| dc.date.accessioned |
2015-04-29T05:31:23Z |
und |
| dc.date.accessioned |
2017-10-24T12:21:43Z |
|
| dc.date.available |
2015-04-29T05:31:23Z |
und |
| dc.date.available |
2017-10-24T12:21:43Z |
|
| dc.date.issued |
2015-04-29T05:31:23Z |
|
| dc.identifier.uri |
http://radr.hulib.helsinki.fi/handle/10138.1/4654 |
und |
| dc.identifier.uri |
http://hdl.handle.net/10138.1/4654 |
|
| dc.title |
Superresoluutio |
fi |
| ethesis.discipline |
Applied Mathematics |
en |
| ethesis.discipline |
Soveltava matematiikka |
fi |
| ethesis.discipline |
Tillämpad matematik |
sv |
| ethesis.discipline.URI |
http://data.hulib.helsinki.fi/id/2646f59d-c072-44e7-b1c1-4e4b8b798323 |
|
| ethesis.department.URI |
http://data.hulib.helsinki.fi/id/61364eb4-647a-40e2-8539-11c5c0af8dc2 |
|
| ethesis.department |
Institutionen för matematik och statistik |
sv |
| ethesis.department |
Department of Mathematics and Statistics |
en |
| ethesis.department |
Matematiikan ja tilastotieteen laitos |
fi |
| ethesis.faculty |
Matematisk-naturvetenskapliga fakulteten |
sv |
| ethesis.faculty |
Matemaattis-luonnontieteellinen tiedekunta |
fi |
| ethesis.faculty |
Faculty of Science |
en |
| ethesis.faculty.URI |
http://data.hulib.helsinki.fi/id/8d59209f-6614-4edd-9744-1ebdaf1d13ca |
|
| ethesis.university.URI |
http://data.hulib.helsinki.fi/id/50ae46d8-7ba9-4821-877c-c994c78b0d97 |
|
| ethesis.university |
Helsingfors universitet |
sv |
| ethesis.university |
University of Helsinki |
en |
| ethesis.university |
Helsingin yliopisto |
fi |
| dct.creator |
Lod, Patrik |
|
| dct.issued |
2015 |
|
| dct.language.ISO639-2 |
fin |
|
| dct.abstract |
Digitaalisella kuvalla on resoluutio, joka määrittää sen koon. Resoluutiota voi suurentaa ja samalla parantaa kuvan laatua menetelmällä, jota kutsutaan superresoluutioksi. Superresoluutioalgoritmeja on useita ja ne toimivat eri tavalla. Tässä tutkielmassa käydään läpi kolmen eri superresoluutioalgoritmin toiminta läpi ja näytetään, miten nämä algoritmit toimivat kahdelle kuvalle sekä verrataan niitä keskenään.
Tutkielmassa ensiksi käydään läpi tarvittavaa taustateoriaa. Luku kaksi alkaa määrittelemällä digitaalisen kuvan ja kuinka tietokone käsittelee kuvia. Samalla esitellään kuviin liittyvää peruskäsitteistöä kuten (R,G,B)-väriavaruus. Seuraava kappale kertoo, miten värikuva muunnetaan (R,G,B)-väriavaruudesta harmaasävykuvaksi, koska kaikki tässä työssä esiteltävät algoritmit suoritetaan harmaasävykuville. Tämän jälkeen luvussa kaksi esitellään tässä työssä käytettävät lähdekuvat ja kuinka ne on otettu. Ensiksi esitellään, millä kameralla kuvat on otettu, missä formaatissa ja missä tiloissa. Sitten kerrotaan hieman kuvattavista kohteista ja esitellään valitut kuvat, joille algoritmit suoritetaan.
Luvussa kaksi esitellään kuvien jälkeen työssä käytettävät superresoluutioalgoritmit. Ensiksi esitellään kaksi yksinkertaisempaa menetelmää superresoluution saavuttamiseksi. Nämä molemmat ovat kaksiulotteisia interpolaatioita diskreetille datalle, joten niitä voi käyttää digitaalisille kuville. Ensiksi esitellään Bilineaarinen interpolaatio, joka yksinkertaisesti laskee painotetun keskiarvon interpoloitaville pikseleille lähimmästä neljästä pikselistä. Seuraavaksi esitellään bicubic-interpolaatio, joka on kaksiulotteinen jatke cubic-interpolaatiolle. Bicubic-interpolaatio toimii hyvin samankaltaisesti bilineaarisen interpolaation kanssa, mutta saa aikaan hieman tasaisempia tuloksia. Kolmantena algoritmina esitellään harvoihin esityksiin perustuva superresoluutioalgoritmi, joka hyödyntää opetettavia kirjastoja. Luvussa kaksi esitellään nopeasti, mitä ovat opetettavat kirjastot, harvat esitykset ja monet muut algoritmissa tarvittavat komponentit. Luvun kaksi lopussa esitetään SSIM samankaltaisuusmitta, jolla algoritmien tuloksia arvioidaan.
Luvussa kolme esitellään algoritmeilla saadut tulokset luvussa kaksi esitetyille kuville. Luvussa kolme on myös kirjattu taulukkoon samankaltaisuusmitan antamat tulokset jokaiselle algoritmille. Luvussa neljä on analysoitu näitä tuloksia ja tehty johtopäätöksiä algoritmien paremmuusjärjestyksestä. Huomaamme, että perus interpolaatiot eivät yllä yhtä hyviin tuloksiin kuin viimeisenä esitelty algoritmi, jonka tulokset ovat yllättävän hyviä. Nopeudessa taas interpolaatiot, varsinkin bilineaarinen interpolaatio, todetaan olevan paljon nopeampia kuin harvoihin esityksiin perustuva superresoluutioalgoritmi. Huomioimme myös, mitä isommiksi kuvat suurennetaan sitä heikommin ne toimivat. Huomaamme myöskin sen, kuinka bilineaarinen interpolaatio toimi kaksinkertaisella suurennoksella paremmin kuin bicubic-interpolaatio, mutta nelinkertaisella suurennoksella taas bicubic-interpolaatio toimi paremmin näistä kahdesta. |
fi |
| dct.language |
fi |
|
| ethesis.language.URI |
http://data.hulib.helsinki.fi/id/languages/fin |
|
| ethesis.language |
Finnish |
en |
| ethesis.language |
suomi |
fi |
| ethesis.language |
finska |
sv |
| ethesis.thesistype |
pro gradu-avhandlingar |
sv |
| ethesis.thesistype |
pro gradu -tutkielmat |
fi |
| ethesis.thesistype |
master's thesis |
en |
| ethesis.thesistype.URI |
http://data.hulib.helsinki.fi/id/thesistypes/mastersthesis |
|
| dct.identifier.urn |
URN:NBN:fi-fe2017112251864 |
|
| dc.type.dcmitype |
Text |
|
