선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 논문에서는 이러한 문제를 해결하기 위해 기존의 MAP 방법을 그대로 다르면서 노이즈에 둔감한 새로운 SR 구조를 제안하고 이를 구현하였다. 기존의 방법에 비해 제안한 알고리즘은 L2 norni 대신 L1 norm을 사용하여 저해상도 이미지에 존재하는 노이즈를 최소화하고, 동시에 Huber norm을 사용하여 이미지의 경계 부분을 보완하였다.
- 이때 쉬프팅의 범위에 따라 경계 부분의 보완 정도를 결정하게 되는데, 가령 쉬프팅의 범위가 넓어진다면 경계 부분은 더욱 확연해지고, 쉬프팅의 범위가 좁아진다면 그 반대가 될 것이다. 본 논문에서는 Huber norm의 쉬프팅 범위의 결정과 이에 따른 영향에 대해서도 자세히 다를 것이다.
- 본 논문에서는 MAP에 기초한 SR의 새로운 구조를 제안하고 이를 소개하였다. ML 추정법으로 Robust의 함수인 LI noma을 사용하여 저해상도 이미지에 존재하는 노이즈를 최소화하였다.
가설 설정
- 그림 4(c)는 Cubic-spline 보간법을 이용한 결과 이미지이다. 그림 4(c)의 이미지 질은 그다지 좋다고 볼 수 없다. 오리지널 이미지의 중심 부분은 흑백이 규칙적으로 바뀌는 고주파 부분인데, 이때 Cubic-spline 보간법의 결과 이미지는 가운데 부분이 그림 4(d)~(f)에는 SR의 시뮬레이션 결과를 나타내고 있다.
- 본 논문에서는 Observation model에서 카메라의 PSF인 와 瓦가 化에 상관없이 동일하다고 가정한다 이는 곧 De = D, 玩 = H로 나타낼 수 있다. 특히 H의 경우는 Linear Space-Invariant Blur임을 나타낸다⑸ 이와 같이 정의하는 이유는 k에 따른 모든 £九와 风를 고려하는 것은 SR 계산상의 불리한 점이 많기 때문이고 또한 결과 고해상도 이미지에 크게 작용하지 않기 때문이다.
- 또한 秩는 비독립적이고 가우시간 분포를 따르며 평균은 0이다. 여기서 카메라의 PSF를 통해 각각의 저해상도 이미지의 픽셀 분산은 이미 알고 있다고 가정한다』.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.