• 한국전자통신학회논문지
• /
• 제14권1호
• /
• pp.257-264
• /
• 2019

본 논문에서는 픽셀 기반 joint BDCP (bright and dark channel prior)와 계층적 양방향 필터를 적용하여 저 복잡도를 갖는 단일 영상 기반 안개 제거 기법을 제안한다. 픽셀 기반 joint BDCP는 기존의 패치 기반 DCP에 비해 연산량을 감소시키고, 픽셀 단위의 안개값 예측을 가능하게 하여 전달량 추정의 정확성을 높인다. 또한 에지를 보존하면서 평탄화 성능이 우수한 양방향 필터를 사용하여 전달량을 정련함으로써 후광 효과(halo effect)를 줄이고, 에지 성분에 대한 계층적 적용을 통해 반복 적용에 의한 연산량의 증가를 방지한다. 안개 성분이 포함된 다양한 영상에 대해 수행한 실험 결과는 제안하는 기법이 기존의 기법에 비해 우수한 안개 제거 성능을 보이면서 저 복잡도로 실행되어 다양한 분야에 응용될 수 있음을 나타낸다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 추계학술발표대회(상)
• /
• pp.306-308
• /
• 2003

본 논문은 컬러영상내 움직이는 객체의 효과적인 검출을 위해 색상과 위치정보를 적용시킨 K-means 클러스터링 알고리즘을 이용하여 움직이는 객체들을 추출한 방법을 제안하고 있다. 최종 클러스터링된 중심픽셀(prototype)이 갖고있는 RGB 값을 사용해 프레임을 비교해 객체와 배경의 분리를 가능하게 했고 마지막으로 후처리를 이용해 남아있는 배경잡음을 제거하였다. 본 연구의 실험은 여러 교통장면을 포함한 다양한 영상에서 이루어졌으며 실험결과 제안된 알고리즘은 기존의 픽셀이나 블록기반의 방법에 비해 보다 정확한 객체 검출이 가능했으며 한 가지 특징 정보를 사용한 클러스터링에 비해 보다 높은 정확도를 보였다.

• 항공우주기술
• /
• 제9권1호
• /
• pp.28-34
• /
• 2010

균일한 광량의 빛이 카메라에 입력되었을 때 카메라 영상센서 각 픽셀은 이상적으로는 균일한 응답을 보여주어야 하지만 실제로는 그렇지 않다. 이러한 픽셀의 불균일 응답 특성은 영상품질에 직접적으로 영향을 미치지만, 고정된 형태의 잡음이므로 보정과정을 통해서 잡음을 제거할 수 있다. 영상센서 불균일 보정 방법은 특정 광량에서의 기준값만을 가지고 보정계수를 구하는 방법 등을 사용하곤 했지만, 센서의 비선형성으로 인하여 신호가 작은 경우, 혹은 반대로 아주 큰 경우에서는 보정 효과가 크지 않다. 따라서, 본 논문에서는 이러한 영상센서의 비선형 특성을 고려하여 픽셀 불균일 보정계수 계산하는 방법을 기술하고 자체 구현한 카메라와 별도의 시험셋업을 이용하여 불균일도 시험을 수행하여 알고리즘을 검증하였다. 시험결과는 비선형성 모델을 기반으로 한 보정 알고리즘을 적용했을 때, 모든 광량에서 가장 좋은 성능을 보여주었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2009년도 추계학술대회
• /
• pp.259-262
• /
• 2009

본 논문에서는 정확한 비디오 객체 분할을 위한 글로벌 가우시안 모델 기반의 이동 외부 그림자영역 검출방법을 제안한다. 이 방법은 현재 픽셀과 배경 픽셀의 컬러 벡터간의 사이 각을 가중치 함수로 변환하고, 이를 그림자 모델의 확률 밀도에 곱하여 구한 값을 그림자 검출에 사용하고 이를 다시 그림자 모델의 입력으로 하여 검출된 픽셀 들의 분포가 자동으로 영상의 실제 그림자 분포에 근접하게 하였다. 또한, 잘못 검출된 그림자 영역을 제거하기 위해 영역의 위치 정보를 이용한다. 실험 결과를 통해 제안하는 방법은 적응적으로 그림자를 검출하면서도 높은 분할 정확도를 가지고 있음을 보인다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 1부
• /
• pp.38-43
• /
• 2007

재조명(relighting) 렌더링은 장면 내에 새로운 광원의 추가 또는 기존 광원 속성의 변경으로 인한 영상의 변화를 효율적으로 계산하는 과정을 말한다. 본 논문에서는 쉐이딩(shading) 계산에서 광원에 독립적인 파라메터를 미리 텍스쳐 이미지 형태로 캐시화하여 재조명 렌더링 과정에서의 계산량을 줄이는 방법을 사용하였다. 이러한 쉐이딩 파라메터들의 캐시 이미지들은 사용자가 카메라 시점을 바꾸고자 할 경우 새로 생성을 하여야 하는데, 이 계산에 많은 시간이 소요된다. 본 논문에서는 새로운 시점에서의 캐시 이미지들를 영상 기반 렌더링(image-based rendering) 기법을 이용하여 실시간에 구하는 방법을 제시한다. 먼저 여러 개의 지정된 카메라 시점에 대한 캐시 이미지들을 미리 생성해 둔다. 다음 원하는 시점의 캐시 이미지는 각 픽셀에 투영되는 3차원 표면점을 역시점변환(inverse viewing transform)을 통해 구하고, 이 점을 지정된 카메라 시점으로 다시 투영하여 캐시 이미지에서의 대응 픽셀을 찾는다. 대응 픽셀의 파라메터 값들을 평균하여 새 캐시 이미지에 써준다. 이 과정들은 하드웨어 그래픽 가속기의 단편 쉐이더(fragment shader)를 이용하여 실시간으로 수행된다.

• 한국통신학회논문지
• /
• 제27권3A호
• /
• pp.240-248
• /
• 2002

본 논문에서는 연속영상에서 움직이는 객체의 motion에 기반하여 영상을 분할하는 새로운 알고리즘을 제안하였다. 전체적인 분할 과정은 2단계로 구성되어진다. 첫 단계는 '픽셀 레이블링' 단계이며, 두 번째 단계는 'motion 분할' 단계이다. '픽셀 레이블링' 단계에서는 optical flow에 의해 발생하는 속도 벡터들의 크기에 따라 영상의 각 픽셀에 레이블을 부여한다. 'Motion 분할' 단계에서는 첫 단계에서 생겨난 불필요한 잡음을 제거하기 위해 motion 필드를 마코프 랜덤 필드로 모델링하여 에너지 최소화를 통해 motion을 분할한다. 실험결과, 제안된 알고리즘이 연속영상에서 움직이는 객체의 motion을 효율적으로 분할함을 확인할 수 있었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2004년도 춘계학술발표대회논문집
• /
• pp.187-190
• /
• 2004

본 논문에서는 영상을 자동적으로 객체와 비객체 영상으로 분류하는 방법을 제안한다. 객체 영상은 객체를 포함하는 영상이다. 객체는 영상의 중심 부근에 위치하고 주변 영역과는 상이한 칼라 분포를 가지는 영역들로 정의한다 영상 분류를 위해 객체의 특징에 기반하여 세 가지 기준을 정의한다. 첫 번째 기준인 중심 영역의 특이성은 중심영역과 주변 영역간의 칼라 분포의 차이를 통해 계산된다. 두 번째 기준은 영상 내의 특이 픽셀의 분산이다 특이 픽셀은 영상의 주변영역보다 중심 부근에서 더욱 빈번하게 나타나는 상호 인접한 픽셀들의 칼라 쌍에 의해 정의된다. 마지막 기준은 객체의 핵심 영역 경계에서의 경계 강도이다. 영상을 분류하기 위해서 신경 회로망 학습을 통해서 세 가지 기준들을 통합하도록 한다. 900개의 영상들에 대해 실헝한 결과 84.2%의 분류 정확도를 얻었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.415-418
• /
• 2019

본 논문에서 grayscale 이미지를 그럴듯한 컬러 이미지로의 전환을 다루고자 한다. 기존의 CNN Network 를 통해 실제 Image 를 만들어내려는 기법들은 모든 Pixel 의 Error 를 Loss 로 사용한다. 각 픽셀별로 가장 완벽한 답을 찾으려고 하기보다는, 전체 픽셀의 관점에서의 Loss 를 줄이려고 하기 때문에, 픽셀 값이 정확한 값대신 안전한 값으로 넘어간다는 단점이 있다. 이 문제를 해결하기 위해 본 논문에서 GAN 기반의 Image-to-Image Translation 기법에 NIN(Network in Network) 적용해 이 문제를 해결할 수 있음을 보인다. 전통 CNN 기법보다 더 Photo-realistic 한 이미지를 생성할 수 있게 된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.667-670
• /
• 2020

최근에는 증강현실, 로봇공학 등의 분야에서 객체의 위치 검출 이외에도, 객체의 자세에 대한 추정이 요구되고 있다. 객체의 자세 정보가 포함된 데이터셋은 위치 정보만 포함된 데이터셋에 비하여 상대적으로 매우 적기 때문에 인공 신경망 구조를 활용하기 어려운 측면이 있으나, 최근에 들어서는 기계학습 기반의 자세 추정 알고리즘들이 여럿 등장하고 있다. 본 논문에서는 이 가운데 Dense 6d Pose Object detector (DPOD) [11]의 구조를 기반으로 하여 가구의 조립 설명서에 그려진 가구 부품들의 자세를 추정하고자 한다. DPOD [11]는 입력으로 RGB 영상을 받으며, 해당 영상에서 자세를 추정하고자 하는 객체의 영역에 해당하는 픽셀들을 추정하고, 객체의 영역에 해당되는 각 픽셀에서 해당 객체의 3D 모델의 UV map 값을 추정한다. 이렇게 픽셀 개수만큼의 2D - 3D 대응이 생성된 이후에는, RANSAC과 PnP 알고리즘을 통해 RGB 영상에서의 객체와 객체의 3D 모델 간의 변환 관계 행렬이 구해지게 된다. 본 논문에서는 사전에 정해진 24개의 자세 후보들을 기반으로 가구 부품의 3D 모델을 2D에 투영한 RGB 영상들로 인공 신경망을 학습하였으며, 평가 시에는 실제 조립 설명서에서의 가구 부품의 자세를 추정하였다. 실험 결과 IKEA의 Stefan 의자 조립 설명서에 대하여 100%의 ADD score를 얻었으며, 추정 자세가 자세 후보군 중 정답 자세에 가장 근접한 경우를 정답으로 평가했을 때 100%의 정답률을 얻었다. 제안하는 신경망을 사용하였을 때, 가구 조립 설명서에서 가구 부품의 위치를 찾는 객체 검출기(object detection network)와, 각 개체의 종류를 구분하는 객체 리트리벌 네트워크(retrieval network)를 함께 사용하여 최종적으로 가구 부품의 자세를 추정할 수 있다.

• 한국전자통신학회논문지
• /
• 제14권5호
• /
• pp.977-984
• /
• 2019

본 논문에서는 안개 성분을 포함한 실외영상의 효과적인 응용을 위하여 저 복잡도를 갖는 전달량 추정 및 픽셀 기반 JBDCP(: Joint Bright and Dark Channel Prior)를 이용한 단일 영상 기반 안개 제거 방법을 제안한다. 기존의 전달량 추정은 계산량과 메모리 요구량이 큰 정련과정을 포함하는 반면, 제안하는 안개 제거 방법은 픽셀단위 및 블록단위 dark channel 정보를 결합하여 에지 정보가 보존되는 전달량을 추정하고 복잡도를 크게 감소시킨다. 또한 픽셀 기반 JBDCP를 이용하여 영상의 각 위치마다 다른 안개값을 구함으로써 영상의 특성을 반영한 전달량 추정이 가능하다. 다양한 안개 영상에 대해 수행한 실험 결과는 제안하는 방법이 기존의 방법에 비해 저 복잡도로 실행되면서 우수한 안개 제거 성능을 보여 실시간 기기를 포함한 다양한 분야에 응용될 수 있음을 나타낸다.