ابرتفکیک‌پذیری: مروری بر روش‌های موجود

استفاده روزافزون از تصاویر دیجیتال در کاربردهای مختلف بر کسی پوشیده نیست. تقریباً در همگی کاربردها تصاویر با تفکیک‌پذیری زیاد، کارایی و کیفیت بالاتری دارند. یک راه برای دستیابی به تصاویری با تفکیک‌پذیری زیاد، افزایش کیفیت سخت‌افزار سیستم تصویربرداری است که منجر به افزایش هزینه می‌شود. همچنین محدودیت‌های فیزیکی سیستم سخت‌‌افزاری افزایش تفکیک‌پذیری تصویر را محدود می‌کند. در مقابل، ابرتفکیک‌پذیری روشی نرم‌افزاری است که هدف آن ایجاد تصاویری با درجه تفکیک‌پذیری زیاد با استفاده از تصاویر کم‌دقت از صحنه می‌باشد. ازآنجاکه مسیله ابرتفکیک‌پذیری یک مسیله معکوس است، روش‌های منظم‌سازی که هدف آن‌ها واردکردن اطلاعات پیشین از تصاویر در الگوریتم ابرتفکیک‌پذیری است، از جایگاه ویژه‌ای برخوردار هستند. در روش منظم‌سازی تصادفی، همه متغیرها و پارامتر‌های مسیله‌ به‌صورت متغیری تصادفی در نظر گرفته شده و اطلاعات پیشین در مورد آن‌ها به‌صورت توابع توزیع احتمال لحاظ می‌گردد. همچنین در روش‌های مبتنی بر یادگیری اطلاعات پیشین به طرق دیگر، ازجمله استفاده از دیکشنری برای اجزای تصویر به الگوریتم اعمال می‌شود. در این مقاله، بعد از تعریف مسیله ابرتفکیک‌پذیری، به بررسی چالش‌های آن و کارهای انجام‌شده با تاکید بر روش منظم‌سازی تصادفی می‌پردازیم.