Patch-based image Super Resolution using generalized Gaussian mixture model
hal.structure.identifier | Institut de Mathématiques de Bordeaux [IMB] | |
hal.structure.identifier | Laboratoire de l'intégration, du matériau au système [IMS] | |
dc.contributor.author | NGUYEN, Dang-Phuong-Lan | |
hal.structure.identifier | Institut de Mathématiques de Bordeaux [IMB] | |
dc.contributor.author | AUJOL, Jean-François | |
hal.structure.identifier | Laboratoire de l'intégration, du matériau au système [IMS] | |
dc.contributor.author | BERTHOUMIEU, Yannick | |
dc.date.accessioned | 2024-04-04T02:41:13Z | |
dc.date.available | 2024-04-04T02:41:13Z | |
dc.identifier.uri | https://oskar-bordeaux.fr/handle/20.500.12278/191131 | |
dc.description.abstract | -Les méthodes de super résolution d'image visent à recréer une image haute résolution à partir d'une basse résolution. La famille d'approches basée sur les patchs a fait l'objet d'une attention et d'un développement considérable. La technique de minimum de l'erreur quadratique moyenne est une méthode de restauration d'images qui utilise un modèle gaussien de probabilités sur les patchs d'images. Cet article propose un algorithme d'apprentissage d'un modèle conjoint de mélange gaussien généralisé (GGMM) à partir des paires de patchs à basse résolution et des patchs correspondants à haute résolution d'une image de référence. À partir de ce modèle GGMM, l'image haute résolution en utilisant la méthode MMSE. Nos évaluations numériques indiquent que la méthode MMSE-GGMM se comporte très bien par rapport à l'état de l'art. | |
dc.description.abstractEn | Single Image Super Resolution (SISR) methods aim to recover the clean images in high resolution from low resolution observations.A family of patch-based approaches have received considerable attention and development. The minimum mean square error (MMSE) methodis a powerful image restoration method that uses a probability model on the patches of images. This paper proposes an algorithm to learn a jointgeneralized Gaussian mixture model (GGMM) from a pair of the low resolution patches and the corresponding high resolution patches fromthe reference data. We then reconstruct the high resolution image based on the MMSE method. Our numerical evaluations indicate that theMMSE-GGMM method competes with other state of the art methods. | |
dc.language.iso | en | |
dc.title.en | Patch-based image Super Resolution using generalized Gaussian mixture model | |
dc.type | Document de travail - Pré-publication | |
dc.subject.hal | Informatique [cs]/Apprentissage [cs.LG] | |
dc.subject.hal | Mathématiques [math]/Statistiques [math.ST] | |
dc.subject.hal | Informatique [cs]/Traitement des images | |
dc.subject.hal | Sciences de l'ingénieur [physics]/Traitement du signal et de l'image | |
bordeaux.hal.laboratories | Institut de Mathématiques de Bordeaux (IMB) - UMR 5251 | * |
bordeaux.institution | Université de Bordeaux | |
bordeaux.institution | Bordeaux INP | |
bordeaux.institution | CNRS | |
hal.identifier | hal-03688971 | |
hal.version | 1 | |
hal.origin.link | https://hal.archives-ouvertes.fr//hal-03688971v1 | |
bordeaux.COinS | ctx_ver=Z39.88-2004&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.au=NGUYEN,%20Dang-Phuong-Lan&AUJOL,%20Jean-Fran%C3%A7ois&BERTHOUMIEU,%20Yannick&rft.genre=preprint |
Files in this item
Files | Size | Format | View |
---|---|---|---|
There are no files associated with this item. |