Principio di Penalizzazione Uniforme nel problema di Super-Risoluzione di immagini

Il problema di Super-Risoluzione di immagini è oggetto di grande interesse in molte applicazioni. L'aumento della risoluzione spaziale di un'immagine è il processo utilizzato per evidenziare più chiaramente i dettagli in essa contenuti. Tra i diversi approcci per risolvere tale problema, vi sono quelli basati sulla ricostruzione, che prevedono la risoluzione di un problema di ottimizzazione. Tali approcci sono stati centrali in questo lavoro di tesi, che ha previsto lo studio e la sperimentazione di un criterio per la scelta del parametro di regolarizzazione in essi utilizzato. Tale criterio, il Principio di Penalizzazione Uniforme, è stato applicato a due noti algoritmi di ottimizzazione, opportunamente modificati. I due metodi considerati sono stati l'algoritmo Primale-Duale Ibrido e l'algoritmo FISTA Chambolle, utilizzati in questo contesto per un problema di Super-Risoluzione a Singola Immagine con regolarizzazione effettuata a livello globale e, soprattutto, locale. I risultati numerici ottenuti a partire da due diverse immagini, una medica ed una geometrica, hanno dimostrato la maggiore efficienza dell'algoritmo FISTA Chambolle e le potenzialità di una regolarizzazione con parametri locali, piuttosto che globali.