Navorsings Oorsig

Ooorsig van 'n paar idees in my navorsing oor Super Resolusie, aangebied vir die MSc studente, 14 Augustus 2006.

Die super-resolusie probleem

• Klomp lae-resolusie beelde -> Hoë-resolusie beeld
• Beelde moet verskillende inligting oordra — verskuil in beweging.
  • Kamera-pixels interpoleer ligbundel — met beweging word dieselfde voorwerp afgeneem, maar verskillende ligbundels, verskillende pixel-waardes.
  • Inligting kan ook op ander maniere oorgedra word — verskille in fokus, blur ens. — maar hierdie situasies is ongewoon.
• Hierdie proses is gemik daarop om 'aliasing' om te keer — met 'n tipe dekonvolusie as jy wil.
• Kan degraderingsproses as matriksvermenigvuldiging sien:
  • Parameters:
    • x: hoë-resolusie beeld in leksikografiese orde (per ry) uitgepak
    • F: Operator wat beeld vervorm
    • H: Beeldstelsel blur
    • D: Monster teen laer tempo
  • Groot, yl matrikse. Onnodig gekompliseerd? Ek vermoed so.
  • Ander benaderings: F -> interpolasie (eenvoudigste geval) of F -> geometriese verwerking (my opsie). Makliker om voor te stel sonder matrikse!
• Hoe skat ons die H-matriks af? Vergeet van H as matriks — wat stel H voor? Alles wat met die prent kan gebeur — vervormings, soos rotasie, translasie, skew, radiale vervorming ens.
• Hoe pas ons hierdie kennis toe om super-resolusie te doen sonder matriksbewerkings? Drie stappe:

1. Registreer akkuraat
2. Plaas op mekaar
3. Neem nuwe monsters met fyner gryn (interpolasie — gewoon of geometries)

Akkurate registrasie

• Verskillende benaderings:
  • Spektrum van foto waar kamera geroteer is gee geroteerde spektrum? Nee!
    • Ons werk hier met gemonsterde seine — en seine word verskillend gemonster afhangende van kamera-posisie.
  • Skrap dus enige Fourier-metodes (sleg vir bogenoemde rede, sowel as afsny van verskillende raampies)
  • Skrap ook enige kenmerk-gebaseerde metodes (ons soek 'n robuuste metode en het geen voorafkennis van beelde)
• Al wat oorbly: digte-pixel metodes.

Beskryf Zokai en Wolberg se idee, wat ek ook implementeer.

[SZGW05] Siavash Zokai and George Wolberg. Image Registration Using Log-Polar Mappings for Recovery of Large-Scale Similarity and Projective Transformations. IEEE Transactions on Image Processing, 14(10):1422—1434, 10/2005.

Verduidelik:

• Log pool transform
• Paaie waarlangs ons snitte neem (eie aanpassing van algoritme)
• Multi-resolusie metode
• Iteratiewe verfyningsproses

Zokai & Wolberg se algoritme egter veels te stadig. Heroorweeg Fourier transform, maar hierdie keer Log Polêre Fourier en aanvaar prente se skaal verskil nie veel (wat realisties is).

Interpolasie

Na registrasie weet ons hoe beelde vervorm ten opsigte van verwysingsraam. Wat nou?

• Pak beelde op mekaar.
• Maar pixels sit nie op dieselfde posisies?! Enter interpolasie.
• Is klassieke interpolasie geldig? Nie volgens my nie — neem nie rotasie, skew in ag.
• Pixels is nie oneindig klein kolletjies nie.
• Geometriese interpolasie: meet elke pixel se overlap met polygon clipping, in teënstelling met afstand-gebaseerde interpolasie en ander.

Super-resolusie

• Pas fyn masker oor beelde.
• Neem geweegte gemiddeldes van geometriese interpolasie met pixels uit fyn grid.
• Skep nuwe prent.

Ander interessante onderwerpe

• Plenoptiese kameras.
• Prentvervorming.
  • Fant se vinnige hermonsteringsalgoritme.
  • Driehoekfilters vir interpolasie.
• Interpolasiemetodes — natural neighbour, linêer, geometries ens.
• Skandeerlynalgoritmes.

---

[ Front | phdwiki | Index ]

Updated September 25, 2008

---