دکانولوشن سریع تصویر با استفاده از Hyper-Laplacian Priors
پروژه ۴۳۶: شبیه سازی مقاله در متلب + حذف نویز، حذف Deblurring و بهبود تصاویر
خلاصه:
توزیع سنگین HEAVY گرادیان ها در صفحه های طبیعی به طور موثری به عنوان مسائل دردسر ساز در الگوریتم هایی نظیر : حذف نویز ، Deblurring و super resolution نشان داده شده است. این توزیع ها به خوبی در مدل های لاپلاسین Hyper-Laplacian عموما با α بین ۰٫۵ تا ۰٫۸ صورت می گیرد. از آنجا که توزیع اسپارس غیر محدب بوده و با سرعت پایین تصاویر چند مگابایته را حل می نماید لذا در این مقاله برای سرعت بخشیدن از روش دکانولوشن استفاده می شود. مسائل در دو حالت غیر محدب با پیکسل های مجزا آموزش داده می شود.
در هر پیکسل ، یک زیر مساله در look up table ذخیره می گردد. برای دو حالت α=۰٫۵ و α=۲/۳ به ترتیب صورت گرفته است. رویکرد پیشنهادیمان یکی از حالات look up table یا فرمولاسیون تحلیلی با یک تصویر چند مگاپیکسله در کمتر از ۳ ثانیه دکانولوشن شد. همچنین با روش میانگین مربعات وزن دار شده (IRLS) ، در حدود ۲۰ دقیقه طول کشیده است. روش پیشنهادی ما کاملا عمومی بوده و به آسانی می تواند برای مسائل پردازش تصویر و کاربردهای دکانولوشن تصویر کسترش داده شود. برای فهم دیگر اطلاعات این شبیه سازی ، مقاله را از لینک زیر دانلود نمایید.
دانلود: دانلود اصل مقاله لاتین
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.
برخی از نتایج:
لینک پروژه های مشابه:
یک الگوریتم انقباض تعمیم تکرای برای کدگذاری تنک(اسپارس) غیر محدب
مجموعه: پردازش تصویر, مهندسی کامپیوتر