최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.3, 2020년, pp.19 - 26
한현호 (울산대학교 교양학부) , 이상훈 (광운대학교 인제니움학부)
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 fea...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
초해상도 생성 기법은 무엇이 중요한가? | 초해상도 생성 기법은 영상의 화질 개선 과정으로 결과물의 품질이 매우 중요하다[10-12]. 그러나 기존에 제안된 단순한 보간법 기반의 방법들은 정보가 부족해 결과의 품질이 떨어지는 문제가 있다. | |
품질 저하 요소를 어떻게 개선하였는가? | 추정된 손실 영역은 예제 기반의 방법의 화소 불균형과 잡음 등의 품질 저하 요소를 포함한다. 이러한 품질 저하 요소를 가우시안 커널 기반의 필터를 이용하여 개선하였다. 필터링 된 손실 영역을 경계, 고주파 대역, 질감 등으로 구분한 뒤, 각 세부사항에 따라 보간과 학습 데이터 활용 비율을 계산하였다. | |
학습한 데이터에 따라 결과의 차이가 나는 것을 어떻게 줄였는가? | 기존의 초해상도 생성 방법에서는 부족한 정보의 양을 보완하여 품질이 향상된 결과를 만들기 위해 자기 유사성을 이용한 추출 과정이나 또는 다른 영상을 참조함으로써 학습데이터를 구성하는 방법을 이용하였지만 적용 과정에서 각 영역이 주변 데이터와 같은 형태를 갖는 결과를 나타내지 못하고 전체적인 유사성만을 갖는 결과를 보이며, 학습한 데이터에 따라 결과의 차이가 발생한다. 그러나 제안하는 방법은 학습된 사전 정보를 활용하되, 적용하기 위해 잡음영역이 제거되고 필수 복원 형태로 판단될 부분을 추정함으로써 기존의 제안된 학습기반의 초해상도 방법 대비 경계 영역이 개선되면서, 인공물이 줄어든 결과를 확인할 수 있었다. 향후 연구로 학습 과정에서 더 많은 정보를 포함하는 특징맵을 생성할 수 있도록 학습데이터를 분석하는 과정을 개선하고, 특징맵 간 연관성 등의 분석을 이용한 특징맵을 효율적으로 활용하는 방법 등을 연구해야 할 것이다. |
Y. Tai, J. Yang & X. Liu. (2017). Image super-resolution via deep recursive residual network. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 3147-3155). DOI : 10.1109/cvpr.2017.298
R. W. Gerchberg. (1974). Super-resolution through error energy reduction. Optica Acta: International Journal of Optics, 21(9), 709-720. DOI : 10.1080/713818946
L. C. Pickup, S. J. Roberts & A. Zisserman. (2004). A sampled texture prior for image super-resolution. In Advances in neural information processing systems (pp. 1587-1594). DOI : 10.1109/icip.2012.6467332
A. Corduneanu & J. C. Platt. (2005, September). Learning spatially-variable filters for super-resolution of text. In IEEE International Conference on Image Processing 2005 (1, pp. I-849). IEEE. DOI : 10.1109/icip.2005.1529884
W. Liu, D. Lin & X. Tang. (2005, July). Neighbor combination and transformation for hallucinating faces. In 2005 IEEE International Conference on Multimedia and Expo (pp. 4-pp). IEEE. DOI : 10.1109/icme.2005.1521381
D. Datsenko & M. Elad. (2007). Example-based single document image super-resolution: a global MAP approach with outlier rejection. Multidimensional Systems and Signal Processing, 18(2-3), 103-121. DOI : 10.1007/s11045-007-0018-z
M. Elad & D. Datsenko. (2008). Example-based regularization deployed to super-resolution reconstruction of a single image. The Computer Journal, 52(1), 15-30. DOI : 10.1093/comjnl/bxm008
L. Li & Y. Wang. (2008, October). Face super-resolution using a hybrid model. In 2008 9th International Conference on Signal Processing (pp. 1153-1156). IEEE. DOI : 10.1109/icosp.2008.4697334
J. Yang, Z. Wang, Z. Lin, S. Cohen & T. Huang. (2012). Coupled dictionary training for image super-resolution. IEEE transactions on image processing, 21(8), 3467-3478. DOI : 10.1109/tip.2012.2192127
D. Glasner, S. Bagon & M. Irani. (2009, September). Super-resolution from a single image. In 2009 IEEE 12th international conference on computer vision (pp. 349-356). IEEE. DOI : 10.1109/iccv.2009.5459271
J. Yang, J. Wright, T. S. Huang & Y. Ma. (2010). Image super-resolution via sparse representation. IEEE transactions on image processing, 19(11), 2861-2873. DOI : 10.1109/icip.2011.6115635
D. Martin, C. Fowlkes, D. Tal & J. Malik. (2001, July). A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics. Vancouver:: Iccv. DOI : 10.1109/iccv.2001.937655
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.