최근 Compressed Sensing (CS) 알고리즘이 다양한 분야에서 연구되고 있으며, medical imaging 분야에서도 역시 이를 이용한 연구가 활발히 진행 중이다. CS 알고리즘을 이용하기 위해서는 복원하고자 하는 신호가 sparse한 성질을 지니고 있어야 한다. 일반적으로 대부분의 의료 영상의 경우, 이러한 성질을 가지고 있지 못하기 때문에 sparsifying transform을 이용하게 된다. 하지만 MR 영상의 경우, 다른 의료 영상 modality와 비교하여 적절히 펄스열을 이용하여 영상의 contrast를 조절할 수 있다는 특징을 가지고 있다. 이에 본 논문에서는 sparsifying transform을 이용하지 않고도 펄스열에 의한 MR 영상에 CS 알고리즘을 적용할 수 있는 가능성을 제시함과 동시에 적절한 sparsifying transform을 적용하여 영상의 sparsity를 더욱 강조함으로써 CS 알고리즘의 복원 성능을 더욱 향상 시킬 수 있다는 것을 제안하고자 하며, 이를 Shepp-Logan 팬텀 영상과 in vivo 영상을 이용한 시뮬레이션을 통하여 검증하였다.

본 논문에서는, 컴프레시브 센싱(compressive sensing, CS)에서 양자화된 측정을 사용하여 CS 복구(reconstruction)를 하는 경우에 일반화된 양자화 제한(generalized quantization constraint, GQC) 집합을 사용하여 convex 최적화를 수행하는 방법을 제안하였다. 제안한 GQC에서는 기존의 양자화 제한 집합의 크기를 조정할 수 있도록 하였으며, 균일 스칼라 양자기를 사용한 CS 복구의 모의실험을 통하여 m/klogn > 2 인 CS 문제에서, 기존의 QC 방법에 비하여 CS 복구의 에러에서 3.4-3.6dB의 성능 개선을 얻을 수 있었다.

Compressed sensing은 소수의 선형 관측으로부터 sparse 신호를 복원하는 문제를 언급하고 있다. 최근 벡터 경우에서의 성공적인 연구 결과가 행렬의 경우로 확장되었다. Low-rank 행렬의 compressed sensing은 ill-posed inverse problem을 low-rank 정보를 이용하여 해결한다. 본 문제는 rank 최소화 혹은 low-rank 근사의 형태로 나타내질 수 있다. 본 논문에서는 최근 제안된 여러 가지 효율적인 알고리즘에 대한 survey를 제공한다.

Compressed sensing은 기존의 Nyquist sampling 이론에 기반을 두었던 dynamic MRI에서의 시 공간 해상도의 제한을 획기적으로 향상시킴으로써, 최근 몇 년 사이, MR reconstruction 분야에서 가장 큰 이슈가 되고 있는 연구주제이다. Dynamic MRI 는 대부분 시간방향의 redundancy 가 매우 크므로, 쉽게 sparse 변환이 가능하다. 따라서 sparsity를 기본 조건으로 하는 compressed sensing은 거의 모든 dynamic MRI 에 대해 효과적으로 적용될 수 있다. 본 review 페이퍼에서는 최근 compressed sensing 에 기반을 두거나 영상의 sparsity를 이용하여 개발된 dynamic MR imaging algorithm 들을 간략히 소개하고, 비교 분석함으로써, compressed sensing과 같은 새로운 접근 방식의 dynamic MRI가 실제 임상에서 가져다 줄 발전 가능성을 제시한다.

Compressed Sensing (이하 압축 감지 기술)은 Nyquist 률 이하로 아날로그 신호를 샘플 할 수 있는 기법이다. 이 기법으로 신호는 기존의 신호 샘플 방법보다 적은 수의 측정값으로 표현이 가능하며 또한 선형 프로그래밍을 이용하여 측정값으로부터 본래 신호를 높은 확률로 복원할 수 있다. 이를 통해 압축 감지 기술은 같은 신호를 획득하는데 소모되는 측정 시간 및 ADC (analog-to-digital converter) 자원의 양을 크게 감소시키는 장점을 갖는다. 본 논문에서는 압축 감지 기술에 대한 기본적인 개념과 임의 기저를 이용하여 아날로그 신호로부터 측정값을 획득하는 방법과 본래 신호를 복원하는 방법에 대해 설명하고 무선통신 분야에서의 압축 감지 기술 응용 예시를 소개한다.

시간영역 필터와 공간영역 필터를 연결한 움직임 적응적 동영상 잡음 제거기법을 제안한다. 움직임 적응적 시간영역 필터에서는 전처리 공간영역 필터를 활용하여 잡음에 강인한 움직임 검출을 수행하고, 움직임의 양에 따라 적응적으로 필터링 강도를 조절한다. 동영상에 내재된 시간적 연관성을 충분히 활용하기 위해, 잡음이 있는 입력 영상은 시간영역 필터에 의해 처음으로 처리된다. 따라서 시간적 연관성이 큰 동영상에서, 영상의 세밀한 부분을 잘 보존하며 잡음을 제거할 수 있다. 움직임 검출을 위해 사용되는 전처리 공간영역 필터와는 다르게, 후처리 공간영역 필터는 시간영역 필터의 강도와 전처리 공간영역 필터에서 얻어진 공간영역 자기유사성 탐색 결과를 바탕으로 공간영역 필터링을 수행한다.

실내외 영상 분류에 대한 연구는 밝기나 에지 정보와 같이 하위 레벨(low-level) 정보의 단순 결합을 이용하여 수행되어 왔다. 그러나 기존의 하위 레벨 영상 정보만을 기반으로 하는 실내외 영상 분류 방법은 다양한 콘텐츠를 극복하는데 한차가 군기 때문에 상위 레벨(high-level) 영상 정보를 함께 이용하는 방법에 대한 연구가 많이 진행되어 왔다. 이러한 연구의 대부분은 영상 내 하늘이나 수풀과 같은 영역을 검출하기 위해 별도의 알고리즘을 수행하기 때문에 특징 벡터의 차원을 증가시키거나 수행 속도를 저하시키는 문제점이 있다. 따라서 본 논문에서는 이러한 문제점을 극복하기 위해 효율적인 실내외 영상 분류 기법을 제안한다. 먼저 효과적인 특징 벡터를 생성하기 위해 영상을 5개의 하위 블록으로 나눈다. 각각의 블록에 대하여, 제안하는 에지 색상 방향 히스토그램(edge and color orientation histogram, ECOH) 기술사(descriptor)를 이용하여 해당 블록을 표현하고 모든 블록의 값을 연결하여 최종적으로 특징 벡터를 생성한다. 제안하는 알고리즘의 효율성과 강건함을 보이기 위해 1200개 이상의 다양한 실내외 영상을 사용하였으며, 학습을 통해 각 영역의 가중치를 결정하여 분류 성능을 향상 시켰다.

스테레오 영상은 단일 영상과는 달리 오른쪽과 왼쪽, 2개의 영상으로 구성되어 있기 때문에 단일 영상에 비하여 더욱 많은 데이터량을 가지게 된다. 따라서 이를 효율적으로 처리하기 위한 영상 압축 기술이 필요하게 되었고, 이를 위해 DPCM기반의 예측 부호화 압축 기술을 대부분의 비디오 압축 표준에서 사용한다. 예측 부호화 기술의 구현을 위해 움직임 추정 및 변이 추정이 필요한데 이를 수행하는 알고리즘으로 여러 가지 비디오 코딩 표준들에서 블록 정합 알고리즘을 사용한다. 블록 정합 알고리즘 중 완전탐색 알고리즘은 기준 블록을 탐색영역 안에 존재하는 모든 블록과 비교하여 최적의 블록을 찾아낸다. 이 알고리즘은 최적의 블록을 찾을 수 있어 효율은 좋으나 많은 연산량이 단점이 된다. 본 논문에서는 스테레오 영상에서 움직임 벡터 정보와 전 프레임의 변이벡터 정보를 이용하여 고속으로 현재 프레임의 변이 벡터를 추정할 수 있는 방안을 제시한다. 변이 벡터 추정시 전역 변이 벡터를 사용하여 탐색 영역을 줄이고, 전 프레임들 사이에서 구한 변이 벡터 정보를 재사용하면서 움직임 벡터 정보를 이용하여 탐색 위치를 제한함으로 연산량을 줄여 고속의 변이 벡터 추정을 가능하게 하였다. 실험결과 제안 알고리즘은 움직임이 많은 복잡 영상 보다는 움직임이 적은 단순 영상에서의 성능이 훨씬 뛰어났으며, 움직임이 적은 단순 영상에서의 변이 벡터 추정 시에 약간의 residual 증가는 있지만 빠른 처리 속도를 제공하여 고속의 변이 벡터 추정을 가능하게 함을 확인하였다.

본 논문에서는 최신 압축 기술인 H.264/AVC의 화면내 부호화 효율을 향상시키기 위해 1차원 및 2차원 정수 변환을 이용한 적응적 화면내 부호화 기법을 제안한다. 제안 기법에서는 부호화될 블록에 대해 예측모드에 따라서 1차원 정수 변환과 2차원 정수 변환을 수행한 후 가장 효과적인 예측모드와 정수 변환 방법이 선택된다. 1차원 정수 변환을 이용한 부호화를 수행할 경우에는 먼저 예측모드에 따라 $4{\times}4$ 블록을 $1{\times}4$ 또는 $4{\times}1$의 서브블록으로 분할하고, 각각의 서브블록에 대해 예측을 수행한다. 이때 서브블록들에 대한 예측 신호는 이전의 재생된 서브블록을 이용하여, 예측 방향으로 가장 가까운 신호를 예측에 사용함으로써, 상관성의 활용을 극대화한다. 각각의 서브블록들은 생성된 예측 신호와의 뺄셈 과정을 통해 잔여신호를 생성하고, 1차원 정수 변환 및 양자화 과정을 통해 양자화된 신호를 생성한다. 양자화된 서브블록들은 다시 분할되기 이전의 $4{\times}4$ 블록 단위로 합쳐지고, 예측모드에 따라 DC에 우선 순위를 둔 스캐닝 패턴을 이용하여 1차원으로 정렬된다. 1차원 정수 변환을 사용하여 생성된 해당 블록의 비트스트림이 기존 2차원 정수 변환을 사용하여 생성한 비트스트림과 부호화 효율 측면에서 비교되어, 최종적으로 부호화될 예측모드와 변환 계수가 선택되어 전송된다. 제안 기술은 실험 결과를 통해 다양한 영상과 비트율에서 H.264/AVC보다 평균적으로 BD-PSNR을 0.34dB 향상 또는 BD-bitrate를 4.03% 감소시킴으로써, 기존의 H.264/AVC 부호화 효율을 크게 개선할 수 있음을 보여준다.

본 논문에서는 냉장고로부터 방사되는 소음에 대한 사용자의 불쾌도를 객관적으로 평가하기 위한 방법을 제안하였다. 이를 위해 8개의 상용 냉장고로부터 방사되는 소음이 무향실과 아파트로부터 녹음되었다. 사용자가 냉장고 소음으로부터 느끼는 주관적 청감을 알아보기 위하여 100명의 평가자로부터 청감 실험을 통하여 각 냉장고 소음의 주관적 평가 데이터가 얻어졌다. 그리고 이로부터 심리 음향 속성을 나타내는 파라미터인 5개의 Sound Quality Metric (SQM) 도출하였다. 마지막으로 주관적 소음 평가 데이터와 5개의 객관적 SQM 값 사이에 높은 상관도를 부여하는 냉장고 소음에 대한 객관적 평가 모델이 제시된다.

본 논문에서는 반 깜박임 선택 기법을 이용한 응시 상호작용(Gaze interaction) 방법과 이를 이용한 착용형 증강현실 시스템(Wearable Augmented Reality system)이 제안 된다. 응시 상호작용은 가장 쉽고 자연스러우며 빠른 방법이며, 광투과 HMD 기반의 착용형 AR 시스템에 매우 적합한 기법이다. 이 시스템은 사용자의 응시 좌표와 반 깜박임(Half blink)을 이식하여 사용자가 바라보고 있는 객체의 정보를 HMD에 출력한다. 이를 통해 마이더스 터치 문제(Midas touch problem)를 해결하여 사용자의 의도를 정확히 전달할 수 있게 된다. 제안된 상호작용법을 AR 주석(Annotation) 시스템에 적용, 구현하여 사용성을 평가하였고, 실험 결과를 통해 제안한 기법의 유용성을 검증하였다.

사용자의 활동 신호 또는 생체 신호를 무의식적이고 무구속적으로 측정하는 방법은 유비쿼터스 환경에서 헬스케어 뿐만 아니라 관련된 사용자 인터페이스를 실현하기 위해서 중요하다. 특히 무구속적인 측정은 장시간 동안 사용자의 활동을 모니터링하기 위한 활동 상태 추정 시스템에 사용되어야 한다. 본 논문에서는 가속도센서를 탑재한 핸드헬드 단말기의 시계열 가속도 분석을 통한 사용자 활동 상태 추정 기법을 제안한다. 제안된 사용자 활동 추정 시스템은 사용자의 불편함을 최소화하기 위해서 가속도센서를 사용자가 일상 생활동안 항상 휴대하고 있는 핸드헬드 단말기에 부착되어 구성되고, 이것을 실생활에서 실용적으론 구현하기 위해서 핸드헬드 단말기가 사용자에 의해서 휴대될 수 있는 위치를 앞주머니, 뒷주머니, 윗주머니, 가방, 허리, 손으로 쥐기 등과 같이 고려하였다.

본 논문에서는 영상의 영역별 특성을 고려한 영상의 보간 방법을 제안한다. 먼저 입력 영상은 에지 영역과 평탄한 저주파 영역으로 나뉜다. 그리고 에지 영역은 다시 방향성이 존재하는 에지 영역과 텍스처와 같이 에지의 방향성이 존재하지 않는 복잡한 고주파 영역으로 구분된다. 평탄한 저주파 영역에서는 쌍선형보간법 (Bilinear Interpolation), 방향성이 없는 복잡한 고주파 영역은 3차 컨벌루션 보간법 (Cubic Convolution Interpolation), 방향성이 있는 에지 영역은 NEDI (New Edge directed Interpolation)를 각각 적용한다. 다양한 영상에 대한 실험결과 제안한 방법이 기존이 방법보다 주관적 화질이 뛰어나고 우수한 성능을 발휘하는 것을 확인하였다.

일반적인 동영상 처리에서 효과적으로 잡음을 제거하기 위해서는, 입력 동영상의 잡음 세기나 잡음 분산을 정확하게 찾아낼 필요가 있다. 그러나, 일반적으로 잡음 정보를 정확히 파악하기는 힘들다. 본 논문은 인접 잡음 영상간 움직일 보상에 기반한 정확한 잡음 분산 예측기법을 제안한다. 먼저, 입력 잡음 영상 내 각 블록에 대해 움직임 추정을 수행하고 최적의 움직임 보상 블록의 잔여 분산을 계산한다. 그리고, 구해진 최적 분산값과 근사한 분산값들을 적응적으로 평균화하고 적당히 스케일링함으로써, 그 영상에 대한 잡음 분산 예측치가 얻어진다. 실험결과를 통해 제안하는 방법이 매우 정확하게 잡음 세기를 예측하고 안정적임을 보인다.

본 논문은 움직이는 차 안에서 교통 표지판을 추적하는 영상 기반 시스템을 기술한다. 제안된 시스템은 복잡한 환경에서 강인한 추적의 성능을 위해 파티클 필터를 기반으로 하는 기본 구조를 가진다. 실제 환경에서 표지판을 실시간으로 추적하는 경우, 장애물에 의한 겹침 현상과 빠르게 변하는 도로 상황 때문에 시계열 데이터인 상태 정보를 예측하는 것은 많은 어려움이 있다. 따라서 본 논문에서는 이러한 단점을 해결하기 위하여 어파인 변환의 파라미터를 상태 정보로 사용한 자기 회귀 모델을 파티클 필터의 상태 전이 모델로써 사용하고, 강인 통계를 사용하여 장애물에 의한 겹침 현상을 판단하여 추적 성능을 향상시키는 알고리즘을 제안한다. 본 논문의 실험 결과에서는 본 논문에서 제안된 방법이 주행 중 실시간 추적을 위하여 효과적이며, 장애물에 의해 표지판이 겹치는 경우에도 추적이 잘 수행됨을 보인다.

홀드형 디스플레이 시스템이 개발되면서 화질의 개선을 위해 프레임율 증가 변환 기법이 고려되고 있다. 프레임율 증가 변환 기법은 두 인접 프레임들로부터 하나 이상의 사이 프레임을 보간하여 시간적 해상도를 향상시킨다. 본 논문에서는 회전을 고려하여 양방향 움직임 예측 방법을 적용한 새로운 프레임율 증가 변환 기법을 제안한다. 먼저 각 블록의 정확한 움직임 벡터를 얻기 위해 두 인접 프레임들로부터 양방향 움직임 예측 방법을 수행한다. 초기 움직임 벡터가 정해지면, 움직임 벡터 필드의 연속성과 정확하지 못한 움직임 벡터의 제거를 위해 움직임 벡터 필드에 메디안 필터를 적용한다. 벡터 메디안 필터를 거친 움직임 벡터들은 회전을 고려한 정밀 움직임 보정을 통해 정밀한 움직임 벡터로 갱신된다. 회전요소를 가진 최종 움직임 벡터가 구해지면, 중첩된 블록 이동 보상 방법을 적용하여 중간 프레임을 생성할 수 있다. 실험결과, 제안하는 알고리즘은 이전 방법에 비해 주관적 및 객관적으로 더 좋은 성능을 보였다.

본 논문에서는 프레임내의 정보를 이용하여 손실 블록을 복구하기 위한 공간 영역의 손실 블록 복구 방법을 제안한다. 손실 블록에 이웃하는 정확하게 수신된 블록들의 경계 화소의 차분값에 의해서 손실 블록이 에지 영역인지 평탄 영역인지를 판단하고 각각 다른 보간 방법을 적용한다. 에지 영역으로 판단되었을 경우 에지 방향을 추정하고 추정된 에지 방향에 따라 화소들 사이의 거리와 차분값을 가중치로 사용하여 적응적으로 손실 블록의 손실 화소들을 보간한다. 제안 방법은 이전 방법들에 비해 계산양은 적은 반면에 주관적 화질 비교에서 더 좋은 성능을 보이고 객관적 비교에서도 우수한 성능을 보인다.

Audio Video Standard (AVS)는 중국내의 멀티미디어 응용기기를 위해 개발된 오디오/비디오 압축 표준이다. AVS는 표준화 코덱 중 성능이 가장 우수한 것으로 알려진 H.264/AVC에 비해 낮은 복잡도의 비디오 알고리즘을 사용하면서도 비슷한 RD 성능을 보인다. AVS 비디오 코덱은 VGA급 이상의 영상을 타겟으로 하기 때문에 큰 해상도에서 압축효율이 좋은 $8{\times}8$ 단위 블록의 예측 및 변환 알고리즘을 사용한다. 현재 중국에서 IPTV 및 모바일 애플리케이션을 위한 코덱으로 AVS를 사용하는 비중이 높아지고 있어 국내의 기업 및 연구소에서도 AVS를 위한 애플리케이션 및 칩 개발을 위한 연구가 진행되고 있다. 본 연구에서는 AVS 비디오 복호화기 알고리즘을 분석하고 이를 바탕으로 하여 불필요한 메모리 연산이 없도록 AVS 비디오 복호화기를 구현하고 이를 TI의 Davinci EVM보드에서 최적화하였다. 또한, 제안한 복호화기에 고속의 VLD 알고리즘을 적용하고 linear assembly로 디블록킹 필터를 구현하는 등 DSP에 적합하도록 최적화를 진행하였다. 이를 통해 AVS의 참조 소프트웨어인 RM 5.2J 복호화기와 비교하여 $500%{\sim}700%$의 복호 속도 향상을 이루었다.

본 논문은 적응 반향 제거기인 parametric wiener filter (PWF)의 반향신호 제거 파라미터를 구간 조건에 따라 차등적으로 적용시키는 새로운 음향학적 반향제거 (Acoustic Echo Suppression, AES) 알고리즘을 제안한다. PWF는 반향 신호 추정의 부정확성을 보상하고자 반향신호 제거 파라미터를 사용한다. 기존의 방법은 단일통화 구간과 동시통화 구간에 관계없이 동일한 반향신호 제거파라미터 값을 적용하여 동시통화 환경에서 근단 신호의 왜곡을 발생 시킨다. 본 논문에서는 상관계수 (Correlation Coefficient)를 이용한 동시통화(Double-Talk) 검출 알고리즘과 음성구간검출기 (Voice Activity Detector, VAD)의 결과로부터, 원단 화자만 있는 구간과 동시통화 구간을 구분하고 각각의 경우에 반향제거 파라미터를 달리 적용하여 동일한 반향신호 제거 파라미터를 사용함에 따른 동시통화 구간내의 근단 화자신호의 음질 저하 없이 반향신호를 보다 효과적으로 제거하는 방법을 제안한다. 제안된 방법의 결과는 객관적인 실험을 통해 비교 평가한 결과 우수한 성능을 보였다.