Submitted by Milena Rubi ( ri.bso@ufscar.br) on 2017-10-17T16:07:35Z No. of bitstreams: 1 CUNHA_Bruno_2017.pdf: 1281922 bytes, checksum: 605ecd45f46a3b67332ed6bd13043af5 (MD5) / Approved for entry into archive by Milena Rubi ( ri.bso@ufscar.br) on 2017-10-17T16:07:44Z (GMT) No. of bitstreams: 1 CUNHA_Bruno_2017.pdf: 1281922 bytes, checksum: 605ecd45f46a3b67332ed6bd13043af5 (MD5) / Approved for entry into archive by Milena Rubi ( ri.bso@ufscar.br) on 2017-10-17T16:07:53Z (GMT) No. of bitstreams: 1 CUNHA_Bruno_2017.pdf: 1281922 bytes, checksum: 605ecd45f46a3b67332ed6bd13043af5 (MD5) / Made available in DSpace on 2017-10-17T16:08:04Z (GMT). No. of bitstreams: 1 CUNHA_Bruno_2017.pdf: 1281922 bytes, checksum: 605ecd45f46a3b67332ed6bd13043af5 (MD5) Previous issue date: 2016-11-10 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / This work proposes both a study and a development of an algorithm for super-resolution of digital images using projections onto convex sets. The method is based on a classic algorithm for spatial super-resolution which considering the subpixel information present in a set of lower resolution images, generate an image of higher resolution and better visual quality. We propose the incorporation of a new restriction based on the Richardson-Lucy algorithm in order to restore and recover part of the spatial frequencies lost during the degradation and decimation process of the high resolution images. In this way the algorithm provides a hybrid approach based on projections onto convex sets which is capable of promoting both the spatial and spectral image super-resolution. The proposed approach was compared with the original algorithm from Sezan and Tekalp and later with a method based on a robust framework that is considered nowadays one of the most effective methods for super-resolution. The results, considering both the visual and the mean square error analysis, demonstrate that the proposed method has great potential promoting increased visual quality over the images studied. / Este trabalho visa o estudo e o desenvolvimento de um algoritmo para super-resolução de imagens digitais baseado na teoria de projeções sobre conjuntos convexos. O método é baseado em um algoritmo clássico de projeções sobre restrições convexas para super- resolução espacial onde se busca, considerando as informações subpixel presentes em um conjunto de imagens de menor resolução, gerar uma imagem de maior resolução e com melhor qualidade visual. Propomos a incorporação de uma nova restrição baseada no algoritmo de Richardson-Lucy para restaurar e recuperar parte das frequências espaciais perdidas durante o processo de degradação e decimação das imagens de alta resolução. Nesse sentido o algoritmo provê uma abordagem híbrida baseada em projeções sobre conjuntos convexos que é capaz de promover simultaneamente a super-resolução espacial e a espectral. A abordagem proposta foi comparada com o algoritmo original de Sezan e Tekalp e posteriormente com um método baseado em um framework de super-resolução robusta, considerado um dos métodos mais eficazes na atualidade. Os resultados obtidos, considerando as análises visuais e também através do erro médio quadrático, demonstram que o método proposto possui grande potencialidade promovendo o aumento da qualidade visual das imagens estudadas.

Submitted by Milena Rubi (milenarubi@ufscar.br) on 2017-06-01T14:27:18Z No. of bitstreams: 1 ANTUNES_FILHO_Amauri_2016.pdf: 23049873 bytes, checksum: 5246fc4b37bd3364d5abf8cf81fbdb6f (MD5) / Approved for entry into archive by Milena Rubi (milenarubi@ufscar.br) on 2017-06-01T14:27:31Z (GMT) No. of bitstreams: 1 ANTUNES_FILHO_Amauri_2016.pdf: 23049873 bytes, checksum: 5246fc4b37bd3364d5abf8cf81fbdb6f (MD5) / Approved for entry into archive by Milena Rubi (milenarubi@ufscar.br) on 2017-06-01T14:39:27Z (GMT) No. of bitstreams: 1 ANTUNES_FILHO_Amauri_2016.pdf: 23049873 bytes, checksum: 5246fc4b37bd3364d5abf8cf81fbdb6f (MD5) / Made available in DSpace on 2017-06-01T14:39:33Z (GMT). No. of bitstreams: 1 ANTUNES_FILHO_Amauri_2016.pdf: 23049873 bytes, checksum: 5246fc4b37bd3364d5abf8cf81fbdb6f (MD5) Previous issue date: 2016-12-09 / Não recebi financiamento / The super-resolution aims to obtain a higher resolution image, using information from one or more low resolution images. There are different applications where super-resolution may be used, such as medical and forensic images. This work proposes a study and development of algorithms, based on Tekalp and Sezan’s algorithm, using the projection onto convex sets theory, in order to obtain super-resolution, therefore obtaining a higher resolution image, from a low resolution images set, with subpixel informations. We proposed the adition of a convex restriction based on Richardon-Lucy’s algorithm, modified to be weighted by Canny’s filter, along with total variation regularization, aiming to restore frequencies lost during high resolution images decimation and degradation processes . Therefore, we have a hybrid approach, that implements spatial and spectral super-resolution simultaneously, based on projection onto convex sets. The obtained results by the proposed algorithms were compared to Tekalp and Sezan’s base algorithm. The visual analysis of the images, along with the mean square error were taken in consideration for comparisons. In development, grayscale images were used, but the methods are extensible for color images. Results showed improvement in the obtained images, with less noise, blurring and more edge definition than the low resolution images. We conclude that the approach has potential for medical applications and forensic computation. / A super-resolução tem por objetivo a obtenção de uma imagem de maior resolução, utilizando informações de uma ou mais imagens de baixa resolução. Existem diferentes aplicações onde a utilização da super-resolução é empregada, como imagens médicas e forenses. A proposta deste trabalho é o estudo e desenvolvimento de algoritmos, baseados no algoritmo de Tekalp e Sezan, que utilizam a teoria de projeções sobre conjuntos convexos com o objetivo de super-resolução, obtendo uma imagem de maior resolução a partir de um conjunto de imagens com informações subpixel. Propomos também, uma restrição convexa baseada no algoritmo de Richardson-Lucy, modificado para ser ponderado pelo filtro de Canny, juntamente com regularização total variation, com o intuito de restaurar frequências perdidas durante os processos de decimação e degradação das imagens de alta resolução. Com isso temos uma abordagem híbrida, que implementa super-resolução espacial e espectral simultaneamente, baseada em projeções sobre conjuntos convexos. Os resultados obtidos pelos algoritmos propostos foram comparados com o algoritmo base de Tekalp e Sezan. Para as comparações, levou-se em consideração a análise visual das imagens juntamente com o erro quadrático médio. No desenvolvimento, foram utilizadas imagens em tons de cinza, mas os métodos são extensíveis para imagens coloridas. Os resultados apresentaram melhoria nas imagens obtidas em relação as imagens de baixa resolução, minimizando o ruído, o borramento e melhor definição das bordas. Concluímos que a abordagem possui potencial para aplicações médicas e em computação forense.