Patch-based image Super Resolution using generalized Gaussian mixture model - Archive ouverte HAL Accéder directement au contenu
Pré-Publication, Document De Travail Année : 2022

Patch-based image Super Resolution using generalized Gaussian mixture model

Résumé

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) method is a powerful image restoration method that uses a probability model on the patches of images. This paper proposes an algorithm to learn a joint generalized Gaussian mixture model (GGMM) from a pair of the low resolution patches and the corresponding high resolution patches from the reference data. We then reconstruct the high resolution image based on the MMSE method. Our numerical evaluations indicate that the MMSE-GGMM method competes with other state of the art methods.
-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.
Fichier principal
Vignette du fichier
SR_GGMM.pdf (825.15 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03688971 , version 1 (06-06-2022)
hal-03688971 , version 2 (07-06-2022)

Identifiants

  • HAL Id : hal-03688971 , version 2

Citer

Dang-Phuong-Lan Nguyen, Jean-François Aujol, Yannick Berthoumieu. Patch-based image Super Resolution using generalized Gaussian mixture model. 2022. ⟨hal-03688971v2⟩
102 Consultations
75 Téléchargements

Partager

Gmail Facebook X LinkedIn More