| ゼミナールI講演 |
|---|
| 日時(Date)： | 平成27年10月21日(水)3限 (13:30 -- 15:00) Wed., Oct. 21st, 2015 (3rd Period, 13:30 -- 15:00) |
|---|---|
| 場所(Location)： | L1 |
| 司会(Chair)： | 佐藤嘉伸 (Yoshinobu Sato) |
| 講演者(Presenter)： | 陳 延偉（立命館大学） Yen-Wei Chen (Ritsumeikan University) |
|---|---|
| 題目(Title)： | 超解像技術の基礎と応用 Fundamentals and Applications of Super Resolution |
| 概要(Abstract)： |
情報化社会において，“画像”というメディアはますます注目されるようになっている．特に近年インターネットの高速化及び高機能のパーソナルコンピューターの普及により，手軽なデジタル画像処理も可能となりつつある．今日の画像処理技術は医療画像診断，衛星画像処理，監視カメラやデジタルTV放送など幅広い分野で活用されている一方で，現状でのカメラやイメージング装置で得られた画像の画質や解像度は必ずしも十分ではない場合が多い．そのため,画像処理技術による画質改善のニーズは高く, 特に近年のハイビジョン志向や関連機器(HDTV、デジタルカメラなど)の画像解像度向上に向け，本講演で取り上げるソフトウェアによる超解像技術(Super Resolution)[1]は大変注目されている．本講演では，近年提案されているデータベースと機械学習によるシングルフレーム超解像技術とその応用を中心に述べる． There is a high demand for high-resolution (HR) images such as video surveillance, remote sensing, medical imaging and so on. Specifically in medical imaging, high resolution images reveal more information than low resolution images which therefore ease disease diagnosis and detection. However, it is hard to improve the image resolution by replacing sensors because of the high cost, hardware physical limits and radiation dose. Super resolution image reconstruction (SR) is one promising technique to solve the problem. SR can be broadly classified into two families of methods: (i) The classical multi-image super-resolution, and (ii) Example-Based or learning-based super-resolution, which is also known as single-image super-resolution. In the classical multi-image SR, the HR image is reconstructed by combining subpixel-aligned multi-images (LR images). In the learning-based SR, the HR image is reconstructed by learning correspondence between low and high resolution image patches from a database. In this tutorial lecture, I will first introduce basic ideas and fundamentals of both multi-image super resolution and single image super resolution. Especially I will explain how machine learning is applied to super resolution. After explaining fundamentals, I will introduce some applications of super resolution in medical imaging. |