본 논문에서는 영상의 공간 정합과 서로 다른 노출의 보정을 동시에 최적화하기 위한 연구를 수행하였다. 노출 보정은 영상의 밝기 보정이라는 틀 안에서 두 영상의 관계식을 다항식 근사를 통하여 이루는데, 이를 가우스-뉴톤 방식의 비선형 최적화 기법을 이용하여 공간 정합과 동시에 수행을 한다. 본 논문에서는 보다 신뢰성 있고 단순한 동시 최적화를 위하여 블록 좌표(block-coordinate) 방법과의 결합을 제안하며 심도 있는 모의실험을 통하여 성능을 비교하였다. 나아가서 블록 좌표 방법의 단순성과 융통성을 이용하여 밝기 보정에 회기 분석 기법을 도입하여 여러 종류의 영상에 대하여 안정성에서도 우수한 성능을 보이는 최적화를 수행하였다. 기존의 가우스-뉴톤 최적화에 블록 좌표 방법을 결합하여 일반 가우스-뉴톤 최적화에 비하여 계산을 단순화시키면서 보다 빠르게 수렴하는 특성을 보이며 대등한 성능의 칙적화를 수행할 수 있었다. 실험 결과를 보면 특정 영상에서 10회 반복정도로 원하는 수렴 결과를 얻었는데 이는 알고리듬 수행을 위한 계산을 50%정도 감소시킨 것이다 또한 에러도 1.5dB이상 감소시켰다.

본 논문에서는 GPU (Graphics Processing Unit)를 이용하여 JPEG2000 정지영상 압축 알고리즘의 DWT (Discrete Wavelet Transform) 연산을 고속으로 수행하기 위한 효율적인 구조와 방법을 제안한다. DWT 연산은 JPEG2000에서 EBCOT (embedded block coding with optimized truncation)과 더불어 많은 계산 량을 소모하는 부분이기 때문에, 본 논문에서는 DWT 알고리즘을 GPU의 화소 쉐이더에서 고속으로 수행하기 위하여 Render-To-Texture (RTT)를 활용한 구조를 설계하였다. 실제 구현을 통해 비슷한 등급의 CPU에서의 처리에 비해 DWT 자체는 10배 이상의 수행 속도의 향상을, 기존의 JPEG2000 참조 소프트웨어인 JasPer의 DWT를 대치하였을 때 2$\sim$16배의 수행 속도의 향상을 보였으며 해상도가 증가할수록 향상 폭이 크다. 본 논문에서 제시된 프레임 버퍼 객체(Frame Buffer Object)를 이용한 render-to-texture 수행 구조는 GPU 기반 영상처리의 기본 틀을 제공하며, 이를 응용하여 일반적인 영상처리와 컴퓨터 비전 처리를 GPU 상에서 고속 수행할 수 있다.

개인 인증 방법 중 하나인 생체인식(Biometrics)은 개인 생체정보의 수가 한정되어 있기 때문에 생체정보의 도난 시 프라이버시 침해라는 문제를 가진다. 이 문제를 해결하기 위해 등장한 개념이 가변 생체인식(Changeable biometrics)이다. 가변 생체 인식은 생체정보가 훼손당했을 경우 새로운 생체정보로 대체하기 어렵다는 생체인식의 가장 큰 단점을 보완하기 위한 방법으로 원 생체정보가 아닌 변환된 생체정보로 개인을 인증한다. 이 논문에서는 가변 생체인식 가운데 얼굴인식을 위한 가변 생체인식에 대해 제안한다. 기존에 알려진 얼굴인식의 방법 가운데 하나인 외형 기반 기법(Appearance-based method) 중 독립성분 분석(Independent Component Analysis)의 계수(coefficient)를 변형하는 방법을 제안한다. 제안된 얼굴 생체정보 생성 방법은 계수의 일부분을 가우시안 분포(Gaussian distribution)에 따른 임의의 값으로 치환한 후 계수의 순서를 임의로 변경하여 무수히 많은 가변 얼굴 정보를 생성할 수 있도록 하였고 서로 다르게 변경된 계수들을 서로 합성함으로써 비가역성(Non-invertibility)을 만족시키려고 시도했다.

정보화 성장과 함께 인간의 생활도 발전하면서, 정보의 접근이 보다 간편한 시스템들이 개발되고 있다. 본 논문에서는 한대의 카메라를 사용하여 3차원 신발 모델을 발에 정합하는 시스템을 제안한다. 인체 움직임 분석에서 전신 움직임에 대한 연구가 대부분인 것과 달리, 우리는 발의 움직임을 기반으로 한 새로운 움직임 분석 시스템을 제안한다. 본 논문은 시스템이 구현되는 과정과 결과를 설명한다. 3차원 신발모델을 이미지의 발에 투영하기 위해 발 추적, 투영, 자세 추정 과정으로 구성했다. 이 시스템은 2차원 영상 분석과 3차원 자세추정으로 나눠진다. 먼저 발 추적을 위해 발의 형태학적 특성에 따라 특징점을 찾는 방식을 제안한다. 그리고 별도의 영상 교정 없이 한 대의 카메라로 2차원 좌표와 3차원 좌표의 관계를 설정하는 기하학적 수식을 제안한다. 제안한 방법에 따라 응용 시스템을 구현하고 거리 오차를 측정한 결과 거의 유사한 위치로 정합 되는 것을 확인할 수 있었다.

본 논문은 불필요한 잉크의 양을 줄이기 위하여 전체 잉크량 제한과 도트 가시성 순서에 기반한 6색 분리 방법을 제안한다. 첫 번째, 입력 RGB 이미지의 CIELAB 값이 컬러 혼합 모델을 이용하여 추정되고 미리 정한 색차 허용 범위 내의 CMYKlclm 색료의 모두 조합에 해당하는 CIELAB 값과 비교되어, 그 결과 초기 CMYKlclm 후보군이 선택된다. 그 다음, 전체 잉크량 제한이 과도하게 사용된 잉크량을 줄이기 위해 초기 CMYKlclm 후보군에 적용되고, 최후의 CMYKlclm 후보군이 C, M, Y, K, lc, lm의 도트 가시성 순서에 기반하여 어두운 영역에 사용된 묽은 사이안과 묽은 마젠타의 사용량을 줄임으로써 결정되어진다. 실험에서는 제안된 방법이 좋은 이미지 품질을 유지하면서 과도한 잉크 사용량을 줄인 것을 보여준다.

블록 기반 프레임 레이트 변환 (frame-rate conversion) 또는 필름 떨림 보상 (film judder compensation)을 수행하기 위해서는 참 움직임 벡터(true motion vector)를 찾아야 한다. 이를 위해서 현재 블록의 공간적 및 시간적 상관성을 최대로 하여 시각적으로 덜 부자연스럽게 느끼도록 하는 방법들이 연구되었다. 그러나 기존의 블록단위 절대값 차이의 합 (SAD)만으로는 비정형성 객체의 움직임 에러를 추정할 수 없었다. 본 논문에서는 비정형성 객체가 등속운동을 하는 경우 재귀적으로 기존의 움직임을 유지하도록 하는 방법을 제안하였다. 현재 블록의 등속움직임 추정값을 재귀평균으로 구하였으며 현재 블록 벡터의 신뢰도를 계산하여 원래의 움직임 벡터와 재귀평균 움직임 벡터중에서 가중치를 두도록 하였다. 실험결과 비정형성 등속운동 객체의 움직임을 블록기반으로 추정함을 확인할 수 있었다.

본 논문에서는 기존의 고속 인트라 4$\times$4 예측 모드 선택 알고리즘을 인트라 16$\times$16 예측에 적용하여 연산량을 감소시키고, 변환 계수의 일부분만을 사용하여 인트라 16$\times$16 예측 모드 선택을 고속으로 수행하는 방법을 제안한다. 제안하는 방법은 기준 블록과 예측 블록간의 차분에 4$\times$4 변환을 수행한 후 DC계수 하나와 주변의 AC계수 3개만을 사용하여 모드 선택을 수행한다. 이론적인 분석과 실험적 결과를 통해서 제안한 방법을 사용하여 인트라 16$\times$16 예측 모드 선택을 수행할 경우 부호화효율의 큰 감소 없이 필요한 연산량을 50%까지 줄일 수 있었다.

고속 퓨리에 변환(Fast Fourier Transform: FFT)은 입력신호가 주기적이라는 가정하에 빠른 계산량과 좋은 성능으로 영상복원에 다방면으로 적용되고 있다. 하지만 실제취득영상은 주기가 무한한 영역의 일부분을 한 주기로 가정하고, 또한 외부영역에 대한 정보손실로 인하여 경계왜곡이 발생한다. 본 논문은 현재까지 진행되어온 경계왜곡을 줄이기 위한 기술들에 대해 고찰정리 하였다. 뿐만 아니라 FFT의 계산량 감소를 위해 블록기반의 영상처리와 이때 발생하는 경계왜곡 감소를 위한 알고리듬을 제안한다. 외부영역의 정보를 알고 있는 경우의 보다 좋은 결과를 위하여 안쪽 블록과 바깥블록의 처리를 달리 적용하였다. 이러한 과정을 통해 경계왜곡을 줄이면서 고속으로 영상복원을 가능하게 한다.

본 논문은 영상 기반의 사람의 자세 추정에 대하여 다룬다. 특히 사람이 걷는 동안 카메라는 사람의 측면을 관찰하고 있다고 가정한다. 사람의 자세 추정의 문제는 인간-컴퓨터 상호 작용이나 지능형 감시 시스템을 위해 연구가 되는 분야이며, 본 논문에서는 일반적인 보행 상황에서 감시 시스템 또는 위치 추적, 자세 인식에 응용할 수 있는 알고리즘을 제시한다. 이 분야의 최근의 연구동향은 마코프 네트워크를 이용하여 신체 부분들의 위치나 움직임의 관계를 조건부 독립으로 가정하여 다루고 있다. 이러한 방법들의 경우 신체를 십여 개의 부분들로 모델링하고, 연결된 신체들의 관계를 고려하여 자세를 추정한다. 본 논문에서는 이러한 방법을 응용하여 모델을 단순화하고, 더 나아가 손쉽게 사람의 자세를 파악할 수 있는 방법을 제시한다. 이를 위해 신체 부분들이 독립적임을 가정하여 그 위치를 찾은 후에, 모션 캡쳐 데이터로부터 얻은 신체 부분들의 움직임 간의 관계를 고려하여 자세를 수정하여 주었다. 사람의 신체를 찾기 위해 edge matching을 이용하였으며, 그 과정에서 신체 부분의 edge 성분의 방향성을 강조하기 위해 Anisotropic Gaussian Filter를 사용하였다. 신체의 부분이 가려지는 경우, 모델의 silhouette을 이용하여 가려지는 부분에 대해 추가의 matching cost를 부여함으로써 occlusion 시에도 신체의 부분을 찾을 수 있도록 하였다.

본 연구는 원거리에서 걸음걸이 (보행)의 특성을 분석하여 인간을 식별하는 보행인식 (gait recognition) 기술을 다중 특징점 기반으로 확장하여 인식률 및 오류 내성을 향상시키는 기술을 제안한다. 보다 구체적으로 i)움직임 검출, ii) 객체 영역 검출, iii) 머리 영역 검출, 그리고, iv) 능동 형태 모델을 이용하여 기본 알고리듬 (gait baseline algorithm)의 문제점인 전처리 과정없이 그림자 영향과 낮은 인식률을 개선하였다. 제안된 알고리듬은 HumanID Gait Challenge (HGCD) 데이터집합을 이용한 실험을 통해 환경 변화요인에도 강건한 인간 보행인식이 가능함을 확인할 수 있다.

본 논문에서는 ${\alpha}$-stable 확률분포를 갖는 잡음에 열화된 이미지의 화질을 개선하는 알고리즘을 제안한다. 제안한 진폭제한 평균필터(amplitude-limited sample average filter)는 heavy-tailed 가우시안 잡음환경 하에서 maximum likelihood estimator (MLE)임을 증명한다. 그리고, 이 알고리즘에 해당하는 error norm은 Huber의 minimax norm과 일치하고, 위에서 언급한 잡음 환경 하에서 efficacy를 최대화한다는 점에서 최적의 필터임을 보인다. 이 개념을 미리어드(myriad) 필터와 결합하여 진폭제한 미리어드 필터(amplitude-limited myriad filter)를 제안하고 실험을 통하여 이의 성능을 확인한다.

부호화된 동영상 데이터를 전송할 때 발생하는 전송 채널상의 에러로 손실된 정보는 수신측의 복호화 된 영상의 화질을 크게 열화 시킨다. 특히 움직임 벡터나 매크로 블록 모드 정보와 같이 중요도가 높은 정보가 손실될 경우, 에러로 인한 이러한 화질 저하는 더욱 심각하다. 이러한 문제를 해결하기 위한 에러 강인 기술의 하나로, 압축동영상 정보의 중요도에 따라 정보를 분할하여 중요도가 높은 정보를 더욱 강하게 보호할 수 있는 데이터 분할 기술이 제안되었다. 그러나 실제 채널 망의 경우 전송 데이터의 서로 다른 중요도를 지원할 수 있도록 하기 위해 일반적으로는 중요한 정보의 경우 동일 패킷을 여러 번 보내는 방식으로 UEP 효과를 얻도록 한다. 본 논문은 이러한 전송환경 하에 동일한 패킷을 중복 전송하는 종래의 기법에 비해 전송 데이터 량을 감소시키면서도 전송 데이터 량 대비 화질을 증가시키기 위하여, H.264/AVC 표준의 데이터 분할 기술에 다중 표현 부호화 기술을 적용하여 데이터 분할 기술의 성능을 향상시키는 새로운 부호화와 복호화 방법을 제안한다. 제안된 방법은 데이터 분할된 H.264/AVC 표준의 움직임 벡터 정보를 효율적으로 다중 표현 부호화하고 독립적인 패킷으로 분할 전송함으로써 전송 에러에 의해 일부의 패킷을 손실하더라도 올바르게 전송된 패킷만으로 유사한 움직임 벡터 정보를 추정함으로써 에러 은닉 기술의 성능을 향상시키고 채널 에러의 영향을 최소화시킨다. 또한 제안된 다중표현 정합 알고리즘을 사용하여 움직임 벡터의 추정정확도를 향상시켜 복원영상의 화질을 개선한다.

본 논문에서는 복소 라플라시안 확률밀도함수 (PDF, Probability Density Function)에 기반한 새로운 음성 향상 기법을 제시한다. 적용된 복소 라플라시안 PDF가 기존의 가우시안 PDF보다 오염된 음성 분포를 정확하게 표현한다는 것을 Goodness-of-Fit (GOF) 테스트로 확인하였고, 음성 향상 알고리즘의 음성부재확률을 위해 우도비 (LR, Likelihood Ratio)를 적용하였다. 제시된 알고리즘의 성능은 객관적 테스트에 의해 평가하였고 기존의 가우시안 PDF보다 개선된 음성 향상 결과를 나타내었다.

본 논문에서는 잡음 환경에서의 음성 향상을 위해 향상된 Global Soft Decision (GSD) 기법을 제안한다. 통계적 모델을 바탕으로 한 음성 향상과 관련한 연구에서 GSD는 음성의 꼬리 부분에서 취약하다고 알려져 있으며, 이를 개선하기 위해 Smoothed Global Likelihood Ratio (SGLR)를 바탕으로 한 새로운 음성 향상 기법을 GSD에 적용한다. 제안된 방법은 다양한 잡음 환경에서 MOS 실험을 바탕으로 기존의 연구와 비교하였으며 우수한 성능을 보여주었다.