• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.425-428
• /
• 2020

본 논문에서는 경계 합성곱 신경망(Convolutional neural network, CNN)기반의 슈퍼 해상도 기법을 이용하여 저해상도 옷감 메쉬를 슈퍼 해상도로 노이즈 없이 안정적으로 표현할 수 있는 기법을 제안한다. 저해상도와 고해상도 메쉬들 간의 쌍은 옷감 시뮬레이션을 통해 얻을 수 있으며, 이렇게 얻어진 데이터를 이용하여 고해상도-저해상도 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 옷감 메쉬를 지오메트리 이미지로 변환하여 사용한다. 우리가 제안하는 경계 합성곱 신경망은 저해상도 이미지를 고해상도 이미지로 업스케일링 시키는 이미지 합성기를 학습시키기 위해 사용된다. 테스트 결과로 얻어진 고해상도 이미지가 고해상도 메쉬로 다시 변환되면, 저해상도 메쉬에 비해 주름이 잘 표현되며, 경계 부근에서 나타나는 노이즈 문제가 완화된다. 합성 결과에 대한 성능으로는 전통적인 물리 기반 시뮬레이션보다 약 10배 정도 빠른 성능을 보여준다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.490-494
• /
• 2007

본 논문에서는, 한 장의 저해상도 영상으로부터 고해상도 영상을 생성하는 새로운 방법을 제안한다. 제안하는 방법은 고해상도 영상과 저해상도 영상의 관계를 나타내는 선형연립방정식을 푸는 원리에 기초한다. 하지만 이러한 방정식은 일의적으로 정해지지 않기 때문에 고해상도 영상을 나타내기 위챈 사용된 미지수를 축소하기 위한 이산코사인변환(DCT)의 에너지 집중특성을 이용하였다. 또한 그 구현방법으로 저해상도 영상을 일련의 작은 블록으로 나누어 각 블록영상에 적용하는 블록분할법(block division method)과 전체프레임 영상에 직접 적용하는 전 프레임법(full frame method)을 사용하였다. 최종적으로 본 제안방법의 유효성을 확인하기 위해 시뮬레이션 실험영상에 적용한 결과 양호한 결과를 나타냈다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 1998.06a
• /
• pp.117-120
• /
• 1998

주파수 영역에서의 엘리어싱 관계를 이용하여 고해상도 영상을 복원할 때, 기존의 주파수 영역에서의 방법은 복원에 필요한 저해상도 영상이 충분하지 않거나, 저해상도 영상들이 가지는 정보가 적절하지 않을 경우에 대해서 원하는 고해상도의 영상을 얻을 수 없었다. 이를 극복하기 위해 공간 영역으로 재해석하면 확장된 다중채널의 정규화를 사용할 수 있었으며, DFT대신에 DCT를 사용하여 연산량을 줄일 수 있었다. 또한 정규화를 사용하였기 때문에 저해상도 영상의 움직임 정보가 올바르지 않을 경우에도 이를 보상해 줄 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.75-77
• /
• 2015

디스플레이 해상도가 지속적으로 고해상화가 되면서, 기존 저해상도 영상을 고해상도 디스플레이 크기에 맞춰 해상도를 키우는 기법인 초해상화(super-resolution, SR) 기법에 많은 관심이 쏟아지고 있으며 이에 대한 많은 초해상화 논문들이 게재되었다. 이 중 현재 최상 품질의 고해상도 영상을 복원하는 한 초해상화 기법은, 입력 받은 저해상도 영상을 자가 예제(self-examples)로 사용하여 선형 매핑(linear mapping)을 통해 점진적으로 여러 레벨(level)를 거쳐 조금씩 키우는 방법이다. 이때 각 레벨마다 기존 저해상도 영상 크기로 반복적으로 줄여 오차를 줄이는 역투영법(back-projection)을 사용하는데, 이 방법은 처리된 영상에 시각적 품질을 낮추는 링 아티팩트(ringing artifacts)를 생산하며, 이는 매 레벨마다 계속 누적이 되어 고해상도 결과 이미지 품질에 악영향을 미치는 단점이 있다. 이를 보완하기 위해, 본 논문에서는 저해상도 정지 영상을 고해상도 정지 영상으로 점진적으로 키울 때 일반적인 역투영법 대신 비국소적 평균법(non-local means, NLM) 기반 역투영법을 사용하는 초해상화 기법을 제안한다. 제안하는 기법은 매 레벨마다 생기는 링 아티팩트를 효과적으로 제거하여 높은 시각적 품질의 고해상도 영상을 복원할 수 있게 한다. 실험을 통해 제안된 초해상화 기법을 사용 시 기존 초해상화 기법보다 향상된 고품질 고해상도 영상 복원이 가능한 것을 확인하였다.

• Journal of KIISE:Software and Applications
• /
• v.34 no.3
• /
• pp.266-274
• /
• 2007

This paper proposes a new reconstruction method of high-resolution facial image from a low-resolution facial image based on top-down machine learning and recursive error back-projection. A face is represented by a linear combination of prototypes of shape and that of texture. With the shape and texture information of each pixel in a given low-resolution facial image, we can estimate optimal coefficients for a linear combination of prototypes of shape and those that of texture by solving least square minimizations. Then high-resolution facial image can be obtained by using the optimal coefficients for linear combination of the high-resolution prototypes. In addition, a recursive error back-projection procedure is applied to improve the reconstruction accuracy of high-resolution facial image. The encouraging results of the proposed method show that our method can be used to improve the performance of the face recognition by applying our method to reconstruct high-resolution facial images from low-resolution images captured at a distance.

• Journal of KIISE:Software and Applications
• /
• v.34 no.5
• /
• pp.476-486
• /
• 2007

This paper proposes a resolution enhancement method which can reconstruct high-resolution facial images from single-frame, low-resolution facial images. The proposed method is derived from example-based reconstruction methods and the morphable face model. In order to improve the performance of the example-based reconstruction, we propose the region-based reconstruction method which can maintain the characteristics of local facial regions. Also, in order to use the capability of the morphable face model to face resolution enhancement problems, we define the extended morphable face model in which an extended face is composed of a low-resolution face, its interpolated high-resolution face, and the high-resolution equivalent, and then an extended face is separated by an extended shape vector and an extended texture vector. The encouraging results show that the proposed methods can be used to improve the performance of face recognition systems, particularly to enhance the resolution of facial images captured from visual surveillance systems.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.760-762
• /
• 2004

본 논문에서는 저해상도 및 저대비의 특성을 지니는 문자 영상으로부터 특징을 추출하고 연상메모리를 이용하여 대상 문자를 인식하는 방법을 소개한다. 저해상도 영상의 이진화 과정에서 발생할 수 있는 정보의 왜곡 현상을 피하기 위하여 입력 영상의 gradient 정보를 이용하여 특징을 추출한다 저해상도 일 저대비의 특성을 지니는 문자 영상의 경우 입력 영상에 noise가 존재하거나 충분한 정보가 포함되어 있지 않은 경우 특징벡터에 상당한 왜곡을 초래하게 된다. 손상된 특징을 복원하기 위하여 연상메모리를 이용한다. 인식하고자 하는 문자 영상들의 prototype 영상들을 이용하여 연상메모리의 weight matrix를 구성한다. weight matrix를 이용해서 입력 영상이 가지는 특징과 가장 비슷한 특징을 가지는 prototype 영상의 특징벡터를 생성함으로써 손상된 특징을 복원하게 된다. 제안된 시스템을 이용하여 실험한 결과 noise가 존재하거나 정보가 충분하지 않은 입력 영상에 대해서 비교적 놀은 인식률을 얻음을 볼 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.06a
• /
• pp.9-11
• /
• 2016

최근 UHDTV(ultra high definition television) 등의 고해상도 디스플레이가 시장에 등장하면서, 기존의 저해상도 FHD(full high definition) 영상을 고해상도 영상으로 변환할 수 있는 초해상화(super-resolution, SR) 기법들이 각광을 받고 있다. 그 중, 선형 매핑(linear mapping)을 사용하여 저해상도 패치(patch)로부터 고해상도 패치를 복원하는 초해상화 기법은 상대적으로 낮은 복잡도로 좋은 품질의 고해상도 영상을 생성한다. 그러나 이러한 기법은 단순한 선형 매핑을 기반으로 하기 때문에 복잡한 비선형적(nonlinear) 저해상도-고해상도 관계를 예측하기 힘든 단점이 있다. 최근 각광받는 딥러닝(deep learning) 기술은 다층(multi-layer) 네트워크를 쌓아 입력과 출력 간의 복잡한 비선형 관계를 훈련시켜 좋은 성능을 보이는데, 이를 바탕으로 본 논문에서는 다중의 레이어로 구성된 다층 선형 매핑(multi-layer linear mappings, MLLM)을 기반으로 하는 초해상화 기법을 새롭게 제안한다. 제안하는 다층 선형 매핑은 기존 선형 매핑보다 비선형적 관계를 더 잘 예측하여 높은 품질의 고해상도 영상을 생성할 수 있게 한다. 제안된 초해상화 기법은 딥러닝 기반 초해상화 기법과 필적하는 품질의 고해상도 영상을 생성하면서도 더 낮은 복잡도를 지니는 것을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.109-110
• /
• 2007

본 논문에서는 베이시안 초해상도 영상처리시 저해상도 영상들을 고해상도 격자에 맞게 정합해서 업샘플링(upsampling)을 하는 새로운 방식에 대해 제안한다. 제안하는 업샘플링 방식은 각 장을 따로 보간하는 방식과 달리 여러 저해상도 영상의 고주파 정보가 고해상도 영상 격자의 모든 위치에 적절히 영향을 미칠 수 있도록 여러 장의 저해상도 영상의 고주파 정보를 함께 사용하여 보간한다. 보간하는 방법은 B-스플라인 (B-Spline) 기반 비정규 리샘플링(non-uniform resampling)을 기반으로 초해상도 영상처리에 맞도록 적용한다. 실험결과를 통해 일반적으로 적용되는 0-삽입(zero-padding) 업샘플링 방식과 쌍일차 보간법(bilinear interpolation) 등을 적용할 때의 효과를 살펴보고, 제안하는 방식이 일반적인 방식을 사용하는 것에 비해 정량적, 정성적으로 고해상도 정보를 더 정확히 생성해내는 것을 확인한다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.43 no.2 s.308
• /
• pp.12-18
• /
• 2006

This paper presents a method to extract a good high-resolution image from a low-resolution video in an automatic manner. Since a high-resolution image reconstruction method utilizing several low-resolution input images works better than a conventional interpolation method utilizing single low-resolution input image only if the input images are well registered onto a common high-resolution grid, low-resolution input images should be carefully chosen so that the registration errors can be carefully considered. In this paper, the statistics obtained from the motion-compensated low-resolution images are utilized to evaluate the feasibility of the input image candidates. Maximum motion-compensation error is estimated from the high-resolution image observation model. U the motion-compensation error of the input image candidate is greater than the estimated maximum motion-compensation error, the input image candidate is discarded. The number of good input image candidates and the statistics of the motion-compensation errors are used to choose final input images. The final input images chosen from the input image selection block are given to the following high-resolution image reconstruction block. It is expected that the proposed method is utilized to extract a good high-resolution image efficiently from a low-resolution video without any user intervention.