KR101427854B1 - 단일 영상의 초고해상도 영상 복원 장치 및 방법 - Google Patents

단일 영상의 초고해상도 영상 복원 장치 및 방법 Download PDF

Info

Publication number
KR101427854B1
KR101427854B1 KR1020120105926A KR20120105926A KR101427854B1 KR 101427854 B1 KR101427854 B1 KR 101427854B1 KR 1020120105926 A KR1020120105926 A KR 1020120105926A KR 20120105926 A KR20120105926 A KR 20120105926A KR 101427854 B1 KR101427854 B1 KR 101427854B1
Authority
KR
South Korea
Prior art keywords
image
resolution image
resolution
low
patch
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020120105926A
Other languages
English (en)
Other versions
KR20140040322A (ko
Inventor
김현덕
이상헌
손명규
김동주
김병민
Original Assignee
재단법인대구경북과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020120105926A priority Critical patent/KR101427854B1/ko
Publication of KR20140040322A publication Critical patent/KR20140040322A/ko
Application granted granted Critical
Publication of KR101427854B1 publication Critical patent/KR101427854B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 희소 표현법 및 에지 강화를 이용한 저해상도 영상을 고해상도 영상으로 복원하는 방법으로 학습 기반의 희소 표현법을 사용하고 복원 기반의 반복적 역투영을 사용하여 초고해상도로 영상을 복원할 수 있는 초고해상도 영상 복원 방법을 제공한다.

Description

단일 영상의 초고해상도 영상 복원 장치 및 방법{Single Image Super-resolution Image Reconstruction Device and Method thereof}
본 발명은 단일 영상의 초고해상도 영상 복원 장치에 관한 것으로, 특히, 카메라 혹은 기타 영상 입력 장치를 이용하여 획득한 저해상도 영상을 고해상도 영상으로 복원하는 희소 표현법 및 에지 강화를 통한 단일 영상의 초고해상도 영상 복원 장치에 관한 것이다.
영상이나 다차원 신호의 입력 장치들은 영상신호를 획득하는 과정에서 물리적 법칙, 제조 기술의 한계 및 신호 입력 환경 등의 영향으로 영상의 해상도가 저하되며, 그로 인하여 고품질 영상처리 및 재현에 많은 문제가 있다. 최근 디지털 영상 처리 기술의 급격한 보급으로 인하여 HDTV, 초고배율 현미경, 첨단 의료용 장비 및 초정밀 측정 장비 등과 같은 고품질, 고해상도의 정교한 분석을 요구하는 분야에서 그 중요성이 대두 되고 있다.
초고해상도(Super resolution(SR)) 방법은 낮은 해상도의 영상을 화질을 향상시켜 높은 해상도의 영상으로 만드는 것으로 꾸준히 연구되어온 영상 복원 분야 중 하나이다. SR 방법은 크게 하나 또는 여러 장의 저해상도 영상을 사용하여 하나의 고해상도 영상을 만드는 것이다. 대부분의 방법들은 고해상도 영상에서 저해상도 영상이 얻어지는 과정을 모델링하여 수식으로 표현한 후 이를 풀어서 복원한다. 적은 개수의 화소들로 많은 화소를 채워야 하므로 불충분한 결정 밖에 내리지 못하여 정확한 답을 구할 수 없는 문제점이 있다.
고해상도 영상을 얻는 방법은 크게 두 가지로 구분할 수 있다. 첫 번째 방법은 영상 획득 장치 즉, 하드웨어적으로 입력 장치가 고해상도 영상을 얻게 하는 방법이다. 이 방법은 영상 획득 장치의 단위 면적당 화소수를 증가시키는 방법으로 영상 획득 장치의 광학도 및 이미지 센싱 등의 정밀도를 높이게 되어 많은 비용을 요구하게 되는 단점이 있다. 두 번째 방법은 저해상도 영상을 신호처리 기술을 이용하여 고해상도 영상으로 변환하는 방법이다, 이 방법은 고성능의 영상 획득 장치로 인한 손실비용이 없고 소프트웨어로 처리하기 때문에 제반 비용이 저렴하고, 기존의 저해상도 영상을 고해상도 영상으로 변환 시킬 수 있는 장점이 있다.
이러한 신호처리 기술을 이용한 초고해상도 영상 복원 방법은 크게 세 가지로 구분할 수 있다. 첫 번째 방법은 영상 보간법을 이용한 초고해상도 영상 복원 방법으로 Bicubic 혹은 Cubic 보간법을 이용한 방법이 있다. 하지만 이러한 방법들은 계산의 복잡도가 낮다는 이점이 있으나 흐림 현상(Blurring effect)이 나타날 수 있다. 두 번째는 복원 기반 초고해상도 영상 복원 방법으로 반복적 역투영을 이용한 방법이 있다. 이러한 방법은 복원 과정에서 발생하는 오차를 반복법을 이용하여 최소화하는 장점이 있으나 에지를 따라서 재기(Jaggy) 형태의 변형이 일어날 수 있다. 세 번째는 학습 기반의 방법을 이용한 초고해상도 영상 복원 방법으로 사전에 저해상도 영상과 고해상도 영상을 학습한 뒤 이를 이용하여 고해상도 영상으로 복원하는 방법이다. 하지만, 이러한 방법 또한 많은 양의 학습 데이터를 필요로 하는 단점이 있다.
따라서 본 발명은 종래의 초고해상도 영상 복원 방법의 문제점인 흐림 효과, 재귀 형태의 변형 등의 문제점을 해결하기 위해 희소 표현법을 이용하여 복원 기반과 학습 기반에서의 초고해상도 복원 방법 및 장치를 제공하는 것을 목적으로 한다.
상기와 같은 목적을 달성하기 위하여, 저해상도의 영상을 입력받는 단계; 상기 단계에서 입력된 상기 영상을 희소 표현법을 이용하여 복원하는 단계; 상기 단계에서 복원된 상기 영상을 양방향 필터를 이용하여 전처리하는 단계; 및 상기 단계에서 전처리된 상기 영상에 역투영을 반복적으로 실행하여 초고해상도로 복원하는 단계를 포함하는 초고해상도 영상 복원 방법을 제공한다.
본 발명은 희소 표현법 및 에지 강화를 이용하여 저해상도 영상을 고해상도 영상으로 복원하는 복원 기반과 학습 기반에서의 초고해상도 복원 방법 및 장치를 제공할 수 있다.
도 1 은 본 발명의 일 실시예에 따른 초고해상도 영상 복원 방법의 개념을 개략적으로 나타낸 도면이고,
도 2 및 3은 본 발명의 일 실시예에 따른 초고해상도 영상 복원 방법을 나타낸 흐름도이다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시 예를 예시하는 첨부 도면 및 도면에 기재된 내용을 참조하여야 한다.
이하 첨부한 도면을 참조하여 본 발명의 바람직한 실시 예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 고해상도 영상 복원 시스템의 영상 복원 개념을 개략적으로 나타낸 도면으로, 카메라와 같은 영상 입력 장치(100)에 의해 획득된 저해상도 영상(LR)이 본 발명에 따른 고해상도 영상 복원 시스템(200)에 의해 고해상도 영상(HR)으로 복원되는 과정을 개략적으로 나타낸다.
도 2는 본 발명의 일 실시예에 따른 고해상도 영상 복원 방법을 개략적으로 나타낸 흐름도이다. 도시된 바와 같이, 본 실시예에 따른 고해상도 영상 복원 방법은 저해상도 영상 입력 단계(S10), 희소 표현법을 이용하여 학습 기반의 고해상도 영상 복원 단계(S20), 양방향 필터를 이용하여 영상에서 노이즈를 제거하고 에지를 강화하는 전처리 단계(S30), 반복적 역투영 이용 영상 복원 단계(S40), 및 복원에 의한 고해상도 영상 출력 단계(S50)를 포함한다.
저해상도 영상 입력 단계(S10)는 CCTV(Closed Circuit Television), 디지털 카메라, 모바일 카메라 등의 영상 입력 장치에 의하여 획득된 영상은 열화된 저해상도 입력 영상이 될 수 있다. 입력 영상의 열화된 저해상도는 카메라 렌즈와 센서 등에 의한 흐림 현상, 잡음, 및 저장 매체의 용량 제한에 의한 영상 압축 등에 기인할 수 있다.
S20 단계는 희소 표현법(Sparse Representation)을 이용하여 영상을 복원한다. 희소 표현법은 원소(atom)라 불리는 기본 신호들을 적은 개수로 선형 조합하여 거의 모든 신호를 설명할 수 있는 표현이다. 원소들은 소위 오버 컴플릿 딕셔너리(over-complete dictionary)로부터 선택되는데, 오버 컴플릿 딕셔너리는 원소들의 개수가 신호 공간의 차원을 초과하는 원소들의 집합이다. 그래서, 모든 신호는 다른 원소들로부터 다수개의 선형 조합으로 표현될 수 있다. 즉, 유일한 선형 조합이 아니라 다른 원소들의 선형 조합으로 같은 신호를 표현할 수 있다. 강한 영향을 주는 적은 수의 계수들로 표현하는 선형 조합을 찾는 기술을 희소 코딩(sparse coding)이라 불리는 데, 디코딩은 관계된 원소의 적당한 가중치의 합으로 가능하다. 하지만 역변환의 의미는 아니다. 오버 컴플릿 딕셔너리로부터 희소 표현을 찾는 기술들은 반복적으로 신호를 근사화해서 찾아내는 알고리즘과 동시에 모든 계수를 처리하는 알고리즘이 있다. 반복적인 알고리즘은 matching pursuit, orthogonal matching pursuit가 있고, 동시에 모든 계수를 처리하는 알고리즘은 Basic Pursuit, Basic Pursuit De-Nosing and Focal Underdetermined System Solver Family가 있다.
주어진 신호
Figure 112012077430851-pat00001
에 대하여 학습된 오버 컴플릿 딕셔너리를
Figure 112012077430851-pat00002
라고 할 때, 0이 아닌 원소가 충분히 적은 희소 계수 벡터
Figure 112012077430851-pat00003
가 존재하여
Figure 112012077430851-pat00004
를 만족한다.
학습된 저해상도 딕셔너리를 Dl, 고해상도 딕셔너리를 Dh라 할 때, 입력된 저해상도 영상 패치 y의 희소 표현은 다음의 최적화 문제를 통해 얻을 수가 있다.
Figure 112012077430851-pat00005
여기서 F는 영상 패치들의 특징을 뽑는 함수로서 변형된 CBP(Centralized Binary Pattern)방법을 사용한다. 기존 CBP와는 달리 중앙값을 중심으로 4방향(0°, 45°, 90°, 135°) 픽셀들의 차이 값과 전체 평균과 중앙값과의 차이값 자체를 특징 벡터로 이용하는 방법이다. 이는 기존 2방향(0°, 90°)만 사용하여 특징벡터를 뽑는 방법보다 다양한 방향으로의 미분 값들을 이용함으로써 주어진 영상 패치들의 많은 정보들을 가질 수 있다.
주어진 최적화 문제를 통해 얻어진 최적해를
Figure 112012077430851-pat00006
라고 하였을 때, 복원된 고해상도 영상 패치는
Figure 112012077430851-pat00007
로 구할 수 있다. 또한 고해상도 영상 패치들을 병합하여 하나의 고해상도 영상 X0로 복원한다.
S30 전처리 단계는 S20 단계에서 복원된 영상에 반복적 역투영 방법을 적용하기 위한 전처리 과정이다. S20 단계에서 복원된 영상은 영상에서의 노이즈 혹은 복원 과정에서 발생하는 오차로 인한 에지 부근에서의 흐림 현상이 발생한다. 이를 해결하기 위하여 S30 단계에서는 양방향(Bilateral) 필터를 이용하여 노이즈를 제거하고 에지를 강화시킨다.
양방향 필터는 선명도를 증가시키고 노이즈를 감소시키는 비선형 필터로서 가우시안(Gaussian) 필터인 도메인 필터와 레인지 필터에 의해 동작하며 다음과 같이 표현된다.
Figure 112012077430851-pat00008
여기서 H와 h는 입력영상과 결과 영상을 나타낸다. 또한,
Figure 112012077430851-pat00009
는 χ와 ξ와의 기하적 근접 정도를 나타내며, s(H(χ),H(ξ))는 χ와 ξ에서의 픽셀 값의 광학적 유사도를 나타낸다. 정규화 상수 k는 다음과 같이 나타난다.
Figure 112012077430851-pat00010
S40 단계에서는 S20 단계 복원된 영상을 S30 단계에서 양방향 필터를 이용하여 노이즈를 제거하고 에지를 강화시킨 뒤 Gradient 제약조건을 이용한 반복적 역투영(Iterative Back Projection)에서 초기값으로 사용하여 최종 고해상도 영상으로 복원한다. 자세한 내용은 다음과 같다.
일반적으로 입력된 저해상도 영상을 Y, 고해상도 영상을 X라 할 때, 다음과 같은 관계를 가진다.
Figure 112012077430851-pat00011
여기서
Figure 112014020428645-pat00012
는 콘볼루션(Convolution) 연산을 의미하며 G는 흐림 필터이다. 즉, 고해상도 영상 X를 흐림 필터로 처리하고(
Figure 112014020428645-pat00029
G), d 만큼 크기를 줄이면(↓) 저해상도 영상 Y가 된다. S30 단계에서 얻은 고해상도 영상을 X0 라고 하고 목적 함수를 복원의 제약 조건과 Gradient 제약조건을 이용하여 다음과 같이 정의할 수 있다.
Figure 112012077430851-pat00013
이는 저해상도 영상과 고해상도 영상과의 관계를 만족하면서 X0의 Gradient값과 유사하도록 하는 목적 함수다. 위의 목적 함수를 최소화하는 최적해 X*는 반복적 역투영 방법을 이용하여 구할 수 있다. 현재 단계에서의 고해상도 영상을 Xt 라 하였을 때, 다음 단계에서의 고해상도 영상 Xt +1은 다음과 같이 정의된다.
Figure 112014020428645-pat00014
이와 같은 과정을 수렴할 때까지 반복하면 본 발명에 따른 초고해상도 영상을 얻을 수 있다. 상기 수학식에서“↑d”는 “↓d”와 반대로 d배만큼 크기를 증가시킨다(↑)는 의미이다.
도 3은 전체적인 알고리즘을 개략적으로 나타낸 흐름도이다.
도시하는 바와 같이, 본 발명에 따른 초고해상도 영상 복원 방법은 학습 기반의 희소 표현법과 복원 기반의 반복적 역투영 방법을 결합하여 초고해상도로 영상 복원을 가능하게 한다.
영상이 입력되면, 희소표현법을 통해 고해상도 영상으로 복원하고, 희소표현법으로 복원된 영상을 전처리 한 후 역투영법을 반복적으로 수행하여 초고해상도 영상으로 복원하는 것이다.
희소표현법은 도시되는 바와 같이, 입력된 저해상도 영상 패치의 희소 계수 벡터 α를 구하고, 희소 계수 벡터 α를 이용하여 고해상도 영상 패치를 생성하는 단계를 포함한다.
반복적 역투영법은 양방향 필터를 이용하여 노이즈를 제거하고 에지 성분을 강화하는 전처리 과정을 수행한 후, 복원의 제약과 그래디언트(Gradient) 제약을 이용한 역투영을 오차가 임계값 이하가 될때까지 반복하여 초고해상도 영상을 생성하는 것이다.
초고해상도 영상 복원은 DTV, 초고배율 현미경, 첨단 의료용 기기 및 초정밀 측정 장비 등과 같은 고품질, 고해상도의 정교한 분석을 요구하는 분야에서 활용이 가능하다. 특히, 과학 영상, 의학 영상, 기상 영상의 분석 시스템, 영상 압축, 전송, 복원 시스템, 감시 또는 모니터링 시스템 등과 같은 다양한 영상처리 응용 분야에서 적용 가능하다.
본 발명의 실시예들은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독가능 매체를 포함한다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것 들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (12)

  1. 저해상도의 영상을 입력받는 단계;
    상기 단계에서 입력된 상기 영상을 희소 표현법을 이용하여 복원하는 단계;
    상기 단계에서 복원된 상기 영상을 양방향 필터를 이용하여 전처리하는 단계; 및
    상기 단계에서 전처리된 상기 영상에 역투영을 반복적으로 실행하여 초고해상도로 복원하는 단계를 포함하고,
    상기 전처리하는 단계는 도메인 필터와 레인지 필터를 이용하여 상기 고해상도 영상의 노이즈를 제거하고 에지를 강화하고,
    상기 전처리 단계에서 양방향 필터에 의해 노이즈가 제거되고 에지가 강화된 영상은
    Figure 112014020428645-pat00030

    으로 표현되는 초고해상도 영상 복원 방법(여기서, H는 입력영상, h는 결과 영상, c(χ,ξ)는 χ와 ξ의 기하학적 근접 정도, s(H(χ),H(ξ))는 χ와ξ의 픽셀값의 광학적 유사도, 상수 κ는
    Figure 112014020428645-pat00031
    임).
  2. 제 1 항에 있어서,
    상기 희소 표현법을 이용하여 복원하는 단계는,
    상기 단계에서 입력받은 상기 영상의 패치의 희소 계수 벡터 α산출하는 단계; 및
    상기 희소 계수 벡터 α를 이용하여 고해상도 영상 패치를 생성하는 단계를 포함하는 초고해상도 영상 복원 방법.
  3. 제 2 항에 있어서,
    상기 희소 계수 벡터 α를 이용하여 고해상도 영상 패치를 생성하는 단계는,
    Dl이 저해상도 딕셔너리, Dh가 고해상도 딕셔너리, y는 입력된 저해상도 영상패치, F는 상기 영상들의 특징을 뽑는 함수일 때
    Figure 112012077430851-pat00015

    를 이용하여, 상기 저해상도 영상 패치 y의 희소 표현을 얻는 초고해상도 영상 복원 방법.
  4. 제 3 항에 있어서,
    상기 영상의 특징을 뽑는 함수는 CBP(Centralized Binary Pattern) 방식을 이용하는 초고해상도 영상 복원 방법.
  5. 제 4 항에 있어서,
    상기 CBP 방식은 중앙값을 중심으로 4방향(0°, 45°, 90°, 135°) 픽셀들의 차이 값과 전체 평균과 중앙값과의 차이값을 특징 벡터로 하는 초고해상도 영상 복원 방법.
  6. 제 3 항에 있어서,
    상기
    Figure 112012077430851-pat00016
    의 최적해가
    Figure 112012077430851-pat00017
    이면, 복원된 고해상도 영상 패치는
    Figure 112012077430851-pat00018
    이고,
    상기 희소 계수 벡터 α를 이용하여 고해상도 영상을 생성하는 단계에서 생성된 고해상도 영상 X0는 상기 고해상도 영상 패치 χ를 병합하여 생성하는 초고해상도 영상 복원 방법.
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
KR1020120105926A 2012-09-24 2012-09-24 단일 영상의 초고해상도 영상 복원 장치 및 방법 Active KR101427854B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120105926A KR101427854B1 (ko) 2012-09-24 2012-09-24 단일 영상의 초고해상도 영상 복원 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120105926A KR101427854B1 (ko) 2012-09-24 2012-09-24 단일 영상의 초고해상도 영상 복원 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20140040322A KR20140040322A (ko) 2014-04-03
KR101427854B1 true KR101427854B1 (ko) 2014-08-07

Family

ID=50650532

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120105926A Active KR101427854B1 (ko) 2012-09-24 2012-09-24 단일 영상의 초고해상도 영상 복원 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101427854B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101638022B1 (ko) * 2015-09-21 2016-07-12 광주과학기술원 다수의 렌즈를 이용한 촬상장치
KR101692428B1 (ko) * 2016-04-25 2017-01-03 광주과학기술원 다수의 렌즈를 이용한 촬상장치
KR20200026549A (ko) 2018-09-03 2020-03-11 인천대학교 산학협력단 에지 컴퓨팅용 초고해상도 영상을 복원하기 위한 초고해상도 영상 복원 장치 및 방법
KR102132690B1 (ko) 2019-01-30 2020-07-13 인천대학교 산학협력단 초고해상도 영상 복원 시스템

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102077215B1 (ko) 2018-04-06 2020-02-13 경희대학교 산학협력단 국부 이진 패턴 분류 및 선형 매핑을 이용한 초해상화 방법
CN116109487B (zh) * 2023-03-04 2024-08-20 淮阴师范学院 一种基于细节保持的图像超分辨率复原方法
CN116385318B (zh) * 2023-06-06 2023-10-10 湖南纵骏信息科技有限公司 一种基于云桌面的图像画质增强方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120103878A (ko) * 2011-03-11 2012-09-20 이화여자대학교 산학협력단 영상에서의 잡음 제거 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120103878A (ko) * 2011-03-11 2012-09-20 이화여자대학교 산학협력단 영상에서의 잡음 제거 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Centralized Binary Patterns Embedded with Image Euclidean Distance for Facial Expression Recognition, ICNC. Fourth International Conference on,18-20 Oct. 2008 *
Centralized Binary Patterns Embedded with Image Euclidean Distance for Facial Expression Recognition, ICNC. Fourth International Conference on,18-20 Oct. 2008*
Image Super-Resolution as Sparse Representation of Raw Image Patches, CVPR. IEEE Conference on, 23-28 June 2008 *
Image Super-Resolution as Sparse Representation of Raw Image Patches, CVPR. IEEE Conference on, 23-28 June 2008*

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101638022B1 (ko) * 2015-09-21 2016-07-12 광주과학기술원 다수의 렌즈를 이용한 촬상장치
WO2017052203A1 (ko) * 2015-09-21 2017-03-30 광주과학기술원 다수의 렌즈를 이용한 촬상장치
US10605962B2 (en) 2015-09-21 2020-03-31 Gwangju Institute Of Science And Technology Imaging device using plurality of lenses
KR101692428B1 (ko) * 2016-04-25 2017-01-03 광주과학기술원 다수의 렌즈를 이용한 촬상장치
KR20200026549A (ko) 2018-09-03 2020-03-11 인천대학교 산학협력단 에지 컴퓨팅용 초고해상도 영상을 복원하기 위한 초고해상도 영상 복원 장치 및 방법
KR102132690B1 (ko) 2019-01-30 2020-07-13 인천대학교 산학협력단 초고해상도 영상 복원 시스템

Also Published As

Publication number Publication date
KR20140040322A (ko) 2014-04-03

Similar Documents

Publication Publication Date Title
KR101427854B1 (ko) 단일 영상의 초고해상도 영상 복원 장치 및 방법
Zhang et al. A super-resolution reconstruction algorithm for surveillance images
Starck et al. The undecimated wavelet decomposition and its reconstruction
Zhang et al. Image super-resolution based on structure-modulated sparse representation
Vekkot et al. A novel architecture for wavelet based image fusion
CN109360157B (zh) 基于tv和小波正则化的空间变化模糊图像复原方法
KR101829287B1 (ko) 비부표본 윤곽선 변환의 적외선 영상 초고해상도 방법 및 장치
Thapa et al. A performance comparison among different super-resolution techniques
Makwana et al. Single image super-resolution via iterative back projection based Canny edge detection and a Gabor filter prior
Zhao et al. Single depth image super-resolution with multiple residual dictionary learning and refinement
Yoshikawa et al. Super resolution image reconstruction using total variation regularization and learning-based method
Sarmadi et al. A new approach in single image super resolution
He et al. A Hybrid Frequency-Spatial Domain Model for Sparse Image Reconstruction in Scanning Transmission Electron Microscopy
Wang et al. Super-resolution image with estimated high frequency compensated algorithm
Sreeja et al. Single image super-resolution based on compressive sensing and TV minimization sparse recovery for remote sensing images
Nawaz et al. Variational regularization for multi-channel image denoising
Lukes et al. Objective image quality assessment of multiframe super-resolution methods
Kim et al. Super resolution reconstruction based on block matching and three‐dimensional filtering with sharpening
Jiang et al. Super-resolution reconstruction based on structure tensor's eigenvalue and classification dictionary
Shuai et al. Application of Edge Detection for Enhancing Object Boundary Clarity in Satellite Image Super-Resolution
Sharma et al. An Iterative Block Image Compressive Sensing Method for Hybrid TV Image De-Noising
Quan Image Denoising of Gaussian and Poisson Noise Based on Wavelet Thresholding
Vardar Deep Learning Methods for Blind Super Resolution Using Self-Attention Transformers and Degradation Estimations
Silva et al. Multi-frame super-resolution for mixed Gaussian and impulse noise based on blind inpainting
Alvarez et al. Multi-channel reconstruction of video sequences from low-resolution and compressed observations

Legal Events

Date Code Title Description
A201 Request for examination
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20120924

PA0201 Request for examination
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20131028

Patent event code: PE09021S01D

PG1501 Laying open of application
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20140731

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20140801

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20140801

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
FPAY Annual fee payment

Payment date: 20170628

Year of fee payment: 4

PR1001 Payment of annual fee

Payment date: 20170628

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20180622

Start annual number: 5

End annual number: 5

FPAY Annual fee payment

Payment date: 20190701

Year of fee payment: 6

PR1001 Payment of annual fee

Payment date: 20190701

Start annual number: 6

End annual number: 6

PR1001 Payment of annual fee

Payment date: 20200701

Start annual number: 7

End annual number: 7

PR1001 Payment of annual fee

Payment date: 20210623

Start annual number: 8

End annual number: 8

PR1001 Payment of annual fee

Payment date: 20220621

Start annual number: 9

End annual number: 9

PR1001 Payment of annual fee

Payment date: 20230703

Start annual number: 10

End annual number: 10

PR1001 Payment of annual fee

Payment date: 20240723

Start annual number: 11

End annual number: 11