본 논문에서 우리는 정규화 된 혼합 노름(norm)을 이용한 다중 채널 영상 복원 알고리즘을 제안한다. 채널 내부와 채널 사이의 결정론적 정보를 이용하는 다중채널 복원 문제를 고려한다. 각 채널에서, LMS(Least Mean Square), LMF(Least Mean Fourth), 평탄 함수가 결합된 함수가 제안되었다. LMS와 LMF 사이의 적절한 분배를 제어하는 혼합 노를 매개변수와 해의 평탄 정도를 정의하는 정규화 매개 변수를 소개하며, 두 매개 변수는 각 채널의 잡음 특성에 따라 매번 반복적으로 갱신된다. 제안된 알고리즘은 각 채널의 잡음분포에 대한 지식이 필요하지 앉고 앞에서 언급된 매개 변수는 부분적으로 복원된 영상에 기반을 두고 조절하게 된다.
본 고에서는 디지털 홀로그램의 생성 및 복원 방법에 관한 주요 이슈를 다룬다. 디지털 홀로그램 특히 컴퓨터 생성 홀로그램은 최근 디지털 디스플레이 및 고속 병렬 컴퓨팅 기술의 발달과 더불어 급속한 발전을 보이고 있다. 컴퓨터 생성 홀로그램은 메쉬, 점 집합 등으로 구성된 가상 객체의 표면에서 발생한 광파가 회절되는 분포를 수치 계산하여 생성된다. 이를 위하여 파동 방정식으로부터 유도되는 주요 회절식들을 살펴보고 이를 바탕으로 한 수치 계산 모델을 제시한다. 생성된 디지털 홀로그램을 광학 장치를 통한 재생 없이 수치적 복원을 통해 복원 결과를 확인하는 기법과 관련 이슈 또한 설명한다.
본 논문에서는 블록 기반의 영상압축에 있어서 선택적 방향성 보간을 이용하는 공간적 에러 은닉 기법을 제안한다. 기존의 공간적 경계 정합 기법은 에지가 단순한 영역에서는 좋은 성능을 보이지만, 손실 블록 내에서 에지의 변화가 큰 영역에서는 좋지 못한 성능을 보인다. 제안된 기법은 이웃한 상하 블록들을 이용하여 에지의 연결성을 추정하고, 이에 따라 공간적 경계정합 기법과 이동 스트라이프 정합 기법을 선택적으로 이용한다. 따라서 에지변화에 적응적으로 대응함으로써 우수한 복원영상을 구할 수 있다. 제안된 기법은 슬라이스 단위의 에러에 대해 적합한 방식으로써, 복잡도가 낮을 뿐만 아니라 객관적 주관적으로 우수한 복원 화질을 얻게 해준다.
Cover image에 데이터를 임베딩 하여 stego-image를 생성하고, stego-image로부터 cover image를 손실 없이 복원하며 임베딩 된 데이터를 손실 없이 복원할 수 있는 가역 데이터 은닉기법의 성능을 개선하는 효율적인 기법을 제안하였다. 제안된 기법에서의 임베딩 된 데이터 크기는 이전의 기법에 비하여 더 크고, stego-image의 PSNR값은 48dB보다 더 크게 되는 것이 보장된다. 실험을 통하여 제안된 기법의 성능을 확인하였다.
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.
본 논문에서는 다시점 영상을 이용한 초고해상도 영상 복원 기법을 제안한다. 구체적으로 $5{\times}5$ 배열로 구성된 다시점 카메라로 25장의 영상을 취득하고, 가운데 카메라에 해당하는 초고해상도 영상을 저해상도 입력 영상과 24장의 저해상도 참조 영상을 활용하여 생성한다. 우선 입력 영상을 중심으로 스테레오 정합 기법을 이용하여 24개의 참조 영상에 대한 변이지도를 각각 추정한다. 그리고 저해상도 영상과 참조 영상에 있는 일치점들을 이용하여 초고해상도 영상을 복원한다. 최종적으로 반복적 균일화를 통해 초고해상도 영상을 보정한다. 실험을 통하여 본 논문에서 제안한 초고해상도 영상 복원 기법의 성능이 우수함을 확인한다.
본 논문에서는 generative adversarial network (GAN)을 이용한 비감독 학습을 통해 깊이 카메라로 깊이 영상을 취득할 때 발생한 손실된 부분을 복원하는 기법을 제안한다. 제안하는 기법은 3D morphable model convolutional neural network (3DMM CNN)와 large-scale CelebFaces Attribute (CelebA) 데이터 셋 그리고 FaceWarehouse 데이터 셋을 이용하여 학습용 얼굴 깊이 영상을 생성하고 deep convolutional GAN (DCGAN)의 생성자(generator)와 Wasserstein distance를 손실함수로 적용한 구별자(discriminator)를 미니맥스 게임기법을 통해 학습시킨다. 이후 학습된 생성자와 손실 부분을 복원해주기 위한 새로운 손실함수를 이용하여 또 다른 학습을 통해 최종적으로 깊이 카메라로 취득된 얼굴 깊이 영상의 손실 부분을 복원한다.
ATM망은 망 내부의 큐잉 랜덤 지연에 의한 CDV의 발생으로 클럭복원의 문제를 안고 있다. 큐잉에 의한 지연은 여러 가지 파라메터에 의해 좌우되며 특히 망의 부하와 트래픽이 전송되는 교환기의 수에 의해 크게 좌우된다. CBR 트래픽의 경우 이를 해결하기 위해 SAR 헤더에 송신부의 클럭 정보를 담아 보내고 수신부에서는 이 정보를 바탕으로 송신부의 클럭을 복원하는 SRTS 기법을 사용하고 있다. 그러나 실시간성을 요하는 VBR 트래픽은 CBR과는 달리 대역폭의 가변적인 성질을 가지고 있으며 그 변화가 다양하여 SRTS 기법을 그대로 적용하기 곤란하다. VBR의 경우에 CBR 전송을 위한 SRTS 기법을 그대로 적용하면 주파수의 가변성으로 인해 망 클럭 주파수에 비해 매우 낮은 주파수의 경우에는 사이클이 상대적으로 많아 정보의 정확성이 떨어지게 된다. 이를 방지하기 위해 서비스 클럭의 주파수가 낮은 경우에는 망 기준 주파수를 낮게 하므로써 정확성을 증가시킬 수 있다. 또한, VBR 트래픽의 경우 AAL1에서는 SRTS의 필요성이 강조되지 않으나 단지 CDV를 제거할 방법이 요구되어진다. 따라서 AAL1의 SRTS를 CDV의 측정을 위한 메카니즘으로 바꾸는 것이 필요하며, 각 기반으로하여 Wavelet 변환을 이용한 VBR 트래픽의 클럭 복원방식을 제안한다. 제안된 알고리즘은 ATM망에서 VBR 영상 서비스를 위한 AAL 계층에 이용이 가능하다. 시뮬레이션 결과는 wavelet 변환 블록에서 출력되는 계수 값을 선택하여 전송함으로써 VBR 트래픽의 보다 다양한 QoS를 만족시킬 수 있음을 보인다.
본 논문에서는 이진 영상에서 일부 정보가 손실된 경우에 히스토그램을 분석하여 구간을 분할한 후, 오츠 이진화와 퍼지 이진화 기법을 적용하여 원 영상을 이진화 한 후에 홉필드 네트워크를 적용하여 영상을 복원하는 방법을 제안한다. 제안된 방법은 그레이 영상에서 히스토그램을 분석하여 픽셀 값의 변화의 폭이 큰 부분들을 분석하여 구간들을 분할하고 변화의 폭이 큰 부분의 지점에 속하는 영역은 오츠 이진화 기법을 적용하여 이진화하고 그 외의 구간들은 퍼지 이진화 기법을 적용하여 영상을 이진화 한다. 그리고 이진화 된 영상을 홉필드 네트워크를 적용하여 학습한다. 실험 영상에 정보 손실이 발생한 영상을 대상으로 제안된 방법을 적용한 결과, 대부분의 정보 손실이 있는 영상에서 모두 복원되는 것을 확인하였다.
본 논문에서는 가이디드 영상 필터를 (guided image filter) 이용하여 컨볼루션 신경망 (convolutional neural network) 을 이용한 역 톤 매핑 (inver tone - mapping; iTMO) 기법의 결과를 향상 시킬 수 있는 알고리듬을 제안한다. 기존 low dynamic range (LDR ) 영상을 high dynamic range (HDR ) 디스플레이에서 표현할 수 있는 역 톤 매핑 기법이 과거부터 계속 제안되어 왔다. 최근에 컨볼루션 신경망을 이용하여 단일 LDR 영상만으로 넓은 동적 범위 (dynamic range) 를 가진 HDR 영상으로 변환하는 알고리듬이 많이 연구되었다. 기존의 알고리듬 중 포화 영역 (saturated region) 으로 인해 잃어버린 화소 정보를 학습된 컨볼루션 신경망을 이용해서 복원하는 알고리듬은 그 효과가 좋지만 포화 영역이 아닌 부분의 잡음을 제거하지 못하며 포화 영역의 디테일을 복원하지 못한다. 제안한 알고리듬은 입력 영상에 가중치 기반 가이디드 영상 필터를 사용해서 비포화 영역의 잡음을 제거하고 포화 영역의 디테일을 복원시킨 다음 컨볼루션 신경망에 인가하여 결과 영상의 품질을 개선하였다. 제안하는 알고리듬은 실험을 통해서 기존의 알고리듬에 비해 높은 정량적 화질 평가 지수를 나타내었고, 기존의 알고리듬에 비해 세부 사항을 효과적으로 복원할 수 있음을 확인할 수 있었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.