Num cenário em que dispositivos de aquisição de imagens e vídeo possuem recursos limitados ou as imagens disponíveis não possuem boa qualidade, as técnicas de super-resolução (SR) apresentam uma excelente alternativa para melhorar a qualidade das imagens. Nesta tese é apresentada uma proposta para super-resolução de imagem única que combina os benefícios da interpolação no domínio da transformada DCT e a eficiência dos métodos de reconstrução baseados no conceito de representação esparsa de sinais. A proposta busca aproveitar as melhorias já alcançadas na qualidade e eficiência computacional dos principais algoritmos de super-resolução existentes. O método de super-resolução proposto implementa algumas melhorias nas etapas de treinamento e reconstrução da imagem final. Na etapa de treinamento foi incluída uma nova etapa de extração de características utilizando técnicas de aguçamento por máscara de nitidez e construção de um novo dicionário. Esta estratégia busca extrair mais informações estruturais dos fragmentos de baixa e alta resolução do conjunto de treinamento e ao mesmo tempo reduzir o tamanho dos dicionários. Outra importante contribuição foi a inclusão de um processo iterativo e escalonável no algoritmo, reinserindo no conjunto de treinamento e na etapa de reconstrução, uma imagem de alta resolução obtida numa primeira iteração. Esta solução possibilitou uma melhora na qualidade da imagem de alta resolução final utilizando poucas imagens no conjunto de treinamento. As simulações computacionais demonstraram a capacidade do método proposto em produzir imagens com qualidade e com tempo computacional reduzido. / In a scenario in which the acquisition systems have limited resources or available images do not have good quality, the super-resolution (SR) techniques have become an excellent alternative for improving the image quality. In this thesis, we propose a single-image super-resolution (SR) method that combines the benefits of the DCT interpolation and efficiency of sparse representation method for image reconstruction. Also, the proposed method seeks to take advantage of the improvements already achieved in quality and computational efficiency of the existing SR algorithms. The proposed method implements some improvements in the dictionary training and the reconstruction process. A new dictionary was built by using an unsharp mask technique to characteristics extraction. Simultaneously, this strategy aim to extract more structural information of the low resolution and high resolution patches and reduce the dictionaries size. Another important contribution was the inclusion of an iterative and scalable process by reinserting the HR image obtained of first iteration. This solution aim to improve the quality of the final HR image using a few images in the training set. The results have demonstrated the ability of the proposed method to produce high quality images with reduced computational time.

Num cenário em que dispositivos de aquisição de imagens e vídeo possuem recursos limitados ou as imagens disponíveis não possuem boa qualidade, as técnicas de super-resolução (SR) apresentam uma excelente alternativa para melhorar a qualidade das imagens. Nesta tese é apresentada uma proposta para super-resolução de imagem única que combina os benefícios da interpolação no domínio da transformada DCT e a eficiência dos métodos de reconstrução baseados no conceito de representação esparsa de sinais. A proposta busca aproveitar as melhorias já alcançadas na qualidade e eficiência computacional dos principais algoritmos de super-resolução existentes. O método de super-resolução proposto implementa algumas melhorias nas etapas de treinamento e reconstrução da imagem final. Na etapa de treinamento foi incluída uma nova etapa de extração de características utilizando técnicas de aguçamento por máscara de nitidez e construção de um novo dicionário. Esta estratégia busca extrair mais informações estruturais dos fragmentos de baixa e alta resolução do conjunto de treinamento e ao mesmo tempo reduzir o tamanho dos dicionários. Outra importante contribuição foi a inclusão de um processo iterativo e escalonável no algoritmo, reinserindo no conjunto de treinamento e na etapa de reconstrução, uma imagem de alta resolução obtida numa primeira iteração. Esta solução possibilitou uma melhora na qualidade da imagem de alta resolução final utilizando poucas imagens no conjunto de treinamento. As simulações computacionais demonstraram a capacidade do método proposto em produzir imagens com qualidade e com tempo computacional reduzido. / In a scenario in which the acquisition systems have limited resources or available images do not have good quality, the super-resolution (SR) techniques have become an excellent alternative for improving the image quality. In this thesis, we propose a single-image super-resolution (SR) method that combines the benefits of the DCT interpolation and efficiency of sparse representation method for image reconstruction. Also, the proposed method seeks to take advantage of the improvements already achieved in quality and computational efficiency of the existing SR algorithms. The proposed method implements some improvements in the dictionary training and the reconstruction process. A new dictionary was built by using an unsharp mask technique to characteristics extraction. Simultaneously, this strategy aim to extract more structural information of the low resolution and high resolution patches and reduce the dictionaries size. Another important contribution was the inclusion of an iterative and scalable process by reinserting the HR image obtained of first iteration. This solution aim to improve the quality of the final HR image using a few images in the training set. The results have demonstrated the ability of the proposed method to produce high quality images with reduced computational time.

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.

Made available in DSpace on 2016-06-02T19:03:57Z (GMT). No. of bitstreams: 1 5415.pdf: 8638421 bytes, checksum: 0e5c5abf95c786434202fdae3e69dc1e (MD5) Previous issue date: 2013-06-24 / Financiadora de Estudos e Projetos / The resolution enhancement of an image is always desirable, independently of its objective, but mainly if the image has the purpose of visual analysis. The hardware development for increasing the image resolution still has a higher cost than the algorithmic solutions for super-resolution. Like image restoration, super-resolution is also an ill-conditioned inverse problem, and has an infinite number of solutions. This work analyzes the iterative restoration methods (Van Cittert, Tikhonov-Miller and Conjugate Gradiente) which propose solutions for the ill-conditioning problem and compares them with the IBP method (Iterative Back Projection). The analysis of the found similarities is the basis of a generalization, such that other iterative restoration methods can have their properties adapted, as regularization of the ill-conditioning, noise reduction and other degradations and the increase of the convergence rate can be incorporated to the techniques of super-resolution. Two new methods were created as case studies of the proposed generalization: the first one is a super-resolution method for dynamic magnetic resonance imaging (MRI) of the swallowing process, that uses an adaptiveWiener filtering as regularization and a non-rigid registration; and the second one is a pan sharpening method of SPOT satellite bands, that uses sampling based on sensor s characteristics and non-adaptive Wiener filtering. / A melhora da resolução de uma imagem é sempre desejada, independentemente de seu objetivo, mas principalmente se destinada a análise visual. O desenvolvimento de hardware para o aumento de resolução de uma imagem em sua captura ainda possui o custo mais elevado do que as soluções algorítmicas de super resolução (SR). Assim como a restauração de imagens, a super resolução também é um problema inverso mal-condicionado e possui infinitas soluções. Este trabalho analisa métodos de restauração iterativos (Van Cittert, Tikhonov-Miller e Gradiente Conjugado) que proponham soluções para o problema do malcondicionamento e os compara com o método IBP (Iterative Back-Projection). A análise das semelhanças encontradas é base para uma generalização de modo que outros métodos iterativos de restauração possam ter suas propriedades adaptadas, tais como regularização do mal-condicionamento, redução do ruído e outras degradações e aumento na taxa de convergência, para que possam ser incorporadas à técnicas de super resolução. Dois novos métodos foram criados como estudo de caso da generalização proposta: o primeiro é um método de super-resolução para imageamento por ressonância magnética (MRI) dinâmico do processo de deglutição, que utiliza uma filtragem de Wiener adaptativa como regularização e registro não-rígido; o segundo é um método de pansharpening das bandas do satélite SPOT, que utiliza amostragem baseada nas características do sensor e filtragem de Wiener não-adaptativa.