網膜情報処理による画像の可逆階調圧縮手法の創成

使用视网膜信息处理创建图像的可逆灰度压缩方法

• 批准号: 21K12052
• 负责人: 青森 久
• 金额: $ 2.16万
• 依托单位: Chukyo University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K12052/
• 关键词: 可逆画像伝送; ビット深度拡張; セルラーニューラルネットワーク; レートコーディング; Predictive Filter Flow; 周波数に基づくロス関数; 可逆階調圧縮; 2次元可視光通信

研究計画に基づき次の2項目について研究を進展させた．これらの成果と本研究課題に関連した周辺技術については，査読付き学術論文や査読付き国際会議において公表または公表が決定されている．1.SD-CNNによる画像の可逆パルス伝送方式の開発昨年度の研究において，SD-CNNによる画像の可逆パルス伝送方式を実現した．今年度は，まずパルス伝送方式の汎用性を高めるためにテキストデータの可逆伝送方式を開発した．テキストデータについては，データ複製が必要となり，伝送効率の観点から課題が残るが，画像以外のデータのパルス伝送方式の道を拓いた．次に，伝送効率の改善を目的に，2層SD-CNNによる可逆パルス伝送方式を開発した．この方式は，様々な解像度を持つ約4700枚の画像を58回程度のイタレーションで可逆パルス伝送することに成功しており，昨年度の方式から80%程度の伝送効率の改善を達成している．また，2層SD-CNNの各層へのフィードバックゲインを調整することで，パルス伝送の初期性能が変化することを明らかにし，階調圧縮の更なる性能改善への道を拓いた．2.ビット深度拡張のための深層学習モデルの開発今年度は，(1)ビット深度拡張のための新たなネットワークモデルの開発および(2)Transformerを導入した新たなEnd-to-Endな深層学習モデルの導入について検討を行った．(1)では，従来手法であるBitNetに新たなアテンション構造を導入したモデルを提案し，実験によりその有効性について明らかにした．(2)では，Swin Transformerを導入したネットワークモデルをデモザイキングに適用することにより，アテンション機構の画像予測における有効性について検討し，従来手法と比較して優れた性能を持つことを確認した．

根据研究计划，对以下两个项目进行了研究。这些结果和与此研究主题相关的外围技术已决定在同行评审的学术论文和同行评审的国际会议上发表或发表。 1。在去年进行的一项研究中，开发了使用SD-CNN的图像的可逆脉冲传输方法，我们实现了使用SD-CNN的图像的可逆脉冲传输方法。今年，我们首先开发了一种可逆的文本数据传输方法，以提高脉冲传输方法的多功能性。关于文本数据，需要数据复制，并且在传输效率方面仍然存在问题，但这为图像以外的数据提供了脉冲传输方法的方法。接下来，我们使用两层SD-CNN开发了可逆的脉冲传输方法，以提高传输效率。该方法成功地传输了大约4,700张各种分辨率的图像，大约有58次迭代，与去年的方法相比，传输效率约为80％。此外，通过调整两层SD-CNN的每一层的反馈增益，脉冲传输的初始性能变化，为进一步改善渐变压缩开辟了道路。 2。今年的深度深度扩展的深度学习模型的开发，我们讨论了（1）开发用于位深度扩展的新网络模型，以及（2）引入新的端到端深度学习模型，并引入了变压器。在（1）中，我们提出了一个模型，其中将新的注意力结构引入了常规方法的比特网中，并且实验揭示了其有效性。在（2）中，我们通过将带有SWIN变压器的网络模型应用于Demosaicing来研究了注意机制在图像预测中的有效性，并确认它们与常规方法相比具有较高的性能。

项目成果

Predictive Filter Flow Network for Universal Demosaicking

用于通用去马赛克的预测过滤流网络

• DOI: 10.2299/jsp.25.257
• 发表时间: 2021
• 期刊: Journal of Signal Processing
• 作者: Arai Daiki;Iriyama Taishi;Sato Masatoshi;Aomori Hisashi;Otake Tsuyoshi
• 通讯作者: Otake Tsuyoshi

Deep demosaicking considering inter-channel correlation and self-similarity

• DOI: 10.1587/nolta.12.453
• 发表时间: 2021
• 期刊: Nonlinear Theory and Its Applications, IEICE
• 作者: Taishi Iriyama;Masatoshi Sato;H. Aomori;T. Otake

Bit-Depth limited Demosaicking using Predictive Filter Flow

使用预测过滤流进行位深度有限的去马赛克

• 发表时间: 2023
• 作者: Daiki Arai;Taishi Iriyama;Masatoshi Sato;Hisashi Aomori;and Tsuyoshi Otake
• 通讯作者: and Tsuyoshi Otake

Deep Demosaicking with Luminance and Chrominance Estimations

• DOI: 10.2299/jsp.25.263
• 发表时间: 2021-11
• 期刊: Journal of Signal Processing
• 作者: Taishi Iriyama;Masatoshi Sato;H. Aomori;T. Otake

シグマデルタセルラーニューラルネットワークによる減色に基づく画像圧縮手法の一検討

基于sigma delta细胞神经网络减色的图像压缩方法研究

• 发表时间: 2021
• 作者: 中嶋 文俊;伊藤 有香;水野 愛唯;水谷 涼平;藤田 実沙;大竹 敢;青森 久
• 通讯作者: 青森 久