• 한국측량학회지
• /
• 제17권2호
• /
• pp.167-176
• /
• 1999

각종 영상매체와 수치영상처리 기술이 발전함에 따라 수치영상을 이용한 대상물의 정량적 또는 정성적 분석에 관한 연구가 활발히 진행되고 있다. 그러나 높은 정확도의 영상해석에 있어 고해상도의 영상획득 시스템에 대한 의존도가 매우 높은 실정이며 이들은 고가의 장비라는 문제점을 안고 있다. 본 연구에서는 저가의 영상획득 시스템에 의해 획득한 다중영상을 강화ㆍ분석하여 최적의 강화조건을 도출하고 이를 적용하여 3차원 정확도 분석을 실시하였다. 저해상도의 원시영상과 최적의 조건에 의해 강화한 영상을 이용하여 평균 3차원 위치오차를 분석한 결과, 강화영상은 원시영상에 비해 10％정도 향상된 정확도를 보였다.

• 터널과지하공간
• /
• 제34권3호
• /
• pp.208-217
• /
• 2024

AI영상 기반 건설현장 안전관리 모니터링 시스템 개발 및 적용하는 추세에 다양한 환경변화에 따른 위험 객체 탐지 딥러닝 모델 개발에 많은 연구적 관심이 쏟아지고 있다. 여러 환경 변화요인 중 저조도 조건에서 객체 검출 모델의 정확도는 현저히 감소하며, 저조도 환경을 고려한 학습을 수행하더라도 일관적인 객체 탐지 정확도를 확보할 수 없다. 이에 따라 저조도 영상을 강화하는 영상 전처리 기술의 필요성이 대두된다. 따라서, 본 논문은 취득된 건설 현장 영상 데이터를 활용하여 다양한 딥러닝 기반 저조도 영상 강화 모델(GLADNet, KinD, LLFlow, Zero-DCE)을 학습하고, 모델별 저조도 영상 강화 성능을 비교 검증실험을 진행하였다. 저조도 강화된 영상을 시각적으로 검증하였고, 영상품질 평가 지수(PSNR, SSIM, Delta-E)를 도입하여 정량적으로 분석하였다. 실험 결과, GLADNet의 저조도 영상 강화 성능이 정량·정성적 평가에서 우수한 결과를 보여줬으며, 저조도 영상 강화 모델로 적합한 것으로 분석되었다. 향후 딥러닝 기반 객체 검출 모델에 저조도 영상 강화 기법이 전처리 단계로 적용한다면, 저조도 환경에서 일관된 객체 검출 성능을 확보할 것으로 예상된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2005년도 가을 학술발표논문집 Vol.32 No.2 (2)
• /
• pp.853-855
• /
• 2005

현재 표준화가 진행중인 SVC(Scalable Video Codec)에는 기존의 FGS방법이 아닌 Cyclic-FGS를 사용하여 영상을 강화하고 있다. 이 Cyclic-FGS 블록간에 Stocking Effect를 줄일 수 있고 넓은 영역을 강화할 수 있다는 장점이 있다. 하지만 널은 영역을 강화하기 때문에 기존의 FGS와 달리 ROI를 강화하는데는 적합하지 않다. 따라서 본 논문에서는 Cyclic-FGS에 적합한 새로운 Ordering 방법을 제안한다. 이 방법을 사용하면 기존의 FGS에서 사용한 Bit-shift방법을 사용하지 않고도 비슷한 효과를 낼 수 있으며, 우리가 원하는 ROI를 강화시킬 수 있다. ROI를 중점적으로 강화를 하다 보면 전체 영상에 대한 화질은 떨어질 수 있다. 그러나 두 가지 모드를 두어서 중점강화 또는 전체영상과 비교해 화질열화가 거의 없는 강화를 할 수 있게 하였다.

• 한국인터넷방송통신학회논문지
• /
• 제15권1호
• /
• pp.165-170
• /
• 2015

언샤프 마스크 기법은 입력 영상에 그 영상의 경계를 추출 한 결과 영상을 더하여 영상의 경계를 강조하는 기법이다. 이 기법은 영상의 경계를 강화하여 화질을 개선시키지만 전체적인 대비 강화에 취약하고 잡음에 민감하여 영상을 거칠게 만든다는 단점이 있다. 멀티 채널 언샤프 마스크는 두 개 이상의 언샤프 마스크 채널을 적용하여 전체 영상에 대한 대비 강화가 가능하고 영상의 거친 느낌을 완화 할 수 있다. 그러나 이 기법은 스케일을 강하게 적용해도 경계가 약한 부분에 대한 강화에 한계가 있다는 단점이 존재한다. 이러한 문제를 해결하기 위해 이 논문에서는 기존 멀티 채널 언샤프 마스크의 선형적인 스케일링 방법에 지수함수를 도입하여 비선형적인 스케일링을 가능하도록 하였다. 실험결과 기존 언샤프 마스크 기법에 비해 영상강화에 세부적인 제어가 가능해서 원하는 영역에 대한 대비를 강화할 수 있었다.

• 한국지구과학회지
• /
• 제26권1호
• /
• pp.58-65
• /
• 2005

호모몰픽 필터링은 푸리에 변환에 기초를 둔 기법으로 주파수 영역에서 저주파 신호는 약화시키고 고주파 신호는 강화하여 영상의 대비 차를 강화시키는 처리기법이다. 호모몰픽 필터링을 위한 응용 프로그램을 개발하여 인공위성영상과 지구물리 자력탐사 자료를 이미지화한 영상에 시험적으로 적용하여 그 결과를 분석하였다. 영상평활화 기법이나 커널 마스크 처리 등과 같은 영상강화 기법에서는 추출 가능한 경계부의 위치를 변화시키거나 영상의 화소값이 전체 영상을 대상으로 변화시키는 반면에 호모몰픽 필터링은 세부적인 영상 정보의 내용을 선택적으로 강조할 수 있다. 호모몰픽 필터링은 인공위성 영상에서 복잡한 지형지물의 특성을 추출하거나 분리하는 데 효과적인 방법으로 나타났으며 지구물리 영상자료에서 이상대를 조사하는 경우에도 유용하게 적용될 수 있을 것으로 생각된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 추계학술대회
• /
• pp.117-118
• /
• 2016

최근 UHDTV(ultra high definition television)가 가정에 보급이 많이 되고 있는 추세지만, UHD급 콘텐츠가 매우 부족한 실정이다. 따라서 저해상도 FHD(full high definition) 영상을 고해상도 영상으로 변환시켜 재활용할 수 있는 초해상화(super-resolution, SR) 기술의 필요성이 커졌다. 그 중, 다층의 레이어로 구성된 다층 선형 매핑(multi-layer linear mappings, MLLM)을 기반으로 하는 제안된 초해상화 기법은 상대적으로 낮은 복잡도로 좋은 품질의 고해상도 영상을 복원할 수 있었다. 최근에는 강화 예측법을 추가하여 복원된 고해상도 영상의 품질을 더 향상시키는 기법이 등장하였는데, 이를 바탕으로 본 논문에서는 제안했었던 MLLM 기법을 위한 강화 예측법 기법을 새롭게 제안한다. 제안하는 초해상화 기법은 기존 MLLM 기법과 딥러닝 기반 초해상화 기법보다 높은 품질의 고해상도 영상을 생성하는 것을 확인하였다.

• 한국방사선학회논문지
• /
• 제14권7호
• /
• pp.991-1001
• /
• 2020

전산화단층영상 품질 개선을 위해 사용되는 지도학습 기반의 딥러닝 기술은 사전 학습을 위해 많은 양의 데이터를 필요로 하는 단점이 있다. 또한 지도학습 기반의 딥러닝 기술은 학습에 사용된 영상의 특징과 학습된 모델에 입력된 영상의 특징이 다른 경우 영상 내부 구조적 왜곡이 유발되는 한계점이 있다. 본 연구에서는 기존 지도학습 기반 딥러닝 기술의 단점을 보완하고 전산화단층영상의 잡음을 감소시킬 수 있는 심층강화학습 기반 영상화 모델을 개발하였다. 심층강화학습 기반 영상화 모델은 shared, value 및 policy 네트워크로 구성하였으며, 영상 잡음 특징 추출 및 모델의 성능 향상을 위해 합성곱, rectified linear unit(ReLU) 활성화 함수, dilation factor 및 게이트순환유닛을 사용하였다. 또한 기존 지도학습 기반 딥러닝 기술을 통해 획득한 영상의 영상품질 비교를 통해 본 연구에서 개발한 영상화 모델의 성능을 평가하였다. 연구결과 기존 기술에 비해 본 연구에서 개발한 영상화 모델 적용 시 전산화단층영상의 정량적 정확도는 큰 폭으로 향상, 잡음은 큰 폭으로 감소함을 확인하였다. 또한 영상화 모델 학습 시 사용한 영상과 구조적 특징이 다른 영상에 대해서도 잡음 감소 효과를 확인하였다. 따라서 본 연구에서 개발한 심층강화학습 기반 영상화 모델을 통해 전산화단층영상의 구조적 특징을 보전함과 동시에 잡음을 감소시킬 수 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.33-36
• /
• 2021

본 논문에서는 강화학습을 이용하여 몰입형 영상의 압축 효율을 향상시키는 기법을 제안한다. 몰입형 영상이란 3DOF+ 영상 혹은 Point Cloud 영상과 같이 사용자가 직접 체험할 수 있는 영상을 의미한다. 또한 몰입형 영상은 그 특성에 의해 방대한 양의 정보를 가지고 있다. 따라서 이를 압축하기 위한 압축 방법들이 연구되고 있으며, 일반적으로 3D 공간의 영상을 2D 공간으로 사영하는 방식을 사용한다. 하지만 이 과정에서 정보가 존재하지 않는 영역이 생성되며 이는 압축 효율 저하의 원인이 된다. 이러한 문제를 해결하기 위하여 영상의 특성을 반영할 수 있도록 강화학습을 통한 채우기 기법을 제안한다. 실험 결과 제안한 기법이 기존 기법에 비해 좋은 성능을 보임을 확인할 수 있다.

• 천문학회보
• /
• 제35권1호
• /
• pp.31.2-31.2
• /
• 2010

본 연구의 목적은 태양 코로나 구조를 분석하기에 적합한 영상처리 기법을 찾는 것이다. 이를 위하여 우리는 IDL(Interactive Data Language)에 내장된 여러 가지 영상처리방법을 SOHO EIT 영상에 적용하였다. 우리는 영상처리를 위하여 단일 영상처리 방법과 2단계 영상 처리 방법을 사용하였다. 단일 영상처리 방법으로 히스토그램 평활화(Equalization), 주파수 필터링, 경계선 강화기법(Sobel, Robert) 등을 사용하였다. 2단계 영상처리 방법은 단일 영상 처리 방법에서 효과적이었던 방법들을 두 가지 이상 순차적으로 적용하는 것이다. 본 연구를 통하여 우리는 2단계 영상처리 방법(예, 저주파 필터 + Sobel + 히스토그램 평활화)이 단일 영상처리 방법 보다 코로나 루프 구조를 잘 보여주는 것을 확인하였다. 이 연구 결과가 태양 코로나 구조 연구에 유용하게 사용될 수 있을 것으로 기대된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.335-337
• /
• 2021

안저 영상 촬영기술이 발달되며 진단에 사용되는 안저 영상에는 시각적으로 많은 변화가 일어났다. 새로운 촬영 기법인 초광각 안저 영상은 기존 영상에 비해 넓은 범위의 영상을 생성할 수 있다. 촬영 범위가 넓어짐에 따라 이미지에는 왜곡이 발생하고, 이로 인해 안저 영상을 통한 황반 부위 진단에 어려움을 야기하기도 한다. 본 논문에서는 이러한 왜곡을 보정하고 초광각 안저 영상을 기존 안저 영상의 영역으로 변환하는 시스템을 강화학습을 통해 구축한다. 제안하는 방법은 A3C 강화학습법을 사용하며 실험 결과는 제안 방법을 통해 안저 영상을 자동으로 변환할 수 있음을 보여준다.