文献

J-GLOBAL ID：201602210079409180   整理番号：16A0314191

視覚センサネットワーク雑音画像超解像のためのジョイント事前学習

Joint Prior Learning for Visual Sensor Network Noisy Image Super-Resolution

著者 (5件)： YUE Bo (Xidian Univ., Xi’an, CHN) ,  WANG Shuang (Xidian Univ., Xi’an, CHN) ,  LIANG Xuefeng (Kyoto Univ., Kyoto, JPN) ,  JIAO Licheng (Xidian Univ., Xi’an, CHN) ,  XU Caijin (Xidian Univ., Xi’an, CHN)
資料名： Sensors (Web)  (Sensors (Web))
巻： 16  号： 3  ページ： WEB ONLY  発行年： 2016年03月 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 低コストの無線カメラノードからなる新しいタイプの無線センサネットワークである視覚センサネットワーク(VSN)は,視覚監視や目標認識などの厳しい環境での多くの複合視覚解析に応用されている。しかし,撮影した画像やビデオはしばしば雑音で解像度が低下している。そのような視覚データを先進の視覚解析に直接持ち込むことはできない。本稿で著者らは,VSN画像品質を改善する期待値最大化(EM)アルゴリズムを用いたジョイント事前画像超解像(JPISR)法を提案した。画像の拡大にだけ注目する従来の方法とは異なり,JPISRでは代わりに拡大写像とEステップとMステップでの雑音除去における問題を解決した。Mステップの必要条件をみたすために著者らは,暗示的事前情報を学習するために明示的事前情報を学習し,画像間の幾何学的双対性を誘導する,新しい非局所グループスパース性画像フィルタリング法を提案した。EMアルゴリズムは本来,明示的事前情報と暗示的事前情報を結合したものである。さらに,JPISRは学習のための大きな外部データベースに依存しないので,VSNでは大変実践的である。拡張実験では,JSPIRがPSNR,SSIM,視覚認識に関して5種類の最新の方法より優れていることを示した。(翻訳著者抄録)

シソーラス用語： *超解像 ,  視覚センサ ,  *雑音除去 ,  *センサネットワーク ,  学習 ,  最適化手法 ,  画像処理 ,  フィルタリング
準シソーラス用語： EMアルゴリズム ,  画像フィルタリング ,  事前学習

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 視覚センサ ,  雑音 ,  超解像 ,  ジョイント ,  事前学習