تبدیل تصاویر و ویدئو به کیفیت فوق‌العاده بالا ۲۰۲۲
Super Resolution of Images and Video 2022

این کتاب بر روی اَبَر-وضوح تصاویر و ویدئوها تمرکز دارد. استفاده نویسندگان از اصطلاح اَبَر-وضوح (SR) برای توصیف فرآیند به دست آوردن یک تصویر با وضوح بالا (HR)، یا مجموعه‌ای از تصاویر HR، از مجموعه‌ای از مشاهدات با وضوح پایین (LR) است. این فرآیند در متون علمی به عنوان بهبود وضوح (RE) نیز شناخته شده است. SR عمدتاً در بهبود وضوح مکانی و زمانی، و همچنین بهبود تصاویر اَبَرطیفی به کار گرفته شده است. این کتاب بر روی بهبود وضوح مکانی مبتنی بر حرکت متمرکز است، اگرچه نویسندگان مسائل SR مربوط به تصاویر بدون حرکت و تصاویر اَبَرطیفی را نیز شرح می‌دهند. همچنین، حوزه‌ی تحقیقاتی بسیار جدید SR برای فشرده‌سازی نیز بررسی می‌شود، که شامل کاهش عمدی نمونه‌برداری، در طول پیش‌پردازش، از یک سکانس ویدیویی برای فشرده‌سازی و استفاده از تکنیک‌های SR، در طول پس‌پردازش، بر روی سکانس فشرده‌شده است. واضح است که یک تعامل قوی بین ابزارها و تکنیک‌های توسعه‌یافته برای SR و تعدادی از مسائل معکوس دیگر که در پردازش سیگنال با آن‌ها مواجه می‌شویم (به عنوان مثال، بازسازی تصویر، تخمین حرکت) وجود دارد. تکنیک‌های SR در زمینه‌های مختلفی کاربرد دارند، مانند به دست آوردن تصاویر ثابت بهبودیافته از سکانس‌های ویدیویی (چاپ ویدئویی)، تلویزیون با کیفیت بالا، صفحه‌های نمایش کریستال مایع (LCD) رنگی با عملکرد بالا، بهبود کیفیت تصاویر رنگی گرفته شده توسط یک CCD، نظارت تصویری، سنجش از دور و تصویربرداری پزشکی. نویسندگان بر این باورند که حوزه‌ی SR/RE آنقدر بالغ شده است که بدنه‌ای از دانش را توسعه دهد که اکنون می‌تواند راه‌حل‌های مفید و عملی برای مشکلات واقعی چالش‌برانگیز ارائه دهد و تکنیک‌های SR می‌توانند جزء جدایی‌ناپذیر یک کدک تصویر و ویدئو باشند و می‌توانند توسعه‌ی کدگذار-رمزگشاهای (کدک‌ها) و استانداردهای جدید را پیش ببرند.

This book focuses on the super resolution of images and video. The authors’ use of the term super resolution (SR) is used to describe the process of obtaining a high resolution (HR) image, or a sequence of HR images, from a set of low resolution (LR) observations. This process has also been referred to in the literature as resolution enhancement (RE). SR has been applied primarily to spatial and temporal RE, but also to hyperspectral image enhancement. This book concentrates on motion based spatial RE, although the authors also describe motion free and hyperspectral image SR problems. Also examined is the very recent research area of SR for compression, which consists of the intentional downsampling, during pre-processing, of a video sequence to be compressed and the application of SR techniques, during post-processing, on the compressed sequence. It is clear that there is a strong interplay between the tools and techniques developed for SR and a number of other inverse problems encountered in signal processing (e.g., image restoration, motion estimation). SR techniques are being applied to a variety of fields, such as obtaining improved still images from video sequences (video printing), high definition television, high performance color Liquid Crystal Display (LCD) screens, improvement of the quality of color images taken by one CCD, video surveillance, remote sensing, and medical imaging. The authors believe that the SR/RE area has matured enough to develop a body of knowledge that can now start to provide useful and practical solutions to challenging real problems and that SR techniques can be an integral part of an image and video codec and can drive the development of new coder-decoders (codecs) and standards.