기존의 대부분의 영상 보간 방식은 노이즈가 없는 것으로 가정한다. 노이즈가 영상 복호화 과정에서 사라지기 때문에 이러한 가정은 실제로 유효하다. 이 논문은 영상의 순차적인 잡음 제거와 보간 구현 방법에 대해 설명한다. 또한, 잡음 샘플(noisy sample)을 위해, CCD/CMOS 영상 센서에서 얻어진 컬러 필터링 어레이(CFA)에 적용할 수 있는 효율적인 잡음 감소 기법을 제안한다. 화상 이웃 ...
기존의 대부분의 영상 보간 방식은 노이즈가 없는 것으로 가정한다. 노이즈가 영상 복호화 과정에서 사라지기 때문에 이러한 가정은 실제로 유효하다. 이 논문은 영상의 순차적인 잡음 제거와 보간 구현 방법에 대해 설명한다. 또한, 잡음 샘플(noisy sample)을 위해, CCD/CMOS 영상 센서에서 얻어진 컬러 필터링 어레이(CFA)에 적용할 수 있는 효율적인 잡음 감소 기법을 제안한다. 화상 이웃 벡터는 PCA 베이스 상에 투사된다. PCA 베이스는 고유 분해에 의해 얻을 수 있다. 잡음 제거는 영상의 주 성분으로부터 여러번 패치된 된 계수의 수축에 의해 수행된다. 수축 효과는 임계치의 선택과 노이즈로부터 원본 영상을 분리하려는 변환 과정에 의존한다. 제안하는 방법은 패치의 통계적인 특성들에 기초하여 최적화 된 임계 값을 추정한다. 한번 CDM이 수행되고 나면, 저해상도 영상은 듀얼-트리 콤플렉스 웨이블릿 변환과 (DT-CWT) 히든 마르코프 모델(HMM)을 기초하여 고해상도의 표시 장치에 적합하도록 보간된다. 제안한 방법의 DT-CWT는 상이한 서브밴드의 저해상도 화상을 분해하는데에도 사용된다. 웨이블릿 도메인 보간에서 주어진 영상은 고해상도 영상의 웨이블릿 계수의 저주파 LL 서브밴드로 간주된다. 제안한 방법을 통해 전체 스케일 계수간 상관 관계를 학습하여 보다 큰 크기를 가진 밴드 계수들을 추정한다. 이 과정에서 스케일 사이간 웨이 블릿 계수의 관계는 HMM에 의해 기술되고, 각각의 웨이블릿 계수들은 여러 수단 및 분산을 갖는 가우시안 혼합에 의해 모델링된다. 실험 결과를 통해 제안한 알고리즘은 기존의 다른 방법들에 비해 선명한 이미지를 얻을 수 있음을 증명한다. 그리고 기존 방법보다 단순하면서 보다 향상된 성능을 보여준다. 또한 제안한 방법은 카메라 폰 등의 촬상 기능을 가진 저전력 모바일 장치에서 구현하기에 적합하다.
기존의 대부분의 영상 보간 방식은 노이즈가 없는 것으로 가정한다. 노이즈가 영상 복호화 과정에서 사라지기 때문에 이러한 가정은 실제로 유효하다. 이 논문은 영상의 순차적인 잡음 제거와 보간 구현 방법에 대해 설명한다. 또한, 잡음 샘플(noisy sample)을 위해, CCD/CMOS 영상 센서에서 얻어진 컬러 필터링 어레이(CFA)에 적용할 수 있는 효율적인 잡음 감소 기법을 제안한다. 화상 이웃 벡터는 PCA 베이스 상에 투사된다. PCA 베이스는 고유 분해에 의해 얻을 수 있다. 잡음 제거는 영상의 주 성분으로부터 여러번 패치된 된 계수의 수축에 의해 수행된다. 수축 효과는 임계치의 선택과 노이즈로부터 원본 영상을 분리하려는 변환 과정에 의존한다. 제안하는 방법은 패치의 통계적인 특성들에 기초하여 최적화 된 임계 값을 추정한다. 한번 CDM이 수행되고 나면, 저해상도 영상은 듀얼-트리 콤플렉스 웨이블릿 변환과 (DT-CWT) 히든 마르코프 모델(HMM)을 기초하여 고해상도의 표시 장치에 적합하도록 보간된다. 제안한 방법의 DT-CWT는 상이한 서브밴드의 저해상도 화상을 분해하는데에도 사용된다. 웨이블릿 도메인 보간에서 주어진 영상은 고해상도 영상의 웨이블릿 계수의 저주파 LL 서브밴드로 간주된다. 제안한 방법을 통해 전체 스케일 계수간 상관 관계를 학습하여 보다 큰 크기를 가진 밴드 계수들을 추정한다. 이 과정에서 스케일 사이간 웨이 블릿 계수의 관계는 HMM에 의해 기술되고, 각각의 웨이블릿 계수들은 여러 수단 및 분산을 갖는 가우시안 혼합에 의해 모델링된다. 실험 결과를 통해 제안한 알고리즘은 기존의 다른 방법들에 비해 선명한 이미지를 얻을 수 있음을 증명한다. 그리고 기존 방법보다 단순하면서 보다 향상된 성능을 보여준다. 또한 제안한 방법은 카메라 폰 등의 촬상 기능을 가진 저전력 모바일 장치에서 구현하기에 적합하다.
Most of the existing image interpolation schemes assume that the low resolution image is noise free. This assumption is invalid in practice because image is corrupted by noise during the image acquisition process. This thesis presents a implementation of denoising and interpolation sequentia...
Most of the existing image interpolation schemes assume that the low resolution image is noise free. This assumption is invalid in practice because image is corrupted by noise during the image acquisition process. This thesis presents a implementation of denoising and interpolation sequentially. For each noisy sample, we propose an efficient noise reduction technique designed to work with Color Filtering Array (CFA) data acquired by CCD/CMOS image sensors. CFA image neighborhood vectors are first projected on the principal component analysis (PCA) bases. The PCA bases are obtained by eigenvalue decomposition. The denoising is performed by the shrinkage of coefficients of patches which we obtain from principal components. The effectiveness of the shrinkage depends on the selection of threshold and transform to sparsely represent the true image data, thus separating it from the noise. The proposed method estimates the optimized threshold value based on the local statistical characteristics of the patch. Final color image is generated by color demosaicking (CDM). Once the CDM is accomplished, the low resolution image is interpolated to fit on the high resolution display devices. In this dissertation we implement various wavelet based interpolation schemes which are adaptive directional wavelet transform, hybrid implementation of discrete wavelet transform and discrete cosine transform (DCT) and dual-tree complex wavelet transform (DT-CWT) and hidden Markov model (HMM). The adaptive directional wavelet transform is the lifting implementation of wavelet transform. This method is able to transform an image along multiple directions as well as conventional horizontal and vertical orientations. In the proposed method the high-frequency sub band images are obtained by adaptive wavelet transforms (ADWT). We interpolate high-frequency sub band images and the input low resolution image, and finally the high resolution image is generated by combining the interpolated subimages in the inverse ADWT process. In hybrid implementation of wavelet transform and DCT, the high frequency wavelet coefficients are interpolated using the zero pad method in DCT domain. The upscaled image is generated using inverse DWT of interpolated coefficients and original image. Finally in DT-CWT based method, we use DT-CWT is to decompose the low-resolution image into different subbands. The proposed method estimates the higher band coefficients by learning the correlation between the coefficients across the scale. In this paper, the relationship between the wavelet coefficients across the scale is described by HMM, and each wavelet coefficient is modelled by a Gaussian mixture having multiple means and variances. Experimental results demonstrate that the proposed methods are competitive with state-of-the-art methods despite its simplicity. The proposed method is also suitable for implementation in low power mobile devices with imaging capabilities such as camera phones.
Most of the existing image interpolation schemes assume that the low resolution image is noise free. This assumption is invalid in practice because image is corrupted by noise during the image acquisition process. This thesis presents a implementation of denoising and interpolation sequentially. For each noisy sample, we propose an efficient noise reduction technique designed to work with Color Filtering Array (CFA) data acquired by CCD/CMOS image sensors. CFA image neighborhood vectors are first projected on the principal component analysis (PCA) bases. The PCA bases are obtained by eigenvalue decomposition. The denoising is performed by the shrinkage of coefficients of patches which we obtain from principal components. The effectiveness of the shrinkage depends on the selection of threshold and transform to sparsely represent the true image data, thus separating it from the noise. The proposed method estimates the optimized threshold value based on the local statistical characteristics of the patch. Final color image is generated by color demosaicking (CDM). Once the CDM is accomplished, the low resolution image is interpolated to fit on the high resolution display devices. In this dissertation we implement various wavelet based interpolation schemes which are adaptive directional wavelet transform, hybrid implementation of discrete wavelet transform and discrete cosine transform (DCT) and dual-tree complex wavelet transform (DT-CWT) and hidden Markov model (HMM). The adaptive directional wavelet transform is the lifting implementation of wavelet transform. This method is able to transform an image along multiple directions as well as conventional horizontal and vertical orientations. In the proposed method the high-frequency sub band images are obtained by adaptive wavelet transforms (ADWT). We interpolate high-frequency sub band images and the input low resolution image, and finally the high resolution image is generated by combining the interpolated subimages in the inverse ADWT process. In hybrid implementation of wavelet transform and DCT, the high frequency wavelet coefficients are interpolated using the zero pad method in DCT domain. The upscaled image is generated using inverse DWT of interpolated coefficients and original image. Finally in DT-CWT based method, we use DT-CWT is to decompose the low-resolution image into different subbands. The proposed method estimates the higher band coefficients by learning the correlation between the coefficients across the scale. In this paper, the relationship between the wavelet coefficients across the scale is described by HMM, and each wavelet coefficient is modelled by a Gaussian mixture having multiple means and variances. Experimental results demonstrate that the proposed methods are competitive with state-of-the-art methods despite its simplicity. The proposed method is also suitable for implementation in low power mobile devices with imaging capabilities such as camera phones.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.