カラー画像拡大フィルタの疎ベイズ学習 Sparse Bayesian Learning of Expansion Filters for Color Images

この論文をさがす

著者

抄録

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.

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.

収録刊行物

  • 電子情報通信学会技術研究報告. NC, ニューロコンピューティング

    電子情報通信学会技術研究報告. NC, ニューロコンピューティング 108(480), 417-422, 2009-03-04

    一般社団法人電子情報通信学会

参考文献:  10件中 1-10件 を表示

各種コード

  • NII論文ID(NAID)
    110007324925
  • NII書誌ID(NCID)
    AN10091178
  • 本文言語コード
    ENG
  • 資料種別
    ART
  • ISSN
    09135685
  • NDL 記事登録ID
    10206524
  • NDL 雑誌分類
    ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
  • NDL 請求記号
    Z16-940
  • データ提供元
    CJP書誌  NDL  NII-ELS 
ページトップへ