Markov Ağları Kullanarak Yüksek Çözünürlüklü Görüntü Üretilmesi

Abstract

Bu çalışmada, olasılıksal bir yöntem olan Markov Ağları kullanılarak yüksek çözünürlüklü görüntü üretilmiştir. Amaç enterpolasyon ile büyütülen düşük çözünürlüklü görüntülerde eksik olan detay bilgisini eklemektir. Önce yüksek çözünürlüklü görüntülerden detay bilgileri öğrenilir, örenilen bu detay bilgiler kullanılarak, yüksek çözünürlüklü görüntüler ile düşük çözünürlüklü görüntüler arasındaki geçiş ilişkisi görüntü işleme algoritmalarında sıkça kullanılan Markov Ağları ile modellenir. Bu model ile netliği azalmış, detayları kaybolmuş düşük çözünürlüklü görüntülerde eksik olan yüksek frekans verisi kestirilir. Modelin çözümü için giriş görüntüsünden elde efilen yerel resim bilgisi ve öğrenilen detaylardan kestirilen uzlamsal komşuluk ilişkileri kullanılmıştır. Sonuçlar literatürdeki çalışmalarla karşılaştırıldığında, önerilen yöntemlerle görsel olarak kabul edilebilen detayların kesitiriminin yapıldığı gözlenmiştir.In this work we tried to estimate the missing high frequency by using Markov Networks. Our aim is to add plausible image details to low resolution images which can not be add by interpolation algorithms after zoom operation. First, fine image details are learned from a set of high resolution images. After these details are used, the relations between high resolution images and low resolution images are modeled with Markov Networks. For the solution of the model, local image information that are extracted from input image and the spatial neighbor effects that are found from the estimated high frequency details are used. The comparison of the results with the examples given in the literature was in a good agreement.