논문 상세보기
pp.34-42
표본기반 초해상도(Super Resolution) 기법은 데이터베이스에 저장된 고해상도 영상의 패치와 저해상도 영상 의 패치 사이에 대응관계를 이용하여, 저해상도의 입력영상에 가장 유사한 고해상도 패치를 덧붙여서 고해상도를 구 성하는 방식이다. 이러한 방식은 한 장의 영상만으로 고해상도 영상을 얻을 수 있고, 위의 과정을 반복하여 2배 이상 의 확대된 영상을 얻을 수 있어서 기존의 고전적 초해상도 기법의 문제점을 해결할 수 있다. 표본기반 초해상도 방법 들중 네이버 임베딩(Neighbor Embedding 이하 NE) 기법의 기본 원리는 지역적 선형 임베딩(locally linear embedding) 이라는 매니폴드 학습 방법의 개념과 같다. 그러나, NE의 국부 학습 데이터 집합의 크기가 너무 작아서 빈약한 일반화 능력으로 인하여 알고리즘의 성능을 크게 저하시킨다. 또한, NE는 신뢰할 수 있는 성능을 위해 커다란 크기의 학습 데이타가 요구되어, 메모리 비용뿐만 아니라 연산 부담이 요구된다. 본 논문에서는 이와 같은 문제점을 해결하기 위해서 효율적으로 구축된 딕셔너리(dictionary)를 이용하였고, NE의 국부 학습 데이터 집합의 크기가 너무 작은데에 기인한 빈약한 일반화 능력을 보완하기 위해 각 시험 패치와 딕셔너리들 간의 평균거리 이내에 있는 데이터 들을 국부 학습 데이타들로 이용하였다. 또한, 본 논문에서는 NE의 부족한 일반화 능력을 보완하기 위해 일반화 능력 이 뛰어난 Support Vector Regression(이하 SVR)을 이용하여 훈련하였으며 훈련된 SVR을 이용하여 고해상도의 해당 화소 값을 예측하였다. 실험을 통하여 제안된 기법이 bicubic 보간법 및 NE 기법 등에 비해 정량적인 척도 및 시각적 으로도 향상된 결과를 보여 주었다.
Example based Super Resolution(SR) is using the correspondence between the low and high resolution image from a database. This method uses only one image to estimate a high resolution image and can get the larger image than 2 times. Example based SR is proposed to solve the problem of classical SR. Among Example based SRs, Neighbor Embedding(NE) has been inspired by manifold learning method, particularly locally linear embedding. However, the poor generalization of NE decreases the performance. The sizes of local training sets are always too small to improve the performance of NE. The NE needs huge training data for reliable performance and requires the cost of memory and computation. We propose the advanced method based on SVR having an excellent generalization ability to solve this problem. In proposed method, the compact dictionary is applied. The data which are within the average distance between test patch and a dictionary are used as the local training data. The learned dictionary is more compact representation of the patch, which simply sample a large amount of image patch, reducing the computational cost. Given a low resolution image, we estimate a pixel in its high resolution version by using proposed method. Through experimental results, we quantitatively and qualitatively confirm the improved results of the proposed method when comparing with bicubic interpolation method and NE.
