Please use this identifier to cite or link to this item: http://repositorio.ufersa.edu.br/handle/prefix/1092
Type: Dissertação
Title: Single image super-resolution method based on linear regression and box-cox transformation
Authors: Oliveira, Nícholas André Pinho de
First Advisor: Castro, Angélica Félix de
First Co-advisor: Souza, Leandro Carlos de
First member of the board: Oliveira, Leiva Casemiro
Second member of the board: Souza, Daniel Faustino Lacerda de
Third member of the board: Souza, Renata Maria Cardoso Rodrigues de
Resume: Super-Resolução de imagens é uma operação essencial no processamento digital de imagens e objetiva recuperar uma imagem de alta resolução a partir de uma ou mais imagens de baixa resolução. O processo pelo qual a imagem de alta resolução é obtida envolve de criação de novos e desconhecidos pontos (pixels) que necessitam ser estimados. Algoritmos de Super-Resolução (SR) podem ser classificados como múltiplas imagens ou de imagem única. Métodos de múltiplas imagens utilizam diversas imagens de baixa resolução como entrada, enquanto que métodos de imagem única utiliza somente uma imagem de baixa resolução como entrada. Métodos tradicionais, tais como interpolação por replicação, interpolação bicúbica e interpolação bilinear são todos exemplos de métodos SR de imagem única. Estes métodos simples, introduzem diversos artefatos nas imagens de alta resolução resultantes. Vários outros métodos emergiram na década passada com o objetivo de obter imagens melhores e livres de artefatos. Esta dissertação propôe um novo algoritmo de super-resolução de imagem única chamado BCZ(Box-Cox Zoom), que utiliza regressão linear múltipla e a transformada de Box-Cox para interpolar os pixels desconhecidos na imagem resultante. O método proposto é comparado com os métodos de interpolação clássicos utilizando o banco de imagens Ultra Eye. Os métodos são comparados através da construção de intervalos de confiança usando o método boostrap
Abstract: Image super-resolution is an essential operation in digital image processing and aims at recovering a high-resolution image from one or more low-resolution input images. The process in which a high-resolution image is obtained involves the creation of new and unknown pixels that must be estimated. Super-resolution (SR) algorithms can be classified as multi-image SR and single-image SR. Multi-image SR methods utilize multiple lowresolution image as input, whereas single-image SR methods utilize only one low-resolution image. Traditional methods such as nearest interpolation, bicubic interpolation and bilinear interpolation are all example of single-image SR methods. These methods, while simple, introduces many artifacts in the high-resolution images. Several methods have emerged in the past decade with the goal of obtaining better, artifacts-free high-resolution images. This thesis proposes a novel single image super-resolution method called BCZ(Box-Cox Zoom), that uses a multiple linear regression model and the Box-Cox transform to interpolate the unknown pixels in the high-resolution image. Our proposed method is compared against the classical interpolation methods using the Ultra Eye image data set. The methods are compared by building confidence intervals using the bootstrap method
Keywords: processamento digital de imagens
super resolução
box-cox
ampliação de imagens
digital image processing
super-resolution
box-cox
image zooming
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Language: por
Country: Brasil
Publisher: Universidade Federal Rural do Semi-Árido
Institution Initials: UFERSA
Department: Centro de Ciências Exatas e Naturais - CCEN
Program Name: Programa de Pós-Graduação em Ciência da Computação
Citation: Citação com autor incluído no texto: Oliveira (2019) Citação com autor não incluído no texto: (OLIVEIRA, 2019)
Access Type: Acesso Aberto
URI: http://repositorio.ufersa.edu.br/handle/prefix/1092
Issue Date: 5-Dec-2018
License Term: CC-BY-SA
Appears in Collections:Mestrado em Ciência da Computação

Files in This Item:
File Description SizeFormat 
NícholasAPO_DISSERT.pdf9.69 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.