دانلود ترجمه مقاله بزرگنمایی تصویر با میانیابی کانولوشن مکعبی جهت دار

1. مقدمه 2. میانیابی کانولوشن مکعبی 3. الگوریتم پیشنهادی 4. انتخاب حد آستانه T و جزء k 5. نتایج آزمایشی 6. نتیجه گیری

چکیده – بزرگنمایی تصویر روش تولید تصویر با وضوح بالا از نمونه با وضوح پایین است. این کار میانیابی تصویر هم نامیده می شود، چراکه معمولاً با میان یابی اجرا می شود. روش میانیابی کانولوشن معکبی کلیدها به یک استاندارد در حوزه میانیابی تصویر تبدیل شده است، اما کانولوشن مکعبی بطور غیرمشخص پیکسل های گمشده را در جهت های افقی یا عمودی میان یابی می کند و معمولاً موجب تیره یا محو شدن، مسدود شدن، حلقه¬ای شدن یا دیگر نقص ها می شود. در این پژوهش مولفان یک طرح جدید میانیابی کانولوشن مکعبی در جهت لبه پیشنهاد می کنند که می تواند با ساختارهای متغیر لبه تصاویر تطابق یابد. همچنین مولفان یک روش ارزیابی لبه قوی برای مکانیابی پیکسل گمشده ارائه می کنند که میانیابی برای پیکسل گمشده را هدایت می کند. این روش می تواند لبه های تیز و جزئیات تصویر را با تقلیل قابل ملاحظه عیوبی که معمولاً با میانیابی کانولوشن مکعبی روی می دهد، حفظ کند. نتایج آزمایشی نشان می دهد که روش مولفان بر حسب معیارهای عینی و غیرعینی بسیار بهتر از میانیابی کانولوشن مکعبی عمل می کند. مقدمه: بزرگنمایی تصویر روش تولید تصویر با وضوح بالا از نمونه با وضوح پایین آن است. اینکار میانیابی تصویر نامیده می شود چراکه معمولاً با میانیابی و درونیابی اجرا می شود. بزرگنمایی تصویر اغلب در بسیاری از کاربردهای پردازش تصویر مورد نیاز است، چراکه یک تصویر با وضوح بالا می تواند جزئیات بیشتر و دید بهتری ارائه کند. برای نمونه یک تصویر پزشکی با وضوح بالا می تواند برای یک پزشک جهت تشخیص صحیح بسیار سودمند باشد. برای رمزگذاری تصویر، یک تصویر با وضوح بالا را می توان به طور موثر با استفاده از نمونه با وضوح پایین آن فشرده سازی کرد. روش های کلاسیک بزرگ نمایی تصویر عبارتند از میانیابی نزدیک ترین مجاور (NN)، میانیابی دو خطی (BI)، میانیابی کانولوشن مکعبی (CC) [1] و میانیابی زبانه دار مکعبی [2،3]. روش های کلاسیک می کوشند داده های گسسته را به یک تابع پیوسته تبدیل کنند و سپس دوباره از آن نمونه برداری کنند.

Image-zooming is a technique of producing a high-resolution image from its low-resolution counterpart. It is also called image interpolation because it is usually implemented by interpolation. Keys’ cubic convolution (CC) interpolation method has become a standard in the image interpolation field, but CC interpolates indiscriminately the missing pixels in the horizontal or vertical direction and typically incurs blurring, blocking, ringing or other artefacts. In this study, the authors propose a novel edge-directed CC interpolation scheme which can adapt to the varying edge structures of images. The authors also give an estimation method of the strong edge for a missing pixel location, which guides the interpolation for the missing pixel. The authors’ method can preserve the sharp edges and details of images with notable suppression of the artefacts that usually occur with CC interpolation. The experiment results demonstrate that the authors ‘method outperforms significantly CC interpolation in terms of both subjective and objective measures. Introduction: Image-zooming is a technique of producing a high-resolution (HR) image from its low-resolution (LR) counterpart. It is also called image interpolation because it is usually implemented by interpolation. Image-zooming is often required in many image processing applications because an HR image can offer more details and a better view. For example, an HR medical image may be very helpful for a doctor to make a correct diagnosis. For image coding, an HR image can be effectively compressed by using its LR counterpart. Classical image-zooming methods include nearest neighbour (NN) interpolation, bilinear (BI) interpolation, cubic convolution (CC) interpolation [1] and cubic spline interpolation [2, 3]. Classical methods attempt to turn discrete data into a continuous function and then resample it.

ترجمه این مقاله در 19 صفحه آماده شده و در ادامه نیز صفحه 11 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.