シフト不変スパースコーディングにより学習された基底系を用いた画像超解像

摘要

与えられた画像の解像度を増加させる操作に，サンプリング時に失われた高周波成分を何らかの先験的な情報から補う超解像法がある．現在までに，画像事例を先見的な情報として用いる手法が提案されているが，これらは高解像度画像と低解像度画像をペアとする事前学習が必要になり，拡大倍率は事前学習によって決められた倍率に固定される．また，超解像が必要とする先見的情報は膨大なものとなる．これらの問題を解決するために，本報告では，シフト不変スパースコーディングにより類似した高解像度画像を構成する要素を抽出し，それを事前情報として用いる超解像手法を提案する．実験では，文字画像に対して提案法を適用し，双3次補間法よりも高い精度で高解像度画像が推定できることを確認している．%Super-resolution techniques have been proposed for image resolution enhancement(image zooming). In many su per-resolution techniques, high frequency components of images that are lost in the sampling process are recovered by using prior knowledge of images. Example-based super resolution techniques use the set of low and high resolution image pairs.In those methods, huge number of examples are required for the processing. In this paper, we use the image bases that are learnt from the example high-resolution images as the prior knowledge. The learnt bases are obtained by the shift-invariant non-negative sparse coding. In experiment, the learnt bases are applied to recover the high-resolution text images.Moreover, the comparisons between the proposed method and the example-based super resolution methods are also demonstrated.