講演抄録/キーワード |
講演名 |
2018-06-15 17:10
色差画像を利用したCNNベース画像デモザイク ○山口拓郎・池原雅章(慶大) CAS2018-35 VLD2018-38 SIP2018-55 MSS2018-35 |
抄録 |
(和) |
デモザイク技術は画像処理で注目されている技術である.多くのデモザイク手法では特定の理論に基づい たフィルタを手計算し,利用する.しかしそういったフィルタではエッジやテクスチャなど輝度変化の大きい領域で 誤差が生まれてしまう.本書では CNN ベースのデモザイク手法を提案する.CNN は多くの情報処理分野で高い精度 を持つ手法を産んでいるが,CNN ベースのデモザイク手法はほとんど提案されていない.私達のネットワークではベ イヤー画像をそのまま入力画像とし,アウトプットに色差画像を用いた.また局所パッチの中心画素の色により 4 つ のネットワークを用意し,それぞれに適した重みを学習させた.結果として,提案法は従来手法より高品質な画像が 生み出すことができ,それを実験で示した. |
(英) |
Demosaicking is play a vital role in image processing. Many conventional demosaicking methods are based on hand-crafted filters. However, the filters yield some errors in edge regions or texture regions. In this paper, we propose a CNN-based demosaicking method. CNN leads to high accuracy in many field, however, there are few methods in demosaicking field. We use the Bayer image without any interpolation as input and chrominance images as output. Besides, we prepare four networks classified the centered pixel of a local region in Bayer images. Experimental results show our CNN-based approach produces high quality restored image. |
キーワード |
(和) |
デモザイク / CNN / CFA / 深層学習 / 学習ベース / / / |
(英) |
Demosaicking / Convolution Neural Network (CNN) / Color Filter Array (CFA) / Deep Learning / Learning based / / / |
文献情報 |
信学技報, vol. 118, no. 84, SIP2018-55, pp. 185-190, 2018年6月. |
資料番号 |
SIP2018-55 |
発行日 |
2018-06-07 (CAS, VLD, SIP, MSS) |
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 |
CAS2018-35 VLD2018-38 SIP2018-55 MSS2018-35 |
研究会情報 |
研究会 |
CAS SIP MSS VLD |
開催期間 |
2018-06-14 - 2018-06-15 |
開催地(和) |
北海道大学フロンティア応用科学研究棟 |
開催地(英) |
Hokkaido Univ. (Frontier Research in Applied Sciences Build.) |
テーマ(和) |
システムと信号処理および一般 |
テーマ(英) |
System and Signal Processing, etc |
講演論文情報の詳細 |
申込み研究会 |
SIP |
会議コード |
2018-06-CAS-SIP-MSS-VLD |
本文の言語 |
英語(日本語タイトルあり) |
タイトル(和) |
色差画像を利用したCNNベース画像デモザイク |
サブタイトル(和) |
|
タイトル(英) |
Image Demosaicking via Chrominance Images with Convolutional Neural Networks |
サブタイトル(英) |
|
キーワード(1)(和/英) |
デモザイク / Demosaicking |
キーワード(2)(和/英) |
CNN / Convolution Neural Network (CNN) |
キーワード(3)(和/英) |
CFA / Color Filter Array (CFA) |
キーワード(4)(和/英) |
深層学習 / Deep Learning |
キーワード(5)(和/英) |
学習ベース / Learning based |
キーワード(6)(和/英) |
/ |
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) |
山口 拓郎 / Takuro Yamaguchi / ヤマグチ タクロウ |
第1著者 所属(和/英) |
慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.) |
第2著者 氏名(和/英/ヨミ) |
池原 雅章 / Masaaki Ikehara / イケハラ マサアキ |
第2著者 所属(和/英) |
慶應義塾大学 (略称: 慶大)
Keio University (略称: Keio Univ.) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
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: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2018-06-15 17:10:00 |
発表時間 |
20分 |
申込先研究会 |
SIP |
資料番号 |
CAS2018-35, VLD2018-38, SIP2018-55, MSS2018-35 |
巻番号(vol) |
vol.118 |
号番号(no) |
no.82(CAS), no.83(VLD), no.84(SIP), no.85(MSS) |
ページ範囲 |
pp.185-190 |
ページ数 |
6 |
発行日 |
2018-06-07 (CAS, VLD, SIP, MSS) |
|