Resumen

En un algoritmo típico de superresolución, el modelado del error de fusión, incluyendo el error de registro y el ruido aditivo, tiene una gran influencia en el rendimiento de los algoritmos de superresolución. En esta carta, mostramos que la calidad de la imagen de alta resolución reconstruida puede incrementarse explotando un modelo adecuado para el error de fusión. Para modelar adecuadamente el error de fusión, proponemos minimizar una función de coste que consiste en L1- y L2-normas ponderadas local y adaptativamente considerando el modelo de error. Se utilizan pesos binarios para seleccionar de forma adaptativa la norma L1 o L2 en función de los errores locales. Los resultados de la simulación demuestran que el algoritmo propuesto puede superar las desventajas de utilizar la norma L1 o L2.

• Materias:Ingeniería electrónica Redes Inalámbricas Codificación de video Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Video Coding Signal processing computer-assisted Data processing
• Palabras claves:error de fusión, modelización del error de fusión, algoritmo típico de superresolución, norma, pesos binarios, resultados de simulación, ruido aditivo, función de coste, modelo de error, gran influencia
• Keywords:fusion error, fusion error modeling, typical superresolution algorithm, norm, binary weights, simulation results, additive noise, cost function, error model, great influence