Un método de superresolución de imágenes omnidireccional basado en SwinIR mejorado
Autores: Yao, Xiang; Pan, Yun; Wang, Jingtao
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un método de superresolución de imágenes omnidireccional basado en SwinIR mejorado
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Significativo
Distorsión
Proyección equirrectangular
Imagen omnidireccional
SwinIR
Convolución deformable
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Para el problema de distorsión significativa causado por el método de proyección especial de imágenes de proyección equirrectangular (ERP), este artículo propone un modelo de algoritmo de superresolución de imágenes omnidireccionales basado en la transformación de información de posición, tomando SwinIR como base. Al introducir un módulo de transformación de posición espacial que soporta convolución deformable, se optimiza el proceso de preprocesamiento de imágenes para reducir los efectos de distorsión en las regiones polares de la imagen ERP. Mientras tanto, al introducir convolución deformable en el proceso de extracción de características profundas, se mejora la adaptabilidad del modelo a las deformaciones locales de las imágenes. Los resultados experimentales en conjuntos de datos disponibles públicamente han demostrado que nuestro método supera a SwinIR, con una mejora promedio de más de 0.2 dB en WS-PSNR y más de 0.030 en WS-SSIM para un escalado de píxeles x4.
Descripción
Para el problema de distorsión significativa causado por el método de proyección especial de imágenes de proyección equirrectangular (ERP), este artículo propone un modelo de algoritmo de superresolución de imágenes omnidireccionales basado en la transformación de información de posición, tomando SwinIR como base. Al introducir un módulo de transformación de posición espacial que soporta convolución deformable, se optimiza el proceso de preprocesamiento de imágenes para reducir los efectos de distorsión en las regiones polares de la imagen ERP. Mientras tanto, al introducir convolución deformable en el proceso de extracción de características profundas, se mejora la adaptabilidad del modelo a las deformaciones locales de las imágenes. Los resultados experimentales en conjuntos de datos disponibles públicamente han demostrado que nuestro método supera a SwinIR, con una mejora promedio de más de 0.2 dB en WS-PSNR y más de 0.030 en WS-SSIM para un escalado de píxeles x4.