多様体学習を用いた事例ベース超解像技術
本研究は、一枚の画像に対して学習データベースを用いた事例ベース超解像技術に関する研究である。 従来の事例ベース超解像技術では、テスト低解像度パッチ画像に近い学習用低解像度パッチ画像は1枚しか選択されないため、 誤った高周波成分が推定される可能性があり、その場合生成した高解像度画像にはノイズが発生してしまう。 この問題を解決するために、本研究では多様体学習の代表的な手法の一つであるLLE(Locally Linear Embedding)を用いて、 入力された低解像度パッチを複数の学習用低解像度パッチの線形和で表す。その同一の重み係数を用いて、 求めたい高解像度パッチを対応する学習用高解像度パッチの線形和で表すことによって高解像度パッチを推定する。 それにより自然な高解像度画像の生成が可能になる。本研究における実験の結果を図2に示す。 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1. 本研究の概念図
図2 結果画像
関連研究発表：
1. 大橋基範，岩本祐太郎，笹谷聡，韓先花，陳延偉, “多様体学習を用いた事例ベース超解像処理,” 平成22年 電気関係学会関西支部連合大会, G13-25。
2. 陳延偉：”超解像技術―ソフトウェアによる知的画像処理,”システム／制御／情報, Vol.54, No.10, pp.373-377 (2010)