One sensing element on the CCD sensor in a digital camera which functions as retinas in human eyes is not independent of neighboring pixels. Therefore, the resolution of an image taken with the digital camera is limited. In order to magnify the degenerated image resolution, bicubic interpolation is widely used in commercial software such as Adobe Photoshop but it blurs the magnified image as well.
This thesis is aimed at resolution enhancement of a single image on the primitives such as edge, corner. Our approach is based on example based algorithms. Example based algorithms need training images, and selection of those changes the result of the algorithm, and consequently it is important to choose training images. We propose self-training based super resolution algorithm which use input image itself as a training image. It seems like other example based super resolution methods, but we watch training phase as a step to collect structure information of the input image.
And some artifacts along the edge are visible in applying example based algorithms. It is due to not to be considered in the smoothness constraint to make the result soft to see. We reduce those artifacts giving weights in consideration of the edge direction. Finally the result is iteratively improved under reconstruction constraint.
We demonstrate the performance of our approach is reasonable using several real images obtained from an internet homepage. Experiments show that the result image can be well represented by training only with an input image. And our approach can save memory and processing time on a large scale. And proposed artifact reduction method reduces artifacts effectively with preserving edge strongness.
인간 시각에서 망막에 해당하는 디지털 카메라의 CCD 상의 한 요소는 그 주변 지점에 영향을 받는다. 그러므로 디지털 카메라로 찍은 영상의 해상도는 제한된다. 영상 크기를 키우기 위해서 쌍삼차 보간법이 포토샵같은 상용 프로그램에서 널리 사용되나 이는 영상을 흐려지게 한다.
본 논문은 에지, 코너와 같은 프리미티브에서 한 장의 영상에 대하여 해상도 상승하는 데에 목표를 둔다. 우리가 제안하는 방법은 예제 기반의 알고리즘에 기반을 둔다. 예제 기반 알고리즘은 트레이닝 영상을 필요로 하고, 트레이닝 영상의 선택은 결과 영상을 변화시키게 되므로, 트레이닝 영상의 선택은 중요하다. 우리는 입력 영상 자신을 트레이닝 영상으로 사용하는 자기 트레이닝에 기반을 둔 고해상도 영상에 대한 방법을 제안한다. 기존의 고해상도 방법과 유사해 보이나, 우리는 트레이닝 단계를 입력 영상의 구조에 대한 정보를 모으는 단계로 간주하였다.
그리고 예제 기반의 방법에서 에지를 따라 발생하는 아티팩트가 존재한다. 이는 결과를 보기 부드럽게 만드는 평활화 제한에서 고려가 되지 않기 때문에 발생한다. 우리는 에지의 방향성에 따라 가중치를 주어 아티팩트를 줄였다. 마지막으로 결과는 복원 제한에 따라 향상된다.
인터넷상에서 얻은 여러 영상으로 우리의 접근이 타당하다는 것을 보인다. 결과는 입력 영상으로만 수행한 트레이닝으로도 결과 영상이 잘 표현된다는 것을 보인다. 우리의 접근은 메모리와 시간을 크게 줄일 수 있다. 그리고 제안된 아티팩트 줄이는 방법은 에지의 강도를 유지하면서 아티팩트를 줄인다.
