• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권11호
• /
• pp.4065-4083
• /
• 2021

Super-resolution can improve the clarity of low-resolution (LR) images, which can increase the accuracy of high-level compute vision tasks. Portable devices have low computing power and storage performance. Large-scale neural network super-resolution methods are not suitable for portable devices. In order to save the computational cost and the number of parameters, Lightweight image processing method can improve the processing speed of portable devices. Therefore, we propose the Enhanced Information Multiple Distillation Network (EIMDN) to adapt lower delay and cost. The EIMDN takes feedback mechanism as the framework and obtains low level features through high level features. Further, we replace the feature extraction convolution operation in Information Multiple Distillation Block (IMDB), with Ghost module, and propose the Enhanced Information Multiple Distillation Block (EIMDB) to reduce the amount of calculation and the number of parameters. Finally, coordinate attention (CA) is used at the end of IMDB and EIMDB to enhance the important information extraction from Spaces and channels. Experimental results show that our proposed can achieve convergence faster with fewer parameters and computation, compared with other lightweight super-resolution methods. Under the condition of higher peak signal-to-noise ratio (PSNR) and higher structural similarity (SSIM), the performance of network reconstruction image texture and target contour is significantly improved.

• 한국멀티미디어학회논문지
• /
• 제22권11호
• /
• pp.1242-1250
• /
• 2019

Super resolution technique aims to convert a low-resolution image with coarse details to a corresponding high-resolution image with refined details. In the past decades, the performance is greatly improved due to progress of deep learning models. However, universal solution for various objects is a still challenging issue. We observe that learning super resolution with a general dataset has poor performance on faces. In this paper, we propose a super resolution fusion scheme that works well for both general- and face datasets to achieve more universal solution. In addition, object-specific feature extractor is employed for better reconstruction performance. In our experiments, we compare our fusion image and super-resolved images from one- of the state-of-the-art deep learning models trained with DIV2K and FFHQ datasets. Quantitative and qualitative evaluates show that our fusion scheme successfully works well for both datasets. We expect our fusion scheme to be effective on other objects with poor performance and this will lead to universal solutions.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권4호
• /
• pp.264-272
• /
• 2010

예제기반 초해상도 영상복원은 영상 패치의 대한 학습 및 검색을 통해 저해상도 영상으로부터 고해상도 영상을 복원하는 방법으로써 성능이 좋고 한 장의 저해상도 영상에 대하여도 적용 가능하다. 그러나 복원 과정에서 패치 검색에 많은 비교 연산이 요구되기 때문에 속도가 매우 느리다. 복원 속도를 향상시키기 위해서는 효과적인 패치 검색 알고리즘이 요구된다. 본 논문에서는 패치 검색에 사용 가능한 다양한 고차원 특징 검색 방법들을 실제 초해상도 영상복원 시스템에 적용하여 그 성능을 비교하였다. 또한 문자 인식 분야에서 성공적으로 적용되어왔으나 초해상도 영상복원에서는 사용되지 않았던 단계적 후보축소 방법을 패치 검색 단계에 적용할 것을 제안한다. 실험 결과 기존의 방법 중에서는 LSH가 가장 좋은성능을 나타내었다. 본 논문에서 제안한 단계적 후보 축소에 의한 패치 검색 방법은 LSH보다 더욱 우수하여 $1024{\times}1024$ 영상의 복원 시 LSH보다 최대 3.12배 빠른 복원 속도를 나타내었다.

• 한국지형공간정보학회:학술대회논문집
• /
• 한국지형공간정보학회 2002년도 추계학술대회
• /
• pp.117-122
• /
• 2002

촬영시기가 다른 두 위성영상을 비교 분석하여 시간에 따른 변화정보를 획득하는 변화탐지 기술은 다양한 분야에 유용하게 활용이 가능한 기술이다. 특히 최근 활용기대가 높아지고 있는 고해상도 위성영상을 활용하는 변화탐지 기술은 환경감시, 재해재난 후 피해상황 분석, 불법건축물 감시, 군사적 목적 등 기존의 중 저 해상도 위성영상으로는 얻을 수 없는 유용한 변화정보의 추출이 가능하다. 하지만, 고해상도 위성영상의 특수성으로 인해 저해상도 위성영상에 적용하였던 화소기반 변화탐지 기법을 그대로 사용 할 수 없으며 인공물이나 지형지물의 지리적, 형태학적 특징을 활용하여 변화요소를 탐지하여야 한다. 본 연구에서는 촬영시기가 다른 두 매의 고해상도 위성영상에 대하여 사용자가 신속하고 손쉽게 변화를 감지해 낼 수 있도록 이동창을 이용한 인터페이스를 구성하고, 영상에 대한 육안분석을 통해 사용자가 건물의 신축 및 철거 등 변화를 발견하여 변화지도를 작성할 수 있는 시스템 개발함으로써 반자동 방식에 의한 고해상도 위성영상의 변화탐지 방법을 제시하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 춘계종합학술대회
• /
• pp.597-600
• /
• 2007

얼굴은 개인의 신원확인을 위하여 중요한 생체부분이다. 하지만 얼굴인식은 고차원적인 패턴인식의 문제이다. 저해상도 얼굴영상 조차도 대단히 큰 특징공간을 생성한다. 고유공간기반 얼굴인식은 고차원적인 패턴인식의 문제를 보다 낮은 차원으로 줄여서 얼굴인식을 하는 방법이다. 본 연구의 목적은 실시간 얼굴인식을 위하여 빠른 특징 추출방법을 제공하는 것이다. 먼저, 입력된 얼굴 영상에서 주성분분석을 수행하여 고유벡터와 고유값을 생성하고, 생성된 고유벡터의 특이점에 Gabor 필터를 적용하여 특징벡터를 구성한 후에 앞에서 구해진 고유값을 곱하여 특징을 추출하는 방법을 제안한다. 본 연구에서는 ORL 데이터베이스를 이용하여 실험하였다.

• 한국측량학회지
• /
• 제24권5호
• /
• pp.409-416
• /
• 2006

영상 기하보정은 여러 가지 데이터의 조합으로부터 얻어질 수 있는 영상 분석 작업에 매우 중요한 전처리 과정 중 하나다. 본 연구는 최근 평면 영상간 기하보정에 많이 사용하고 있는 SIFT 기법을 적용하여, 다양한 해상도를 가진 위성영상의 자동 기하보정을 수행하는데 초점을 맞추고 있다. 2차원 영상의 조건을 만족하기 위해 기복변위의 영향이 상대적으로 적은 중 저해상도 위성영상의 기하보정을 수행하였으며, 다양한 해상도 영상을 조합함으로써 공간해상도의 차이를 보이는 영상의 기하보정에 SIFT 기법을 적용할 수 있는지를 실험하였다. 결과를 통해, SIFT 기법이 기존의 상관계수를 이용하여 특징점의 정합을 수행하는 방법에 비해 높은 정합률을 나타냈으며, 추출된 정합쌍을 자동 영상 기하보정에 사용할 수 있을 것으로 기대한다.

• 대한원격탐사학회지
• /
• 제20권4호
• /
• pp.261-274
• /
• 2004

위성영상 정보를 이용하여 지형지물을 인식하거나 추출하는 것은 영상정보의 실제적인 응용을 위한 기본 연구로 간주되고 있다. 또한 고 해상도 영상정보가 다양한 민간 분야에서 활발하게 이용됨에 따라 정확한 지형지물의 추출에 대한 필요성이 더욱 강조되고 있다. 지금까지 중-저 해상도 영상정보를 대상으로 하여 도로 경계를 포함하는 선형 지형지물을 자동으로 추출하기 위한 여러 가지 방법들이 개발되고 있어 왔으나 이를 고 해상도 영상정보에 적용하거나 적용 결과를 분석한 사례는 많지 않다. 본 연구에서는 항공사진 정보니 고 해상도 영상정보를 대상으로 하여 선형 지형지물의 추출에 적합한 기법으로 최근에 제안된 구배 방향 프로파일 알고리즘(GDPA)과 Hough 변환기법에 따른 적용 결과를 동일한 자료에 적용하고 이러한 결과를 비교하고자 하였다. 각 방법에 대한 적용 결과를 정량적으로 비교하기 위해 수치지도의 도로 중심선과 도로 경계선 레이어를 기준으로 하는 Commission, Omission 오차를 이용한 Ranking기법을 적용하여 수행하였다. 연구 결과, Hough 변환기법이 추출 결과 영상에서는 평균적으로 20%정도의 높은 정확도를 보이며, 처리속도는 GDPA의 경우가 Hough 변환 기법에 비하여 빠른 실행 속도를 보이는 것으로 나타났다 그러나 GDPA 알고리즘에 잡음제거를 시행한 경우에는 Hough 변환에 의한 결과와 유사한 정확도를 보인다. 결론적으로 위성 영상정보로부터 지형지물을 추출하는 어플리케이션에서는 GDPA 알고리즘이 Hough 변환 기법에 비하여 적용성이 좋은 것으로 생각된다.

• 한국해양공학회지
• /
• 제30권3호
• /
• pp.214-220
• /
• 2016

Imaging sonars such as side-scanning sonar or forward-looking sonar are becoming fundamental sensors in the underwater robotics field. However, using sonar images for underwater perception presents many challenges. Sonar images are usually low resolution with inherent speckled noise. To overcome the limited sensor information for underwater perception, we investigated preprocessing methods for sonar images and feature detection methods for a nonlinear scale space. In this paper, we focus on a comparative analysis of (1) preprocessing for sonar images and (2) the feature detection performance in relation to the scale space composition.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.115-115
• /
• 2000

A gait pattern classification method using electromyography(EMG) signal is presented. The gait pattern with four stages such as stance, heel-off, swing and heel-strike is analyzed and classified using feature parameters such as zero-crossing, integral absolute value and variance of the EMG signal. The EMG signal from Tibialis Anterior and Gastrocnemius muscles was obtained using the surface electrodes, and low-pass filtered at 10kHz. The filtered analog signal was sampled at every 0.5msec and converted to digital signal with 12-bit resolution. The obtained data is analyzed and classified in terms of feature parameters. Analysis results are given to show that the gait patterns classified by the proposed method are feasible.

• Journal of Multimedia Information System
• /
• 제8권2호
• /
• pp.101-110
• /
• 2021

In computer vision, single-image super resolution has been an area of research for a significant period. Traditional techniques involve interpolation-based methods such as Nearest-neighbor, Bilinear, and Bicubic for image restoration. Although implementations of convolutional neural networks have provided outstanding results in recent years, efficiency and single model multi-scalability have been its challenges. Furthermore, previous works haven't placed enough emphasis on real-number scalability. Interpolation-based techniques, however, have no limit in terms of scalability as they are able to upscale images to any desired size. In this paper, we propose a convolutional neural network possessing the advantages of the interpolation-based techniques, which is also efficient, deeming it suitable in practical implementations. It consists of convolutional layers applied on the low-resolution space, post-up-sampling along the end hidden layers, and additional layers on high-resolution space. Up-sampling is applied on a multiple channeled feature map via bicubic interpolation using a single model. Experiments on architectural structure, layer reduction, and real-number scale training are executed with results proving efficient amongst multi-scale learning (including scale multi-path-learning) based models.