• 대한의용생체공학회:의공학회지
• /
• 제21권3호
• /
• pp.233-237
• /
• 2000

현재 의료용으로 사용되고 있는 광섬유를 이용한 내시경은 굴절률이 다른 두 가지 유리로써(Step Index SI) 제작되고 있다. 이와 같은 내시경은 취급에 주의하여야 하는 근본적인 재료상의 문제점 외에도 영상 가이드의 최고 분해능이 5$\mu$m으로 제약되고 있는 실정이다. 본 연구에서는 플라스틱을 이용하여 고 영상 분해능($7\mu\;m\~2.5\mu$m)을 가진 미세 내시경(Ultrathin Endoscope)용 영상 가이드의 분해능을 측정하였다. 그 각각의 플라스틱 광섬유 굴절률은 광섬유 중심으로부터 외곽까지 점차 감소하는 특성 (Graded Index GRIN)을 가지고 있다. 플라스틱 GRIN 영상가이드의 분해능 측정 결과. 마이크로 광섬유의 지름이 작아질수록 그 분해능이 증가되었고, 유리를 이용한 SI 영상 가이드 분해능과의 비교 연구 결과, 2배의 분해능을 가진 (2.5$\mu$m) 플라스틱 GRIN 영상가이드 제작이 가능함을 보였다. 이와 같은 플라스틱 GRIN 광섬유 다발은 의료 분야뿐 아니라 국방 및 산업분야의 새로운 광학적 설계에 많은 영향을 줄 것으로 기대된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.540-541
• /
• 2018

본 논문에서는 낮은 해상도의 적외선 영상을 대상으로 DWT(Discrete Wavelet Transform)를 이용하여 해상도를 향상시키는 초고해상도 기법을 제안한다. 이 기법은 적외선 카메라를 통해 입력되는 영상을 대상으로 해상도를 줄이지 않는 방식으로 DWT를 수행하여 동일한 해상도의 부대역들(LH, HL, HH)을 생성하고, 이 부대역들과 원래의 적외선 영상을 이용하여 Inverse-DWT를 수행하여 해상도가 향상된 적외선 영상을 얻는다. 실험결과 제안한 기법의 평균 SSIM 수치가 0.989861로 측정되어 기존의 Bi-linear, Bi-cubic 필터를 이용하는 기법에 비해 약 0.004 정도 향상되는 것을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권7호
• /
• pp.2328-2344
• /
• 2022

2D human pose estimation still faces difficulty in low-resolution images. Most existing top-down approaches scale up the target human bonding box images to the large size and insert the scaled image into the network. Due to up-sampling, artifacts occur in the low-resolution target images, and the degraded images adversely affect the accurate estimation of the joint positions. To address this issue, we propose a multi-resolution input feature fusion network for human pose estimation. Specifically, the bounding box image of the target human is rescaled to multiple input images of various sizes, and the features extracted from the multiple images are fused in the network. Moreover, we introduce a guiding channel which induces the multi-resolution input features to alternatively affect the network according to the resolution of the target image. We conduct experiments on MS COCO dataset which is a representative dataset for 2D human pose estimation, where our method achieves superior performance compared to the strong baseline HRNet and the previous state-of-the-art methods.

• Journal of Information Processing Systems
• /
• 제18권1호
• /
• pp.12-25
• /
• 2022

In recent years, deep convolutional neural networks have made significant progress in the research of single image super-resolution. However, it is difficult to be applied in practical computing terminals or embedded devices due to a large number of parameters and computational effort. To balance these problems, we propose CSRNet, a lightweight neural network based on channel split residual learning structure, to reconstruct highresolution images from low-resolution images. Lightweight refers to designing a neural network with fewer parameters and a simplified structure for lower memory consumption and faster inference speed. At the same time, it is ensured that the performance of recovering high-resolution images is not degraded. In CSRNet, we reduce the parameters and computation by channel split residual learning. Simultaneously, we propose a double-upsampling network structure to improve the performance of the lightweight super-resolution network and make it easy to train. Finally, we propose a new evaluation metric for the lightweight approaches named 100_FPS. Experiments show that our proposed CSRNet not only speeds up the inference of the neural network and reduces memory consumption, but also performs well on single image super-resolution.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권9호
• /
• pp.3745-3761
• /
• 2020

Low-rank representation methods already achieve many applications in the image reconstruction. However, for high-gradient image patches with rich texture details and strong edge information, it is difficult to find sufficient similar patches. Existing low-rank representation methods usually destroy image critical details and fail to preserve edge structure. In order to promote the performance, a new representation-based image super-resolution reconstruction method is proposed, which combines gradient domain guided image filter with the structure-constrained low-rank representation so as to enhance image details as well as reveal the intrinsic structure of an input image. Firstly, we extract the gradient domain guided filter of each atom in high resolution dictionary in order to acquire high-frequency prior information. Secondly, this prior information is taken as a structure constraint and introduced into the low-rank representation framework to develop a new model so as to maintain the edges of reconstructed image. Thirdly, the approximate optimal solution of the model is solved through alternating direction method of multipliers. After that, experiments are performed and results show that the proposed algorithm has higher performances than conventional state-of-the-art algorithms in both quantitative and qualitative aspects.

• 방송공학회논문지
• /
• 제18권3호
• /
• pp.463-473
• /
• 2013

본 논문에서는 다시점 영상을 이용한 초고해상도 영상 복원 기법을 제안한다. 구체적으로 $5{\times}5$ 배열로 구성된 다시점 카메라로 25장의 영상을 취득하고, 가운데 카메라에 해당하는 초고해상도 영상을 저해상도 입력 영상과 24장의 저해상도 참조 영상을 활용하여 생성한다. 우선 입력 영상을 중심으로 스테레오 정합 기법을 이용하여 24개의 참조 영상에 대한 변이지도를 각각 추정한다. 그리고 저해상도 영상과 참조 영상에 있는 일치점들을 이용하여 초고해상도 영상을 복원한다. 최종적으로 반복적 균일화를 통해 초고해상도 영상을 보정한다. 실험을 통하여 본 논문에서 제안한 초고해상도 영상 복원 기법의 성능이 우수함을 확인한다.

• Spatial Information Research
• /
• 제13권4호
• /
• pp.345-354
• /
• 2005

초해상도 영상복원은 동일 지역을 촬영한 여러 장의 저해상도 영상을 이용하여 고해상도의 영상으로 재구성하는 영상처리 알고리즘 기법이다. 이 기법은 위성영상, 비디오 감시, 영상 강조 및 복원, 영상 모자이킹, 의료 영상과 같이 여러 장의 프레임 영상을 획득할 수 있는 분야에서 유용하게 사용될 수 있다. 본 연구에서는 지상을 촬영한 비디오 영상 열에 공간영역 초해상도 기법을 적용하였다. 실험에 사용된 영상은 높은 중복도로 촬영된 연속적인 비디오 영상에서 부표본화되었으며, 저해상도 영상과 고해상도 영상간의 관측 모델을 구성하고 초해상도 영상복원 기법중의 하나인 MAP 알고리즘을 적용하였다. MAP 기법을 이용하여 여러 장의 저해상도 영상에서 고해상도 영상으로 복원하였으며, 그 결과를 기존의 영상보간 방법들과 비교하였다.

• 대한전자공학회논문지SD
• /
• 제46권5호
• /
• pp.39-48
• /
• 2009

1984년 처음 SR 알고리즘이 제안된 이후, 많은 SR 복원 알고리즘이 제안되었다 SR의 접근방법 중에서도 공간적 접근방법은 저해상도 이미지의 픽셀 값을 고해상도 이미지 격자에 매핑 함으로써 이루어진다. 이때, 저해상도 이미지들 간의 각각 다른 노이즈와 다른 PSF(Point Spread Function) 함수, 왜곡으로 인해 매핑 시 문제가 된다. 때문에 저해상도 이미지들의 노이즈 성분을 최소화하는 방법이 필요하다. 본 논문에서는 노이즈 성분을 최소화하는 방법으로 L1 norm의 방법을 사용하고 이와 동시에 이미지의 경계를 보완해주는 Huber norm을 사용하는 SR의 구조를 제안한다. 실험에서는 타 알고리즘과의 비교를 통해 제안한 알고리즘이 저해상도 이미지 상에 존재하는 노이즈를 줄이고 이미지 경계부분의 보완을 확인하였다.

• 한국정보통신학회논문지
• /
• 제24권12호
• /
• pp.1604-1611
• /
• 2020

마이크로렌즈 어레이 기반의 카메라로 촬영된 라이트필드 영상은 낮은 공간해상도 및 각해상도로 인하여 실제 사용하기에는 많은 제약이 따른다. 고해상도의 공간해상도 영상은 최근 많이 연구되고 있는 단일 영상 초해상도 기법으로 쉽게 얻을 수 있으나 고해상도의 각해상도 영상은 영상사이에 내재된 시점차 정보를 이용하는 과정에서 왜곡이 발생하여 좋은 품질의 각해상도 영상을 얻기 힘든 문제가 있다. 본 논문에서는 영상 사이에 내재된 시점차 정보를 효과적으로 추출하기 위해서 팽창 합성곱 신경망을 이용하여 초기 특징맵을 추출하고 잔차 신경망으로 새로운 시점 영상을 생성하는 라이트 필드 각 초해상도 영상 기법을 제안한다. 제안하는 네트워크는 기존의 각 초해상도 네트워크와 비교하여 PSNR 및 주관적 화질 비교에서 우수한 성능을 보였다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1573-1587
• /
• 2021

드론 영상은 위성이나 항공 영상보다 공간 해상도가 수배 혹은 수십 배가 높은 초고해상도 영상이다. 따라서 드론 영상 기반의 원격탐사는 영상에서 추출하고자 하는 객체의 수준과 처리해야 하는 데이터의 양이 전통적인 원격탐사와 다른 양상을 보인다. 또한, 적용되는 딥러닝(deep learning) 모델의 특성에 따라 모델 훈련에 사용되는 최적의 데이터의 축척과 크기가 달라질 수밖에 없다. 하지만 대부분 연구가 찾고자 하는 객체의 크기, 축척을 반영하는 영상의 공간 해상도, 영상의 크기 등을 고려하지 않고, 관성적으로 적용하고자 하는 모델에서 기존에 사용했던 데이터 명세를 그대로 적용하는 경우가 많다. 본 연구에서는 드론 영상의 공간 해상도, 영상 크기가 6가지 월동채소의 의미론적 분할(semantic segmentation) 딥러닝 모델의 정확도와 훈련 시간에 미치는 영향을 실험 통해 정량적으로 분석하였다. 실험 결과 6가지 월동채소 분할의 평균 정확도는 공간 해상도가 증가함에 따라 증가하지만, 개별 작물에 따라 증가율과 수렴하는 구간이 다르고, 동일 해상도에서 영상의 크기에 따라 정확도와 시간에 큰 차이가 있음을 발견하였다. 특히 각 작물에 따라 최적의 해상도와 영상의 크기가 다름을 알 수 있었다. 연구성과는 향후 드론 영상 데이터를 이용한 월동채소 분할 모델을 개발할 때, 드론 영상의 촬영과 학습 데이터의 제작 효율성 확보를 위한 자료로 활용할 수 있을 것이다.