Super-Resoluo de imagem

A super-resolução de imagem/vídeo é uma área de investigação muito importante nos últimos tempos. As suas aplicações incluem a HDTV, a codificação de imagens, o redimensionamento de imagens, a manipulação de imagens, a deteção remota, o reconhecimento facial, a astronomia e a vigilância. O objetivo é aumentar a resolução da imagem/vídeo através da sobreamostragem, da desfocagem, da redução de ruído, da aprendizagem profunda, etc. O desenvolvimento de várias teorias de super-resolução de imagem/vídeo foi estudado neste livro, centrando-se na super-resolução baseada em redes convolucionais profundas (DeepCNSR). Mais de 30 redes neurais convolucionais (CNN) de super-resolução de última geração em três conjuntos de dados clássicos e três conjuntos de dados desafiantes recentemente introduzidos para aferir a super-resolução de uma única imagem foram exaustivamente analisados com os seus méritos e deméritos. Foi introduzida uma taxonomia com nove categorias para as redes DeepCNSR, incluindo concepções lineares, residuais, multi-ramos, recursivas, progressivas, baseadas na atenção e adversárias. A complexidade da rede, a pegada de memória, a entrada e a saída do modelo, os detalhes de aprendizagem, o tipo de perdas da rede e as diferenças arquitectónicas importantes (por exemplo, profundidade, ligações de salto, filtros) de cada modelo foram estudados comparativamente.