複層 Markov 確率場と線形劣化変換に対する Bayes 超解像 Bayesian Image Super-Resolution of Linear Degradation Model with a Compound Markov Random Field Prior

この論文をさがす

著者

    • 勝木 孝行 KATSUKI Takayuki
    • 早稲田大学大学院 先進理工学研究科 電気・情報生命専攻 Department of Electrical Engineering and Bioscience, Graduate School of Advanced Science and Engineering, Waseda University
    • 鳥居 英 TORII Akira
    • 早稲田大学大学院 先進理工学研究科 電気・情報生命専攻 Department of Electrical Engineering and Bioscience, Graduate School of Advanced Science and Engineering, Waseda University
    • 井上 真郷 INOUE Masato
    • 早稲田大学大学院 先進理工学研究科 電気・情報生命専攻 Department of Electrical Engineering and Bioscience, Graduate School of Advanced Science and Engineering, Waseda University

抄録

超解像は複数枚の解像度の低い観測画像から,より解像度の高い画像を推定する技術である.中でも本報告では,複層Markov確率場を用いたBayes超解像について扱う.先行研究では劣化変換パラメータ,または高解像度画像のいずれかについては周辺尤度の最大化による点推定を行っていた.しかし,それらの推定に加えてハイパーパラメータをも同時推定する場合,自由度が増加することによってオーバーフィッティングが生じやすいという問題があった.そこで,本報告では変分Bayes法にTaylor近似やLaplace近似を組み合わせた近似手法を用いて全変数をBayes推定することで,オーバーフィッティングを避けたより高精度な推定を試みる.

Super-resolution is a technique to estimate higher resolution image from multiple low-resolution observed images. We treat Bayesian image super-resolution with a compound Markov random field prior. In preceding studies, point estimation by marginal likelihood maximization was employed on either degradation transformation parameters or high-resolution image. When both the hyper-parameters and those parameters are estimated simultaneously, such point estimation may cause over fitting problem since the flexibility will increase. In this report, we try high accurate estimation avoiding over fitting by estimating all parameters in Bayesian inference using a approximate method combining Taylor expansion and Laplace method with variational Bayesian method.

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 110(83), 63-68, 2010-06-11

    一般社団法人電子情報通信学会

参考文献:  16件中 1-16件 を表示

各種コード

  • NII論文ID(NAID)
    110007890703
  • NII書誌ID(NCID)
    AN10091178
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • ISSN
    09135685
  • NDL 記事登録ID
    10753103
  • 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