• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.144-144
• /
• 2012

하천 제방의 안정성을 평가하기 위해서는 홍수시 제방 주변의 흐름특성을 분석하는 것이 필요하다. 일반적으로 홍수시 유속은 측정된 홍수량을 이용한 단면평균유속을 이용하여 평가를 하고 있기 때문에 제방 주변의 흐름특성을 정확하게 분석하는데 한계가 있다. 이를 개선하기 위해서는 홍수시 제방 주변의 유속을 측정하여야 하는데 접근이 어렵고 위험하기 때문에 봉부자 또는 유속계를 이용한 유속측정이 어려운 실정이다. 이와 같은 경우 제방 주변의 영상 분석을 이용한 표면영상유속계의 활용이 좋은 대안이 될 수 있다. 표면영상유속계의 경우 원거리에서도 줌을 이용하여 영상을 획득할 수 있고, 측정 시간이 짧기 때문에 제방 주변의 유속을 간편하게 측정 가능하다. 하지만 표면영상유속계(SIV)는 영상좌표와 물리좌표 사이의 좌표 변환을 필요로 한다. 종전까지는 일반적으로 8-변수 좌표 변환법이 널리 이용되었으나, 이 방법은 최소한 4점 이상의 참조점이 필요하기 때문에 수면위에 참조점을 설치해야 하는 어려움이 있다. 또한, 내삽을 하는 방법이기 때문에 참조점 내부의 점에 대해서는 비교적 정확한 변환이 가능하지만, 참조점 외부의 좌표들에 대해서는 부정확한 변환이 되는 단점이 있었다. 따라서 본 연구에서는 카메라 모형을 이용하여, 새로운 좌표 변환식을 유도하였다. 이 영상좌표 변환식은 참조점을 이용하지 않으며, 수면과 카메라간의 연직 거리와 카메라의 기울어진 각도만을 이용하여 좌표 변환이 가능한 방법이다. 참조점을 필요로 하지 않기 때문에 측량의 번거로움이 없으며, 변환식내에서 내삽을 하지 않기 때문에 영상 전체에 대해 고른 좌표 변환이 가능한 장점을 지니고 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.851-854
• /
• 2005

본 논문에서는 영상 내 객체들의 운동시차를 이용하여 실시간으로 2차원 영상을 입체 영상으로 변환하는 알고리즘을 제안하였다. 제안한 입체 영상 변환 알고리즘은 영상 내 객체 분할, 운동시차를 이용한 운동 객체 검출, 시차 처리를 이용하여 입체 영상으로 변환한다. 입체 영상 변환 알고리즘의 성능 평가를 위해 좌안과 우안 영상의 절대 차이 영상을 이용하여 기존의 MTD 방식과 시뮬레이션 결과를 비교, 분석하였다. 제안한 알고리즘은 영상의 운동 방향 및 속도에 상관없이 다양한 영상원에 대해 실시간 입체 영상 변환이 가능하다. 입체 영상 변환 장치는 VHDL로 설계하였으며, FPGA 테스트 보드 구현을 통해 성능 및 기능을 검증하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.205-208
• /
• 2015

3D 입체영상을 제작하기 위해서는 2D 영상제작에 비해 오랜 제작 기간과 많은 비용이 발생한다. 비용 절감을 위해 기존의 2D 영상을 3D 입체영상으로 변환하는 연구가 진행되고 있다. 2D 영상을 3D 입체영상으로 변환하는 방식은 자동변환방법과 수동변환방법으로 구분할 수 있으며, 고품질의 2D-3D 변환 영상을 획득하기 위해서는 깊이정보 지도(Depth map chart)를 활용한 수동변환 방법을 많이 사용되고 있다. 하지만 2D-3D 수동변환에 사용되는 깊이정보 지도의 정량적 분석 데이터가 부족하여 사용자가 변환한 이미지에 대한 정확한 기준 깊이값 설정이 어려운 단점이 있다. 본 논문에서는 깊이정보 지도의 깊이값 정보에 대한 정량적 분석 데이터를 바탕으로 한 2D-3D 수동변환 변화범위를 제시함으로써 적정한 영상 변화를 유도할 수 있도록 한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.169-172
• /
• 2015

영상회의 장치에서 눈맞춤 영상을 생성하기 위해 어파인 변환(affine transformation)을 이용하면 반올림 오차(round-off error) 때문에 홀이 발생한다. 이러한 홀을 채우려면 홀 영역을 가리키는 홀 채움 마스크가 필요하다. 홀 채움은 보통 홀 채움 마스크를 참조하여 홀이 아닌 이웃 화소값들을 기반으로 손상된 영상을 복원하는 작업이다. 따라서 홀 영역을 정확히 검출하고 적당한 개수의 이웃 화소값을 참조해야 자연스러운 홀 채움 영상을 생성할 수 있다. 한편, 눈맞춤 영상을 생성할 때 얼굴 특징점을 이용해 얼굴 변환 마스크를 만들고, 얼굴 변환 마스크에만 어파인 변환을 수행한다. 이 논문에서는 얼굴 특징점에도 어파인 변환을 수행하고 수정된 얼굴 변환 마스크를 획득하여 정확한 홀 채움 마스크를 구한다. 또한, 홀 채움 마스크에서 레이블링을 수행하여 큰 홀 영역을 제거한다. 마지막으로, 어파인 변환을 수행할 때 기존 영상의 좌표값을 이용하여 자연스러운 홀 채움 영상을 생성한다. 제안하는 방법으로 홀 채움을 수행한 결과, 연속적인 눈맞춤 동영상에서 이웃값들을 참조하여 홀 채움을 수행한 영상보다 자연스러움을 확인했다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.06e
• /
• pp.181-184
• /
• 1998

웨이브렛 변환은 신호나 영상을 분석하기 위한 다해상도 분해기법으로 사용되어 왔다. 웨이브렛 변환영역에서 신호는 스케일과 위치상의 크기로 표현된다. 이 변환영역에서는 신호나 영상의 주파수 성분들이 각각의 스케일에 따라서 분리되어 나타난다. 또한 각 변환영역은 신호나 영상의 공간적인 특성을 상당부분 포함하고 있다. 이러한 웨이브렛 변환의 특성은 푸리에 변화에 기초한 방법과는 달리, 에지와 잡음성분을 효과적으로 분리할 수 있는 정보를 우리에게 제공해 준다. 본 논문에서는 웨이브렛 변환영역의 각 스케일 특성과 공간적인 특성을 이용하여 영상의 잡음성분을 제거하였다. 잡음제거 기법의 성능평가를 위해 Wiener 필터링 방법과 비교하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2005.11a
• /
• pp.185-188
• /
• 2005

DTV-to-DMB 비디오 변환을 위해서는 기본적으로 MPEG-2 MP@HL의 HDTV/SDTV급 영상을 MPEG-4 AVC BP@1.3의 QCIF/QVGA/WDF/CIF급 영상으로 변환하는 과정이 필요하다. 본 논문에서는 DTV-to-DMB 비디오 변환을 위해 DTV의 고해상도 영상을 DMB의 저해상도 영상으로 축소하는 방식을 제안하고 있다. DTV-to-DMB 비디오 변환은 실시간 변환이 고려되어야 하며, 실시간 변환을 위해서는 축소 방식의 시간 복잡도가 고려 되어야 한다. 일반적으로 낮은 시간 복잡도를 갖는 영상 축소 방식으로는 대상 영상의 하나의 픽셀을 참조 영상 내 대응하는 픽셀들 중 한 픽셀을 선택하여 결정하는 방식(Just Get A Pixel)이 있으며, 참조 영상의 대응하는 픽셀들의 평균값을 선택하는 방식 (Average Shrink)과 중간값을 선택하는 방식 (Median Shrink)이 있다. 한편, DTV 영상은 인터레이스 방식을사용하며 DMB의 프로그레시브 방식 영상으로 변환 처리 과정에서, 움직임이 큰 영상에 대해 사물의 윤곽선이 계단 모양으로 보이는 재그 에지 (Jagged Edge) 현상이 나타난다. 본 논문에서는 대상 영상의 한 픽셀을 참조 영상의 대응하는 픽셀들 중 중간 위치의 몇 개 픽셀들과 주변 인접 픽셀들을 선출하여 그것들의 평균값 (Average)을 구하여 결정하는 Center Average 축소 방식을 제안한다. 제안된 방식은 기본적인 축소 방식을 기반으로 하여 낮은 시간 복잡도를 갖으며, 재그 에지 (Jagged Edge) 현상을 줄여 준다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.107-107
• /
• 2016

표면영상유속계는 영상분석을 이용하여 홍수시 하천 수표면 유속을 측정하는 비접촉식 유속측정장치이다. 때문에 안전하고 편하게 홍수시 유속을 측정할 수 있으나, 이를 위해서는 영상과 실세계와의 좌표변환을 위한 참조점 측량이 반드시 필요하였다. 좌표 변환에 8-변수 사영변환을 이용할 경우 최소한 4개의 참조점이 필요하다. 그러나 홍수시 참조점 측량은 불가능에 가까우며, 홍수전후의 측량도 매우 번거로운 일이다. 본 연구에서는 참조점을 이용하지 않고, 좌표변환 관계를 구성할 수 있는 카메라 모형(camera model)을 구성하였다. 여기서 카메라 모형은 실세계 좌표(world coordinates)를 영상좌표(image coordinates)로 변환해 주는 관계를 말한다. 이 카메라 모형에 필요한 외부 변수는 하천수표면과 카메라와의 높이 및 카메라의 두 가지 경사각뿐이다. 여기에 일반적인 카메라 보정에 이용하는 방법으로 구한 카메라 내부 변수를 결합하면 된다. 이 모형은 표면영상유속계 장비로 스마트폰을 이용할 때 간편하게 적용할 수 있으며, 별도의 경사계만 부착하면 일반적인 CCTV나 캠코더를 이용할 때도 적용할 수 있다. 이 카메라 모형과 종래 사용하던 8-변수 사영변환에 의한 좌표변환관계를 비교한 결과 상호간 오차가 거의 없이 적용할 수 있었다. 또한, 스마트폰 표면영상유속계와 열영상 표면영상유속계에 적용한 결과 종전보다 훨씬 적용이 간편하며, 정확도 또한 거의 차이가 없이 적용할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 1998.06a
• /
• pp.127-130
• /
• 1998

3차원의 영상을 2차원 화면에 투영시키기 위해서는 영상에 대한 카메라의 촬영 각도와 촬영 거리를 일치시켜주어야 한다. 이를 위해서 다른 각도와 거리에서 촬영한 영상을 같은 각도와 거리에서 촬영한 영상으로 만들어 주는 변환을 만들었다. 그러나 이러한 변환을 하였을 때 디지털 영상은 경계부분이나 직선 등이 끊어지는 현상이 발생하게 된다. 본 논문에서는 변환된 영역에서의 정수 점에 원래 영상의 점을 바로 대응시키지 않고 주변 점의 다항식으로 나타낼 수 있다. 이 다항식의 계수를 정하는 방법으로 변환된 영역에서의 정수 점에 대응하는 원래 영상의 점을 구하여 2차 선형 보간법(Bilinear interpolation)을 사용하였다. 변환된 영역에서의 정수 점에 대응하는 원래 영상에서의 좌표를 얻기 위해 주변 4개의 점 내에서는 부분적으로 선형적임을 가정하였다. 위의 방법으로 주변 점들의 에너지를 각 정수 점들로 분산시킴으로써 경계 점이나 직선들이 잘 보존된 상태로 변환할 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2561-2563
• /
• 2003

본 논문은 비-스플라인(B-spline) 보간법을 이용한 영상의 변환에 대하여 논한다. 국소적인 영상의 정보나 세분화된 영상의 정보를 얻기 위해 영상의 확대 변환이 필요하다. 본 논문에서는 영상의 확대 변환을 위해 선형 (linear), 큐빅 (cubic), 인근치 (nearest neighbour)등의 보간법 [2]과 비-스플라인(B-Spline) 보간법[1][3][4]을 적용하였다. 실험을 통하여 비-스플라인 보간법이 현재 많이 사용되고있는 인근치 보간법, 선형 보간법, 큐빅 보간법들 보다 상대적으로 우월한 영상의 질을 가져옴을 보였다. 결론적으로, 영상의 기하학적 변환에 있어 기존의 세 가지 보간법들 보다 비-스플라인 보간법을 사용한 경우에 더 좋은 결과를 가지며, 비-스플라인 함수의 차수가 고차로 갈수록 영상의 질이 향상됨을 알 수 있다. 렌즈 등에 의한 왜곡현상을 가지고 있는 위성 사진이나 의료 영상을 기하학적 변환을 통하여 보정하는데 비-스플라인 보간법을 적용할 수 있다.