Upload
fri
View
634
Download
1
Embed Size (px)
DESCRIPTION
ABSTRACT This paper presents the super-resolution algorithm for text images, capable to resize small text image to a bigger one with minimal loose of quality. The algorithm basic flow is divided in 3 main tasks. First task is to generate the dictionary patterns from a big resolution sample text image. The second task is to obtain the nearest similar dictionaries from the low-resolution image and replace them. The last task optimizes the new resized big-resolution image by reducing the noise and improve quality of the characters presuming that the single characters are represented continuity.
Citation preview
Super-ločljivost slike na podlagi naučenega slovarja vzorcev
Avtorja: Sandi Gec, Peter KarlovšekMentor: mag. Petar Vračar
Uvod
• Gre za problem na področju računalniškega vida v povezavi s strojnim učenjem
• Osnovni koncept metode “super-ločljivost” je povečava slike nizke ločljivosti v visoko ločljivost, kadar metoda interpolacije ni dovolj dobra.
?
Pregled področja• Članek, ki je najbolj soroden našemu problemu:
“Example-based Super-resolution”
• Članek, ki se ukvarja s problemom v slikah videa: “Noisy Video Super-Resolution”
Osnovna slika (a), povečana x2 (b), povečana x4 (c)
(a) (b)
Povečava z interpolacijo (a), Noisy Video S-R (b)
Osnovni koraki delovanja
1. korak: Generiranje slovarja vzorcev2. korak: Algoritem visoke ločljivosti3. korak: Optimizacijska
pristopa
Generiranje slovarja vzorcev
• Predpogoj je visoko-resolucijska tekstovna slika• Generiranje vzorcev velikosti 7x7 slikovnih elementov• Slovar velikosti 100.000 vzorcev
Generiranje slovarja vzorcev
Rezultat:2 slovarja vzorcev: visoko in
nizke ločljivosti
Koraki:1. Generiramo visoko ločljivo tekstovno sliko2. Visoko ločljivo sliko zmanjšamo na nizko ločljivo3. Nizko ločljivo sliko povečamo na visoko ločljivo s
klasično kubično interpolacijo.
Algoritem visoke ločljivosti
Koraki:• Vhodno sliko povečamo na velikost visoke ločljivosti z
metodo kubične interpolacije.• Iteriramo po sliki in za vsak vzorec v sliki velikosti 7x7
izračunamo “Srednjo kvadratično napako”• Izberemo najboljše ujemanje
Vhodni podatek algoritma je poljubna tekstovna slika nizke ločljivosti.
Optimizacija
• Ignoriranje 7x7 vzorcev s premalo podatkov• Upoštevanje zveznost črk
Optimizacija
• Ignoriranje 7x7 vzorcev s premalo podatkov
Optimizacija
• Upoštevanje zveznost črk
Rezultati
Slika nizke ločljivostii
Povečana slika (cubic spline)
Slika pridobljena z metodo super-ločljivosti
Originalna slika visoke ločljivosti
Vrednotenje rezultatov
Font Interpolacija Cubic spline
Our super-resolution
systemTimes New Roman 60.14 % 83.82 %
Brush Script MT 61.60 % 81.98 %
Zaključek
• Velika časovna kompleksnost O(nm),n – št. slikovnih elementov v slikim – velikost slovarja (100 k– 200 k)
• Obdelava slike velikosti 33 x 18 na 240 x 140 traca ca. 5min