Siêu phân giải dựa trên ví dụ thích ứng sử dụng PCA hạt nhân với phương pháp phân loại mới

EURASIP Journal on Advances in Signal Processing - Tập 2011 - Trang 1-29 - 2011
Takahiro Ogawa1, Miki Haseyama1
1Graduate School of Information Science and Technology, Hokkaido University, Sapporo, Japan

Tóm tắt

Bài báo này trình bày một phương pháp siêu phân giải (SR) dựa trên ví dụ thích ứng bằng cách sử dụng phân tích thành phần chính (PCA) hạt nhân kết hợp với một phương pháp phân loại mới. Để cho phép ước lượng các thành phần tần số cao bị thiếu cho mỗi loại kết cấu trong các hình ảnh độ phân giải thấp (LR) mục tiêu, phương pháp đề xuất thực hiện việc phân cụm các đoạn hình ảnh độ phân giải cao (HR) được cắt ra từ các hình ảnh HR huấn luyện trước. Dựa trên hai không gian riêng phi tuyến tính, được tạo ra từ các đoạn HR và các thành phần tần số thấp tương ứng trong mỗi cụm, một bản đồ nghịch đảo, có thể ước lượng các thành phần tần số cao bị thiếu chỉ từ các thành phần tần số thấp đã biết, đã được suy diễn. Hơn nữa, bằng cách theo dõi các lỗi phát sinh trong quá trình ước lượng trên, phương pháp đề xuất cho phép lựa chọn thích ứng cụm tối ưu cho mỗi đoạn địa phương mục tiêu, và điều này tương ứng với phương pháp phân loại mới trong nghiên cứu của chúng tôi. Sau đó, bằng cách kết hợp hai phương pháp trên, phương pháp đề xuất có thể ước lượng thích ứng các thành phần tần số cao bị thiếu, và việc tái tạo thành công hình ảnh HR được thực hiện.

Từ khóa


Tài liệu tham khảo

Park SC, Park MK, Kang MG: Super-resolution image reconstruction: A technical overview. IEEE Signal Proces Mag 2003,20(3):21-36. 10.1109/MSP.2003.1203207

Keys R: Cubic convolution interpolation for digital image processing. IEEE Trans Acoust Speech Signal Proces 1981,29(6):1153-1160. 10.1109/TASSP.1981.1163711

Oppenheim AV, Schafer RW: Discrete-Time Signal Processing. 2nd edition. Prentice Hall, New Jersey; 1999.

Baker S, Kanade S, Kanade T: Limits on super-resolution and how to break them. IEEE Trans Pattern Anal Mach Intell 2002,24(9):1167-1183. 10.1109/TPAMI.2002.1033210

Farsiu S, Robinson D, Elad M, Milanfar P: Advances and challenges in super-resolution. Int J Imaging Syst Technol 2004,14(2):47-57. 10.1002/ima.20007

van Ouwerkerk JD: Image super-resolution survey. Image Vis Comput 2006,24(10):1039-1052. 10.1016/j.imavis.2006.02.026

Jiji CV, Chaudhuri S, Chatterjee P: Single frame image super-resolution: should we process locally or globally? Multidimens Syst Signal Process 2007,18(2-3):123-125. 10.1007/s11045-007-0024-1

Hu Y, Shen T, Lam KM, Zhao S: A novel example-based super-resolution approach based on patch classification and the KPCA prior model. Comput Intell Secur 2008, 1: 6-11.

Hertzmann A, Jacobs CE, Oliver BC N, Salesin DH: Image analogies. Comput Graph (Proc Siggraph) 2001, 2001: 327-340.

Freeman WT, Pasztor EC, Carmichael OT: Learning low-level vision. Int J Comput Vis 2000, 40: 25-47. 10.1023/A:1026501619075

Freeman WT, Jones TR, Pasztor EC: Example-based super-resolution. IEEE Comput Graph Appl 2002,22(2):56-65. 10.1109/38.988747

Kanemura A, Maeda S, Ishii S: Sparse Bayesian learning of filters for efficient image expansion. IEEE Trans Image Process 2010,19(6):1480-1490.

Stephenson TA, Chen T: Adaptive Markov random fields for example-based super-resolution of faces. EURASIP J Appl Signal Process 2006, 2006: 225-225.

Wang Q, Tang X, Shum H: Patch based blind image super resolution. Proceedings of ICCV 2005 2005, 1: 709-716.

Li X, Lam KM, Qiu G, Shen L, Wang S: An efficient example-based approach for image super-resolution. Proceedings of ICNNSP 2008, 2008: 575-580.

Sun J, Zheng N, Tao H, Shum H: Image hallucination with primal sketch priors. Proceedings of IEEE CVPR '03 2003, 2: 729-736.

Jiji CV, Joshi MV, Chaudhuri S: Single-frame image super-resolution using learned wavelet coefficients. Int J Imaging Syst Technol 2004,14(3):105-112. 10.1002/ima.20013

Jiji CV, Chaudhuri S: Single-frame image super-resolution through contourlet learning. EURASIP J Appl Signal Process 2006,2006(10):1-11.

Wang X, Trang X: Hallucinating face by eigentransformation. IEEE Trans Syst Man Cybern 2005,35(3):425-434. 10.1109/TSMCC.2005.848171

Chakrabarti A, Rajagopalan AN, Chellappa R: Super-resolution of face images using kernel PCA-based prior. IEEE Trans Multimedia 2007,9(4):888-892.

Schölkopf B, Smola A, Müller KR: Nonlinear principal component analysis as a kernel eigen value problem. Neural Comput 1998, 10: 1299-1319. 10.1162/089976698300017467

Schölkoph B, Mika S, Burges C, Knirsch P, Müller KR, Rätsch G, Smola A: Input space versus feature space in kernel-based methods. IEEE Trans Neural Netw 1999,10(5):1000-1017. 10.1109/72.788641

Chaudhuri S, Joshi MV: Motion-Free Super-Resolution. Springer, New York; 2005.

Turk M, Pentland A: Eigenfaces for recognition. J Cogn Neurosci 1991, 3: 71-86. 10.1162/jocn.1991.3.1.71

Bishop C, Blake A, Marthi B: Super-resolution enhancement of video. In Proceedings of 9th International Workshop on Artificial Intelligence and Statistics (AISTATS '03). Key West; 2003.

Kim KI, Kwon Y: Example-based learning for single-image super-resolution. Proceedings of the 30th DAGM Symposium on Pattern Recognition. Lecture Notes in Computer Science 2008, 456-465.

Kim KI, Schölkopf B: Iterative kernel principal component analysis for image modeling. IEEE Trans Pattern Anal Mach Intell 2005,27(9):1351-1366.

Ogawa T, Haseyama M: Missing intensity interpolation using a kernel PCA-based POCS algorithm and its applications. IEEE Trans Image Process 2011,20(2):417-432.

Datsenko D, Elad M: Example-based single document image super-resolution: a global MAP approach with outlier rejection. Multidimens Syst Signal Process 2007,18(2-3):103-121. 10.1007/s11045-007-0018-z

Elad M, Datsenko D: Example-based regularization deployed to super-resolution reconstruction of a single image. Comput J 2009, 52: 15-30.

Kwok JTY, Tsang IWH: The pre-image problem in kernel methods. IEEE Trans Neural Netw 2004,15(6):1517-1525. 10.1109/TNN.2004.837781

Wang Z, Bovik AC, Sheikh HR, Simoncelli EP: Image quality assessment: from error visibility to structural similarity. IEEE Trans Image Process 2004,13(4):600-612. 10.1109/TIP.2003.819861

Avcbas I, Sankur B, Sayood K: Statistical evaluation of image quality measures. J Elec Imaging 2003,11(2):206-223.

Staelin C, Greig D, Fischer M, Maurer R: Neural network image scaling using spatial errors. Technical Report (HP Laboratories, Israel) 2003.

Thông tin
Thông tin xuất bản

EURASIP Journal on Advances in Signal Processing

Tập 2011

1-29

Thông tin tác giả