Key points are not available for this paper at this time.
O problema de criar imagens ampliadas livres de artefatos que pareçam nítidas e naturais para o observador humano é provavelmente mais interessante e menos trivial do que pode parecer. A solução para o problema, muitas vezes referida também como "super-resolução de imagem única", está relacionada tanto à relação estatística entre amostras de imagens de baixa e alta resolução quanto à percepção humana da qualidade da imagem. Em muitas aplicações práticas, algoritmos simples de interpolação linear ou cúbica são aplicados para essa tarefa, mas os resultados obtidos não são realmente satisfatórios, sendo afetados por artefatos relevantes como desfoque e serrilhado. Vários métodos foram propostos para obter melhores resultados, envolvendo heurísticas simples, modelagem de bordas ou aprendizado estatístico. Os métodos mais poderosos, no entanto, apresentam uma alta complexidade computacional e não são adequados para aplicações em tempo real, enquanto métodos rápidos, mesmo que adaptativos a bordas, não conseguem fornecer imagens livres de artefatos. Neste artigo, descrevemos um novo método de aumento (interpolação baseada em curvatura iterativa) baseado em um preenchimento de grade em duas etapas e uma correção iterativa dos pixels interpolados obtidos pela minimização de uma função objetivo dependente das derivadas direcionais de segunda ordem da intensidade da imagem. Mostramos que as restrições usadas para derivar a função estão relacionadas àquelas aplicadas em outro método de interpolação bem conhecido, que fornece bons resultados, mas é computacionalmente pesado (ou seja, nova interpolação direcionada a bordas (NEDI)). A alta qualidade das imagens ampliadas com o novo método é demonstrada com testes objetivos e subjetivos, enquanto o tempo de computação é reduzido de uma a duas ordens de magnitude em relação ao NEDI, de modo que conseguimos, utilizando uma implementação de unidade de processamento gráfico baseada na tecnologia nVidia Compute Unified Device Architecture, alcançar desempenhos em tempo real.
Giachetti et al. (Quarta-feira,) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: