@techreport{oai:ipsj.ixsq.nii.ac.jp:00062749,
 author = {田中, 正行 and 奥富, 正敏 and Masayuki, Tanaka and Masatoshi, Okutomi},
 issue = {20},
 month = {Aug},
 note = {近年，適応的カーネルを利用したカーネル回帰法が，デノイズおよび画像補間の分野で注目されている．しかしながら，従来のカーネル回帰法は，主にグレイ画像に対する手法であり，カラー画像に対しては，チャネル毎に独立にカーネル回帰法が適用されている．そこで，本論文では，チャネル間の相関を利用した回帰関数モデルを提案する．また，従来手法では，カーネル関数は画像のテクスチャに適応的に設計されていた．しかしながら，特に不規則サンプリングされたデータを補間する場合，データ密度が画素位置により異なるため，カーネル関数の大きさを適応的に設計する必要がある．そのため，本論文では，カーネル関数の大きさを関数回帰の安定性に基づき適応的に設計する方法を提案する．さらに，入力データと補間画像データを融合し，繰り返し処理を行う方法も提案する．提案手法と従来の適応的カーネルを利用したカーネル回帰法と比較し，提案手法の有効性を確認した．, A kernel regression with adaptive kernel is known as a powerful tool in a low-level vision which includes denoising and image interpolation. For color images, the kernel regression for a gray image is independently applied to each color channel, because the kernel regression has been developed for the gray image. In this paper, we propose a color kernel regression whose regression function is modeled using color correlations. For the interpolation, the size of kernel function should be large for sparse data region and small for dense data region. Therefore, we also propose a kernel design algorithm based on the stability of the regression. We experimentally show that the proposed color kernel regression outperforms existing kernel regressions.},
 title = {カーネル回帰に基づくカラー画像補間},
 year = {2009}
}