Made available in DSpace on 2016-06-02T19:05:24Z (GMT). No. of bitstreams: 1
DissALDM.pdf: 3321735 bytes, checksum: b01df738791a5ca4a9c92010d26c994a (MD5)
Previous issue date: 2007-05-22 / Universidade Federal de Minas Gerais / Super resolution image reconstruction consists in using a set of low resolution images from the same scene to generate a high resolution
estimate of the original scene. For that purpose, all the observed low resolution images need to have sub-pixel displacements among each other. In this way, there is more than just the same information replicated in each image and then the uncertainty inherent to the displacements can be used as additional information to increase the
spatial resolution. This master s thesis proposes a Bayesian approach for the super resolution reconstruction problem using Markov Random Fields and the Potts-Straus model for the image characterization. Therefore, it is possible to incorporate previously known context spatial information about the high resolution image to be estimated. Moreover, a discontinuity adaptive ICM algorithm was used to estimate the maximum a posteriori solution. Using an initial high resolution estimate constructed from the registration and interpolation of all the observations made it possible to reconstruct an image that respected the initially presented
discontinuities. We also observed that the resulted high resolution image hold finner details when compared to the initial estimation. / A Reconstrução por Super Resolução consiste em, utilizando várias imagens de baixa resolução da mesma cena, gerar uma aproximação
da cena original, que possua resolução espacial mais alta que a presente em qualquer uma das imagens observadas. Para isso, tais imagens devem possuir algum tipo de deslocamento da ordem sub-pixel uma em relação às demais, de forma que não exista apenas a mesma informação replicada em todas as imagens. Assim, a incerteza inerente a tais deslocamentos pode ser usada como informação adicional no aumento de resolução. Nesse contexto, esta pesquisa propõe uma abordagem Bayesiana do
problema, utilizando Campos Aleatórios de Markov e o Modelo de Potts-Strauss na caracterização das imagens. Isso torna possível a imposição de informações espaciais de contexto conhecidas a priori da imagem de alta
resolução a ser estimada. A estimativa de Máximo a Posteriori (MAP) de alta resolução é encontrada por meio do algoritmo Iterated Conditional Modes (ICM) adaptativo a descontinuidades. Dessa forma, utilizando como estimativa inicial de alta resolução a imagem resultante do registro e interpolação das imagens de baixa resolução observadas, foi possível reconstruir imagens de maior resolução
que respeitassem as descontinuidades inicialmente presentes, e que apresentassem
maior riqueza de detalhes.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufscar.br:ufscar/349 |
| Date | 22 May 2007 |
| Creators | Martins, Ana Luísa Dine |
| Contributors | Mascarenhas, Nelson Delfino d'Ávila |
| Publisher | Universidade Federal de São Carlos, Programa de Pós-graduação em Ciência da Computação, UFSCar, BR |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFSCAR, instname:Universidade Federal de São Carlos, instacron:UFSCAR |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds