• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.189-190
• /
• 2016

일반 영상의 영상확대를 위한 다양한 알고리즘이 존재한다. 하지만 적외선 열화상 영상의 경우 일반영상과 다른 특성을 가지고 있기 때문에 적외선 영상을 위한 영상 확대 알고리즘이 필요하다. 따라서 적외선 영상이 일반영상에 비해 디테일이 없다는 특성을 고려하여 복잡한 알고리즘을 적용시키기 보다는 ADRC 와 같은 단순한 분류 기법을 활용하여 LR-HR 패치를 분류하고 학습된 데이터를 이용하여 영상확대 알고리즘에 적용하였다. 알고리즘의 성능 향상을 위해 학습과정에 전처리 과정을 추가하여 합성과정에서 추가적인 연산량의 증가 없이 확대 영상의 선명도를 향상시키고자 하였다. 또한 확대된 적외선 영상이 동일 해상도의 가시광영상에 비해 선명도가 떨어진다는 점을 고려하여 확대된 적외선 영상에 가시광영상의 고주파 정보를 합성시켜 이전보다 영상의 선명도를 더 향상시키고자 하였다. 이와 같은 방법으로 영상 확대 알고리즘만 수행하였을 때 통상적인 영상확대 기법인 bi-cubic interpolation 기법보다 JNB 수치가 평균 0.0727 만큼 높은 결과를 확인할 수 있었고 가시광영상과 융합하였을 때 이전보다 평균 0.0742 만큼 더 선명해진 영상을 얻었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.465-467
• /
• 2019

본 논문에서는 영상생성이 가능한 딥러닝 네트워크를 이용하여 조영증강 CT 영상을 획득하는 연구를 수행하였다. CT는 고해상도 영상을 바탕으로 환자의 질병 및 암 세포 진단에 사용되는 의료영상 기법 중 하나이다. 특히, 조영제를 투여한 다음 CT 영상을 획득되는 영상을 조영증강 CT 영상이라 한다. 조영증강된 CT 영상은 물질의 구성 성분의 영상대비를 강조하여 임상의로 하여금 진단 및 치료반응 평가의 정확성을 향상시켜준다. 하지많은 수의 환자들이 조영제 부작용을 갖기 때문에 이에 해당되는 환자의 경우 조영증강 CT 영상 획득이 불가능해진다. 따라서 본 연구에서는 조영증강 영상을 얻지 못하는 환자 및 일반 환자의 불필요한 방사선의 노출을 최소화 하기 위하여 영상생성 딥러닝 기법을 이용하여 CT 영상에서 조영증강 CT 영상을 생성하는 연구를 진행하였다. 영상생성 딥러닝 네트워크는 generative adversarial network (GAN) 모델을 사용하였다. 연구결과 아무런 전처리도 거치지 않은 CT 영상을 이용하여 영상을 생성하는 것 보다 히스토그램 균일화 과정을 거친 영상이 더 좋은 결과를 나타냈으며 생성영상이 기존의 실제 영상과 영상의 구조적 유사도가 높음을 확인할 수 있다. 본 연구결과 딥러닝 영상생성 모델을 이용하여 조영증강 CT 영상을 생성할 수 있었으며, 이를 통하여 환자의 불필요한 방사선 피폭을 최소하며, 생성된 조영증강 CT 영상을 바탕으로 정확한 진단 및 치료반응 평가에 기여할 수 있을거라 기대된다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2000년도 추계학술발표논문집
• /
• pp.262-265
• /
• 2000

영상에서의 경계선추출은 영상의 강도의 변화를 이용한 경계영역의 가시화 기법이므로 gray level 영상이 가지는 강도를 이용하여 에지를 찾을 수 있다. 뇌 영상에는 MRI 영상과 같이 해부학적인 정보가 큰 영상과, PET 영상같이 perfusion으로 분석해야 할 영상이 있는데 그 경계가 뚜렷한 MRI 영상과 달리 PET 뇌 영상은 영상의 특성상 경계영역의 구분이 모호한 실정이다. 본 논문에서는 이러한 영상의 특성에 따라 뇌 영상에서 영상 강도에 대해 등분할을 한 후 vectorgram에서 magnitude의 영역을 선택하여 영상을 분할 하였다. 그리고 PET 와 MRI영상과 현미경 영상에 대한 결과를 비교하였다. Vertcrgram은 에지정보를 가지는 영상에 대해 벡터요소를 그래프화 한 것으로 방향성에 대한 평가를 통해 영역 분할을 하였다. 이러한 PET 영상의 2차원 분할 방법은 3차원 PET 영상 분석에 응용될 수 있을 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.577-579
• /
• 2001

본 논문에서는 웨이블릿 변환 기법으로 키프레임을 분석하여 객체 영역을 추출함과 동시에 가상의 객체 영상을 현실감있게 합성하는 기술에 대하여 연구하였다. 가상의 객체 영상이나 실물체 영상을 비디오 영상내에 삽입하여 좀 더 현실감있는 새로운 동영상 비디오 데이터를 제작하는 데 초점을 맞추어 연구를 진행하였다. 웨이블릿 변환이 새로운 영상을 재구성하는데 커다란 기여를 하였으며 본 논문에서 제시한 AR 영상 합성 기법은 동영상 데이터를 합성하는데 사용자가 원하는 지점에 정확하게 영상의 특성정보를 충분히 잘 살린 새로운 방법의 시도였다. 또한, 영상의 캘리브 레이션 방법을 거치지 않고 비디오 영상의 회전행렬과 위치성분을 계산하여 매핑된 가상의 객체 영상을 영상 보간법을 적용하여 직접 가사의 객체 영상을 비디오 객체 영상을 비디오 영상열에 삽입한다. 제시한 영상 합성 기법은 가상의 객체 영상이 디지털 동영상내에 삽입되었을 때 가장 큰 문제점인 떨림 현상과 부조화 현상이 제거되었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 1998년도 춘계학술발표논문집
• /
• pp.28-33
• /
• 1998

대량의 영상데이터베이스에서 질의영상에 대한 유사영상을 검색할 때의 유사도 계산을 위한 시간소모는 영상의 실시간 검색효율을 저하시키는 요인이 된다. 본 논문에서는 키영상(key image)을 이용하여 영상데이터베이스의 각 영상과 키영상의 유사도를 미리 계산해 둠으로써 질의영상과 데이터베이스 영상간의 유사도 계산시간을 단축시킨다. 그리고 검색효율을 높이기 위해 1차적으로 칼라특징으로 유사영상들을 분류한 후, 1차 분류된 영상들만을 대상으로 계층적으로 질감특징값으로 영상을 비교함으로써 검색효율을 상승시킨다. Oracle 데이터베이스 상에서 본 계층적 내용기반 영상검색시스템을 구현하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 하계학술대회
• /
• pp.347-348
• /
• 2018

본 논문에서는 야간 도로 영상을 보정하여 주간 영상으로 변환하는 알고리즘을 제안한다. 영상 변환 딥러닝 알고리즘인 Generative Adversarial Network(GAN)를 기반으로 주야간 도로 영상을 학습시켜 주야간 상호 변환이 가능한 시스템을 구현한다. 우선, 입력 영상에 대해 변환된 영상을 출력하는 generative network 를 정의한다. 또한, 변환된 영상을 다시 본래 영상으로 변환하는 inverse network 를 정의한다. Generative network 와 inverse network 를 모두 통과한 결과 영상과 본래 영상의 차 영상을 통해 손실 함수를 정의함으로써 파라미터를 목적에 맞게 학습시킬 수 있다. 또한, generative network 를 통과한 결과 영상과 목적하는 영상을 구분하는 discrimination network 를 정의하여 discrimination network 와 generative network 의 minimax two- player game 을 통해 변환된 영상이 실제 목적 영상과 유사하도록 유도한다. 제안하는 알고리즘을 적용하여 야간 도로 영상의 보정을 수행하면 주변 물체 인식이 어려운 야간 영상을 물체 인식이 용이한 주간 영상으로 변환 할 수 있다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 춘계학술대회 논문집
• /
• pp.187-190
• /
• 2006

본 연구에서는 QuickBird 도심지역 영상을 이용하였으며, 텍스쳐영상생성기법과 웨이브릿 기법을 이용하여 생성시킨 웨이브릿 기반 텍스쳐 융합 영상(이하 융합영상)을 원본영상의 새로운 밴드로 추가시켜 분류작업을 수행하였다. 이외에도 비교분석을 위하여 원본영상에 텍스쳐 영상을 추가시킨 영상과, 텍스쳐와 융합영상을 모두 추가시킨 영상을 이용하여 분류작업을 수행하였다. 분류에는 ISODATA 무감독분류 기법을 사용하였으며, 텍스쳐 영상과 융합영상을 같이 추가시킨 영상을 이용하였을 때 분류정확도가 가장 많이 향상되는 것으로 나타났다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (B)
• /
• pp.199-202
• /
• 2007

본 논문에서는 주어진 영상을 필터링하여 영상의 스타일을 제거하는 방법을 제시한다. 스타일이 제거된 영상은 영상 분류, 특징점 인식, 영상 분할 등의 다양한 용도에 쓰일 수 있다. 또한 원래 영상과 스타일이 제거된 영상을 비교하여 영상의 스타일을 유추할 수 있다. 본 논문에서는 이를 위해 주어진 영상에서 스타일 벡터를 계산한 후 계산된 스타일 벡터를 이용하여 영상에 양방향 필터링을 적용한다. 이 때 영상의 경계 부분에서 스타일을 효과적으로 분리하는 방법과 다중 해상 처리 방법을 적용하여 다양한 크기와 방향의 스타일을 찾아낸다. 그 결과 주어진 영상에서 다양한 크기와 방향의 스타일을 제거하고 영상의 중요한 내용만을 효과적으로 나타낸다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.231-234
• /
• 2016

본 논문에서는 전송하고자 하는 원영상 대신에 전혀 다른 영상을 전송하여 원영상 정보를 보호하는 스테가노그래피(steganography) 기법을 제안한다. 전송할 영상의 자연스러움을 잃어버리지 않으면서 원영상을 복구할 수 있는 차영상 정보를 LSB(Least Significant Bit)에 담고, 픽셀간의 위치 관계를 무작위로 섞어 줌으로써, 원영상을 보호하는 기법을 제안한다. 본 논문에서는 우선 원영상과 전송할 영상 (cover image)의 차영상을 생성하고, 각 픽셀의 차이값을 큰 범위로 양자화하여 차영상의 데이터 크기를 줄인다. 그리고, 각 픽셀의 차이값을 전송할 영상의 4 픽셀에 걸쳐서 하위 2bit 에 나누어 담는다. 8bit 영상에서 하위 2 bit 를 다루기 때문에, 각 채널 밝기값의 최대 차이값은 3 으로 설정되어 자연스럽게 영상을 생성할 수 있다. 끝으로 신호의 보호를 위하여 차영상의 픽셀과 전송할 영상의 픽셀간의 대응위치를 무작위 순열로 변환하여 외부에서 쉽게 복원할 수 없도록 한다. 이러한 스테가노그래피 제안 기법을 통하여 원영상 대신에 커버 영상을 전송함으로써, 자연스러운 정보전송이 가능하며, 외부의 감시와 복원에 안전한 정보보호 기능이 강화될 수 있다. 여러 영상에 대한 실험을 통한 제안 기법에 의하면, 전송되는 커버 영상이 자연스럽기 때문에 외부에서 정보가 숨겨진 사실을 느끼지 못하며, 송수신 장치에 내장된 무작위 순열을 통하여 외부에서는 원영상 정보를 복구하는 것도 매우 어렵게 되어 있음을 확인하였다. 본 제안 기법은 군사통신이나 중요한 정보를 다루는 기관에서의 정보 전달 및 정보보호 시스템에서 사용될 수 있다.

• 대한자기공명의과학회:학술대회논문집
• /
• 대한자기공명의과학회 2001년도 제6차 학술대회 초록집
• /
• pp.171-171
• /
• 2001

목적： 뇌 자기공명영상에서 Z-score를 이용한 관류 영상과 조영전후의 감산에 의한 역동 영상의 관류 양상을 비교 관찰 하고자 한다. 대상 및 방법： 뇌 자기공명영상에서 이상 소견이 없는 젊은 환자 1명, Moya moya 환자 1, 중대뇌동맥 폐색 환자 1명, 외상후 증후군 1명, 뇌종양 1예를 대상으로 하여, 뇌의 routine 자기공명 영상과 함께 Gd-DTPA 0.1 mmol/kg를 급속 주사 후 자화율 대조 EPI 영상을 얻었다. 영상 기기는 Magnetom Vision(Siemens Medical Systems, Erlangen, Germany)이며, EPI 영상 지표들은 TR/TE는 0.8/29 msec, slice 두께 6 mm, slice 수 10, 화소수 128 $\times$ 128, FOV 215 $\times$ 215 mm, 영상획득 1 회, 1회 검사시간 1.32 초, 검사수 30 회로서, 총 검사시간은 40 초였다. 검사 후 영상처리(post processing)는 Magnetom Vision의 VB31D 자체 프로그램을 이용하였는데, 2-score를 이용한 관류영상은 조영제 유입전 영상들, 조영제 최대 유입기 영상들, 그리고 조영제 배출기 영상들 4-5 회를 각각 한 군으로 하여, Z-score 1.2에서 2.0 사이에서 여러번 반복하여 영상을 재구성하였다. 감산에 의한 역동영상은 조영제 도달 전의 영상으로부터 조영제 유입 후의 영상을 차례로 빼어서 영상을 재구성하였으며, 이들 영상을 재정리하여 각 단면의 시간 경과에 따른 관류 양상을 연속하여 관찰하였다 두 방법에 의한 영상 재구성은 각각 약 10분 정도가 소요되었다.