文献
J-GLOBAL ID:201702250872716425   整理番号:17A1558951

自己例学習とスパース表現を用いたマルチスペクトル画像のための超解像の加速【Powered by NICT】

Acceleration of super-resolution for multispectral images using self-example learning and sparse representation
著者 (5件):
資料名:
巻: 62  ページ: 249-265  発行年: 2017年 
JST資料番号: D0546B  ISSN: 0045-7906  CODEN: CPEEBQ  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
超解像は,同一シーンの単一または複数の低解像度画像からの新しい高分解能画像を得た。圧縮センシングは,信号回復に成功裡に使用した。本論文では,グラフィックス処理ユニット(GPGPU)とCompute Unified Device Architecture(CUDA)に関する一般目的計算を用いた並列化できることをタスクを選択することにより,実行時間の可能な削減を研究した。スパース表現と形態学的成分解析による自己例に基づく超解像法は衛星画像のために提案した。直交マッチング追跡(OMP)は高分解能画像再構成相で使用されている。OMPアルゴリズムの各モジュールの複雑性を解析し,そのボトルネックは投影モジュールと最小二乗モジュールで同定された。投影モジュールはGPUタイル行列ベクトル乗算を採用することにより加速される。最小二乗モジュールをスピードアップするために,ヨルダン逆行列アルゴリズムのGPU実装を採用した。合成と衛星画像で実施してきた種々の実験。広範な実験的比較により,提案アプローチの有効性を検証するために最新の超解像アルゴリズムを用いて行った。OMPの提案したGPU実装は,Intelコア(TM)i7CPUに対するN VS5200m GPU上で試験した。GPU実装は,40以上に×大画像サイズの小型画像に対して20×CPUから逐次実行と比較して高速化を加速した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
ディジタルフィルタ 

前のページに戻る