O Uso do SSIM Como Critério de Convergência em Abordagens Bayesianas Variacionais de Superresolução Multiframe

Superresolução multiframe (SR multiframe) é uma técnica que gera uma imagem de alta resolução a partir de várias imagens de baixa resolução. Diferentes métodos foram desenvolvidos com o objetivo de implementar tal técnica com sucesso. Alguns desses utilizam abordagens bayesianas e podem ser baseados em norma-l1 ou norma-l2 . A imagem de alta resolução a ser encontrada é, via de regra, obtida pela execução de um algoritmo iterativo que geralmente usa como critério de parada o erro médio quadrático (MSE ou Mean Square Error). Entretanto, o MSE não considera algumas características das imagens, que são percebidas pelo olho humano. Por outro lado, a métrica SSIM (Structural Similarity Index Method), usa características estruturais, de luminância e contraste para quantificar a diferença entre duas imagens que, no nosso caso, são a imagem estimada pelo algoritmo de superresolução e a original, de alta resolução. Assim sendo, nesse trabalho propõe-se o uso de SSIM como métrica de erro para conduzir o processo de ajuste iterativo na obtenção da imagem de alta resolução, de forma a explorar melhor os ganhos obtidos a partir de distribuições a priori que preservam bordas e outros detalhes estruturais. Para isso, comparou-se os resultados de diferentes métodos bayesianos variacionais de SR alterando-se o critério de convergência de MSE para SSIM. Uma bateria de testes foi proposta e os resultados mostraram que além da melhoria na avaliação final da imagem, houve uma melhoria no tempo de execução dos algoritmos