| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2009-03-13 15:40 カラー画像拡大フィルタの疎ベイズ学習 ○兼村厚範・前田新一・石井 信（京大）  NC2008-174 |
|
| 抄録 | （和） | 古典的な画像拡大法の多くは線形フィルタとして解釈することができ，その台の形状と係数は「画像は区分的に多項式であって，節点では滑かに接続する」等の仮定をもとに決められている．しかし，その仮定が正しい場合は限定されている．我々は，与えられた画像から拡大画像を生成する問題を，パッチごとの線形回帰問題として定式化し，そのパラメタを低解像度画像・高解像度画像のペアからなるデータから疎ベイズ学習することで，コンパクトかつ高性能の画像拡大フィルタを得ることを目指す．特にカラー画像の拡大を対象とし，3チャネルすべてを考慮することで性能が向上することを示す．計算機実験により，訓練画像データから所望のフィルタが学習でき，かつ提案法がテスト画像の拡大性能において古典的な画像拡大法よりも優れていることを示す． |
| （英） | Classical methods for image expansion such as bicubic interpolation and splines can be understood as linear filters, whose support and coefficients are determined through some assumptions, for example, ``the image is piecewise polynomials that are smooth at the knots.'' However, such assumptions are true only for a very limited class of images. Alternatively, we formulate the image expansion problem as a patch-wise linear regression problem, and present a sparse Bayesian method for learning the parameters from a dataset consisting of pairs of low- and high-resolution images. Further, aiming for color images, we introduce a regression model that take the three color components into account. Experiments show that our filter outperforms classical interpolation methods by realizing higher performance in expanding test images. | |
| キーワード | （和） | 画像拡大 / 画像補間 / カラー画像 / 線形回帰 / 疎ベイズ学習 / 変分推定 / / |
| （英） | image expansion / image interpolation / color images / linear regression / sparse Bayesian learning / variational inference / / | |
| 文献情報 | 信学技報, vol. 108, no. 480, NC2008-174, pp. 417-422, 2009年3月. | |
| 資料番号 | NC2008-174 | |
| 発行日 | 2009-03-04 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2008-174 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2009-03-11 - 2009-03-13 |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa Univ. |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2009-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | カラー画像拡大フィルタの疎ベイズ学習 |
| サブタイトル（和） | |
| タイトル（英） | Sparse Bayesian Learning of Expansion Filters for Color Images |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 画像拡大 / image expansion |
| キーワード(2)（和/英） | 画像補間 / image interpolation |
| キーワード(3)（和/英） | カラー画像 / color images |
| キーワード(4)（和/英） | 線形回帰 / linear regression |
| キーワード(5)（和/英） | 疎ベイズ学習 / sparse Bayesian learning |
| キーワード(6)（和/英） | 変分推定 / variational inference |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 兼村 厚範 / Atsunori Kanemura / カネムラ アツノリ |
| 第1著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 前田 新一 / Shin-ichi Maeda / マエダ シンイチ |
| 第2著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 石井 信 / Shin Ishii / イシイ シン |
| 第3著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2009-03-13 15:40:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2008-174 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.480 |
| ページ範囲 | pp.417-422 |
| ページ数 | 6 |
| 発行日 | 2009-03-04 (NC) |
[研究会発表申込システムのトップページに戻る]