• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 춘계학술대회
• /
• pp.657-660
• /
• 2009

영상 보간법은 다양한 영상 처리를 위하여 사용되는 기반 기술로서, 보간 과정에서 발생하는 화질열화를 최소화하기 위한 연구가 활발히 진행되고 있다. 본 논문에서는 손실 정보 추정을 이용하여 개선된 양선형 보간법을 제안한다. 제안하는 방법에서는 획득된 저해상도 영상의 다운 샘플링 및 보간을 통하여 저해상도 영상 생성시 발생하는 손실 정보를 추정하고, 추정한 손실 정보를 고해상도로 보간된 영상에 적용하여 화질 열화를 최소화한다. 동일한 영상을 이용한 실험을 통해서 기존 방법들 보다 0.97~1.79dB의 PSNR이 향상된 것을 알 수 있었고, 윤곽선을 비롯한 주관적 화질 향상을 역시 확인하였다. 제안하는 방법은 영상 해상도 개선과 영상 복원을 위한 다양한 응용 환경에서 유용하게 사용될 수 있다.

• 한국콘텐츠학회논문지
• /
• 제9권11호
• /
• pp.18-26
• /
• 2009

영상 해상도 향상 알고리즘은 영상 확대 및 영상 복원을 위한 기반 기술로 사용되며, 해상도 향상 과정에서 문제점은 흐려짐 현상이나 블록 현상으로 인한 화질 열화의 발생이다. 본 논문에서는 하위 레벨 보간을 이용한 손실 정보 추정과 영상 해상도 향상 기법을 제안한다. 제안하는 방법에서는 획득한 저해상도 영상의 다운샘플링-보간 과정을 이용해서 손실 정보를 계산하고, 손실 정보의 보간을 통해서 손실 정보를 추정하며, 가중치 계수와 결합한 추정 손실 정보를 고해상도로 보간 된 영상에 적용한다. 동일한 영상을 이용한 실험 결과, 제안한 방법이 기존의 방법들보다 PSNR에서 평균 2.3dB 이상 향상된 것을 검증하였고, 윤곽선 및 문자의 인식 정도에 대한 주관적인 화질 비교 결과도 개선되었음을 확인하였다. 제안한 방법은 영상 개선을 필요로 하는 다양한 비디오 응용 분야에서 유용하게 사용될 수 있다.

• 한국멀티미디어학회논문지
• /
• 제25권5호
• /
• pp.670-675
• /
• 2022

This study proposes an improved binarization method to improve image recognition rate. The research goal is to minimize the information loss that occurs during the binarization process, and to transform the object of the original image that cannot be determined through the transformation process into an image that can be judged. The proposed method uses a stepwise segmentation method of an image and divides blocks using prime numbers. Also, within one block, a trapezoidal type of fuzzy is applied. The fuzzy trapezoid is binarized by dividing the brightness histogram area into three parts according to the degree of membership. As a result of the experiment, information loss was minimized in general images. In addition, it was found that the converted binarized image expressed the object better than the original image in the special image in which the brightness region was tilted to one side.

• 대한전자공학회논문지SP
• /
• 제47권2호
• /
• pp.45-50
• /
• 2010

영상 보간법은 영상의 해상도를 향상시키기 위해서 사용되는 기술로서 보간 결과 영상에서 나타나는 화질 열화가 아직 까지 해결되지 않은 문제점이다. 이를 위해서 본 논문에서는 손실 정보 추정을 이용한 영상 보간법을 제안하고 제안한 알고리즘을 휴대용 장치에서 구현하였다. 제안하는 방법에서는 획득 저해상도 영상을 더욱 작은 크기로 축소한 후 다시 보간을 거쳐서 나온 영상을 이용해서 에러를 계산하고, 그 결과값을 보간하여 추정 손실 정보를 생성한다. 추정된 손실 정보는 적응적 가중치와 경합하여 최종적으로 보간된 고해상도 C영상에 더해지게 된다. 실험을 통해서 제안한 방볍이 기존의 알고리즘틀 보다 PSNR에서 2dB이상 향상된 것을 알 수 있었다. 또한 휴대용 장치에서 구현하여 실시간 처려가 가능한 것을 확인하였다. 이와 같이 제안한 방법은 영상의 확대와 영상 복원을 위한 다양한 응용 환경에서 사용될 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권7호
• /
• pp.2547-2567
• /
• 2021

It has been widely acknowledged that occlusion impairments adversely distress many face recognition algorithms' performance. Therefore, it is crucial to solving the problem of face image occlusion in face recognition. To solve the image occlusion problem in face recognition, this paper aims to automatically de-occlude the human face majority or discriminative regions to improve face recognition performance. To achieve this, we decompose the generative process into two key stages and employ a separate generative adversarial network (GAN)-based network in both stages. The first stage generates an initial coarse face image without an occlusion mask. The second stage refines the result from the first stage by forcing it closer to real face images or ground truth. To increase the performance and minimize the artifacts in the generated result, a new refine loss (e.g., reconstruction loss, perceptual loss, and adversarial loss) is used to determine all differences between the generated de-occluded face image and ground truth. Furthermore, we build occluded face images and corresponding occlusion-free face images dataset. We trained our model on this new dataset and later tested it on real-world face images. The experiment results (qualitative and quantitative) and the comparative study confirm the robustness and effectiveness of the proposed work in removing challenging occlusion masks with various structures, sizes, shapes, types, and positions.

• 한국정보통신학회논문지
• /
• 제23권5호
• /
• pp.540-546
• /
• 2019

본 연구는 야간조명 영상에 대한 정보손실을 최소화하는 이진화 방법을 제안한다. 야간조명 영상의 대상은 조명의 영향으로 초점이 맞지 않으며 식별이 불가능한 영상이다. 또한 영상은 명도 히스토그램에서 일부 영역에만 치우친 명도 영역을 가지고 있다. 그래서 기존의 단순한 이진화 방법은 좋은 결과를 얻기에는 힘들다. 제안한 이진화 방법은 영상을 분할하는 방법과 영상 합병 방법을 사용한다. 단계별로 분할된 블록 내에서는 삼각형 타입의 퍼지논리를 이용하여 두 영역으로 구분한다. 소속도의 값이 0은 현 단계에서 이진화하며 소속도의 값이 1은 다음 단계 이후에 이진화를 한다. 실험 결과는 검은색부분에 밀집된 명도 영역에서 정보손실이 최소화된 야간조명 영상을 취득할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제14권8호
• /
• pp.1000-1009
• /
• 2011

영상 보간법은 영상의 크기변환에서 할당되지 못한 화소에 대한 값을 추정하는 기술로써, 보간된 결과 영상에서 나타나는 화질 열화 현상을 최소화하면서도 낮은 계산복잡도를 가지는 것이 필요하다. 본 논문에서는 반복적 오차 제거를 이용한 영상 보간법을 제안한다. 제안하는 방법은 5단계로 구성되며, 각각 손실 정보 계산 단계, 손실 정보 추정 단계 손실 정보 적용 단계 오차 계산 단계 오차 적용 단계이다. 실험을 통해서 기존의 방법보다 평균 3.3dB이상 PSNR(peak signal to noise rate)이 향상된 것을 알 수 있었고, 주관적인 화질도 개선된 것을 확인하였으며 계산복잡도가 최소 83% 이상 감소한 것을 측정하였다. 제안한 영상 보간 방법은 영상 복원 및 확대를 위한 다양한 응용 환경에서 유용하게 사용될 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권7호
• /
• pp.573-577
• /
• 2010

영상 해상도 개선은 영상 복원이나 확대 같은 응용 분야에서 널리 사용되는 기술로서, 결과 영상에서의 블록 현상이나 인공물 발생과 같은 화질 열화를 제거하는 것이 중요하다. 본 논문에서는 영상의 손실 정보를 이용하는 영상 해상도 개선 방법을 제안한다. 제안하는 방법은 획득 저해상도를 하위 레벨 보간을 통해서 손실 정보를 계산 및 추정하고 이를 보간된 고해상도 영상에 적용함으로서 1차적인 보간을 수행하고 획득 저해상도 영상과의 에러를 계산한 후 다시 보간된 영상에 적용하는 과정을 반복하여 최종적인 보간 영상을 생성한다. 동일한 영상을 이용한 시험을 통해서 비교 방법들보다 평균 PSNR에서 3.2㏈ 이상 향상된 것을 확인하였고, 주관적 화질도 개선된 것을 알 수 있었다. 또한 계산복잡도를 85% 이상 감소시킬 수 있었다. 제안한 해상도 개선 방법은 영상 처리의 다양한 분야에서 기반 기술로 사용될 수 있다.

• 인터넷정보학회논문지
• /
• 제20권6호
• /
• pp.29-36
• /
• 2019

When dealing with outdoor images in a variety of computer vision applications, the presence of shadow degrades performance. In order to understand the information occluded by shadow, it is essential to remove the shadow. To solve this problem, in many studies, involves a two-step process of shadow detection and removal. However, the field of shadow detection based on CNN has greatly improved, but the field of shadow removal has been difficult because it needs to be restored after removing the shadow. In this paper, it is assumed that shadow is detected, and shadow-less image is generated by using original image and shadow mask. In previous methods, based on CGAN, the image created by the generator was learned from only the aspect of the image patch in the adversarial learning through the discriminator. In the contrast, we propose a novel method using a discriminator that judges both the whole image and the local patch at the same time. We not only use the residual generator to produce high quality images, but we also use joint loss, which combines reconstruction loss and GAN loss for training stability. To evaluate our approach, we used an ISTD datasets consisting of a single image. The images generated by our approach show sharp and restored detailed information compared to previous methods.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권1호
• /
• pp.245-265
• /
• 2022

In response to problems such as insufficient extraction information, low detection accuracy, and frequent misdetection in the field of Thangka image defects, this paper proposes a YOLOv5 prediction algorithm fused with the attention mechanism. Firstly, the Backbone network is used for feature extraction, and the attention mechanism is fused to represent different features, so that the network can fully extract the texture and semantic features of the defect area. The extracted features are then weighted and fused, so as to reduce the loss of information. Next, the weighted fused features are transferred to the Neck network, the semantic features and texture features of different layers are fused by FPN, and the defect target is located more accurately by PAN. In the detection network, the CIOU loss function is used to replace the GIOU loss function to locate the image defect area quickly and accurately, generate the bounding box, and predict the defect category. The results show that compared with the original network, YOLOv5-SE and YOLOv5-CBAM achieve an improvement of 8.95% and 12.87% in detection accuracy respectively. The improved networks can identify the location and category of defects more accurately, and greatly improve the accuracy of defect detection of Thangka images.