• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.01a
• /
• pp.257-260
• /
• 2021

본 논문에서는 카메라의 포커싱과 아웃포커싱에 의해 이미지에서 뿌옇게 표현되는 DoF(Depth of field, 피사계 심도) 영역을 쿼드트리(Quadtree) 기반의 합성곱 신경망을 통해 빠르게 찾는 방법을 제안한다. 우리의 접근 방식은 RGB채널기반의 상호-상관 필터를 이용하여 DoF영역을 이미지로부터 효율적으로 분류하고, 적응형 트리인 쿼드트리를 기반으로 유의미한 영역만을 분류한다. 이 과정에서 손실 없이 온전하게 DoF영역을 추출하기 위한 필터링 과정을 거친다. 이러한 과정에서 얻어진 이미지 패치들은 전체 이미지에 비해 적은 영역으로 나타나며, 이 적은 개수의 패치들을 이용하여 네트워크 단계에서 사용할 이미지-DoF가중치 맵 데이터 쌍을 설정한다. 네트워크 과정에서 학습할 때 사용되는 데이터는 이미지와 상호-상관 필터 기반으로 추출된 DoF 가중치 맵을 이용한다. 본 논문에서 제안하는 쿼드트리 기반 합성곱 신경망은 이미지로부터 포커싱과 아웃포커싱된 DoF영역을 자동으로 추출하는 과정을 학습시키기 위해 사용된다. 결과적으로 학습에 필요한 데이터 영역이 줄어듦으로써 학습 시간과 메모리를 절약했으며, 테스트 결과로 얻은 DoF 가중치 이미지는 입력 이미지에서 DoF영역을 더욱더 빠른 시간 내에 찾아낸다.

• Proceedings of the Korean Institute of Electrical and Electronic Material Engineers Conference
• /
• 2010.06a
• /
• pp.38-38
• /
• 2010

계조표현의 방법인 기존의 펄스폭에 의한 방법과 본 연구에서 수행한 4채널의 계조표현 방법에 대해 비교하였다. 펄스폭에 의한 계조표현은 동일한 전압에서 펄스의 폭을 제어하여 계조표현이 가능하며, 4채널의 계조표현은 두 개의 채널로 전극배선을 하여 제작한 소자에 black입자와 white입자를 주입하고 생성된 4개의 서브픽셀의 컬러를 순차적으로 변하도록 하여 계조표현하는 방법이다. 두 가지의 계조표현은 이미지의 구현방법과 지속시간의 차이점이 있다. 4채널의 계조표현이 4개의 서브픽셀을 구동하면, 또 다른 계조표현은 8채널의 계조표현방법으로 이 방법은 하나의 큰 셀에 4개의 서브셀을 만들어 각각 다른 weight를 가지도록 만들어 우수한 계조표현을 구현할 것으로 판단되어 제안하고자 한다.

• Journal of Advanced Navigation Technology
• /
• v.10 no.4
• /
• pp.406-412
• /
• 2006

In this paper, we analyzed the performance of digital watermarking by using audio signal as well as logo image watermark. By utilizing the OFDM/QPSK system under AWGN channel environment, watermarked image are transmitted and detected. Experimental results showed that audio signal-based watermark embedding scheme is superior to that of logo image-based, which is able to restore a signal at SNR=3[dB].

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.656-659
• /
• 2020

초해상화 딥러닝 기법은 학습 시 수렴하기까지 최소 수백 번의 에폭을 필요로 하며 오랜 시간이 걸린다. 최근, 영상 인식용 딥러닝 모델에서는 학습 수렴 속도를 향상시키기 위해 픽셀, 채널간 불필요한 상호연관 정보를 제거하는 Deconvolution 기술이 제안되었다. 본 논문에서는 최초로 Deconvolution 기술을 초해상화 딥러닝 방법에 적용하여 학습 수렴 속도 증가를 시도했다. 영상 인식 딥러닝 기법과 다르게 초해상화 딥러닝 기법은 이미지 특성 추출 부분과 이미지 복원 부분의 정보를 보존하는 것이 중요하기 때문에, EDSR을 Baseline 모델로 사용하여 양쪽 끝의 레이어는 기존의 Convolution 연산을 그대로 유지하고, 중간 레이어의 ResBlock 내의 Convolution 연산만 Deconvolution 연산으로 바꿔서 구성하였다. 초해상화 벤치마크 데이터셋을 사용한 실험 결과, 수렴속도가 빨라지지 않는 결과를 도출했다. 본 논문에서는 Deconvolution 기술이 Baseline 모델의 성능을 개선하지 못하는 이유를 초해상화 분야에서 기본적으로 적용되는 Residual Learning 기법 때문으로 분석했다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2012.10a
• /
• pp.1003-1006
• /
• 2012

The image correction algorithm and system design for CMOS sensor to enhance the image resolution is presented in this paper. The proposed algorithm finds out the image cell from the sensor and process them by the limited memory configuration. The evaluation of the method is done by the designed hardware system. The experimental results are capable of improving contrast per channel and of sensing equalized image quality on an edge of image.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.95-98
• /
• 2022

아날로그 게이지는 여전히 많은 산업 시설에서 사용되고 있지만, 게이지 값을 사람이 수동으로 읽기 때문에 정확히 측정하기 위해 많은 시간이 소모가 되는 문제점이 있다. 이러한 이유로 최근에는 합성곱 신경망을 사용하여 아날로그 게이지 값을 자동으로 인식하는 연구가 진행되고 있다. 그러나 대부분의 선행연구들은 게이지가 촬영된 영상을 그대로 입력으로 사용하고 있으며, 이러한 방법은 사람이 게이지를 읽는 과정을 고려하였을 때 불필요한 부분이 많다. 본 논문에서는 게이지 전체 이미지를 학습에 사용하지 않고, 게이지의 특정 이미지 패치 기반으로 아날로그 게이지 값을 인식하는 방법을 제안한다. 제안하는 방법은 게이지의 중심, 눈금의 최소, 최대, 지침의 좌표를 기반으로 이미지 패치를 생성하고 채널 축으로 병합하여 학습을 진행하였으며, 최종적으로게이지의 각도를 계산한다. 이는 게이지의 평균 각도 오차를 통해 제안한 방법이 게이지 값을 인식하는데 우수한 성능이 보였으며, 게이지 이미지에 장애물이 있는 경우에도 게이지 값을 인식할 수 있음을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.151-154
• /
• 2020

뉴럴넷 기술이 발전과 힘께 다양한 분야에서 획기적인 성능 향상이 이루어지고 있다. 이미지 압축 분야에서도 기존의 전통적인 툴 제인 구조의 압축 방식에서 벗어나 종단간(end-to-end) 뉴렬넷 기반의 이미지 압축 기술에 대한 연구가 활발히 이루어지고 있다. 특히 최근 네트워크를 통해 변환된 피쳐 데이터의 엔트로피를 최소화하는 방식에 대한 연구가 활발히 이루어지고 있으며, 이에 기반한 최근의 연구는 VVC 화면 내 코딩 기술보다 우수한 코딩 효율성을 제공하고 있다. 그러나 변환된 피쳐 데이터에 대한 특성 분석은 부족한 실정이며, 이에 본 논문에서는 엔트로피 최소화 기반 종단간 이미지 압축 네트워크의 피쳐 공간 데이터에 대한 공간적 (spatial) 상관관계와 채널간(inter-channel) 상관관계(correlation)를 분석하고, 나아가 최근 제안된 종단간 이미지 압축 네트워크의 문맥 기반 예측 기능을 통해 잔존하는 데이터 중복성이 효과적으로 제거됨을 보인다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.10A
• /
• pp.1772-1781
• /
• 2001

본 논문에서는 OFDM/HL-16QAM 시스템의 성능을 구하였다. OFDM/HL-16QAM은 계층적 16QAM을 채용하는 OFDM 시스템으로서 열악한 다중경로 페이딩 환경에서 고품질의 고속 데이터 전송이 가능하고 서로 다른 품질의 두 가지 데이터 서비스를 동시에 제공할 수 있는 시스템이다. 성능평가를 위한 무선 채널로서는 AWGN과 다중경로 페이딩이 존재하는 무선 환경을 고려했다. 각각의 채널환경에서의 시뮬레이션을 통해 데이터 전송시의 OFDM/HL-16QAM 시스템에 대해 Eb/No와 반송파 수에 따른 BER 성능을 구해냈고, 이로부터 고품질과 저품질의 데이터 서비스를 모두 만족시키기 위해 요구되는 최소 평균 SNR 값을 제시했다. 이미지 전송에 응용하기 위한 방안으로는, 영상 압축을 위해 DCT 기반의 고정길이 부호기법을 채용하는 OFDM/HL-16QAM 시스템을 제안하고, 수신 영상의 PSNR(Peak Signal to Noise power Ratio)을 최대화시키는 최적 계층 변조 파라미터를 구했다. 또한, 최적화된 계층 변조 파라미터를 사용하는 경우, 제안한 시스템을 통한 수신 영상 품질이 기존의 OFDM/16QAM 시스템보다 우수하다는 것을 보였고, 시뮬레이션을 통해 수신 영상에 대한 PSNR의 상한과 하한을 구해냈다. 성능분석 결과들로부터 제안한 OFDM/HL-16QAM 시스템이 데이터와 이미지 전송에 적합한 시스템이라는 것을 알 수 있다.

• Journal of Korea Game Society
• /
• v.13 no.2
• /
• pp.111-118
• /
• 2013

The US military is developing and improving SE-CORE and CVE to integrate war game between different kinds of systems, establish time-optimal CVE. Although South Korea is researching SEDRIS, etc. that is suitable for domestic circumstances, there are still many problems to be solved. The researchers suggest a way to semi-automate part of SNE process, by using the channel information of the image. This can help to improve speed of creating synthetic environment and facilitate information sharing to the others. If there is further research on the subject, it will be possible to develop automation technology to apply data from various information collection devices to synthetic battlefield environment (SBE).

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.429-432
• /
• 2020

본 논문에서는 카메라의 포커싱과 아웃포커싱에 의해 이미지에서 뿌옇게 표현되는 DoF(Depth of field, 피사계 심도) 영역을 합성곱 신경망을 통해 찾는 방법을 제안한다. 우리의 접근 방식은 RGB채널기반의 상호-상관 필터를 이용하여 DoF영역을 이미지로부터 효율적으로 분류하고, 합성곱 신경망 네트워크에 학습하기 위한 데이터를 구축하며, 이렇게 얻어진 데이터를 이용하여 이미지-DoF가중치 맵 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 이미지와 상호-상관 필터 기반으로 추출된 DoF 가중치 맵을 이용하며, 네트워크 학습 단계에서 수렴률을 높이기 위해 스무딩을 과정을 한번 더 적용한 결과를 사용한다. 본 논문에서 제안하는 합성곱 신경망은 이미지로부터 포커싱과 아웃포커싱된 DoF영역을 자동으로 추출하는 과정을 학습시키기 위해 사용된다. 테스트 결과로 얻은 DoF 가중치 이미지는 입력 이미지에서 DoF영역을 빠른 시간 내에 찾아내며, 제안하는 방법은 DoF영역을 사용자의 ROI(Region of interest)로 활용하여 NPR렌더링, 객체 검출 등 다양한 곳에 활용이 가능하다.