In office automation (OA) market, scanner has more important role than before because user wants to buy multi-functional machine. However, as same as other digital equipments, scanner is required to be more powerful and fast, multi-functional, but cheaper. To meet user’s requirement, faster image processing is needed. Super-Resolution Algorithm treats small image data, and shows good quality image. So, if we apply Super-Resolution Algorithm to the scanner well, we could achieve better performance without increasing the cost.
Super-Resolution Algorithm (SR) is the main topic in computer vision community. And, there are two main categories. One is the classical SR. and the other is the learning based SR. Classical SR assumes that there are several images for the same scene, and there is misalignment between each images. Using this misalignment, we can calculate the high resolution image. But, there is a limit that the maximum scale factor is 2. Classical SR can’t be applied to the scanner without the additional equipment because only one material (book, paper or something) will be scanned, but classical SR requires several images. And, it is impossible to response user’s request to magnify the input image over scale factor 2. Example-based SR is using the correspondence between low and high resolution image patches from a database. This algorithm has limits to the scanner, too. The first is to need the memory space for database. The second is that the SR quality might get worse if the scale factor of learning data doesn’t match that which user requires. And there is no research for the optimal learning.
This thesis is proposed new SR algorithm using only one single image (input image). We can overcome all limits referred above because of using only one input image. There are three steps. 1) Construct weighted-sum image. 2) Add image constructed from edge-based SR. 3) Back-projection.
The performance of proposed SR is as good as the latest SR algorithm.
사무기기 시장에서 스캐너는 이전 보다 더 중요한 역할을 하고 있다. 왜냐하면, 사용자들이 다 기능의 기기를 구매하기 원하기 때문이다. 하지만, 다른 디지털 기기들과 마찬가지로, 스캐너는 사용자들로부터 보다 강력하지만, 보다 싼 기기이길 요구 바고 있다. 사용자들의 요구를 충족시키키 위해 보다 빠른 영상 처리가 필요하다. 초 해상도 알고리즘은 작은 화상 데이터를 다루면서, 보다 좋은 화질의 영상을 보여준다. 따라서, 만약 초해상도 알고리즘을 스캐너에 잘 적용한다면, 우리는 가격의 증가 없이 보다 나은 성능을 얻을 수 있다.
초 해상도 알고리즘은 컴퓨터 비전 분야의 주요 논의 대상이다. 여기에는 두 개의 주요 분류가 있다. 하나는 고전적 초 해상도이고, 다른 하나는 학습 기반 초 해상도이다. 고전적 초 해상도는 동일한 장면에 여러 개의 화상이 있다고 가정한다. 그리고 영상 사이에는 비정합이 있다. 이런 비정합을 이용하여 고 해상도 영상을 계산한다. 하지만, 최대 배율이 2배라는 한계가 있다. 그리고, 고전적 초 해상도는 부가적인 장치 없이는 스캐너에 적용할 수 없는데, 그것은 단지 하나의 물제만을 스캔하기 때문이다. 그리고, 2배 이상의 확대를 원하는 소비자의 요구를 만족시킬 수 없다. 표본 기반 초 해상도는 저 해상도와 고 해상도 영상 패치의 대응성을 사용한다. 이 알고리즘도 스캐너에 적용하기에 제한이 있는데, 첫 번째는 데이터베이스를 위한 저장 고장이 필요하다는 것이다. 두 번째는 사용자가 원하는 배율과 데이터베이스에 저장된 배율이 다를 경우, 화질이 나빠질 수 있다. 그리고, 최적은 학습에 대한 연구가 현재 없는 상태이다.
본 논문은 하나의 입력 영상을 사용한 새로운 초 해상도 알고리즘을 제안한다. 단지 하나의 영상을 사용하기 때문에 앞서 언급한 모든 단점을 극복할 수 있다. 본 알고리즘은 세 단계로 이루어져 있다. 1) 가중치 합 영상 구성 2) 엣지 기반 초 해상도로 부터 구성된 이미지 추가 3) 역투사. 본 논문에서 제안된 초 해상도 알고리즘은 최근 초 해상도 알고리즘과 등등한 성능을 보여준다.
