본 논문에서는 웨이블릿 변환을 이용하여 필름 영상에 존재하는 선형 스크래치를 검출하고 이를 제거하는 기술을 제안한다. 현재까지 스크래치 검출과 복원에 대한 많은 연구가 독립적으로 진행되어 왔는데, 그 이유는 영화가 요구하는 높은 품질과 그에 필요한 방대한 계산량 등의 문제점 때문이다. 본 논문에서는 이러한 문제점을 극복하기 위해 영상을 3-레벨 웨이블릿을 변환하고, 웨이블릿 계수축소와 보간법을 이용하여 선형 스크래치의 검출과 제거를 동시에 수행한다. 실험결과를 통하여 본 논문에서 제안하는 방법은 기존 스크래치 제거 방법보다 적은 계산량으로 정확하게 선형 스크래치를 검출하고 제거함을 알 수 있다. 또한 제안하는 방법은 상용화 되어 있는 고전 영화 복원 시스템에 추가하여 사용이 가능하다.

히스토그램 평활화 방법은 영상의 대조비를 개선시키는 효과적인 방법이다. 하지만 이 방법은 과도한 대조비 향상이나 잡음을 증폭시키는 것과 같은 의도하지 않은 결함을 발생시킬 수 있다. 이러한 결함은 히스토그램 평활화 방법에서 사용되는 명암도 변환 함수를 조절함으로써 감소시킬 수 있다. 본 논문에서는 명암도 변환 함수를 조절하는 문제를 변분법을 사용하여 접근하였다. 이를 위하여 범함수를 정의하고 그 범함수를 최소화하여 명암도 변환 함수를 계산한다. 제안하는 방법을 적용하여 얻은 명암도 변환 함수를 사용하면 눈에 보이는 결함 없이 영상의 대조비를 개선시킬 수 있음을 실험결과로부터 확인할 수 있다.

본 논문에서는 배경 차분에 의해 객체를 검출하고 확률적으로 표본화된 입자 필터링(particle filtering)기법을 사용한 다중객체 추적 기법을 제안한다. 확률적으로 표본화된 입자들을 사용하여 다중 객체에 독립적으로 적용할 때 발생하는 계산 복잡도(computational complexity)를 감소시키는 동시에 안정적인 추적을 가능하게 하였다. 객체의 색상정보를 사용한 히스토그램 분포에 의한 관측 모델(observation model)을 구성하고 객체의 움직임 정보를 위해 동적 모델을 공식화하여 영상을 해석하였다. 전체적인 추적 시스템은 베이시언 최대 우도 기법(Bayesian maximum likelihood method)을 근간으로 하되, 입자 필터링을 객체 추적에 적용하여 실용적인 현실 객체 추적 상황에도 강건하게 대처할 수 있음을 실험을 통해서 증명하였다.

적조에 의한 양식업 및 수산업의 피해가 증가함에 따라서 적조에 대한 많은 연구가 이루어지고 있다. 그러나 자동으로 적조 이미지를 인식하는 국내의 연구는 미흡한 실정이다. 적조 생물은 이미지 객체를 일치 할 수 있는 기준 중심 특징이 없기 때문에 인식이 어렵다. 이 때문에 기존이 연구들은 단순히 몇 종류의 적조 생물만을 이미지 분류에 이용하고 있다. 본 논문은 비음수 행렬 분해의 의미 특징과 이미지 객체의 원형율을 이용한 새로운 적조 이미지 인식 방법을 제안한다.

본 논문은 군집 주제의 유의어와 유사도를 이용하여 문서군집의 성능을 향상시키는 방법을 제안한다. 제안된 방법은 비음수 행렬분해의 의미특징을 이용하여 군집 주제(topic)의 용어들을 선택함으로서 문서 군집 집합의 내부구조를 잘 표현할 수 있으며, 군집 주제의 용어들에 워드넷의 유의어를 사용하여서 확장함으로써 문서를 용어집합(BOW, bag-of-words)으로 표현하는 문제를 해결할 수 있다. 또한 확장된 군집 주제의 용어와 문서집합에 코사인 유사도를 이용하여서 군집의 주제에 적합한 문서를 잘 군집하여서 성능을 높일 수 있다. 실험결과 제안방법을 적용한 문서군집방법이 다른 문서군집 방법에 비하여 좋은 성능을 보인다.

적조에 의한 양식어업의 피해가 증가함에 따라서 적조에 대한 많은 연구가 이루어지고 있다. 현재 적조에 대한 대부분의 연구는 화학적 특성이나 생물학적 원인 규명에 초점이 맞춰 연구되고 있다. 적조 발생을 미리 예측할 수 있으면 적조에 대한 피해를 최소화 시킬 수 있다. 그러나 국내의 적조 현상 예측에 대한 연구는 단순히 적조발생 판별에 그치는 등 미흡한 실정에 있다. 본 논문은 신경망과 SVM을 이용한 새로운 적조발생 예측 방법을 제안한다.

본 논문에서는 정수변환 기저의 특성을 기반으로 블록의 내부/경계 영역으로 분리되는 루프필터를 생성하고, 이를 선택적으로 적용하는 방법을 제안한다. 기존의 블럭 기반의 적응적 루프 필터(BALF)는 비디오 코덱의 압축 성능에 있어서 약 10%의 압축 효율을 보이는 기술이다. 이는 복원된 영상을 원본 영상에 최대한 유사하게 만드는 Wiener 필터계수를 생성하고 생성된 필터가 적용될 영역에 대한 정보를 전송한다. 그러나 블럭 기반의 적응적 루프 필터는 블록 단위로 영상을 참조하여 하나의 필터를 생성하는 방법으로, 높은 부호화 성능을 보이는 반면, 높은 복잡도를 수반한다는 단점이 있다. 본 논문에서 제안하는 방법은 정수변환 기저의 특성에 따라서 서로 다른 에러의 특성을 갖는 특징을 이용하여 블록의 내부와 경계 영역을 분리하고, 각 영역을 위한 필터를 생성한다. 이후, 이를 원하는 영역에 선택적으로 적용한다. 부호화기의 필터 생성 과정에서 선택된 특정 영역의 필터를 복호화기로 전송함으로써, 선택된 영역에 대해서만 필터링을 수행하여 복호화 복잡도를 조절할 수 있다. 제안하는 알고리즘을 사용하여 블럭의 경계 영역 필터만을 사용한 경우 기존의 BALF 대비 약 2.56%의 부호화 성능 저하에 대하여 약 35.5%의 필터링 속도 향상을 보였다.

본 논문은 조도 변화에 의해 동영상 시퀀스에서 발생하는 주기적인 색상 및 밝기 변화를 저감하기 위한 알고리즘을 제안한다. 밝기 변화가 주기적으로 일어나는 광원 환경에서 동영상을 촬영하는 경우, 노출 시간이 짧아짐에 따라 색상 및 밝기가 주기적으로 변하는 색 유동성 현상, 즉 컬러 롤링 현상(color rolling phenomenon)이 발생한다. 색 유동성 현상이 발생하는 경우 화이트 밸런스 알고리즘을 적용함으로써 개별 프레임의 색상을 보정할 수 있지만, 프레임 간에 발생하는 밝기 차이를 고려하지 않기 때문에 동영상의 밝기가 주기적으로 변하는 문제가 남게 된다. 제안하는 방법에서는 프레임 간에 발생하는 밝기 변화를 추정함으로써 색 유동성 현상으로 인해 나타나는 밝기 및 색상 변화를 보정하는 알고리즘을 제안한다. 이 때, 움직이는 물체에 의해 발생하는 밝기 변화 추정 에러를 줄이기 위해 움직임 검출(motion detection) 방법에 기반하여 색 유동성에 의한 밝기 변화만을 선택적으로 검출하여 보상한다. 또한 이전 밝기 정보를 이용하여 색 유동성에 의한 밝기 변화량을 예측함으로써 실시간 영상 처리에 적합하도록 하였다. 실험 결과를 통해 제안하는 방법을 사용하는 경우 조도 변화에 의한 밝기 변화를 보상함으로써 동영상의 프레임 간 밝기 및 색상의 항상성을 유지하는 것을 확인할 수 있다.

본 논문에서는 영상이 가지는 컨텐츠를 보호하면서 영상의 크기를 실시간으로 변환하는 영상 리타겟팅 방법에 대하여 제안한다. 기존의 컨텐츠 기반의 영상 리타겟팅 기법인 seam carving은 영상의 크기 조절 시 다이나믹 프로그래밍(Dynamic Programming) 기법을 사용하기 때문에 반복적인 누적 최소 에너지 맵의 갱신 과정이 반드시 필요하다. 이 갱신 과정에서 전체 영상을 탐색해야 하므로 많은 연산량이 요구되며, 이로 인한 처리 시간 지연이 불가피하다. 제안하는 방법은 이러한 누적 최소 에너지 맵의 갱신으로 인한 처리 시간 지연을 개선하기 위하여, 우선 계산된 누적 최소 에너지 맵에서 seam이 될 수 있는 모든 후보들이 영향을 미치는 영역을 계산한다. 이 후보들의 영역을 이용하여 여러 개의 seam을 동시에 추출함으로써 누적 최소 에너지 맵의 갱신 횟수가 줄어들기 때문에, 전체 연산량이 줄어들어 빠른 처리가 가능하면서도 영상의 화질은 기존의 seam carving 기법과 비슷하게 유지할 수 있다. 실험 결과는 제안하는 방법이 영상이 가지고 있는 컨텐츠를 보존하면서 실시간으로 영상의 크기를 조절할 수 있음을 보여준다.

본 논문에서는 화소들 간의 상관관계를 이용하여 가려진 얼굴 영상을 검출하고 복원하는 방법을 제안한다. 본 논문의 학습 단계에서는 기존에 이용된 주성분 분석법( PCA )의 변환 행렬 대신 상관계수를 계산하고, 테스트 단계에서는 학습 단계에서 구한 상관계수를 이용하여 가려진 얼굴 영역 검출 과정과 복원 과정을 수행한다. 검출된 영상과 복원된 영상은 실험을 통해 기존 방법과 비교한다. 실험 결과, 상관관계 방법에 의해 검출된 영상은 기존 주성분 분석법을 이용한 방법보다 가려진 얼굴 영역 및 주변 영역의 잡음이 적음을 확인하였다. 또한 복원된 얼굴 영상에서는 영상의 뭉개지는 현상이 줄어들었으며, 복원된 얼굴 영상의 가려진 부분과 가려지지 않은 부분과의 경계가 보다 매끄럽게 연결되는 것을 확인하였다.

본 논문에서는 위성영상을 압축하는 과정에서 발생하는 압축잡음을 내용 분석을 통해 적응적으로 제거하는 디블록킹 알고리즘을 제안 한다. 특히, 제공된 KOMPSAT(korean multi-purpose satellite)-2는 열 단위로 동일한 양자화 계수를 적용하며 고주파 성분이 많은 부분을 압축하여 효율 및 시간을 향상 시켰으나 압축률이 높은 동일 열 내에 복잡도가 낮은 부분에서 압축 잡음이 나타나는 문제점이 있다. 이러한 압축잡음을 제거하기 위해 일반적인 디블록킹 필터를 적용 시 복잡한 영역을 평활화시키는 문제점이 있다. 따라서 제안한 방법에서는 영상 분석 후 적응적 디블록킹 필터를 통해 에지를 보존하면서 격자잡음을 제거 한다. 이와 동시에 WLFPCA(weighted lowpass filter using principle component analysis)를 이용하여 큰 곡선형 경계부분의 계단잡음을 제거 하였다. 제안한 방법은 성능을 평가하기 위한 모의실험 결과로부터 기존의 방법에 비하여 객관적 화질 지표인 PSNR(peak signal to noise ratio)과 주관적 화질 지표인 MSSIM(mean structural similarity)에서 비슷하거나 향상된 결과를 보였으며 특히, 기존의 압축잡음 제거 알고리즘은 반복적 프로세싱을 통해 계단잡음을 제거하나 제안한 방법은 싱글패스(single-path) 방식으로 시간을 크게 단축시켜 실시간에 가까운 처리가 가능하도록 하였으며, 계산양을 줄여 하드웨어의 적용이 용이하게 하였다.

Capon 알고리듬은 지향방향에 대하여 일정한 이득을 유지하면서 배열의 출력을 최소화 시키므로 FM (Fourier method) 알고리듬에 비하여 우수한 분해능 (resolution)을 제공한다. 그러나 Capon 알고리듬의 DoA (Direction of Arrival) 추정 성능은 입사 신호의 SNR (signal-to-noise ratio)이 낮은 경우 급격히 저하되는 문제가 있어 신호원들의 입사각이 유사한 경우 각각의 신호원을 구분하지 못하는 문제가 있다. 본 논문에서는 Capon 알고리듬에서 사용되는 공분산 역행렬의 원소를 제거하는 기법을 이용하여 수신 신호의 SNR이 낮은 환경에서 보다 나은 분해능을 제공하는 개선 방안을 제안한다.

Support vector machine (SVM)은 패턴인식 분야에 많이 사용되어지고 있고 그 한 예로서 3GPP2 selectable mode vocoder(SMV)와 같은 규격화된 코덱에 쓰여 코덱의 음성/음악 분류 성능을 향상시킬 수 있다. 본 논문에서는 SVM을 개선시켜 음성/음악의 분류성능을 더욱 향상시키는 새로운 방법을 제안한다. 음성/음악신호의 각 프레임들은 서로 강한 상관관계를 가지고 있는데, 이를 바탕으로 2차 조건 사후 최대 확률기법을 SVM에 적용하여 음성/음악 분류성능을 향상시킨다. 또한 SVM을 학습시킬 때 적용되는 기존의 기법들과는 달리 제안되는 기법은 SVM이 패턴분류를 행할 때 사용된다. 그렇기 때문에 기존의 기법들과 독립적으로 개발되고 사용될 수 있고, 따라서 패턴분류의 성능을 한층 더 향상시킬 수 있다. 실험을 통해 제안된 기법의 독립성과 성능향상을 기존의 기법들과 비교하여 증명하였다.

본 논문에서는 청각장애인을 위한 음향 데이터를 이용한 음향강화 알고리즘을 Gaussian Mixture Model (GMM)을 이용한 상황인지 시스템 기반으로 제안한다. 음향 신호 데이터에서 Mel-Frequency Cepstral Coefficients (MFCC) 특징벡터를 추출하여 GMM을 구성하고 이를 기반으로 상황인지 결과에 따라 위험음향일 경우 음향강화기술을 제안한다. 실험결과 제안된 상황인지 기반의 음향강화 알고리즘이 다양한 음향학적 환경에서 우수한 성능을 보인 것을 알 수 있었다.

조향벡터(steering vector)에 에러가 있으면 적응 어레이(adaptive array)는 심한 성능저하를 겪게 된다. 이러한 에러로 인한 성능저하를 개선하기위해 DCRCB(doubly constrained robust Capon beamformer)에서는 벡터 norm 제한아래 구체 불확실 집합(spherical uncertainty set) 내의 벡터 중 출력전력을 최대로 하는 벡터를 조향벡터(steering vector)로 사용한다. 좋은 성능 개선을 위해서 불확실 집합의 반경, 즉 불확실 한계를 적절히 설정해야 하는 문제가 있다. 본 논문에서는 이를 해결하기 위해 반복탐색을 통해 조향벡터를 구하는 방식을 제안한다. 기존의 알려진 반복탐색 방식에서는 반복 종료를 위해 어떤 기준값을 결정해야 하는데, 이에 따른 어려움이 있다. 제안방식에서는 추정된 벡터와 신호부공간 거리가 더 이상 작아 지지 않으면 반복을 종료하며, 값 설정과 관련된 어떤 어려움도 없다. 시뮬레이션 결과에 따르면, 제안방식은 기존반복방식 그리고 최적의 불확실 한계로 설정된 표준 DCRCB 보다도 우수한 성능을 보여준다.

본 논문에서는 레이더의 탐지 알고리즘에 적용되는 CA-CFAR 알고리즘을 설계하였다. CFAR 알고리즘의 제곱평균 연산을 위해 근사화 기법을 사용하였으며, 고정 소수점을 이용하여 관련 연산을 처리하였다. 이러한 구조는 하드웨어 복잡도를 줄일 뿐 아니라 계산량을 감소시킬 수 있다. CFAR 연산은 슬라이딩 윈도우 기법을 기반으로 하는데, 이를 고속으로 처리하기 위해 동시 병렬 처리 가능한 다중 윈도우 방식도 제안하였다. 제안된 CA-CFAR 프로세서는 실제 FPGA를 통해 합성되어지고 구현되었다. 또한 FPGA 내에서 제공한 라이버러리를 이용한 제곱평균 연산 방법과 성능 비교를 하였다. 검증 결과 제안된 하드웨어 구조는 399MHz까지 동작가능하며, 전체 계산 시간은 약 70% 향상됨을 확인 할 수 있다.

본 논문에서는 입력신호에 따라 효율적인 부호화를 위해 다중모드를 가지는 초광대역 부호화기를 제안하였다. 최근에 개발된 G.718기반의 초광대역 확장 코덱은 초광대역에 존재하는 오디오 신호를 부호화하기 위하여 Generic모드와 Sinusoidal모드로 신호를 분류하여 부호화 하지만, 현악기, 관현악기와 같은 오디오 신호에 존재하는 멀티플 피치 및 하모닉 성분과 타악기와 같은 오디오 신호에 존재하는 Individual-Line 성분을 효율적으로 부호화하지 못하였다. 제안하는 방법은 오디오 신호에 존재하는 하모닉과 Individual-Line성분의 특징을 고려하여 모드를 세분화하였다. 성능평가를 위하여 객관적인 평가로 MDCT 도메인에서 SNR을 이용하였으며 MUSHRA 테스트를 통해 주관적인 평가를 하였다. 실험 결과 제안한 방법은 기존의 G.718 초광대역 부호화기보다 Individual-Line신호 경우 약 3dB, 하모닉 신호의 경우 약 0.8dB 높은 SNR을 보였으며 MUSHRA 테스트 역시 평균 5점 음질 향상을 확인하였다.