.000 vzorcev
    6. 6. 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
    7. 7. 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
    8. 8. Optimizacija• Ignoriranje 7x7 vzorcev s premalo podatkov• Upoštevanje zveznost črk
    9. 9. Optimizacija• Ignoriranje 7x7 vzorcev s premalo podatkov
    10. 10. Optimizacija• Upoštevanje zveznost črk
    11. 11. RezultatiSlika nizke ločljivostiiPovečana slika (cubic spline)Slika pridobljena z metodosuper-ločljivostiOriginalna slika visoke ločljivosti
    12. 12. Vrednotenje rezultatov Font Interpolacija Our super- Cubic spline resolution system Times New 60.14 % 83.82 % RomanBrush Script MT 61.60 % 81.98 %
    13. 13. 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

    ×