¿Qué es la súper resolución en el contexto de las ventanas?

He estado tratando de entender qué es la súper resolución, en el contexto de DSP / DIP. ¿Qué criterios se maximizan / minimizan y por qué?

La mayoría de mis búsquedas en línea producen técnicas de superresistencia desde el punto de vista de la física óptica, sin embargo, sé anecdóticamente que se han utilizado en el procesamiento de imágenes, y también en algunos procesamientos de radar Doppler.

Recuerdo haber visto una instancia particular de Super-Res en el diseño de una función de ventanas, donde el lóbulo principal tenía el mismo ancho que el de un vagón de caja, mientras que simultáneamente tenía lóbulos laterales muy bajos y de degradación rápida, similares a una ventana abatible. En este sentido, las 'súper-resolución' provienen del hecho de que las frecuencias muy cercanas entre sí pudieron resolverse debido al bajo ancho del lóbulo principal y a un rango dinámico muy alto. ¿Es esto lo que realmente significa super-resolución?

¿Hay alguna explicación que (tal vez) la compare con una forma de eliminación de ruido o búsqueda de escasez? ¿O es un animal completamente diferente?

— Spacey
fuente

¿No son ambos criterios de optimización el resultado de la estructura física inherente de la señal? Es decir, ¿se puede buscar una solución dispersa solo si el fenómeno físico tiene una buena representación dispersa? Todas las técnicas de SR deben asumir un modelo físico que relaciona los datos que se utilizan para mejorar la señal.

— nimrodm

@nimrodm Acabo de recordar otro ejemplo de 'súper resolución', agregué a la pregunta.

— Spacey

No quiero discutir, pero en general, sin información adicional, no hay forma de aumentar la resolución de la señal en el caso general. Por ejemplo, si se muestrea una señal de límite de banda por debajo de la velocidad de Nyquist, no hay forma de reconstruirla a menos que se conozca más información. Entonces, para mí, SR significa estimación MAP de la señal original sin ruido usando datos anteriores (por ejemplo, debido a los fenómenos físicos subyacentes) o datos muestreados adicionales.

— nimrodm

@nimrodm La forma en que lo estoy pensando actualmente, en el caso de que no haya información a priori, hay diferentes funciones de ventanas que se pueden usar para intercambiar resolución de frecuencia con rango dinámico. Bajo esta restricción de ningún conocimiento a priori, ¿existe tal cosa como la súper resolución? Tal vez, tal vez no, no lo sé. Por el contrario, ¿tal vez la superresistencia solo es aplicable si se conoce un conocimiento previo? Entonces, como mencionó, se puede usar la estimación MAP. Pero, una vez más, no sé, esto es parte de la confusión que tengo.

— Spacey

El término superresolución se usa muy libremente hoy en día. Pero creo que el siguiente problema fue la idea original, o al menos, la que hizo famoso el término.

Suponga que tiene una escena y varias observaciones de esa escena, es decir, varios fotogramas de un video con un ligero movimiento de cámara entre ellos. Los algoritmos de superresolución combinan esas varias observaciones en una imagen altamente resuelta. Esto es posible porque cada observación puede contener información única que no está presente en las demás.

Si considera un cierto cuadro como el cuadro clave, este proceso puede interpretarse como una estimación MAP ya que la información a priori (o extra) está presente en otros cuadros.

Además, podemos usar estadísticas de imágenes naturales como información adicional para regularizar la solución. La regularización de la variación total es una técnica ampliamente utilizada.

Sugiero el artículo de Park 2003 .

— Daniel R. Pipa
fuente

Gracias Daniel. Me pregunto si tales técnicas podrían ser fácilmente extensibles a, por ejemplo, imágenes de radar Doppler.

— Spacey

Probablemente. Pero para el radar Doppler, creo que el SAR (radar de apertura sintética) y / o las técnicas de comunicación (MIMO, SIMO, etc.) son enfoques más apropiados para mejorar la resolución.

— Daniel R. Pipa