• International Journal of Internet, Broadcasting and Communication
• /
• 제16권2호
• /
• pp.22-30
• /
• 2024

Image compression-decompression methods have become increasingly crucial in modern times, facilitating the transfer of high-quality images while minimizing file size and internet traffic. Historically, early image compression relied on rudimentary codecs, aiming to compress and decompress data with minimal loss of image quality. Recently, a novel compression framework leveraging colorization techniques has emerged. These methods, originally developed for infusing grayscale images with color, have found application in image compression, leading to colorization-based coding. Within this framework, the encoder plays a crucial role in automatically extracting representative pixels-referred to as color seeds-and transmitting them to the decoder. The decoder, utilizing colorization methods, reconstructs color information for the remaining pixels based on the transmitted data. In this paper, we propose a novel approach to image compression, wherein we decompose the compression task into grayscale image compression and colorization tasks. Unlike conventional colorization-based coding, our method focuses on the colorization process rather than the extraction of color seeds. Moreover, we employ the Denoising Diffusion Null-Space Model (DDNM) for colorization, ensuring high-quality color restoration and contributing to superior compression rates. Experimental results demonstrate that our method achieves higher-quality decompressed images compared to standard JPEG and JPEG2000 compression schemes, particularly in high compression rate scenarios.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2012년도 춘계학술발표대회논문집
• /
• pp.40-42
• /
• 2012

Colorization is a method using computer to add color to a black and white image automatically. The input is a grayscale image and some representative pixels (RPs). The RPs contain the color information for the image, and it indicates each region's color information. Colorization-based coding is a novel way for lossy image compression, it decodes a color image to get grayscale image and extracts RPs from the image. Because RPs decides the region's color and we also want small data size for image compression, form this viewpoint the paper proposes a way to get better and fewer RPs based on watershed segmentation. According to the segmentation result we also improve the original chrominance blending colorization method to save decode time and get better reconstruct image.

• 방송공학회논문지
• /
• 제18권6호
• /
• pp.935-938
• /
• 2013

본 레터논문에서는 컬러라이제이션(Colorization)기반 영상압축방법을 위해 평균이동기반의 영상분할법을 사용하여 컬러라이제이션 행렬을 분할하는 방법을 제안한다. 실험을 통해 제안한 방법을 사용할 경우 계산 속도는 대략 30배 이상 빨라지고, 기존의 역컬러라이제이션 기반의 압축방법에서 생기는 번짐(smearing) 현상도 많이 제거가 되는 것을 볼 수 있었다.

• Journal of the Korean Society for Industrial and Applied Mathematics
• /
• 제25권2호
• /
• pp.26-38
• /
• 2021

Image coloration refers to adding plausible colors to a grayscale image or video. Image coloration has been used in many modern fields, including restoring old photographs, as well as reducing the time spent painting cartoons. In this paper, a method is proposed for colorizing grayscale images using a convolutional neural network. We propose an encoder-decoder model, adapting FusionNet to our purpose. A proper loss function is defined instead of the MSE loss function to suit the purpose of coloring. The proposed model was verified using the ImageNet dataset. We quantitatively compared several colorization models with ours, using the peak signal-to-noise ratio (PSNR) metric. In addition, to qualitatively evaluate the results, our model was applied to images in the test dataset and compared to images applied to various other models. Finally, we applied our model to a selection of old black and white photographs.

• 대한임베디드공학회논문지
• /
• 제13권6호
• /
• pp.313-319
• /
• 2018

We propose a post-processing algorithm to improve the quality of the RGB image generated by deep learning based colorization from the gray-scale image of an infrared camera. Wavelet fusion is used to generate a new luminance component of the RGB image luminance component from the deep learning model and the luminance component of the infrared camera. PSNR is increased for all experimental images by applying the proposed algorithm to RGB images generated by two deep learning models of SegNet and DCGAN. For the SegNet model, the average PSNR is improved by 1.3906dB at level 1 of the Haar wavelet method. For the DCGAN model, PSNR is improved 0.0759dB on the average at level 5 of the Daubechies wavelet method. It is also confirmed that the edge components are emphasized by the post-processing and the visibility is improved.

• 한국멀티미디어학회논문지
• /
• 제21권11호
• /
• pp.1271-1278
• /
• 2018

The NDT using ultrasonic is largely divided into A-Scan and C-Scan methods. Since A-Scan method is subject to subjective judgement by trained personnel, C-Scan method has been introduced, which presents the weld area in two dimensions by placing the transducers two dimensionally used in the A-Scan method. Therefore, it is necessary to develop equipment that can provide weld quality without the help of a welding expert and the presentation of effective C-Scan images. Thus, in this paper, the algorithms that express a low resolution 2-dimensional gray image formed by C-Scan method as a high-resolution color C-Scan image and automatically determine the weld quality from the generated C-Scan color image. The high resolution color C-Scan images proposed in this paper allow the exact shape of the weld point to be expressed, and an objective algorithm to use this image to automatically determine weld quality.

• 대한토목학회논문집
• /
• 제44권1호
• /
• pp.125-132
• /
• 2024

광학 위성영상은 국가 보안 및 정보 획득을 목적으로 사용되며 그 활용성은 증가하고 있다. 그러나, 기상 조건 및 시간의 제약으로 사용자의 요구에 적합하지 않은 저품질의 영상을 획득하게 된다. 본 논문에서는 광학 위성영상의 구름 폐색영역을 모의하기 위하여 고해상도 SAR 영상을 참조한 딥러닝 기반의 영상변환 및 컬러화 모델을 생성하였다. 해당 모델은 적용 알고리즘 및 입력 데이터 형태에 따라 실험하였으며 생성된 모의영상을 비교 분석하였다. 특히 입력하는 흑백영상과 SAR 영상간의 화소값 정보량이 유사하도록 하여 상대적으로 색상정보량 부족에서 오는 문제점을 개선하였다. 실험 결과, Gray-scale 영상과 고해상도 SAR 영상으로 학습한 모의영상의 히스토그램 분포가 비교적 원 영상과 유사하였고, 정량적인 분석을 위하여 산정한 RMSE 값은 약 6.9827, PSNR 값은 약 31.3960으로 나타났다.

• 대한전자공학회논문지SP
• /
• 제47권4호
• /
• pp.20-27
• /
• 2010

본 논문에서는 웨이블릿 패킷 변환(WPT) 기반의 컬러화 알고리즘에서 슈도랜덤코드(pseudo-random code) 정보의 삽입을 통해 복원된 컬러 영상에서 채도를 보상하는 방법을 제안한다. 우선 컬러 영상을 흑백 영상으로 변환하는 과정(컬러-그레이변환)에서 RGB 영상을 YCbCr 영상으로 변환한 후, Y 영상에 2레벨 웨이블릿 패킷 변환을 적용하여 정보량이 최소인 부영역(수평의 수직, 수직의 수평 부영역)에 CbCr 영상을 삽입한다. 이때 프린팅 및 스캐닝 과정에서 발생하는 채도 열화를 보상하기 위해 원본 영상 CbCr의 최대값 및 최소값을 슈도랜덤코드 형태로 변환하여 대각의 대각 부영역에 역시 삽입한다. 슈도랜덤코드는 CbCr의 최대값 및 최소값을 흰색 점의 개수로 표현한 영상으로, 컬러 복원 과정(그레이-컬러변환)에서 이를 추출하여 원본의 CbCr 최대값 및 최소값과 복원 영상의 CbCr 최대값 및 최소값과의 비를 가중치로 이용함으로써 채도 보상 알고리즘을 수행한다. 실험을 통해 제안된 방법이 복원된 컬러 영상에서 채도를 향상시킴을 색차와 PSNR 수치로 확인할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제45권1호
• /
• pp.1-10
• /
• 2008

색 정보를 흑백 영상에 숨기고 이를 다시 찾아서 흑백 영상을 칼라 영상으로 복원하는 칼라화 알고리즘이 최근 연구되고 있다. 이러한 방법에서는 색 정보를 숨기고 복원할 때 원본 영상의 정보 손실을 최소화하는 것이 중요하다. 따라서 본 논문에서는 흑백 영상에 색 정보를 숨기고 이를 다시 복원할 때, 원본 영상의 정보 손실을 최소화하기 위해 웨이블릿 패킷 변환을 이용한 칼라화 알고리즘을 제안하였다. 그리고 복원된 칼라 영상의 열화된 채도를 보상하기 위한 채도 향상 알고리즘도 함께 제안하였다. 제안한 칼라화 방법은 칼라 영상을 흑백 영상으로 변환하는 과정(color-to-gray)과 변환된 흑백 영상에서 칼라 성분을 추출하여 복원하는 과정(gray-to-color)으로 구성된다. Color-to-gray 과정에서는 입력 RGB 영상을 YCbCr 영상으로 변환한 뒤, Y 영상에 웨이블릿 패킷 변환을 수행하여 각 sub-band의 정보량을 조사한다. 그리고 원본 영상의 정보량이 가장 적은 두 개의 sub-band에 색 정보를 삽입하여, 색 정보 복원 시에 원본 영상의 정보 손실을 최소화 한다. Gray-to-color 과정에서는 프린팅 및 스캐닝에 의해 발생하는 색 채도의 열화를 보상하기 위해 프린터와 스캐너의 특성곡선을 획득하고, 이를 이용하여 변화된 화소값을 보상해줌으로써 복원된 칼라 영상의 색 채도를 향상시킨다. 또한 복원된 영상의 CbCr 범위를 확장하여 열화된 색 채도를 향상시킨다. 실험을 통해 제안된 칼라화 방법은 경계영역의 선명도 및 색 채도를 향상시킴을 확인하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권2호
• /
• pp.1-9
• /
• 2018

본 논문에서는 손상된 흑백 얼굴 이미지를 컬러로 복원하는 방법을 제안한다. 기존 연구에서는 오래된 증명사진처럼 손상된 흑백 사진에 컬러화 작업을 하면 손상된 영역 주변이 잘못 색칠되는 경우가 있었다. 이와 같은 문제를 해결하기 위해 본 논문에서는 입력받은 사진의 손상된 영역을 먼저 복원한 후 그 결과를 바탕으로 컬러화를 수행하는 방법을 제안한다. 본 논문의 제안 방법은 BEGAN(Boundary Equivalent Generative Adversarial Networks) 모델 기반 복원과 CNN(Convolutional Neural Network) 기반 컬러화의 두 단계로 구성된다. 제안하는 방법은 이미지 복원을 위해 DCGAN(Deep Convolutional Generative Adversarial Networks) 모델을 사용한 기존 방법들과 달리 좀 더 선명하고 고해상도의 이미지 복원이 가능한 BEGAN 모델을 사용하고, 그 복원된 흑백 이미지를 바탕으로 컬러화 작업을 수행한다. 최종적으로 다양한 유형의 얼굴 이미지와 마스크에 대한 실험 결과를 통해 기존 연구에 비해 많은 경우에 사실적인 컬러 복원 결과를 보여줄 수 있음을 확인하였다.