بازسازی وضوح برتر تک فریمی تصاویر متنی با استفاده از پایگاه داده کامل

روش های تولید تصویر وضوح برتر تک فریمی مبتنی بر نمونه، از جمله مسائل مطرح حوزه پردازش تصویر می باشد که اخیرا به آن توجه زیادی شده است. از جمله ابزارهای بکارگیری این روش ها، پایگاه داده ای متشکل از قطعات وضوح بالا و وضوح پایین تصاویر می باشد. امروزه بیشتر روی روش های اعمال اطلاعات بدست آمده از پایگاه داده به تصویر ورودی، پرداخته شده و نیز در اغلب تحقیقات انجام شده پایگاه داده ای متشکل از تصاویر تصادفی، مورد استفاده قرار گرفته است. هدف این تحقیق، بهبود برخی چالش ها در ابعاد مختلف الگوریتم های وضوح برتر تک فریمی می باشد. در این پایان نامه یک روش وضوح برتر تک فریمی پیشنهاد شده است که در آن به منظور بازسازی اجزای فرکانس بالای تصویر متنی وضوح پایین ورودی از یک پایگاه داده کامل استفاده می گردد. اولین مرحله روش پیشنهادی ساخت پایگاه داده است. در روش پیشنهادی، به منظور دریافت اطلاعات مورد نیاز از پایگاه داده جهت بازسازی اجزای فرکانس بالای تصویر ورودی، از شبکه عصبی پرسپترون چند لایه (mlp) استفاده شده است. در انتها نیز با انجام عملیات مورفولوژی ، تصویر وضوح بالای متناظر با تصویر وضوح پایین ورودی بدست می آید. در روش پیشنهادی علاوه بر کاهش پیچیدگی الگوریتم، به دلیل استفاده از پایگاه داده کامل، دقت و سرعت پردازش افزایش یافته است. زیرا بجای آنالیز اطلاعات موجود در پایگاه داده به ازای هر قطعه از تصویر وضوح پایین ورودی، مناسب ترین قطعه وضوح بالا از پایگاه داده کامل انتخاب می گردد. در ارزیابی سیستم پیشنهادی و مقایسه آن با برخی روش های ارائه شده، از معیار ssim استفاده شده است. این معیار، میزان تشابه ساختاری دو تصویر را محاسبه می نماید و نسبت به معیارهای ساده و متداولی همچون psnr و mse، مفهوم بهتری را از کیفیت بیان می کند.