| Research Abstract |
本研究では,単一静止画像からの高解像度画像生成法Hallucinationを高精度化する方法について検討を行なった.Hallucinationでは,低解像度画像と高解像度画像の間に存在する相関関係を利用して,本来失われているはずの高周波数成分を推定している.この手法では,まず,高解像度画像と低解像度画像をペアにして小ブロックに分け,これをデータベースに登録しておく.そして,未知の入力画像が与えられたとき,それに含まれる小ブロックの画像に対して最近傍探索を行い,ペアになっている高解像度画像の小ブロックで置き換えていくことにより,高解像度画像を生成する.今年度は,まずこの方式を実際にインプリメントし,1)生成された画像に含まれるブロックノイズの除去方式の提案,2)顔や文書画像など特定の画像に対してだけでなく,人物,風景など様々な物体が写された画像に対して,本方式を適用することにより,従来よりも性能の良い高解像度化が実現できることの確認を行なった.
前者に関しては,以下の方式を提案した.Hallucinationでは2×2の4画素について合計20次元の微分特徴を計算し,これをキーにしてデータベースの検索が行なわれるために,この2×2の領域をオーバラップさせることにより,4枚の高解像度画像が得られる.この4枚の画像の対応する画素値の平均を求めると,ブロック状のノイズは消えるが,逆にせっかく得られた高周波数成分を消し去ってしまうことになる.このため,暫定的ではあるが,4枚の画像の画素値のうち,最も類似した2つを選び,この平均値を高解像度画像の画素値とすることにより,高周波数成分の低下を抑えつつ,ブロック状ノイズを消し去ることに成功した.
後者に関しては,約8千枚の一般画像を用い,巨大なデータベースを構築した上で,Hallucinationによる高解像度画像の生成を行った.この結果,通常の画像補間法よりもある程度精度の高い超解像処理が行えることを確認した.
また,これらの処理に必要となる画像の最近傍探索アルゴリズムを高速化する方法についても検討を行い,主成分分析を利用しながら木構造を作り,空間分割を行なう「主性分木」をベースとし,顔検出などによく用いられる「積分画像(Integral Image)」を用いてさらに高速な最近傍探索法を行う方法について提案を行なった.また,高次元空間での厳密な最近傍探索は,現在のところいかなる方法を用いても効率の良い計算が行なえないため,近似最近傍探索を行う方法についても検討を行なった.現在最も高速と言われているLocality Sensitive Hashing(LSH)と呼ばれるアルゴリズムをベースに,データの分布の偏りを利用するように改良し,同一の精度でLSHの数十倍の高速化を達成することができるPrincipal Component Hashing(PCH)を開発した.
|
