Deep Convolutional Networks para Reconstrução de Imagens em Super-Resolution
A necessidade de obter-se imagens em alta resolução existe em diversas áreas,como a medicina, astronomia, segurança e monitoramento. Entretanto, nem sempreas câmeras possuem a alta resolução desejada ou algum fator externo pode reduzir aqualidade de uma imagem que se deseja estudar. Assim, diversos estudos surgiramna área de Super Resolução de imagens, com o intuito de obter-se imagens de altaresolução a partir de imagens de baixa resolução utilizandosoftwarespara essa tarefa.Os métodos mais utilizados atualmente são baseados em apenas uma única imagemde entrada (single image super resolution(SISR)) e, a partir do uso de técnicas dedeep learning, é possível treinar uma rede com o objetivo de obter-se imagens de altaresolução com características similares ao conjunto de treino.O método proposto para esse trabalho pretende encontrar uma estruturade rede neural convolucional que seja capaz de aproveitar os resultados de métodosmais antigos que não utilizam redes convolucionais para resolverem esse problema.Dessa forma, tem-se como objetivo a inclusão dos resultados desses métodos na fasede treinamento da rede, com a finalidade de verificar se essa informação extra podeaprimorar alguma métrica na qualidade da imagem recuperada, ou obter algumalgoritmo que tenha um baixo tempo de execução.