단일이미지에서의 초해상도 영상 생성을 위한 패치 정보 기반의 선형 보간 연구
Patch Information based Linear Interpolation for Generating Super-Resolution Images in a Single Image
1
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 논문은 단일 이미지에서 초해상도 영상 생성을 위해 저해상도 이미지에서 생성한 패치정보를 기반으로 선형 보간하는 방법을 제안하였다. 기존의 초해상도 생성 방법인 전역 공간의 회귀 모델을 사용하면 특정 영역에 대해 참조할 정보가 부족하여 일반적으로 품질이 떨어지는 결과가 나타난다. 이러한 결과를 보완하기 위해 제안하는 방법은 초해상도 이미지 생성 과정에서 영상을 패치 단위로 지역을 분할하여 의미있는 정보를 수집하고, 수집된 정보를 기반으로 초해상도 이미지 생성을 위해 확장시킨 이미지 매트릭스 영역의 구성정보를 분석하여 선형 보간 과정을 거치고 패치정보를 대응시켜 탐색한 최적의 패치 정보를 기준으로 선형 보간하는 방법을 제안하였다. 실험을 위해 원본 이미지를 복원된 영상과 PSNR, SSIM으로 비교 평가하였다.
Abstract
In this paper, we propose a linear interpolation method based on patch information generated from a low - resolution image for generating a super resolution image in a single image. Using the regression model of the global space, which is a conventional super resolution generation method, results in poor quality in general because of lack of information to be referred to a specific region. In order to compensate for these results, we propose a method to extract meaningful information by dividing the region into patches in the process of super resolution image generation, analyze the constituents of the image matrix region extended for super resolution image generation, We propose a method of linear interpolation based on optimal patch information that is searched by correlating patch information based on the information gathered before the interpolation process. For the experiment, the original image was compared with the reconstructed image with PSNR and SSIM.
참고문헌 (18)
- 한성호, "객체의 윤곽선에 강인한 Saliency Map 생성 기법", 디지털융복합연구, 10(3), pp.173~178 (2012), 한국디지털정책학회[DOI]
- 김가온, "영상에서 K-means 군집화를 이용한 윤곽선 검출 기법", 디지털융복합연구, 12(11), pp.281~288 (2014), 한국디지털정책학회[DOI]
- 권명규, "컨볼루셔널 뉴럴 네트워크를 이용한 주인공 식별 기반의 영상장면 탐색 기법", 융합정보논문지, 7(2), pp.31~36 (2017), 중소기업융합학회[DOI]
- 한주찬, "자율주행차를 위한 장애물 탐지 및 인식 시스템", 융합정보논문지, 7(6), pp.229~235 (2017), 중소기업융합학회[DOI]
- 한현호, "다중 특징을 지원하는 학습 기반의 saliency map에 관한 연구", 한국융합학회논문지, 8(6), pp.29~36 (2017), 한국융합학회[DOI]
- Rasti, P., "A new low-complexity patch-based image super-resolution", IET Computer Vision, 11(7), pp.567~576 (2017)
- Zhang, K., "Joint learning of multiple regressors for single image super-resolution", IEEE Signal Processing Letters, 23(1), pp.102~106 (2016)
- Mokari, A., "Fast single image SR via dictionary learning", IET Image Processing, 11(2), pp.135~144 (2016)
- Yang, J., "Coupled dictionary training for image super-resolution", IEEE transactions on image processing, 21(8), pp.3467~3478 (2012)
- Freeman, W. T., "Example-based super-resolution", IEEE Computer graphics and Applications, 22(2), pp.56~65 (2002)
- Zhao, L., "Single Image Super-Resolution Based on Deep Learning Features and Dictionary Model", IEEE Access, 5, pp.17126~17135 (2017)
- Huang, J. J., "SRHRF+: Self-Example Enhanced Single Image Super-Resolution Using Hierarchical Random Forests", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, pp.71~79 (2017)
- Dong, W., "Image deblurring and super-resolution by adaptive sparse domain selection and adaptive regularization", IEEE Transactions on Image Processing, 20(7), pp.1838~1857 (2011)
- Zeyde, R., "On single image scale-up using sparse-representations", International conference on curves and surfaces, pp.711~730 (2010), Springer
- Timofte, R., "Anchored neighborhood regression for fast example-based super-resolution", Computer Vision (ICCV), 2013 IEEE International Conference on, pp.1920~1927 (2013), IEEE
- Timofte, R., "A+: Adjusted anchored neighborhood regression for fast super-resolution", Asian Conference on Computer Vision, pp.111~126 (2014), Springer
- Glasner, D., "Super-resolution from a single image", Computer Vision, 2009 IEEE 12th International Conference on, pp.349~356 (2009), IEEE
- Yang, J., "Image super-resolution via sparse representation", IEEE transactions on image processing, 19(11), pp.2861~2873 (2010)