SSIMに基づく画像探索を用いたスパースコーディングによる学習型超解像に関する研究

摘要

画像を高解像度化する手法として，現在までに事前に高解像度画像と低解像度画像をペアとし，これらを利用して高周波成分を補う学習型超解像が提案されている．従来手法ではPSNRや微分フィルタを用いて類似したパッチを探索している．しかし，PSNRでは輝度平均の誤差，微分フィルタでは差分でしか評価を行っていないため，与えられた画像構造に近似していない画像を探索してしまう．特にスパースコーディングを用いた学習型超解像では基底を特徴量とし画像の復元を行うため最適な画像構造を保持したパッチ探索が重要になる．そこで本研究では，輝度平均，コントラスト，画像構造の類似度すべてを考慮した評価値であるSSIM （Structural SIMilarity）を画像探索に用いた手法を提案する．超解像後の結果から従来手法に対する有効性を示す．