• Journal of the Korean Society of Radiology
• /
• v.16 no.3
• /
• pp.295-302
• /
• 2022

Sparse-view computed tomography (CT) imaging technique is able to reduce radiation dose, ensure the uniformity of image characteristics among projections and suppress noise. However, the reconstructed images obtained by the sparse-view CT imaging technique suffer from severe artifacts, resulting in the distortion of image quality and internal structures. In this study, we proposed a convolutional neural network (CNN) with wavelet transformation and residual learning for reducing artifacts in sparse-view CT image, and the performance of the trained model was quantitatively analyzed. The CNN consisted of wavelet transformation, convolutional and inverse wavelet transformation layers, and input and output images were configured as sparse-view CT images and residual images, respectively. For training the CNN, the loss function was calculated by using mean squared error (MSE), and the Adam function was used as an optimizer. Result images were obtained by subtracting the residual images, which were predicted by the trained model, from sparse-view CT images. The quantitative accuracy of the result images were measured in terms of peak signal-to-noise ratio (PSNR) and structural similarity (SSIM). The results showed that the trained model is able to improve the spatial resolution of the result images as well as reduce artifacts in sparse-view CT images effectively. Also, the trained model increased the PSNR and SSIM by 8.18% and 19.71% in comparison to the imaging model trained without wavelet transformation and residual learning, respectively. Therefore, the imaging model proposed in this study can restore the image quality of sparse-view CT image by reducing artifacts, improving spatial resolution and quantitative accuracy.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.36-38
• /
• 2021

본 논문은 물체 검출(Object Detection)과 물체영역분할(Object Segmentation)의 CNN 추론 결과를 MPEG-7 서술자 이진화를 통해 표현함으로써 원본과의 용량을 비교한다. 영상의 사용 목적에 따라 CNN 추론 결과를 압축하여 활용할 시 원본 영상 대비 용량을 측정하여 그 효율성을 판단하는 것이 목표이다. 물체 검출과 물체영역분할에 대한 추론 결과를 MPEG-7 서술자를 이용해 압축하였으며, 비교를 위해 원본 영상, CNN 추론 결과 파일, MPEG-7 서술자, MPEG-7 서술자 이진화 파일의 크기를 측정하였다. 실험 결과, MPEG-7 서술자를 이진화를 통한 표현 방식이 원본 영상 및 추론 결과 파일에 비해 효율적임을 알 수 있었다.

• Journal of Korea Multimedia Society
• /
• v.10 no.10
• /
• pp.1271-1283
• /
• 2007

To detect defect of FPD(flat panel displays) is very difficult due to uneven illumination on FPD panel image. This paper presents a method to detect various types of defects using the approximated image of the uneven illumination by B-spline. To construct a approximated surface, corresponding to uneven illumination background intensity, while reducing random noises and small defect signal, only the lowest smooth subband is used by wavelet decomposition, resulting in reducing the computation time of taking B-spline approximation and enhancing detection accuracy. The approximated image in lowest LL subband is expanded as the same size as original one by wavelet reconstruction, and the difference between original image and reconstructed one becomes a flat image of compensating the uneven illumination background. A simple binary thresholding is then used to separate the defective regions from the subtracted image. Finally, blob analysis as post-processing is carried out to get rid of false defects. For applying in-line system, the wavelet transform by lifting based fast algorithm is implemented to deal with a huge size data such as film and the processing time is highly reduced.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04a
• /
• pp.892-894
• /
• 2004

본 논문은 신인상주의(Neo-impressionism)의 분할적, 점묘적인 화풍을 표현하기 위한 회화적 렌더링(painterly rendering)의 알고리즘과 그 구현 방법을 다루고 있다. 논문에서 제시하는 알고리즘은 한 장의 영상을 입력으로 하여, 신인상주의 화가인 쇠라(Georges Seurat)나 시냑(Paul Signac)의 점묘화 같은 느낌을 주는 결과 영상을 만들어 낸다. 결과 화면은 두 단계로 구성되며 입력 영상에서 색을 분할된 영상, 색이 분할된 영상을 이용하여 브러시 스트로크를 생성하여 적응시킨 결과 영상으로 이루어진다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1286-1289
• /
• 2022

최근 영상 군집화 분야는 딥러닝 모델에게 Self-supervision을 주거나 unlabeled 영상에 유사-레이블을 주는 방식으로 연구되고 있다. 또한, 고차원 컬러 자연 영상에 대해 잘 압축된 특징 벡터를 추출하는 것은 군집화에 있어 중요한 기준이 된다. 본 연구에서는 자연 영상에 대한 Convolutional Auto Encoder의 특징 추출 성능을 평가하기 위해 설계한 실험 방법을 소개한다. 특히 모델의 특징 추출 능력을 순수하게 확인하기 위하여 Self-supervision 및 유사-레이블을 제공하지 않은 채 Naive한 모델의 결과를 분석할 것이다. 먼저 실험을 위해 설계된 4가지 비지도학습 모델의 복원 결과를 통해 모델별 학습 정도를 확인한다. 그리고 비지도 모델이 다량의 unlabeled 영상으로 학습되어도 더 적은 labeled 데이터로 학습된 지도학습 모델의 특징 추출 성능에 못 미침을 특징 벡터의 군집화 및 분류 실험 결과를 통해 확인한다. 또한, 지도학습 모델에 데이터셋 간 교차 학습을 수행하여 출력된 특징 벡터의 군집화 및 분류 성능도 확인한다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.510-513
• /
• 2002

대부분의 이진화 알고리즘은 임계치를 결정하기 위하여 히스토그램을 사용하여 밝기분포를 분석한다. 배경과 물체의 명도차이가 큰 경우에는 분할을 위해 양봉(bimodal) 히스토그램으로 표현하여 최적의 임계치를 찾기 위해 히스토그램 골짜기(valley)를 선택하는 것만으로도 양호한 임계치 결과를 얻을수 있으나, 배경과 물체의 밝기 차이가 크지 않거나 밝기 분포가 양봉 특성을 보이지 않을 때는 히스토그램 분석만으로 적절한 임계치를 얻기 어렵다. 그리고 한 영상에서는 넓은 영역에 걸쳐 명암도 변화가 일어나고 다양한 유형의 물체가 포함되어 있으므로 스케치 특징점 유무를 판별하는 임계치의 결정에는 애매 모호함이 존재한다. 따라서 본 논문에서는 영상에 대해 삼각형 타입의 소속함수를 적용하여 임계치를 동적으로 설정하고 영상을 이진화하는 방법을 제안한다. 제안된 퍼지 이진화 방법은 평균 밝기 값을 기준으로 가장 어두운 픽셀 값과 가장 밝은 픽셀값의 거리를 계산하여 밝기의 조정률을 구하여 최소 밝기값과 최대 밝기 값을 설정하고 삼각형의 소속 함수에 적용한다. 소속 함수에 적용된 소속도를 a-cut 을 적용하여 영상을 이진화한다. 다양한 영상에 적용한 결과, 기존의 이진화 방법보다 제안된 퍼지 이진화 방법이 효율적인 것을 알 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2012.10a
• /
• pp.82-83
• /
• 2012

본 논문에서는 세라믹을 비파괴 검사하여 얻어진 영상에서 세라믹의 결함을 검출하는 방법을 제안한다. 비파괴 검사를 통하여 얻어진 영상의 윤곽선을 추출하기 위하여 Prewitt 마스크를 적용한다. 그리고 비파괴 검사 영상의 잡음 비율을 최소화하기 위해 결함이 겹쳐진 윤곽선을 기준으로 감마 처리를 수행하고 임계치 이진화 기법을 적용하여 구간별로 결함을 검출한다. 구간별 결함을 통합하여 결함을 검출한다. 검출한 결함에 Grassfire 기법을 적용하여 미세한 잡음을 제거한다. 본 논문에서 제안된 방법의 성능을 평가하기 위해 비파괴 검사에 적용되는 영상을 대상으로 실험한 결과, 제안된 방법이 기존의 결함 검출 방법보다 결함 검출에 있어서 효과적인 것을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.393-396
• /
• 2003

고압축 영상신호에서 발생된 양자화잡음 제거 효과를 비교하였다. 잡음제거는 Soft-Threshold 기법을 이용하여 각 대역에서 양자화 잡음을 제거하였다. Soft-Threshold 기법에 적용하기 위해 각 대역별 잡음분산을 Monotonic 변환 및 SURE, Visu 방법으로 추정하여 양자화 잡음제거 효과를 PSNR로 비교하였다. 양자화 잡음 제거 결과 영상에 따라 달라지지만 유니폼 양자화 영상에서 약 5～6dB 정도의 영상품질 개선 효과가 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2013.05a
• /
• pp.361-363
• /
• 2013

비파괴 검사란 재료나 제품을 원형과 기능에 변화를 주지 않고 실시하여 원하는 정보를 획득할 수 있는 검사를 의미한다. 비파괴검사는 점검자의 육안 조사를 통한 수작업으로 이루어지고 있기 때문에 점검자의 주관이 개입되며, 점검자에 따라 검사 결과의 차이가 있을 수 있으므로 신뢰도의 차이가 발생하게 된다. 그러므로 본 논문에서는 비파괴 검사를 이용하여 획득한 세라믹 소재 영상에서 효율적으로 결함을 검출하는 방법을 제안한다. 제안된 방법은 세라믹 소재 영상에 가우시안 필터링 기법을 적용하여 잡음을 제거하고, Ends-in Search Stretching 기법을 적용하여 명암 대비를 강조한다. 명암 대비가 강조된 영상에 샤프닝 기법을 적용하여 윤곽선을 강조한다. 윤곽선이 강조된 영상에 $3{\times}3 $ Roberts 마스크를 적용하여 강조된 윤곽선을 추출하고, Glassfire 기법을 적용하여 라벨링한 후, 시그마 퍼지 이진화 기법과 형태학적 정보를 이용하여 잡음을 제거하고 결함 영역을 검출한다. 제안된 방법을 세라믹 소재 영상을 대상으로 실험한 결과, 효율적으로 결함을 검출하는 것을 확인할 수 있었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2000.11a
• /
• pp.266-270
• /
• 2000

내용기반 영상검색시스템에서 객체 단위로 영상을 검색하기 위해서는 영상에서 의미있는 객체를 추출하는 과정이 필수적이며, 이를 위해 영역 분할을 효율적으로 수행하기 위한 양자화가 선행되어야 한다. 일반적인 칼라 양자화 기법은 칼라 수를 줄이되 양자화 된 영상이 원시 영상과 가능할 비슷해 보이도록 하는 것을 목적으로 하지만, 영역 분할을 위한 칼라 양자화에서는 칼라의 표현보나는 의미있는 객체를 용이하게 추출할 수 있도록 양자화 하는 것을 목적으로 한다. 본 논문에서는 기존의 Octree 양자화 방법과 K-means 알고리즘의 장점을 조합하여 영역 분할에 용이한 양자화 결과를 얻을 수 있는 방법을 제안한다. 먼저, Octree 양자화 방법을 수행하여 얻어진 양자화 된 칼라들 중에서 시각적으로 유사한 칼라를 병합함으로써, Octree 양자화 방법의 단점인 강제 분할 문제점을 해결한다. 이어서, 병합 후의 양자화 된 칼라에 대해서만 K-means 알고리즘을 수행함으로써, 보다 빠른 시간 내에 영역 분할에 적합한 양자화 된 영상을 얻는다. 실험을 통해 제안한 방법의 효용성을 확인하였다.