• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.49 no.4
• /
• pp.36-44
• /
• 2012

Electrical impedance tomography is a relatively new imaging modality in which the internal conductivity (or resistivity) distribution of a object is reconstructed based on the injected currents and measured voltages through the electrodes placed on the surface of the object. In this paper, it is assumed that the relationship between the resistivity distribution and the resistance of electrodes is linear. From this linear relation, the weighting matrix can be obtained and modified iterative Landweber method is applied to estimate the internal resistivity distribution. Additionally, to accelerate the convergence rate and improve the spatial resolution of the reconstructed image, optimal step lengths for the iterative Landweber method are computed from the objective function in the least-square sense. The numerical experiments have been performed to illustrate the superior reconstruction performance of the proposed scheme.

• Korean Journal of Optics and Photonics
• /
• v.19 no.4
• /
• pp.270-275
• /
• 2008

This paper addresses occluded object reconstruction and recognition with computational integral imaging (II). Integral imaging acquires and reconstructs target information in the three-dimensional (3D) space. The reconstruction is performed by averaging the intensities of the corresponding pixels. The distance to the object is estimated by minimizing the sum of the standard deviation of the pixels. We adopt principal component analysis (PCA) to classify occluded objects in the reconstruction space. The Euclidean distance is employed as a metric for decision making. Experimental and simulation results show that occluded targets are successfully classified by the proposed method.

• Journal of Broadcast Engineering
• /
• v.25 no.6
• /
• pp.898-910
• /
• 2020

Single image-based super-resolution has been studied for a long time in computer vision because of various applications. Various deep learning-based super-resolution algorithms are introduced recently to improve the performance by reducing side effects like blurring and staircase effects. Most deep learning-based approaches have focused on how to implement the network architecture, loss function, and training strategy to improve performance. Meanwhile, Several approaches using Attention Module, which emphasizes the extracted features, are introduced to enhance the performance of the network without any additional layer. Attention module emphasizes or scales the feature map for the purpose of the network from various perspectives. In this paper, we propose the various channel attention and spatial attention in single image-based super-resolution and analyze the results and performance according to the architecture of the attention module. Also, we explore that designing multi-attention module to emphasize features efficiently from various perspectives.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.309-312
• /
• 2016

최근 실세계에 존재하는 물체의 3차원 형상과 색상을 디지털화하는 3차원 객체 복원에 대한 관심이 날로 증가하고 있다. 3차원 객체 복원은 영상 획득, 영상 보정, 점군 획득, 반복적 점군 정합, 무리 조정, 3차원 모델 표현과 같은 단계를 거처 통합된 3차원 모델을 생성한다. 그 중 반복적 점군 정합 방법은 카메라 궤적의 초기 값을 획득하는 방법으로서 무리 조정 단계에서 전역 최적 값으로의 수렴을 보장하기 위해 중요한 단계이다. 기존의 반복적 점군 정합 (iterative closest points) 방법에서는 시간이 지남에 따라 누적된 궤적 오차 때문에 발생하는 객체 표류 문제가 발생한다. 본 논문에서는 이 문제를 해결하기 위해 색상 영상에서 SIFT 특징점을 획득하고 3차원 점군을 얻은 뒤 가중치를 부여함으로써 점 군 간의 더 정확한 정합을 수행한다. 실험결과에서 기존의 방법과 비교하여 제안하는 방법이 절대 궤적 오차 (absolute trajectory error)가 감소하는 것을 확인 했고 복원된 3차원 모델에서 객체 표류 현상이 줄어드는 것을 확인했다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.07a
• /
• pp.376-377
• /
• 2011

본 논문에서는 스테레오스코픽 영상 및 깊이 프레임 오류 은닉 알고리즘을 제안한다. i) 좌측 컬러 프레임 오류 발생시 시간적 상관관계를 이용하여 프레임을 복원한다. iii) 우측 컬러 프레임 오류 발생시 깊이 정보 및 DIBR 기법을 이용하여 좌 우 시점간의 매칭 픽셀을 예측하고, 매칭된 픽셀의 움직임 벡터 및 밝기 차이를 이용하여 프레임을 복원한다. iii) 좌측 깊이 프레임과 iv) 우측 깊이 프레임의 오류 발생시 좌 우측 컬러 프레임의 움직임 벡터를 이용하여 손실된 프레임을 복원한다. 컴퓨터 모의 실험을 통해 제안하는 알고리즘의 스테레오스코픽 컬러 및 깊이 프레임 오류 복원 성능을 확인한다.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1998.05a
• /
• pp.457-462
• /
• 1998

유동장에서의 기포거동 정보의 중요성 때문에 이를 정확히 측정하기 위한 실험방법이 여러 가지로 발전해 왔지만 아직까지도 기포분포에 대한 정확한 정보 추출에는 도달하지 못하고 있다. 본 연구에서는 원래 의공학분야에서 새로운 tomography 기술로 연구되고 있는 EIT(Electrical Impedance Tomography) 기술을 2상유동에서의 기포분포 측정방법 개발에 적용하기 위한 기초연구와 기포분포 가시화를 위한 전산실험을 수행하였다. 기포분포 가시화를 위해서는 EIT inverse problem solver로 많이 사용되는 iNR(improved Newton-Raphson) 계열의 EIT 염상복원 프로그램을 본 연구진이 유전알고리즘(Genetic Algorithm)과 fuzzy-based mesh grouping 방법을 추가하여 개선한 영상복원프로그램을 사용하였다. 전산실험 결과 본 영상복원프로그램으로는 12$\times$12의 분해능으로 모사되는 기포분포를 저항률 오차한도 $\pm$1%의 신뢰도로 PC상에서 복원이 가능함을 확인하였다.

• Journal of KIISE:Software and Applications
• /
• v.28 no.5
• /
• pp.402-411
• /
• 2001

H.263 압축 방식은 실현하는데 여러 가지 문제가 있지만 그 중에서 그 대표적인 것은 인코딩 과정에서의 압축 시간이 오래 걸린다는 것이고 다른 한 가지는 과도한 압축률에 의한 복원된 이미지 화질 저하이다. 이 논문에서는 H.263에서의 압축 속도 향상과 복원 이미지의 화질 이미지의 화질 보상에 대한 두 가지 새로운 방법을 제안하였다. 압축 속도를 향상시키기 위해서 움직임 벡터를 찾는 알고리즘을 개선하여 새로운 4단계 탐색 알고리즘을 제안하였다. 또한 화질을 보상하기 위해 디코더에서 블록 아티팩을 제거하고 복원 이미지를 선명하게 하는 알고리즘을 제안하였다. 여기서 화질 보상은 원본 이미지와 동일하게 만드는 것이 아니라 인간이 더 좋은 영상으로 인식하도록 하는 걸 목적으로 한다. 우리가 제한한 알고리즘에 의해서 압축 속도는 초당 2.5에서 17 프레임으로 증가하였고 블록 아티팩을 제거하고 명암 대비를 높임으로써 보기 좋은 영상을 제공하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.521-524
• /
• 2018

자율주행기술은 오래전부터 연구되어왔으며 최근에 상용화를 위한 많은 연구개발이 빠르게 진행되고 있다. 본 논문에서는 자율주행의 핵심 기술 중 영상처리기술을 사용하여 차선을 검출하고 차선이 가려지거나 지워진 불완전한 영상으로부터 차선을 복원하는 연구를 수행하였다. 불완전한 차선 이미지로부터 차선을 검출하고 차선 복원 알고리즘을 제안하고 구현하였다. 제안한 차선을 복원하는 방법은 자율주행기술을 좀 더 신뢰할 수 있게 하며 자율주행 자동차의 상용화를 앞당기는데 기여할 것이다.

• Broadcasting and Media Magazine
• /
• v.26 no.3
• /
• pp.59-70
• /
• 2021

미래의 메타버스 환경에서 3차원 가상 휴먼 표현은 매우 중요한 기술이며 영상 또는 비디오로부터 3차원 가상 휴먼 모델링이 핵심 기술이다. 본 기고문은 이 분야에 대한 충분한 사전 지식의 제공을 목표로 한다. 휴먼 복원 문제를 다루는 연구가 늘어남에 따라, 본 기고문에서 우리는 단일 영상 혹은 비디오로부터의 3차원 휴먼 복원 연구들에 대해 조사하고 그 결과를 다음과 같이 체계적으로 제시한다. 첫째, 3차원 휴먼 복원에 대한 배경 개념을 정의한다. 둘째, 제안된 분류법, 기여도, 정량적 결과에 따라 기존의 방법들을 상세하게 분석한다. 셋째, 관련 데이터셋 및 정성적 결과를 요약하여 연구자들이 이를 쉽게 활용할 수 있도록 한다. 마지막으로, 우리는 각 연구들을 분석하여 해당 방법들의 장점과 약점을 제시한다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.51 no.6
• /
• pp.209-220
• /
• 2014

Compressive Sensing (CS) is a new signal acquisition paradigm which enables sampling under Nyquist rate for a special kind of signal called sparse signal. There are plenty of CS recovery methods but their performance are still challenging, especially at a low sub-rate. For CS recovery of natural images, regularizations exploiting some prior information can be used in order to enhance CS performance. In this context, this paper addresses improving quality of reconstructed natural images based on Dantzig selector and smooth filters (i.e., Gaussian filter and nonlocal means filter) to generate a new regularization called smooth residual error regularization. Moreover, total variation has been proved for its success in preserving edge objects and boundary of reconstructed images. Therefore, effectiveness of the proposed regularization is verified by experimenting it using augmented Lagrangian total variation minimization. This framework is considered as a new CS recovery seeking smoothness in residual images. Experimental results demonstrate significant improvement of the proposed framework over some other CS recoveries both in subjective and objective qualities. In the best case, our algorithm gains up to 9.14 dB compared with the CS recovery using Bayesian framework.