손실 영역 분석 기반의 학습데이터 매핑 기법을 이용한 초해상도 연구
Super Resolution using Dictionary Data Mapping Method based on Loss Area Analysis
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 학습된 사전 기반 초해상도 결과를 개선하기 위해 분석한 손실 영역을 기반으로 학습 데이터를 적용하는 방법을 제안하였다. 기존의 학습된 사전 기반 방법은 입력 영상의 특징을 고려하지 않는 학습된 영상의 형태로 출력할 수 있으며, 이 과정에서 인공물이 발생할 수 있다. 제안하는 방법은 입력 영상과 학습된 영상의 일치하지 않는 특징으로 인한 인공물 발생을 줄이기 위해 1차 복원 결과를 분석함으로써 손실 정보를 추정하였다. 추정된 결과의 잡음 및 화소 불균형을 가우시안 기반의 커널로 개선하여 생성된 특징 맵에 따라 학습 데이터를 매핑하였다. 결과 비교를 위해 기존의 초해상도 방법과 제안 방법의 결과를 고화질 영상과 PSNR(Peak Signal to Noise Ratio), SSIM(Structural SIMilarity Index) 으로 비교한 결과 각각 4%와 3%의 향상된 결과를 확인하였다.
Abstract
In this paper, we propose a method to analyze the loss region of the dictionary-based super resolution result learned for image quality improvement and to map the learning data according to the analyzed loss region. In the conventional learned dictionary-based method, a result different from the feature configuration of the input image may be generated according to the learning image, and an unintended artifact may occur. The proposed method estimate loss information of low resolution images by analyzing the reconstructed contents to reduce inconsistent feature composition and unintended artifacts in the example-based super resolution process. By mapping the training data according to the final interpolation feature map, which improves the noise and pixel imbalance of the estimated loss information using a Gaussian-based kernel, it generates super resolution with improved noise, artifacts, and staircase compared to the existing super resolution. For the evaluation, the results of the existing super resolution generation algorithms and the proposed method are compared with the high-definition image, which is 4% better in the PSNR (Peak Signal to Noise Ratio) and 3% in the SSIM (Structural SIMilarity Index).
참고문헌 (19)
- 한현호, "단일이미지에서의 초해상도 영상 생성을 위한 패치 정보 기반의 선형 보간 연구", 한국융합학회논문지, 9(6), pp.45~52 (2018), 한국융합학회[DOI]
- 김회준, "동영상에서 보행자 추적을 위한 변형된 HOG 특징 추출에 관한 연구", 한국융합학회논문지, 10(3), pp.39~47 (2019), 한국융합학회[DOI]
- 김동인, "얼굴 검출을 위한 피부색 추출 과정에서 피부색 손실 영역 개선에 관한 연구", 한국융합학회논문지, 10(5), pp.1~8 (2019), 한국융합학회[DOI]
- 김가온, "영상에서 K-means 군집화를 이용한 윤곽선 검출 기법", 디지털융복합연구, 12(11), pp.281~288 (2014), 한국디지털정책학회[DOI]
- 유태훈, "GrabCut의 자동 객체 추출을 위한 저주파 영역 탐지 기반의 윈도우 생성 기법", 디지털융복합연구, 10(8), pp.211~217 (2012), 한국디지털정책학회
- 이유진, "에지영상의 비율을 이용한 차종 인식 보안 알고리즘", 융합정보논문지, 7(2), pp.77~82 (2017), 중소기업융합학회[DOI]
- 권명규, "컨볼루셔널 뉴럴 네트워크를 이용한 주인공 식별 기반의 영상장면 탐색 기법", 융합정보논문지, 7(2), pp.31~36 (2017), 중소기업융합학회[DOI]
- Y. Tai, "Image super-resolution via deep recursive residual network", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.3147~3155 (2017)
- R.W. Gerchberg, "Super-resolution through Error Energy Reduction", Optica Acta: International Journal of Optics, 21(9), pp.709~720 (2010), Informa UK Limited[DOI]
- L. C. Pickup, "A sampled texture prior for image super-resolution", Advances in neural information processing systems, pp.1587~1594 (2004)
- A. Corduneanu, "Learning spatially-variable filters for super-resolution of text", IEEE International Conference on Image Processing 2005, pp.1~849 (2005)
- W. Liu, "Neighbor combination and transformation for hallucinating faces", 2005 IEEE International Conference on Multimedia and Expo, pp.4~ (2005)
- Dmitry Datsenko, "Example-based single document image super-resolution: a global MAP approach with outlier rejection", Multidimensional Systems and Signal Processing, 18(2-3), pp.103~121 (2007), Springer Science and Business Media LLC[DOI]
- M. Elad, "Example-based regularization deployed to super-resolution reconstruction of a single image", The Computer Journal, 52(1), pp.15~30 (2008)[DOI]
- L. Li, "Face super-resolution using a hybrid model", 2008 9th International Conference on Signal Processing, pp.1153~1156 (2008)
- Jianchao Yang, "Coupled Dictionary Training for Image Super-Resolution", IEEE Transactions on Image Processing, 21(8), pp.3467~3478 (2012), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- D. Glasner, "Super-resolution from a single image", 2009 IEEE 12th international conference on computer vision, pp.349~356 (2009)
- J. Yang, "Image super-resolution via sparse representation", IEEE transactions on image processing, 19(11), pp.2861~2873 (2010)[DOI]
- D. Martin, "A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics", Vancouver (2001)[DOI]