• 대한공간정보학회지
• /
• 제10권5호
• /
• pp.45-51
• /
• 2002

The goal of image merging techniques are to enhance the resolution of low-resolution images using the detail information of the high-resolution images. Among the several image merging methods, wavelet-based image merging techniques have the advantages of efficient decorrelation of image bands and time-scale analysis. However, they have no regard for spatial information between the bands. In other words, multiresolution data merging methods merge the same information-the detail information of panchromatic image-with other band images, without considering specific characteristics. Therefore, a merged image contains much unnecessary information. In this paper, we discussed this 'mixing' effect and, proposed a method to classify the detail information of the panchromatic image according to the spatial and spectral characteristics, and to minimize distortion of the merged image.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2010년 춘계학술발표회 논문집
• /
• pp.221-224
• /
• 2010

When the image registration methods which were generally used to the low medium resolution satellite images is applied to the high spatial resolution images, some matching errors or limitations might be occurred because of the local distortions in the images. This paper, therefore, proposed the automatic image-to-image registration of high resolution satellite images using local properties of control points to improve the registration result.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 하계학술대회
• /
• pp.98-101
• /
• 2019

At present, deep convolutional neural networks have made a very important contribution in single-image super-resolution. Through the learning of the neural networks, the features of input images are transformed and combined to establish a nonlinear mapping of low-resolution images to high-resolution images. Some previous methods are difficult to train and take up a lot of memory. In this paper, we proposed a simple and compact deep recursive residual network learning the features for single image super resolution. Global residual learning and local residual learning are used to reduce the problems of training deep neural networks. And the recursive structure controls the number of parameters to save memory. Experimental results show that the proposed method improved image qualities that occur in previous methods.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 하계학술대회
• /
• pp.63-66
• /
• 2018

Recently, a convolutional neural network (CNN) models at single image super-resolution have been very successful. Residual learning improves training stability and network performance in CNN. In this paper, we compare four convolutional neural network models for super-resolution (SR) to learn nonlinear mapping from low-resolution (LR) input image to high-resolution (HR) target image. Four models include general CNN model, global residual learning CNN model, local residual learning CNN model, and the CNN model with global and local residual learning. Experiment results show that the results are greatly affected by how skip connections are connected at the basic CNN network, and network trained with only global residual learning generates highest performance among four models at objective and subjective evaluations.

• Journal of Information Processing Systems
• /
• 제18권4호
• /
• pp.575-586
• /
• 2022

Uneven light in real-world causes visual degradation for underexposed regions. For these regions, insufficient consideration during enhancement procedure will result in over-/under-exposure, loss of details and color distortion. Confronting such challenges, an unsupervised low-light image enhancement network is proposed in this paper based on the guidance of the unpaired low-/normal-light images. The key components in our network include super-resolution module (SRM), a GAN-based low-light image enhancement network (LLIEN), and denoising-scaling module (DSM). The SRM improves the resolution of the low-light input images before illumination enhancement. Such design philosophy improves the effectiveness of texture details preservation by operating in high-resolution space. Subsequently, local lightness attention module in LLIEN effectively distinguishes unevenly illuminated areas and puts emphasis on low-light areas, ensuring the spatial consistency of illumination for locally underexposed images. Then, multiple discriminators, i.e., global discriminator, local region discriminator, and color discriminator performs assessment from different perspectives to avoid over-/under-exposure and color distortion, which guides the network to generate images that in line with human aesthetic perception. Finally, the DSM performs noise removal and obtains high-quality enhanced images. Both qualitative and quantitative experiments demonstrate that our approach achieves favorable results, which indicates its superior capacity on illumination and texture details restoration.

• 한국지능시스템학회논문지
• /
• 제17권1호
• /
• pp.72-79
• /
• 2007

저해상도 영상 정보들 이용하여 고해상도 영상으로 재구성하는 새로운 고해상도 복원 알고리즘을 제안한다. 제안된 고해상도 복원 알고리즘은 super 해상도 이론을 바탕으로 구성되며, super 해상도는 정합과 복원의 순차적인 단계로 구성되어있다. 본 논문에서는 다해상도 분해를 통한 웨이브렛 기저와 하위픽셀이동을 통한 정합으로 많은 데이터 처리량과 잡음을 줄여 주요정보 유지와 에러율 개선하였다. 또한 복원단계에서는 퍼지 웨이브렛 B-스플라인 보간법을 이용하여 블러링과 블록화 현상이 없는 부드러운 영상과 해상도를 얻음을 확인하였다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제40권3호
• /
• pp.393-400
• /
• 2017

본 연구는 NEMA Phantom을 사용하여 관전류량 변화에 따른 면적선량과 영상화질의 분석을 통해 선량을 감소할 수 있는 방법을 제시하고자 하였다. 인터벤션의 특성상 중요한 화질평가 항목인 공간 분해능, 저 대조도 분해능과 함께 신호 대 잡음비(Signal to Noise Ratio; SNR), 대조도 대 잡음비(Contrast to Noise Ratio; CNR)를 평가기준으로 하였고, 관전압은 80 kVp로 고정하고, 관전류량을 20, 30, 40, 50 mAs로 변화시켜 면적선량과 영상화질을 비교분석하였다. 그 결과 관전압을 고정한 상태에서 면적선량은 조건이 증가함에 따라 $1,066mGycm^2$에서 $6,160mGycm^2$으로 약 6배까지 증가하였고, 공간분해능과 저 대조도 분해능은 20 mAs, 30 mAs에서 평가기준보다 높게 관찰되었으나 40 mAs는 공간 분해능, 50 mAs에서는 공간 분해능과 저 대조도 분해능이 평가기준 이하로 관찰되었다. 또한 SNR과 CNR은 30 mAs까지는 증가하다 40 mAs에서 다소 증가하기는 하였으나 이전과 큰 차이가 없었고, 50 mAs에서는 감소하는 경향을 보였다. 결론적으로 관전류의 과잉노출로 피폭선량이 증가하고, 공간 분해능, 저 대조도 분해능, SNR, CNR 모든 영역에서 영상화질이 저하된다는 것을 알 수 있었고, 적절한 관전류량의 설정으로 인터벤션에서 피폭선량을 줄이고 영상화질을 충분히 개선할 수 있다는 것을 알 수 있었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.2343-2346
• /
• 2003

The spatial resolution of multispectral images can be improved by merging them with higher resolution image data. A fundamental problem frequently occurred in existing fusion processes, is the distortion of spectral information. This paper presents a spatially adaptive image fusion algorithm which produces visually natural images and retains the quality of local spectral information as well. High frequency information of the high resolution image to be inserted to the resampled multispectral images is controlled by adaptive gains to incorporate the difference of local spectral characteristics between the high and the low resolution images into the fusion. Each gain is estimated to minimize the l$_2$-norm of the error between the original and the estimated pixel values defined in a spatially adaptive window of which the weight are proportional to the spectral correlation measurements of the corresponding regions. This method is applied to a set of co-registered Landsat7 ETM＋ panchromatic and multispectral image data.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 추계학술대회
• /
• pp.59-61
• /
• 2018

Highly compressed images typically not only have low resolution, but are also affected by compression artifacts. Performing image super-resolution (SR) directly on highly compressed image would simultaneously magnify the blocking artifacts. In this paper, a SR method based on deep learning is proposed. The method is an end-to-end trainable deep convolutional neural network which performs SR on compressed images so as to reduce compression artifacts and improve image resolution. The proposed network is divided into compression artifacts removal (CAR) part and SR reconstruction part, and the network is trained by three-step training method to optimize training procedure. Experiments on JPEG compressed images with quality factors of 10, 20, and 30 demonstrate the effectiveness of the proposed method on commonly used test images and image sets.

• 한국멀티미디어학회논문지
• /
• 제13권3호
• /
• pp.438-456
• /
• 2010

홍채 인식은 고유한 홍채 패턴을 이용하여 신원을 확인하는 생체 인식 기술이다. 일반적으로 홍채인식에서 는 홍채 직경이 200 화소(pixel) 이상 되는 고해상도 홍채 영상을 사용하며, 이런 경우 인식률 감소 없이 정확한 홍채 인식 결과를 얻는다고 알려져 있다. 이를 위해 기존의 홍채 인식 시스템들은 줌렌즈 카메라를 사용하지만, 이러한 카메라는 홍채 인식기의 가격과 크기를 증가시키는 요인이 된다. 이러한 문제를 해결하기 위하여 본 연구에서는 줌렌즈 카메라의 사용 없이 저해상도로 취득된 홍채 영상에서의 인식 정확도를 향상할 수 있는 방법을 제안한다. 본 연구에서는 기존의 방법과 비교하여 다음과 같은 두 가지 장점을 갖는다. 첫째, 기존의 연구에서는 홍채 직경이 200 화소 이하인 저해상도 영상에서의 홍채 인식 성능 감소에 대한 정량적 분석이 진행된 바 없다. 본 연구에서는 홍채 영상의 초점 정도, 눈꺼풀 및 속눈썹 가림 정도의 영향을 배제하고, 홍채 영상의 크기 변화에 따른 인식율의 저하정도를 정량적으로 파악하였다. 둘째, 한 장의 저해상도 홍채 영상을 고해상도 영상으로 복원하기 위해 홍채 영역의 에지 방향에 따라 개별적으로 다르게 학습된 다중 다층 퍼셉트론을 적용함으로써, 복원된 영상에서의 인식 정확도를 향상시켰다. 원 영상대비 6%만큼의 크기로 축소한 저해상도 홍채 영상을 고해상도 영상으로 복원한 결과, 제안하는 방법에 의한 홍채 인식의 EER이 기존의 이중선형보간법에 의한 EER보다 0.133% (1.485% - 1.352%) 만큼 감소됨을 알 수 있었다.