Breaking News

Peneliti Meningkatkan Pemetaan Chaotic untuk Rekonstruksi Gambar Resolusi Super

Peneliti Meningkatkan Pemetaan Chaotic untuk Rekonstruksi Gambar Resolusi Super

Ilustrasi model yang diusulkan. Kredit: Sensor (2024). DOI: 10.3390/s24217030

Teknologi resolusi super (SR) memainkan peran penting dalam meningkatkan kualitas gambar. Rekonstruksi SR bertujuan untuk menghasilkan citra beresolusi tinggi dari citra beresolusi rendah. Metode tradisional sering kali menghasilkan gambar buram atau terdistorsi. Teknik-teknik canggih seperti representasi renggang dan metode berbasis pembelajaran mendalam telah menunjukkan hasil yang menjanjikan, namun masih menghadapi keterbatasan dalam hal ketahanan kebisingan dan kompleksitas komputasi.

di sebuah studi baru-baru ini diterbitkan di SensorPara peneliti dari Institut Optik, Mekanika Halus, dan Fisika Changchun dari Akademi Ilmu Pengetahuan Tiongkok mengusulkan solusi inovatif yang mengintegrasikan pemetaan chaos ke dalam pencitraan SR proses, secara signifikan meningkatkan kualitas gambar di beberapa bidang.

Para peneliti secara inovatif memperkenalkan pemetaan lingkaran kacau ke dalam proses penyelesaian urutan kamus dari pembaruan Kamus Dekomposisi Nilai Singular (K-SVD). . Integrasi ini memfasilitasi traversal yang seimbang dan menyederhanakan pencarian solusi optimal global, sehingga meningkatkan ketahanan kebisingan pada rekonstruksi SR.

Selain itu, para peneliti mengadopsi algoritme pencarian pencocokan ortogonal serakah (OMP), yang konvergen lebih cepat daripada algoritme pengoptimalan cembung norma L1, untuk melengkapi K-SVD, dan membuat gambar resolusi tinggi menggunakan hubungan pemetaan yang dihasilkan oleh algoritme.

Mereka melatih dan mempelajari kamus resolusi tinggi dan rendah dari sejumlah besar gambar mirip target. Melalui metode pelatihan gabungan kamus, blok gambar resolusi tinggi dan rendah di bawah kamus memiliki representasi renggang yang sama, sehingga mengurangi kompleksitas proses rekonstruksi SR.

Metode yang diusulkan, yang disebut Representasi Jarang Berbasis Peta Chaotic (CMOSR), secara signifikan meningkatkan dan keaslian. Dapat membangun kembali secara efektif dengan resolusi spasial tinggi, kejernihan bagus, dan detail tekstur yang kaya. Dibandingkan dengan algoritma SR tradisional, CMOSR menunjukkan ketahanan noise dan efisiensi komputasi yang lebih tinggi. Itu tidak menghasilkan detail yang tidak terduga saat memproses gambar dan menyertakan lebih banyak ukuran gambar.

Informasi lebih lanjut:
Hailin Fang dkk, Rekonstruksi gambar penginderaan jauh dengan resolusi super menggunakan pemetaan chaos untuk mengoptimalkan representasi renggang, Sensor (2024). DOI: 10.3390/s24217030

Kutipan: Para peneliti meningkatkan pemetaan chaos untuk rekonstruksi gambar resolusi super (2024, 30 Desember) diambil pada 31 Desember 2024 dari https://phys.org/news/2024-12-chaotic-super-solving-image-reconstruction.html

Dokumen ini memiliki hak cipta. Terlepas dari transaksi wajar untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.



Sumber