• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 추계학술대회
• /
• pp.102-105
• /
• 2019

본 논문에서는 심층 신경망 검색 방법을 사용하여 이미지 고해상도화를 위한 심층 신경망을 설계하는 방법을 구현하였다. 일반적으로 이미지 고해상도화, 잡음 제거 및 번짐 제거를 위한 심층신경망 구조는 사람이 설계하였다. 최근에는 이미지 분류 등 다른 영상처리 기법에서 사용하는 심층 신경망 구조를 검색하기 위한 방법이 연구되었다. 본 논문에서는 강화학습을 사용하여 이미지 고해상도화를 위한 심층 신경망 구조를 검색하는 방법을 제안하였다. 제안된 방법은 policy gradient 방법의 일종인 REINFORCE 알고리즘을 사용하여 심층 신경망 구조를 출력하여 주는 제어용 RNN(recurrent neural network)을 학습하고, 최종적으로 이미지 고해상도화를 잘 실현할 수 있는 심층 신경망 구조를 검색하여 설계하였다. 제안된 심층 신경망 구조를 사용하여 이미지 고해상도화를 구현하였고, 약 36.54dB 의 피크 신호 대비 잡음 비율(PSNR)을 가지는 것을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제21권9호
• /
• pp.1738-1743
• /
• 2017

본 논문은 전처리를 이용하여 고해상도 영상을 얻어내는 효율적인 이미지 스티칭 기술을 제안한다. 2D스캐너는 문서처리를 위해 다양한 분야에서 꾸준히 사용되고 있으나 용지 크기 및 재질의 제한을 가지고 있다. 이런 한계를 저가 시스템으로 극복하기 위해서, 본 논문에서는 고해상도의 파노라마 영상을 생성하기 위한 효율적인 영상 스티칭 방법을 제안한다. 크기가 큰 문서를 모바일폰을 이용하여 스캔하기위해서, 촬영 높이를 고정해줄 간단한 휴대형 거치대를 이용하여 입력 영상 집합을 준비한다. 영상 정합 성능을 개선하기 위해서 전처리를 적용한 후, 연결 포인트를 검색한다. 알파 블렌딩으로 고해상도의 파노라마 이미지를 생성한다. 제안하는 기술은 기존 기술인 Open CV가 제공하는 영상 스티칭 기술보다 빠르고 간편하게 결과 영상을 제공한다. 실험 결과는 제안하는 기술이 기존 방법보다 약 3배 빠르며 성능 또한 더 우수함을 보여준다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.220-223
• /
• 2020

초해상화란, 저해상도의 영상으로부터 고해상도 영상을 복원하는 이미지 처리 기법이다. 최근 영상 출력 장치의 발전으로 고해상도의 영상을 출력할 장치는 많아지는 한편, 이에 맞는 고해상도 영상을 찍을 영상 기록 장치의 보급은 이에 비해 부족한 실정이다. 따라서 저해상도의 영상을 고해상도 영상으로 변환하는 초해상화 연구는 많은 분야에서 활용되고 있다. 문화재 영상에서의 초해상화는 특히 기존 문화재의 질감, 무늬 등을 보존해야하기 때문에 정교한 초해상화 과정이 요구된다. 본 논문에서는 문화재 영상의 초해상화 과정에 집중해, 기존 문화재의 질감, 무늬 등을 잘 보존하면서 영상 데이터의 양이 상대적으로 적은 경우에도 활용 가능한 기계학습 기범, GLM-SI를 이용한 문화재 영상 초해상화 방법을 제안한다. GLM-SI 를 사용한 초해상화 결과, 문화재 영상에서 선행 방법인 SI 에 비하여 4 배 초해상화에서 PSNR 0.12dB, SSIM 0.017, 8 배 초해상화에서 PSNR 0.23dB, 0.033 의 성능적 향상을 얻을 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.193-196
• /
• 2021

홀로그램(Hologram)은 3차원 물체에서 나오는 빛의 정보를 제어하는 기술이다. 현재는 컴퓨터 생성 홀로그램(CGH)으로 생성한 디지털 홀로그램에 관한 연구, 특히 물체에서 나오는 빛의 정보를 최대한 기록하고 재현하여 디지털 홀로그램의 해상도를 향상 시키려는 연구가 활발히 진행되고 있다. 이에 본 논문에서는 고해상도 홀로그램 영상을 얻기 위해 딥러닝 기반 초해상도(Super Resolution) 네트워크를 훈련 및 최적화하여, 저해상도 위상 홀로그램 영상으로부터 높은 화질의 홀로그램 영상을 재현하는 고해상도 위상 홀로그램 영상을 생성하는 것을 목표로 한다. 이때 위상 홀로그램 영상의 특성을 이용한 순환 손실 함수(Circular loss function)를 새롭게 제안하며, 기존의 이미지 초해상도 신경망 모델을 학습시킬 때 자주 사용하는 L1 손실 함수와 비교했을 때 약 0.13dB 정도의 성능 향상이 있었다.

• 한국멀티미디어학회논문지
• /
• 제14권11호
• /
• pp.1392-1400
• /
• 2011

최근 대부분의 디지털 이미지 응용분야에서는 영상 처리 및 분석을 위해 고해상도 이미지나 비디오가 요구되고 있다. 한편, 일반적인 영상획득시스템으로부터 획득한 영상신호는 획득하는 과정에서 물리적 영향, 제조 기술의 한계 및 환경적인 영향 등으로 인하여 영상의 화질 저하를 가져온다. 이러한 문제를 해결하기위해 연구되고 있는 방법 중 하나인 초해상도 복원 기술은 동일한 물체를 촬영한 다수의 저해상도 영상으로 고해상도 영상을 만들어내는 영상복원기술이다. 본 논문에서는 S&A (Shift & Add) 방법에 POCS (Projection onto Convex Sets) 이론을 적용하여 기존의 방법보다 개선된 알고리즘을 제안한다. 기존의 알고리즘은 잡음에 약하다는 문제점이 있다. 이를 해결하기 위해 제안한 방법에서는 복원단계에 사용되는 참조영상을 POCS이론에 적용하여 기존의 S&A방법과 결합하였다. 또한 광학적 왜곡에 해당하는 카메라 블러(blur) 연산자로 주파수 영역에서 BLPF (Butterworth Low-pass Filter)를 사용하여 기존방법의 문제점인 링잉현상을 해결하였다. 실험결과를 통해 잡음에 강하고 영상의 고주파영역을 향상시킨 제안한 초해상도 방법의 우수성을 확인하였고, 객관적 평가를 위해 기존의 방법과 PSNR (peak signal to noise ratio)을 비교하였다.

• 자원환경지질
• /
• 제49권5호
• /
• pp.381-388
• /
• 2016

본 연구에서는 독도 연안의 정밀 해저 지형도, 해저면 영상도와 고해상도 수중 영상 자료 결과들을 활용하여 통합 이미지화 및 3차원 중첩 주제도 작성을 통해 맵핑 기법에 대한 연구를 하고자 하였다. 통합 이미지화 기법은 해저 지형 자료와 해저면 영상도, 수중 영상 자료 등의 환경 정보를 통합하여 지구물리 자료를 보다 입체적으로 표현 가능한 주제도를 만드는 것이다. 정밀 해저 지형 자료 및 해저면 영상 자료는 독도 서도 남부 연안 주변의 수심 약 50 m 범위에서 획득하였으며, 고해상도 수중 영상은 같은 구역 내에서 주요 서식지 환경이 형성되어 있는 세 구역을 선정하고 촬영하여 획득하였다. 통합 맵핑 기법을 적용한 주제도는 정밀 해저 지형 자료를 기반으로 작성하였으며, 해저면 영상도와 고해상도 수중 영상을 지형 자료와 중첩 통합하고 분석 처리하여 독도 연안의 해저환경 및 서식지 특성을 나타내는 3차원 중첩 주제도를 작성하였다. 해저면 영상도와 고해상도 수중 영상 자료를 지형 자료와 통합한 3차원 중첩 주제도는 해저 지형 특성과 실제 해저면 환경을 연계하여 분석이 가능하므로 해저면 생태계의 환경 및 상황을 파악하는데 유용한 자료이다. 이는 독도 연안 환경과 같이 불규칙하고 다양한 외부 환경 변화 요소에 노출된 해저면 환경의 현재 해저면 환경 특성을 파악하고 모니터링을 위한 자료로의 활용이 가능할 것으로 판단되며, 자료의 활용 가치를 높이기 위해 향후에 지속적인 자료 축적을 수행하고 3차원 중첩 주제도 작성이 수반되어야 할 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.417-417
• /
• 2023

도시홍수는 도시의 주요 기능을 마비시킬 수 있는 수재해로서, 최근 집중호우로 인해 홍수 및 침수 위험도가 증가하고 있다. 집중호우는 한정된 지역에 단시간 동안 집중적으로 폭우가 발생하는 현상을 의미하며, 도시 지역에서 강우 추정 및 예보를 위해 레이더의 활용이 증대되고 있다. 레이더는 수상체 또는 구름으로부터 반사되는 신호를 분석해서 강우량을 측정하는 장비이다. 기상청의 기상레이더(S밴드)의 주요 목적은 남한에 발생하는 기상현상 탐지 및 악기상 대비이다. 관측반경이 넓기에 도시 지역에 적합하지 않는 반면, X밴드 이중편파레이더는 높은 시공간 해상도를 갖는 관측자료를 제공하기에 도시 지역에 대한 강우 추정 및 예보의 정확도가 상대적으로 높다. 따라서, 본 연구에서는 딥러닝 기반 초해상화(Super Resolution) 기술을 활용하여 저해상도(Low Resolution. LR) 영상인 S밴드 레이더 자료로부터 고해상도(High Resolution, HR) 영상을 생성하는 기술을 개발하였다. 초해상도 연구는 Nearest Neighbor, Bicubic과 같은 간단한 보간법(interpolation)에서 시작하여, 최근 딥러닝 기반의 초해상화 알고리즘은 가장 일반화된 합성곱 신경망(CNN)을 통해 연구가 이루어지고 있다. X밴드 레이더 반사도 자료를 고해상도(HR), S밴드 레이더 반사도 자료를 저해상도(LR) 입력자료로 사용하여 초해상화 모형을 구성하였다. 2018~2020년에 발생한 서울시 호우 사례를 중심으로 데이터를 구축하였다. 구축된 데이터로부터 훈련된 초해상도 심층신경망 모형으로부터 저해상도 이미지를 고해상도로 변환한 결과를 PSNR(Peak Signal-to-noise Ratio), SSIM(Structural SIMilarity)와 같은 평가지표로 결과를 평가하였다. 본 연구를 통해 기존 방법들에 비해 높은 공간적 해상도를 갖는 레이더 자료를 생산할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제31권5호
• /
• pp.395-408
• /
• 2015

고해상도 위성영상 모자이크는 두 장 이상의 위성영상을 공간적으로 합성하여 보다 넓은 단일 영상을 만드는 영상 처리 과정으로 원격탐사 분야에서 그 중요성이 날로 커지고 있다. 본 연구에서는 영상 모자이크 작업 시 요구되는 접합선 자동 추출기법과 이를 기반으로 한 모자이크 영상 제작 방법을 제시하였다. 대용량인 고해상도 위성영상에서 보다 빠르고 효율적인 접합선 추출하기 위해서, NDVI의 특성을 활용하여 빠르게 경계선을 추출하는 NDVI 기반 접합선 추출 알고리즘을 개발하였다. NDVI는 식생의 분포량 및 활동성을 나타내는 정규화 식생지수로 이를 활용하여 인공지역과 자연지역을 분리하여 초기 접합선을 추출하였다. Canny 에지 연산자를 적용하여 비용범위이미지를 생성하고, 초기 접합선을 기준으로 버퍼링 기법을 사용하여 범위 비용 이미지를 생성하였다. 다익스트라 알고리즘을 사용하여 접합선을 추출하고, 획득시기가 다른 인접영상간의 방사 왜곡을 줄이기 위하여 히스토그램 매칭을 수행하였다. KOMPSAT-2/3 위성영상을 이용한 실험결과, 두 영상의 기하학적 차이로 인한 시각적 불연속 특징이 감소됨을 확인할 수 있었고, 접합선 추출시 소요되는 연산시간이 감소되는 것을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.141-141
• /
• 2019

토양수분은 수문 분석에 있어 매우 중요한 인자 중 하나이며 최근 기후변화로 인한 가뭄, 홍수 및 산불발생과 같은 물 관련 재해 발생에 직 간접적으로 영향을 미치기 때문에 지표 토양수분산정은 매우 중요하다. Sentinel-1 SAR(Synthetic Aperture Radar)는 능동형 위성으로 10m의 공간해상도로 제공되기 때문에 기존의 토양수분 전용위성인 SMOS(Soil Moisure and Ocean Salinity), SMAP(Soil Moisture Active Passive) 및 GCOM-W1(Global Change Observation Mission Water) 등 다르게 고해상도 토양수분 산정이 가능하다. 그러나 Sentinel-1 SAR 센서에서는 고해상도 지표 관측 이미지 자료만 제공하며, 토양수분 자료를 직접적으로 제공하지 않는다. 따라서 본 연구에서는 2018년도 Sentinel-1 A/B IW(Interferometric Wide swath) 모드의 VH(Vertical Transmit - Horizontal Receive) 편파 영상과 Sentinel-1 SAR 위성자료 전처리 도구인 SNAP(Sentinel Application Platform)을 이용하여 후방산란계수를 산정하였으며, 산정된 후 방산란계수와 농촌진흥청에서 제공하는 65개 지점의 실측 TDR(Time Domain Reflectrometry) 토양수분의 관계를 이용하여 회귀모형을 도출 및 토양수분 공간분포를 산정하였다. 비록 불확실성은 어느정도 발생 하였으나, 전체적으로 TDR 관측값과 $10m{\times}10m$ 해상도의 Sentinel-1 SAR 기반 토양수분이 일치하는 경향을 보였다. 본 연구 결과는 수문, 농업, 산림, 재해 등 다양한 분야에 활용될 수 있을 것으로 판단된다.

• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.543-548
• /
• 2021

이미지는 해상도가 높을수록 이미지를 시청하는 사람들의 만족도가 높아지며 초고해상도 이미지화는 컴퓨터 비전이나 영상처리 분야 중에서도 연구 가치가 꽤 높아지고 있다. 본 연구에서는 주로 딥 러닝 초 해상도 모델을 사용하여 저해상도 이미지 LR의 주요 특징을 추출한다. 추출된 특징을 학습 및 재구성하고, 고해상도 이미지 HR을 생성하는 재구성 기반 알고리즘에 중점을 둔다. 본 논문에서는 재구성에 기반을 둔 초 해상도 알고리즘 모델에서 SRCNN과 VDSR에 대하여 알아보도록 한다. SRCNN과 VDSR모델의 구조 및 알고리즘 프로세스를 간략하게 소개하고 개선된 성능평가 함수에서도 다중 채널과 특수한 형태에 대하여 알아보도록 하며, 실험을 통하여 각 알고리즘의 성능을 이해하도록 한다. 실험에서는 SRCNN 및 VDSR 모델의 결과와 피크 신호 대 잡음 비 및 이미지 구조 유사도를 비교하는 실험을 수행하여 결과를 한눈에 볼 수 있도록 하였다.