تکه هایی از این پایان نامه :

1‌.1‌.1‌.1‌       بازنشانی- MAP توام

بازسازی SR چند فریمی می­تواند به دو زیر مسئله تقسیم گردد: همترازی تصاویر LR و تخمین تصویر HR . در بسیاری از الگوریتم­های قبل، این دو فرآیند به صورت دو فرآیند مجزا در نظر گرفته می­گردد؛ آغاز ثبت انجام می­گردد و سپس تخمین توسط تخمینگر MAP صورت می­پذیرد. با در نظر داشتن وابستگی بین مرحله همترازی و تخمین تصویر HR، نتایج حاصل از حد مورد نظر پایین­تر می باشد. اگر تعامل بین تخمین حرکت و تخمین تصویر HR امکان پذیر باشد، ادغام این دو  می­تواند به نفع یکدیگر باشد.

در بازنشازی-MAP توام[1] ، معادله (2-12) به معادله­ای که شامل تخمین حرکت و PSF  باشد، بسط داده می­گردد:

 

تام و همکارانش [32]، مسئلهSR  را به سه زیر مسئله، یعنی ثبت ، بازنشانی و درونیابی تقسیم کردند. آن­ها بجای حل مستقل هریک از مسائل، به گونه همزمان ثبت و بازنشانی را توسط حداکثر رساندن احتمال با بهره گیری از الگوریتم حداکثر انتظار تخمین زدند. بعدها آن­ها درونیابی را نیز داخل چارچوب گنجاندند و همه­ی مجهولات را بهره گیری از الگوریتمEM  تخمین زدند [98].

در[37]، از چارچوب بازنشانی- MAP توام، برای تخمین همزمان تصویر وضوح بالا و پارامترهای حرکت انتقالی ( PSF به عنوان یک ترم پیشین، معلوم می باشد) بهره گیری کردند. تصویر وضوح بالا و پارامترهای حرکت، با بهره گیری از روش بهینه سازی مختصات نزولی حلقوی[2] تخمین زده گردید. این الگوریتم به آرامی همگرا می­گردد، اما تخمین را به مقدار زیادی بهبود می­بخشد. در[99،100]، رویکرد تخمین همزمان بردار حرکت متراکم و تصاویرHR ، برای ویدئو فشرده ارائه گردید.

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

[1] Joint MAP -Restoration

[2] cyclic coordinate-descent

 متن فوق بخش هایی از این پایان نامه بود

می توانید به لینک پایین صفحه مراجعه نمایید:

 thesis-power-word