| No | 220899 |
|---|---|
| 標題（和） | L2ノルムを用いた自己学習型超解像 |
| 標題（英） | Self-learning super resolution by L2-norm |
| 研究会名（和） | 信号処理, 回路とシステム, 通信方式 |
| 研究会名（英） | Signal Processing, Circuits and Systems, Communication Systems |
| 開催年月日 | 2013-03-14 |
| 終了年月日 | 2013-03-15 |
| 会議種別コード | 5 |
| 共催団体名（和） | |
| 資料番号 | CAS2012-106, SIP2012-137, CS2012-112 |
| 抄録（和） | 学習型超解像は，事前に学習した辞書を用いることで，解像度の低い観測画像では正しく表現できない高周波成分の情報を復元し，高解像度画像を作成する手法である．しかしながら，従来の学習型超解像では，辞書を作成する際に大量のサンプル画像を必要とするうえ，高解像度パッチを得るために作成する係数の制約にL1ノルム最小化を使用しているため，計算コストが非常に大きくなる．また，事前学習では画像の大きさや種類にあわせた最適な辞書を作成することは難しい．そこで本稿では，外部からの情報を必要としないL2近似による単一画像からの超解像手法を提案する．提案手法では，係数を決定する制約としてL2ノルム最小化を使用する．また，提案手法では追加の外部情報なしで入力低解像度画像から低・高解像度画像の辞書を作成する．単純重み付き補間や従来の超解像手法と比較を行い，提案手法の有用性を確認したので報告する． |
| 抄録（英） | In this paper, we propose a single image super resolution technique by L2 approximation without any training. Recently it has been proposed that image super resolution by using sparse representation. However it has to make a dictionary from tremendous low and high resolution image pairs to apply in any kinds of inputs. Moreover this algorithm takes a long time to train and requires the dictionaries to learn in advance. In our method, the high- and low- resolution dictionaries are made from random selected patch pairs of input and its reduced image, respectively. Then the input image is approximated by low-resolution dictionary in the sense of L2 and its coefficients are used to reconstruct the high-resolution image. Therefore the proposed method does not need any training to make dictionaries and any time consuming computation for approximations. In some example, our method has comparable quality to the conventional method. |
| 収録資料名（和） | 電子情報通信学会技術研究報告 |
| 収録資料の巻号 | Vol.112, No.484,485,486 |
| ページ開始 | 57 |
| ページ終了 | 61 |
| キーワード（和） | 超解像,スパースコーディング,L2ノルム最小化,自己相似性 |
| キーワード（英） | super resolution,sparse coding,l2-norm minimization,self-similarity |
| 本文の言語 | JPN |
| 著者（和） | 我妻大樹 |
| 著者（ヨミ） | アヅマ ダイキ |
| 著者（英） | Daiki Azuma |
| 所属機関（和） | 慶応義塾大学 |
| 所属機関（英） | Keio University |
| 著者（和） | 三柴数 |
| 著者（ヨミ） | ミシバ カズ |
| 著者（英） | Kazu Mishiba |
| 所属機関（和） | 鳥取大学 |
| 所属機関（英） | Tottori University |
| 著者（和） | 池原雅章 |
| 著者（ヨミ） | イケハラ マサアキ |
| 著者（英） | Masaaki Ikehara |
| 所属機関（和） | 慶応義塾大学 |
| 所属機関（英） | Keio University |