Journal of the Institute of Electronics and Information Engineers (전자공학회논문지)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지
DOI QR코드

DOI QR Code

Multiple Shortfall Estimation Method for Image Resolution Enhancement

영상 해상도 개선을 위한 다중 부족분 추정 방법

  • Received : 2013.10.10
  • Published : 2014.03.25
Download PDF
⟨ Previous Next ⟩

Abstract

Image resolution enhancement is a technique to generate high-resolution image through improving resolution of low-resolution obtained image. It is important to estimate correctly missing pixel value in low-resolution obtained image for image resolution enhancement. In this paper, multiple shortfall estimation method for image resolution enhancement is proposed. The proposed method estimate separate multiple shortfall by predictive degradation-restoration processing in sub-images of obtained image, and generate result image combining the estimated shortfall and interpolated obtained-image. Lastly, final reconstruction image is generated by deblurring of the result image. The experimental results demonstrate that the proposed method has the best results of all compared methods in objective image quality index: PSNR, SSIM, and FSIM. The quality of reconstructed image is superior to all compared methods, and the proposed method has better lower computational complexity than compared methods. The proposed method can be useful for image resolution enhancement.

영상 해상도 개선은 저해상도 획득 영상의 해상도를 개선하여 고해상도 영상을 생성하는 기술이다. 영상 해상도 개선을 위해서는 저해상도 획득 영상의 열화 과정에서 발생하는 손실된 화소 정보를 정확하게 추정하는 것이 중요하다. 따라서 본 논문에서는 영상 해상도 개선을 위한 다중 부족분 추정 방법을 제안한다. 제안하는 방법은 획득 영상의 부영상 집합에 알려진 열화 및 복원 과정을 수행하여 서로 다른 형태의 다중 부족분을 추정하고, 추정된 부족분과 획득 영상의 보간 영상의 결합을 통해서 결과 영상을 생성하고, 디블러링을 수행하여 최종 복원 영상을 생성한다. 객관적 화질 측정 지표인 PSNR, SSIM, FSIM으로 비교한 결과 제안한 방법이 보간만을 사용하는 방법들보다 높은 값을 가지는 것을 확인하였다. 또한 결과 영상의 시각적 비교 결과 주관적 관점의 화질도 가장 뛰어난 것을 알 수 있었고, 보간만을 사용하는 방법들보다 빠른 계산시간을 가지는 것을 확인할 수 있었다. 제안하는 방법은 영상 해상도 개선을 위한 응용 환경에서 유용하게 사용될 수 있다.

Keywords

References

  1. Changwon Choi and Joonhwan Yi, "An Interpolation Method for a Barrel Distortion Using Nearest Pixelson a Corrected Image", Journal of The Institute of Electronics Engineers of Korea, Vol.50, No.7, pp. 181-190, Jul. 2013.
  2. Du Sic Yoo, Ki Sun Song, and Moon Gi Kang, "A Deblurring Algorithm Combined with Edge Directional Color Demosaicing for Reducing Interpolation Artifacts," Journal of The Institute of Electronics Engineers of Korea, Vol. 50, No. 7, pp. 205-215, Jul. 2013. https://doi.org/10.5573/ieek.2013.50.7.205
  3. X. Li and M.T. Orchard, "New edge-directed interpolation," IEEE Transactions on Image Processing, Vol. 10, No. 10, pp. 1521-1527, 2001. https://doi.org/10.1109/83.951537
  4. N. Asuni and A. Giachetti, "Accuracy improvements and artifacts removal in edge based image interpolation," Proc. Int. Conf. Computer Vision Theory and Applications, pp. 58-65, 2008.
  5. A. Giachetti and N. Asuni, "Real-Time Artifact-Free Image Upscaling," IEEE Transactions on Image Processing, Vol. 20, No. 10, pp. 2760-2768, 2011. https://doi.org/10.1109/TIP.2011.2136352
  6. D. Zhou, X. Shen, and W. Dong, "Image zooming using directional cubic convolution interpolation," IET Image Processing, Vol. 6, Issue 6, pp. 627-634, 2012. https://doi.org/10.1049/iet-ipr.2011.0534
  7. L. Zhang and X. Wu, "An Edge-Guided Image Interpolation Algorithm via Directional Filtering and Data Fusion," IEEE Transactions on Image Processing, Vol. 15, No. 8, pp. 2226-2238, 2006. https://doi.org/10.1109/TIP.2006.877407
  8. Z. Wang, A.C. Bovik, H.R. Sheikh, and E.P. Simoncelli, "Image Quality Assessment: From Error Visibility to Structural Similarity," IEEE Transactions on Image Processing, Vol. 13, No. 4, pp. 600-612, 2004. https://doi.org/10.1109/TIP.2003.819861
  9. L. Zhang, L. Zhang, X. Mou, and D. Zhang, "FSIM: A Feature Similarity Index for Image Quality Assessment," IEEE Transactions on Image Processing, Vol. 20, No. 8, pp. 2378-2386, 2011. https://doi.org/10.1109/TIP.2011.2109730