l_2ノルムを用いた自己学習型超解像(ネットワークプロセッサ,通信のための信号処理,無線LAN/PAN,一般)

スポンサーリンク

概要

論文の詳細を見る
学習型超解像は,事前に学習した辞書を用いることで,解像度の低い観測画像では正しく表現できない高周波成分の情報を復元し,高解像度画像を作成する手法である.しかしながら,従来の学習型超解像では,辞書を作成する際に大量のサンプル画像を必要とするうえ,高解像度パッチを得るために作成する係数の制約にl_2ノルム最小化を使用しているため,計算コストが非常に大きくなる.また,事前学習では画像の大きさや種類にあわせた最適な辞書を作成することは難しい.そこで本稿では,外部からの情報を必要としないぞ2近似による単一画像からの超解像手法を提案する.提案手法では,係数を決定する制約としてl_2ノルム最小化を使用する.また,提案手法では追加の外部情報なしで入力低解像度画像から低・高解像度画像の辞書を作成する.単純重み付き補間や従来の超解像手法と比較を行い,提案手法の有用性を確認したので報告する.
2013-03-07

著者

関連論文

もっと見る

スポンサーリンク