• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 하계학술대회
• /
• pp.303-306
• /
• 2021

이미지 초해상도는 영상 취득 과정에서 센서와 렌즈의 물리적인 한계 등으로 인하여 의해 화질이 저하된 이미지를 더 높은 배율로 복원하는 문제이다. 이미지 초해상도는 딥러닝을 통해 놀라운 성능향상을 이루었지만, 카메라로 촬영된 실제 이미지에서는 좋은 성능을 내지 못하였다. 이는 딥러닝에서는 'bicubic' 커널로 down-sampling된 합성 이미지 데이터를 사용하였던 것과 달리 실제 이미지에서는 'bicubic' 커널을 통한 화질 저하와는 다른 화질 저하, 즉 다른 커널을 통한 화질 저하가 발생하기 때문이다. 따라서 실제 이미지에 대한 성능을 높이기 위해서는 이에 대한 정확한 커널 예측이 필요하다. 최근 주목받기 시작한 이미지 초해상도를 위한 커널 예측은 초해상도를 잘 시켜주는 커널을 직접 찾는 방법[10, 13]과 이미지의 분포와 커널을 통해 다운샘플된 이미지에 대한 분포를 일치시켜주면서 커널을 예측하는 방법[14]으로 나누어져 있다. 그러나 두 방법 모두 ill-posed problem 인 커널 예측 문제를 한 장의 이미지만으로 해결하려는 것이기 때문에 정확한 예측에는 어려움이 발생한다. 따라서 본 논문에서는 두 장의 이미지를 활용한 이미지 화질 저하 커널 예측 방법을 제안한다. 제안된 방법은 두 장의 이미지가 같은 카메라를 통해 촬영되었으며 이때 이미지 화질 저하는 카메라에 의해서만 영향을 받는다는 가정을 기반으로 한다. 즉, 두 장의 이미지는 같은 커널을 통해 저하된 이미지라는 가정을 한다. 제안된 방법은 [14]에서처럼 이미지 분포를 기반으로 한 커널 예측을 진행하며, 이미지 초해상도를 진행하고자 하는 이미지 외에 참고 이미지 또한 같은 커널에서 화질 저하를 시켰을 때 본래의 이미지와 같은 분포에 있도록 학습을 진행한다. 결과적으로 본 논문에서는 두 장의 이미지를 사용하였을 때 더욱 정확하게 커널을 찾을 수 있음을 보여준다. 두 장의 이미지를 활용하는 방식이 한 장의 이미지만을 활용하는 기존의 최고 수준의 방법에 비해 합성된 다양한 커널 데이터셋[14]에서 약 0.17dB 성능 향상이 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.185-185
• /
• 2021

기후변화로 인한 돌발 강우 등 이상 기후 현상이 증가함에 따라 정확한 강우예측의 중요성은 더 증가하는 추세이다. 전통적인 강우예측의 경우 기상수치모델 또는 외삽법을 이용한 레이더 기반 강우예측 기법을 이용하며, 최근 머신러닝 기술의 발달에 따라 이를 활용한 레이더 자료기반 강우예측기법이 개발되고 있다. 기존 머신러닝을 이용한 강우예측 모델의 경우 주로 시계열 이미지 예측에 적합한 2차원 순환 신경망 기반 기법(Convolutional Long Short-Term Memory, ConvLSTM) 또는 합성곱 신경망 기반 기법(Convolutional Neural Network(CNN) Encoder-Decoder) 등을 이용한다. 본 연구에서는 생성적 적대 신경망 기반 기법(Generative Adversarial Network, GAN)을 이용해 미래 강우예측을 수행하도록 하였다. GAN 방법론은 이미지를 생성하는 생성자와 이를 실제 이미지와 구분하는 구별자가 경쟁하며 학습되어 현재 이미지 생성 분야에서 높은 성능을 보여주고 있다. 본 연구에서 개발한 GAN 기반 모델은 기상청에서 제공된 2016년~2019년까지의 레이더 이미지 자료를 이용하여 초단기, 단기 강우예측을 수행하도록 학습시키고, 2020년 레이더 이미지 자료를 이용해 단기강우예측을 모의하였다. 또한, 기존 머신러닝 기법을 기반으로 한 모델들의 강우예측결과와 GAN 기반 모델의 강우예측결과를 비교분석한 결과, 본 연구를 통해 개발한 강우예측모델이 단기강우예측에 뛰어난 성능을 보이는 것을 확인할 수 있었다.

• 한국정보전자통신기술학회논문지
• /
• 제10권6호
• /
• pp.617-625
• /
• 2017

본 논문에서는 기밀 데이터를 커버 이미지에 은닉하는 효과적인 가역 데이터 은닉 기법을 제안하였다. 제안된 기법에서는 이미지에 존재하는 지역적 유사성을 이용하여 픽셀 값을 정확하게 예측하여 예측 이미지를 생성하였고, 생성된 예측 이미지와 원본 커버 이미지를 사용하여 차분 시퀀스를 생성한 후, 히스토그램 쉬프트 기법을 적용하여 기밀데이터가 은닉된 스테고 이미지(stego-image)를 생성하였다. 스테고 이미지로부터 기밀 데이터를 추출하고 원본 커버 이미지를 손실 없이 복원할 수 있다. 제안된 기법을 적용하면 기존의 APD 기법에 비하여 더 많은 기밀 데이터를 은닉할 수 있음을 실험으로 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.74-77
• /
• 2022

본 논문에서는 계층적 픽셀 예측과 컨텍스트 적응적 산술 부호화를 이용한 이미지 적응 무손실 압축 알고리즘을 제안한다. 입력 RGB 이미지는 먼저 가역적 색상 변환이 적용된다. Y 채널 이미지는 기존의 무손실 압축 인코더로 압축되고, U와 V채널 이미지는 Y 채널 이미지를 기반으로 예측된다. 원본과의 차이는 컨텍스트 적응적 산술 부호화를 통해 압축된다. 본 논문에서 제안된 알고리즘에서는 입력 이미지의 성질에 따라 산술 부호화에 사용되는 인코더의 개수를 적응적으로 변화시킨다. 또한 저주파 성분에 상대적으로 많은 자원을 집중시킴으로써 압축 성능을 향상시켰다. 제안된 방법은 기존에 사용되던 압축 방식들과 비교했을 때에도 의미 있는 성능을 보였다.

• 정보처리학회논문지B
• /
• 제15B권3호
• /
• pp.189-196
• /
• 2008

본 논문에서는 A/D 변환기, 모션 예측 회로와 ROI(Region of Interest) 탐지를 위한 주의 모듈로 구성된 CMOS 디지털 이미지 센서를 소개한다. 현재 논문에서 제시하고 있는 이미지 센서의 A/D 변환기와 모션 예측 기능은 하드웨어인 $0.6{\mu}m$의 CMOS 프로세싱 회로(processing circuit)로 구현되어 있으며, ROI 탐지는 주의 모듈로서 소프트웨어로 구현되어 있다. 현재의 이미지 센서는 명암도의 변화에 반응하며, 모션을 예측하기 위해 시간정보를 사용하기 때문에 이미지 센서의 응용분야는 한정되어 있다. 센서라는 본래의 특징을 가지게 하면서 이의 응용분야를 확장하기 위하여 정지영상 및 동영상을 위한 특징기반 주의 모듈을 사용하여 이미지 센서에 인지기능을 부여하고자 한다. 이러한 접근법을 통해 이미지 센서는 모션이 예측되지 않다거나 명암도 변화가 감지되지 않을 경우에도 부가적인 기능을 할 수 있다. 실험결과를 통해 현재 구현된 이미지 센서의 효율성 및 다양한 분야로의 확장가능성을 확인할 수 있었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.853-856
• /
• 2000

영상통신에 대한 관심이 다방면에서 증가되고 있고 동영상 압축에 있어서 복원 이미지 개선이나 압축 데이터의 감소에 대한 연구가 활발이 진행되고 있다. 본 논문에서는 움직임 예측 블록에 강한 직선 경계(edge)가 있는 경우 그 경계 주변에 원 이미지와 예측 이미지 간의 움직임 예측 오류가 많다는 점에 착안하여 움직임 예측블록을 개선 할 수 있는 알고리즘을 제안한다. 움직임예측 블록의 화소(pixel)값들을 이용해서 직선 경계의 각도와 움직임 예측 오류를 보상할 값을 구하고 경계위치에 보상함으로써 움직임 예측 오류 블록의 압축데이터가 감소된다. 기존의 동영상 압축 방법에 제안 방법을 첨가한 후 시뮬레이션 한 결과 동일한 PSNR에서 H.263+의 압축 데이터에 비해 평균 약 4% 개선된 압축데이터의 결과를 얻었다.

• 감성과학
• /
• 제2권2호
• /
• pp.67-74
• /
• 1999

본 연구는 실제 현장에서 적용할 수 있는 보다 구체적인 감성 데이터를 제공하기 위한 시도로서, 메이크업의 주요한 색채특성을 평가변인으로 하여 칼라 시뮬레이션 실험 및 분석을 실시하여, 최종적으로 색채감성 분석기법에 의한 이미지 유형별 예측모델을 작성하였다. 그 결과, $\ulcorner$품위있는.귀족적인$\lrcorner$, $\ulcorner$깔끔한.여성스러운$\lrcorner$, $\ulcorner$강렬한.도발적인$\lrcorner$, $\ulcorner$캐주얼한.경쾌한$\lrcorner$, $\ulcorner$수수한.부드러운$\lrcorner$의 5가지 이미지유형이 추출되었고, 이미지유형별로 이미지와 색채특성간의 정량적 예측모델을 작성한 후, 그 결과를 토대로 이미지유형별 색채팔레트를 제시하였다.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 1999년도 추계학술대회 논문집
• /
• pp.324-329
• /
• 1999

본 연구는 실제 현장에서 적용할 수 있는 보다 구체적인 감성 데이터를 제공하기 위한 시도로서, 메이크업의 주요한 색채특성을 정가변인으로 하여 칼라 시뮬레이션 실험을 실시한 후, 색채감성 분석기법에 의한 이미지유형별 예측모델을 작성하였다. 그 결과, $\ulcorner$품위있는ㆍ귀족적인$\lrcorner$, $\ulcorner$깔끔한ㆍ여성스러운$\lrcorner$, $\ulcorner$강렬한ㆍ도발적인$\lrcorner$, $\ulcorner$캐주얼한ㆍ경쾌한$\lrcorner$, $\ulcorner$수수한ㆍ부드러운$\lrcorner$ 의 5가지 이미지유형이 추출되었고, 이미지유형별로 이미지와 색채특성간의 정량적 예측모델을 작성한 후, 그 결과를 토대로 이미지유형별 색채팔레트를 제시하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.383-386
• /
• 2019

4 차산업혁명의 발달은 전 세계가 건강한 삶에 관련된 스마트시티 및 맞춤형 치료에 큰 관심을 갖게 하였고, 특히 기계학습 기술은 암을 극복하기 위한 유전체 기반의 정밀 의학 연구에 널리 활용되고 있어 암환자의 예후 예측 및 예후에 따른 맞춤형 치료 전략 수립 등을 가능케하였다. 하지만 암 예후 예측 연구에 주로 사용되는 유전자 발현량 데이터는 약 17,000 개의 유전자를 갖는 반면에 샘플의 수가 200 여개 밖에 없는 문제를 안고 있어, 예후 예측을 위한 신경망 모델의 일반화를 어렵게 한다. 이러한 문제를 해결하기 위해 본 연구에서는 고차원의 유전자 발현량 데이터를 신경망 모델이 효과적으로 학습할 수 있도록 2D 이미지로 표현하는 기법을 제안한다. 길이 17,000 인 1 차원 유전자 벡터를 64×64 크기의 2 차원 이미지로 사상하여 입력크기를 압축하였다. 2 차원 평면 상의 유전자 좌표를 구하기 위해 유전자 네트워크 데이터와 Node2Vec 이 활용되었고, 이미지 기반의 암 예후 예측을 수행하기 위해 합성곱 신경망 모델을 사용하였다. 제안하는 기법을 정확하게 평가하기 위해 이중 교차 검증 및 무작위 탐색 기법으로 모델 선택 및 평가 작업을 수행하였고, 그 결과로 베이스라인 모델인 고차원의 유전자 벡터를 입력 받는 다층 퍼셉트론 모델보다 더 높은 예측 정확도를 보여주는 것을 확인하였다.

• 한국융합학회논문지
• /
• 제9권2호
• /
• pp.151-156
• /
• 2018

본 논문에서는 효율적인 가역 워터마킹 알고리즘을 제안하였다. 제안된 기법을 사용하여, 커버 이미지에 은닉할 수 있는 저작권관련 정보의 양을 증가시킬 수 있다. 공간적 지역성과 표면 특성에 따라, 주변 픽셀들을 사용하여 픽셀 값을 정밀하게 예측할 수 있다. 예측된 픽셀 값과 커버 이미지의 원본 픽셀 값이 거의 같게 되면, 커버 이미지의 원본 픽셀 값과 예측 픽셀 값의 차이가 매우 적게 된다. 그러므로 차분 시퀀스에 대한 히스토그램의 피크 포인트에서의 빈도수가 크게 증가하게 된다. 따라서 커버 이미지에 은닉할 수 있는 기밀 데이터의 양이 크게 증가하게 된다. 실험 결과를 통하여 제안된 워터마킹 알고리즘이 기존의 알고리즘보다 우수함을 확인 할 수 있다.