文献

J-GLOBAL ID：202202263480261313   整理番号：22A0707622

辞書学習とスパース表現アルゴリズムを用いた単一画像超解像(SISR)の解析【JST・京大機械翻訳】

Analysis on Single-Image Super-Resolution (SISR) Using Dictionary Learning and Sparse Representation Algorithm

著者 (3件)： Ng Suit Mun (Faculty of Electrical Engineering Technology (FTKE), Universiti Malaysia Perlis (UniMAP) Kampus Pauh Putra, Arau, Perlis, Malaysia) ,  Yazid Haniza (Faculty of Electronic Engineering Technology (FTKEN), Universiti Malaysia Perlis (UniMAP) Kampus Pauh Putra, Arau, Perlis, Malaysia) ,  Mustafa Nazahah (Faculty of Electronic Engineering Technology (FTKEN), Universiti Malaysia Perlis (UniMAP) Kampus Pauh Putra, Arau, Perlis, Malaysia)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 829  ページ： 184-190  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 画像Super-Resolution(SR)は,LRカメラの画像処理過程に起因する劣化を除去することにより,対応する低Resolution(LR)画像から高Resolution(HR)画像を生成する技術である。本研究では,スパース表現法による辞書学習プロセスに基づく単一画像スーパーソリューション(ISR)画像再構成方式を提案した。その結果,得られたHR画像の画質は,アップスケール因子の増加とともに有意に減少した。次に,この解析は,提案した作業を適用することによって得られたHR画像が,双三次補間操作と比較して,根平均二乗誤差(RMSE),ピーク信号対雑音比(PSNR)および構造類似性指数Matric(SSIM)値に関して,より良い性能を生み出すことができることを示した。したがって,本論文で行われた研究は,スパース表現アルゴリズムによる辞書学習プロセスに基づくSIR画像再構成方式を提案することによって,画像におけるLR問題を解決することができる。最後に,本研究は,バイオメトリック画像のような異なるタイプの画像に関する試験によって改善できる。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： SN比 ,  *アルゴリズム ,  カメラ ,  *学習 ,  内挿法 ,  画像処理 ,  *画像 ,  *データ表現 ,  画質 ,  *超解像 ,  類似性 ,  スケール因子 ,  画像再構成
準シソーラス用語： 平均二乗誤差 ,  ピーク信号対雑音比 ,  *スパース表現 ,  構造的類似性 ,  *辞書学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 超解像(SR) ,  画像処理 ,  辞書学習 ,  スパース表現

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 辞書学習 ,  スパース表現 ,  アルゴリズム ,  超解像 ,  解析