ALGORITMOS DE PROCESSAMENTO DE IMAGEM PARA SUPERRESOLUÇÃO.doc

Introdução

Em inúmeros problemas reais são necessárias imagens com uma melhor resolução espacial, entre eles temos: imagens de sensoriamento remoto, imagens médicas, imagens forenses, e problemas de visão artificial, onde uma maior resolução pode proporcionar uma melhor análise e interpretação das imagens. Apesar de existirem sensores comerciais de alta resolução espacial, muitas vezes o custo dessas imagens se torna proibitivo para o uso em algumas aplicações. Existem hoje disponíveis na Internet diversas fontes gratuitas de imagens provenientes de sensores de baixa e média resolução espacial. Os algoritmos de super-resolução podem ser uma alternativa mais econômica que a aquisição de uma imagem de alta resolução espacial.

O que é Suprerresolução?

São técnicas que possibilitam combinar várias imagens de uma mesma cena para se obter uma imagem com resolução radiométrica e geométrica aumentada, denominada de imagem de super-resolução. Nessa imagem são realçadas características importantes possibilitando recuperar detalhes e informações. As aplicações envolvem diferentes áreas, tais como: na agricultura para identificar possíveis desmatamentos e controle de pragas, na área médica para a detecção de doenças em estágios iniciais, identificação facial de pessoas suspeitas em imagens de circuito fechado, reconstrução de filmes, identificação de placas de veículos, entre outras.

O que é necessário para que a superresolução seja possível?

Aquisição de uma seqüência de imagens LR da mesma cena com deslocamentos geométricos não inteiros (em termos de distâncias interpixel) entre qualquer uma das duas imagens;
Estimativa da transformação geométrica subpixel de cada imagem de referência no que diz respeito à grade HR de referência desejável;
Solução do problema de reconstruir uma imagem de HR através dos dados disponíveis fornecidos pelas imagens fonte LR. Essa etapa também pode ser dividida em uma etapa de interpolação na grade de HR e