در این مقاله، یک روش افزایش تفکیک‌پذیری خودیادگیرنده پیشنهاد گردیده که از اطلاعات پیکسل‌های مجاور هر پیکسل برای تخمین ارزش آن پیکسل استفاده شده است. برای این منظور، دو هرم با تفکیک‌پذیری بالا و تفکیک‌پذیری پایین با اعمال متناوب الگوریتم‌های افزایش و کاهش نرخ نمونه‌بردار چکیده کامل
در این مقاله، یک روش افزایش تفکیک‌پذیری خودیادگیرنده پیشنهاد گردیده که از اطلاعات پیکسل‌های مجاور هر پیکسل برای تخمین ارزش آن پیکسل استفاده شده است. برای این منظور، دو هرم با تفکیک‌پذیری بالا و تفکیک‌پذیری پایین با اعمال متناوب الگوریتم‌های افزایش و کاهش نرخ نمونه‌برداری بر تصویر ورودی ایجاد می‌شوند که به عنوان مجموعه تصاویر آموزشی مورد استفاده قرار می‌گیرند. روش پیشنهادی با مدل‌سازی ارتباط بین وصله‌های تصاویر در سطوح متناظر دو هرم تفکیک‌پذیری بالا و تفکیک‌پذیری پایین با استفاده از رگرسیون بردار پشتیبان، به تخمین مقادیر جدید پیکسل‌ها در تصویر خروجی می‌پردازد. از بازنمایی تنک به عنوان ویژگی هر وصله در تصاویر هرم با تفکیک‌پذیری پایین استفاده شده است. در این مقاله، جهت کاهش تارشدگی پیکسل‌های لبه، ابتدا پیکسل‌های لبه و غیر لبه مشخص می‌شوند. سپس به ازای پیکسل‌هایی که در نواحی غیر یکنواخت قرار دارند، پیکسل‌های همسایه مورد استفاده قرار نمی‌گیرند. لذا در روش پیشنهادی، ارزش پیکسل‌های همسایه هر پیکسل در نواحی یکنواخت، مدل شده و در تعیین ارزش نهایی دخالت داده می‌شود. نتایج حاصل از آزمایشات نشان داده که روش پیشنهادی عملکرد بهتری نسبت به سایر روش‌های مطرح‌شده در زمینه افزایش تفکیک‌پذیری تصویر از لحاظ کمی و کیفی داشته است.
پرونده مقاله
