| 研究課題/領域番号 |
25820158
|
|---|
| 研究機関 | 名古屋工業大学 |
|---|
研究代表者 |
後藤 富朗 名古屋工業大学, 工学(系)研究科(研究院), 助教 (20324478)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2016-03-31
|
| キーワード | 超解像処理の画質改善 / 超解像処理の高速化 |
|---|
| 研究実績の概要 |
(1) TV正則化法の演算時間の改善：Chambolleの射影法は、この分野では最も優れた方法として確立している。この方式において、まず、2方向のTV項を4方向に拡大し、まず収束速度を2倍にした。次に、アルゴリズムを時間方向に拡大し、約5倍の収束速度の改善した。この結果、全体の収束時間は現在のアルゴリズムの約1/10（10倍の高速化）を実現した。
(2) 事例学習法の処理速度の改善：TV正則化法を用いることによって、事例学習法の速度が改善されるということは、本方式によって初めて得られた知見である。この利点を生かすべく、パッチサイズの拡大、参照画像の限定、主成分分析、K-means法によるクラスタリングなどを用いて、可能な限り、事例学習法の処理時間を削減した。また、目標として、TV正則化アルゴリズムと同時間、すなわちC言語シミュレーションで数秒程度を目指した。その結果、処理時間の高速化と最終的な超解像画像の画質とはトレードオフとなり、数秒程度の処理時間では画質改善が行えないことが分かった。そこで、事例学習法によるテクスチャ成分の高精細化を行うのではなく、パルスエンハンスメントフィルタを用いたテクスチャ成分の高精細化に切り替え、高精細化および処理の高速化を図った。その結果、事例学習法を用いた場合と同等以上の画質を高速に行えることを確認した。
(3) 画質評価法の確立：超解像度画像に適した客観的画質評価法を確立し、超解像技術の性能評価を行った。
(4) 複数GPGPUサーバによるシステムの構築：GPGPUサーバを用いたシステムの構築を行い、システムの高速化を図り、フルハイビジョン映像のリアルタイム超解像を実現した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
当初の予定では、画像のテクスチャ成分の画質改善として、事例学習法を用いる予定であり、パッチサイズの拡大、参照画像の限定、主成分分析、K-means法によるクラスタリングなどを用いて、可能な限り、事例学習法の処理時間を削減した。また、目標として、TV正則化アルゴリズムと同時間、すなわちC言語シミュレーションで数秒程度を目指した。その結果、処理時間の高速化と最終的な超解像画像の画質とはトレードオフとなり、TV正則化と同程度の処理時間で事例学習法を完了する場合には画質改善が行えないことが確認できた。そのため、事例学習法によるテクスチャ成分の高精細化を行うのではなく、パルスエンハンスメントフィルタを用いたテクスチャ成分の高精細化に切り替え、高精細化および処理の高速化を図った。その結果、TV清掃か処理と同程度の処理時間で事例学習法以上の高画質化を実現することが確認できた。
|
| 今後の研究の推進方策 |
(1) FPGAボード上への超高精細超解像システムの実装：複数のFPGAボードを使用して、各ブロック（TV正則化法、パルスエンハンスメントフィルタ、画質評価法）を複数のFPGAボード上に実装し、各ブロックを並列処理させることおよび処理の簡略化によって、実時間超解像システムを実装し、超解像画像の画質および処理時間について検証する。
|
| 次年度使用額が生じた理由 |
当初の予定では複数GPUによるリアルタイム処理を想定していたが、アルゴリズムの見直しを行い、単一GPUによる処理において当初の達成目標を実現できたため、GPUカードの購入予定金額が余る結果となった。
|
| 次年度使用額の使用計画 |
次年度にはFPGAへの超解像アルゴリズムの実装を計画しており、処理の並列化についての検討を行うため、当初購入予定のFPGAに加え、複数台のFPGAを購入し、並列化によるリアルタイム処理の実現をめざす。
|
