TCI分辨率标准？
发布网友
发布时间：2022-04-21 04:09
共1个回答
热心网友
时间：2023-10-01 22:05
为了弥合巨大的采样倍率之间的差异,本文引入一个中间视图称作单一图像超分辨率(SISR),即通过SISR的方式对LR进行超分辨率，但是SISR会缺少高频细节。
因此，本文使用中间的SISR图像作为想要的HR图像的低频部分，使用高频补偿超分辨率(high-frequency compensation super-resolution, HCSR)方法有效地恢复高频细节。从本质上讲，HCSR的工作原理是将尽可能多的高频细节从HR参考视图转移到LR光场图像视图。
此外，为了解决跨尺度输入之间显著的分辨率差距导致的扭曲问题，本文计算了从参考图像到所有LR光场图像的多个视差图，然后采用混合策略来融合得到一个精细化的视差图;最终得到高质量的超分辨光场。本文提出的HCSR方法的优越性在广泛的数据集上被验证，包括合成的，真实的和具有挑战性的显微镜场景。
文章提出的HCSR的主要特点和贡献：
1.跨尺度:我们为高分辨率和低分辨率输入都引入了中间SISR视图，以弥合显著的分辨率差距，这样我们就可以处理大尺度因子(* 8)。
2.视差大:视差引入了遮挡区域(occlusion regions)，这是现有warping问题的主要挑战。我们利用光场不同侧面视图遮挡区域的互补信息，提出了一种融合和空洞填充算法来计算参考视图的高质量深度。参考图像与侧视图图像的最大视差约为35像素.
3.保留细节:大量的实验证明，与其他先进的方法相比，所提出的方法在主观上和客观上都显著提高了重建质量(PSNR:平均高出2 dB)。
4.复杂度低:此外，我们的框架比基于拼接的[11]、[12]方法重建整个光场的速度要快很多(快20倍以上)。这表明了我们的方法的有效性，验证了所提算法的实际应用。此外，我们还演示了利用重建的高空间分辨率光场进行深度增强的方法的应用。
HCSR介绍
输入网络的包括n 2 − 1 n^2-1n
2
−1个视角的L i L_iL
i
和一个参考 R RR，文章的目标是基于R RR对所有的L i L_iL
i
进行超分辨率。
HCSR的结构如下图所示。其中，在模块1部分，文章使用VDSR方法进行SISR。
