No abstract

No abstract

The paper considers the problem of multi-frame super-resolution under applicative noise which generates distributed regions of outlying observations in low resolution images. The analysis of existing solutions is performed. They include algorithms based on spin-glass models and Markov random fields used to remove applicative noise. The authors suggest their own approach, which involves using a recurrent algorithm of quasi-linear optimal filtering of a sequence of low resolution images together with superpixel segmentation performed in order to determine the regions damaged by applicative noise. The considered algorithms are compared as applied to a set of test images. The results of the experiment demonstrate that the suggested approach allows for more accurate recovery of HR images than the existing analogues.

Описаны математические модели и алгоритмы внесения деформирующих искажений в решетчатые функции дискретных аргументов. Для изображений рассматриваются три модели внесения деформирующих искажений при размножении обучающей выборки в интересах построения алгоритмов распознавания лиц: на основе применения при деформации гармонических функций, на основе смещения контрольных точек и на основе поиска оптического потока при наложении фильтра энтропии. Для исходных и искусственно размноженных в соответствии с описанными моделями обучающих выборок проведены эксперименты по обучению алгоритмов распознавания изображений лиц методом Виолы-Джонса и сравнение точности работы полученных детекторов. Показана применимость данного подхода для размножения данных при обучении алгоритмов распознавания изображений объектов, характеризующихся определенной структурой. Ключевые слова: распознавание изображений, деформирующие искажения, интерполяция, оптический поток, энтропия, метод Виолы-Джонса. Цитирование: Акимов, А.В. Модели и алгоритмы искусственного размножения данных для обучения алгоритмов распознавания лиц методом Виолы-Джонса / А.В. Акимов, А.А. Сирота // Компьютерная оптика.

No abstract