메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
대한전자공학회 전자공학회논문지-SP 전자공학회논문지 SP편 제41권 제3호
발행연도
2004.5
수록면
51 - 58 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
웨이블릿 변환은 영상을 분석하고 처리하는데 유용한 도구로써 영상 압축, 영상 잡음 제거 등의 분야에서 우수한 성능을 보여주었다. 웨이블릿 영역에서 영상을 보간하는 것은 저주파 부대역들의 계수들로부터 고주파 부대역 계수의 크기와 부호를 추정하는 과정으로 볼 수 있다. 웨이블릿 영역의 부모 계수와 자식 계수 사이에는 통계적 관점에서 밀접한 관계가 있다. 이 관계는 은닉 마코프 트리(Hidden Markov Tree:HMT) 모델에 의해 효과적으로 모델링될 수 있다. 그러나 영상 보간에서 은닉 마코프 트리 모델의 적용은 잡음제거에서와는 달리 입력 영상으로부터 고주파 부대역에 대한 어떤 정보도 직접 얻을 수 없다. 본 논문에서는 이러한 문제를 해결하기 위해 웨이블릿 영역에서 부대역간의 통계적 상관성을 이용하여 영상을 보간하는 방법을 사용한다. 제안 방법에서는 고주파 부대역의 각 계수의 확률밀도함수로써 부모계수와 훈련 영상으로부터 유도되는 가우스 혼합모델(Gauss Mixture Model: GMM)을 사용한다. 또한 계수의 부호를 결정하기 위해서 부모 계수와 자식 계수의 밀접한 연관성을 이용하여 기본적으로 부모계수의 부호를 자식 계수의 부호로 사용하고, 부모계수의 부대역의 부호패턴의 분포와 자식 계수의 부대역의 부호패턴의 분포의 연관성을 추가하는 방법을 제안하였다 . 모의실험에서 제안 방법은 전통적인 bicubic 방법이나 kinebuchi의 방법보다 여러 테스트 영상에 대해서 개선된 성능을 보여주었다.


목차

요약

Abstract

1. 서론

2. 웨이블릿 영역에서 은닉 마코프 트리 모ㅔㄷㄹ

3. 제안 방법

4. 모의 실험 결과

5. 결론

참고문헌

저자소개

참고문헌 (6)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-014011297