HOME |日本語 |English

Research


研究のOverview

 

医用画像AI

 

医用画像VR

 

GANによる画像生成

 

超解像技術

 

その他の応用

超解像技術

 
超解像技術の研究背景

ビジュアルコミュニケーションや画像処理の発展に伴い、監視カメラや医療画像診断装置、 HDTV(High Definition Television)など様々な分野において、解像度の高い鮮明な画像が求められている。 解像度の改善手段として、イメージング装置の取替えというハードウェア面での対策が考えられるが、 膨大なコストを必要とするため現実的とは言い難い。 そこで、我々はソフトウェア面での解決を目指し、入力画像・映像の特徴情報からその高解像度化を可能とする超解像技術について研究している。 図1に示すように、低解像度画像は高解像度画像に線形変換、ぼかし、ダウンサンプリング、そしてノイズといった劣化処理が起こることで生成される。 つまり、超解像技術とは、この劣化処理と反対の工程を行い、劣化画像から高解像度画像を生成する一種の逆問題である。 この解決法として多くの手法が提案されており、大きく「再構成型手法」と「学習型手法」の2種類に分類できる。特に近年深層学習を用いた超解像技術が注目されている。 我々は様々な超解像手法を提案、実装し解像度の向上を目指している。 従来法に比べて、より鮮明な画像が得られているのがわかる。



図0 超解像技術の概念図




以下は本研究室で行っている超解像に関する研究例である。タイトルをクリックすると、詳細な説明がある。

 

研究事例1: 2.5億画素カメラ画像の画質改善(株式会社キャノンとの共同研究)(IEEE ICCE2018発表ポスター)

図1 2.5億画素カメラ画像の画質改善結果例(株式会社キャノンとの共同研究)




研究事例2: カラー画像をガイドとした深度画像の高解像度化

図2 (上) 深度画像のSRネットワーク; (下) 結果例




研究事例3: VolumnNet: 三次元医用ボリューム画像の超解像ネットワーク

図3 (a) 三次元医用ボリューム画像SRネットワーク(VolumeNet); (b) 結果例; (c) 既存法との効率と精度の比較