Optimized Exemplar-Based Light Field Super-Resolution

Abstract

Işık alanı görüntüleme tekniği, farklı konumlarda ve yönlerde yakalanan ışık hüzmelerinin görüntülerini üretebilir. Çeşitli donanım kısıtlamaları nedeniyle, ışık alanı görüntüleri düşük uzamsal çözünürlüğe sahiptir. Görüntü üretim modelinde, görüntü detaylarının korunması amacıyla, farklı yüksek çözünürlüklü görüntüler tahmin edilebilir. Bu kötü konumlanmış optimizasyon problemini çözmek için literatürde bir cok süper-çözünürlük yöntemi önerilmiştir. Bu tezde, düşük çözünürlüklü görüntülerden çıkarılan örnek yama çiftleri aracılığıyla doğrusal yerleştirme ve dikgen eşleştirme takibi tabanlı algoritmalar kullanılarak örnek tabanlı ışık alanı süper-çözünürlük algoritmaları geliştirilmiştir. Önerilen yöntemler, düşük eşitsizlikli ışık alanı verisetlerinde yüksek çözünürlüklü görüntüleri tahmin etmektedir. İstatistiksel ve görsel sonuçlara göre, en ileri teknoloji algoritmalar ile karşılaştırıldığında önerilen örnek tabanlı ışık alanı süper çözünürlük yaklaşımı dikkate değer bir performans sağlamaktadır.

The light field imaging technique can produce views captured from light rays in different locations and directions. Due to several hardware restrictions, light field images have low spatial resolution. By aiming to reconstruct image details, different high resolution images can be estimated in an image generation model. In literature, several super-resolution methods have been proposed to solve this ill-posed optimization problem. In this thesis, exemplar-based light field super-resolution algorithms have been developed by means of Linear Embeddings and Orthogonal Matching Pursuits through exemplar patch pairs extracted from low resolution images. The proposed method estimates high resolution images in low disparity light field datasets. According to statistical and visual results, the proposed exemplar-based light field super-resolution approach provides remarkable performance when compared to state-of-the-art algorithms.