講演名 2015-03-06
SSIMに基づく画像探索を用いたスパースコーディングによる学習型超解像に関する研究(ソフトコンピューティング,一般)
東 広大, 黒崎 正行, 尾知 博,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 画像を高解像度化する手法として,現在までに事前に高解像度画像と低解像度画像をペアとし,これらを利用して高周波成分を補う学習型超解像が提案されている.従来手法ではPSNRや微分フィルタを用いて類似したパッチを探索している.しかし,PSNRでは輝度平均の誤差,微分フィルタでは差分でしか評価を行っていないため,与えられた画像構造に近似していない画像を探索してしまう.特にスパースコーディングを用いた学習型超解像では基底を特徴量とし画像の復元を行うため最適な画像構造を保持したパッチ探索が重要になる.そこで本研究では,輝度平均,コントラスト,画像構造の類似度すべてを考慮した評価値であるSSIM (Structural SIMilarity)を画像探索に用いた手法を提案する.超解像後の結果から従来手法に対する有効性を示す.
抄録(英) Super-Resolution is one of the methods used to enhance image resolution. Up until now, an Learning-Based Super-Resolution method that utilizes high resolution image and low resolution image pairings in order to compensate high frequency component has been proposed. In this conventional method, similarity patch is retrieved by using PSNR and differential filter. However, PSNR can only evaluate the average error in brightness while differential filter can only evaluate the difference. Thus, it tends to search for images that are not similar to the structure of the given image. Particularly in Learning-Based Super-Resolution using Sparse Coding, considering feature value as the basis, it is important to search for patches that preserve the most suitable image structure in order to restore the image. In this study, we propose an image searching method using SSIM that considers the image's average brightness, contrast, and similarities in image structure. We show the effectiveness of the proposed method over the conventional method from the results after the proposed super resolution method is conducted.
キーワード(和) スパースコーディング / 学習型超解像 / SSIM
キーワード(英) Sparse Coding / Learning-Based Super-Resolution / SSIM
資料番号 SIS2014-107
発行日

研究会情報
研究会 SIS
開催期間 2015/2/26(から1日開催)
開催地(和)
開催地(英)
テーマ(和)
テーマ(英)
委員長氏名(和)
委員長氏名(英)
副委員長氏名(和)
副委員長氏名(英)
幹事氏名(和)
幹事氏名(英)
幹事補佐氏名(和)
幹事補佐氏名(英)

講演論文情報詳細
申込み研究会 Smart Info-Media Systems (SIS)
本文の言語 JPN
タイトル(和) SSIMに基づく画像探索を用いたスパースコーディングによる学習型超解像に関する研究(ソフトコンピューティング,一般)
サブタイトル(和)
タイトル(英) A Study on Learning-Based Super-Resolution By Sparse Coding Using Image Search Based on SSIM
サブタイトル(和)
キーワード(1)(和/英) スパースコーディング / Sparse Coding
キーワード(2)(和/英) 学習型超解像 / Learning-Based Super-Resolution
キーワード(3)(和/英) SSIM / SSIM
第 1 著者 氏名(和/英) 東 広大 / Kodai AZUMA
第 1 著者 所属(和/英) 九州工業大学大学院情報工学府情報システム専攻電子情報工学分野
Dept. of Computer Science and Electronics, Kyushu Institute of Technology
第 2 著者 氏名(和/英) 黒崎 正行 / Masayuki KUROSAKI
第 2 著者 所属(和/英) 九州工業大学大学院情報工学府情報システム専攻電子情報工学分野
Dept. of Computer Science and Electronics, Kyushu Institute of Technology
第 3 著者 氏名(和/英) 尾知 博 / Hiroshi OCHI
第 3 著者 所属(和/英) 九州工業大学大学院情報工学府情報システム専攻電子情報工学分野
Dept. of Computer Science and Electronics, Kyushu Institute of Technology
発表年月日 2015-03-06
資料番号 SIS2014-107
巻番号(vol) vol.114
号番号(no) 496
ページ範囲 pp.-
ページ数 5
発行日