นักวิจัยปรับปรุง chaotic mapping สําหรับการสร้างภาพความละเอียดสูง

 เทคโนโลยีความละเอียดสูง (SR) มีบทบาทสําคัญในการปรับปรุงคุณภาพของภาพ การสร้าง SR ใหม่มีจุดมุ่งหมายเพื่อสร้างภาพความละเอียดสูงจากภาพความละเอียดต่ํา วิธีการแบบดั้งเดิมมักส่งผลให้ภาพเบลอหรือบิดเบี้ยว เทคนิคขั้นสูง เช่น sparse representation และวิธีการ deep learning-basedได้แสดงให้เห็นผลลัพธ์ที่น่าพึงพอใจ แต่ก็ยังเผชิญกับข้อจํากัดในแง่ของสัญญาณรบกวนและความซับซ้อนในการคํานวณ

ในการศึกษาล่าสุดที่ตีพิมพ์ใน Sensors นักวิจัยจาก Changchun Institute of Optics, Fine Mechanics and Physics of the Chinese Academy of Sciences ได้เสนอโซลูชันที่เป็นนวัตกรรมใหม่ที่รวมการchaotic mapping เข้ากับกระบวนการสร้างภาพ SR ขึ้นมาใหม่ ซึ่งช่วยเพิ่มคุณภาพของภาพในด้านต่างๆ ได้อย่างมาก

นักวิจัยได้ใช้ circle chaotic mapping  ในกระบวนการ dictionary sequence ของ K-singular value decomposition (K-SVD) dictionary update algorithm ซึ่งจะช่วยเพิ่มความทนทานต่อสัญญาณรบกวนของการสร้าง SR ขึ้นใหม่

นอกจากนี้ นักวิจัยยังนําอัลกอริทึม  (OMP) มาใช้ ซึ่งมีประสิทธิภาพมากว่า L1-norm convex optimization algorithm ในการเสริม K-SVD และสร้างภาพความละเอียดสูง

พวกเขาฝึกฝนและเรียนรู้แบบพจนานุกรมจากภาพความละเอียดสูงและต่ําจํานวนมากที่คล้ายกับเป้าหมาย ด้วยวิธีการฝึกอบรมพจนานุกรมช่วยลดความซับซ้อนของกระบวนการสร้าง SR ใหม่

วิธีการ  Chaotic Mapping-based Sparse Representation (CMOSR) ช่วยปรับปรุงคุณภาพภาพและความถูกต้องได้อย่างมาก สามารถสร้างภาพความละเอียดสูงขึ้นมาใหม่ได้อย่างมีประสิทธิภาพด้วยความละเอียดเชิงพื้นที่สูง ความคมชัดที่ดี และรายละเอียดพื้นผิวที่หลากหลาย เมื่อเทียบกับอัลกอริธึม SR แบบดั้งเดิม CMOSR แสดงความทนทานต่อสัญญาณรบกวนและประสิทธิภาพการคํานวณที่ดีกว่า ไม่สร้างรายละเอียดที่ไม่คาดคิดเมื่อประมวลผลภาพ และรวมขนาดภาพมากขึ้น