• 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.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권4호
• /
• pp.1246-1262
• /
• 2021

Recent studies have demonstrated the strong ability of deep convolutional neural networks (CNNs) to significantly boost the performance in single image super-resolution (SISR). The key concern is how to efficiently recover and utilize diverse information frequencies across multiple network layers, which is crucial to satisfying super-resolution image reconstructions. Hence, previous work made great efforts to potently incorporate hierarchical frequencies through various sophisticated architectures. Nevertheless, economical SISR also requires a capable structure design to balance between restoration accuracy and computational complexity, which is still a challenge for existing techniques. In this paper, we tackle this problem by proposing a competent architecture called Enhanced U-Net Network (EUN), which can yield ready-to-use features in miscellaneous frequencies and combine them comprehensively. In particular, the proposed building block for EUN is enhanced from U-Net, which can extract abundant information via multiple skip concatenations. The network configuration allows the pipeline to propagate information from lower layers to higher ones. Meanwhile, the block itself is committed to growing quite deep in layers, which empowers different types of information to spring from a single block. Furthermore, due to its strong advantage in distilling effective information, promising results are guaranteed with comparatively fewer filters. Comprehensive experiments manifest our model can achieve favorable performance over that of state-of-the-art methods, especially in terms of computational efficiency.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.133-135
• /
• 2022

IoT 및 AI기술과 매체의 발전에 따라 다양한 디지털 장비가 사용되고 있으며, 무인화와 자동화가 급속도로 진행되고 있다. 특히 스마트 팩토리와 자율주행기술 및 지능형 CCTV와 같은 분야에서는 높은 수준의 영상처리 기술이 요구되고 있다. 하지만 영상에 존재하는 잡음은 에지 검출이나 객체 인식과 같은 과정에 영향을 미치고 있으며, 시스템의 정확성과 신뢰도 저하를 야기한다. 본 논문에서는 복합잡음에 훼손된 영상을 복원하기 위해 퍼지 가중치를 사용한 필터링 알고리즘 제안한다. 제안한 알고리즘은 잡음 판단을 사용하여 기준값을 구했으며, 퍼지가중치를 적용하여 최종출력을 계산한다. 제안한 알고리즘의 성능을 검증하기 위해 시뮬레이션을 진행하였으며, 기존 필터 알고리즘과 결과영상을 비교하여 평가하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 추계학술대회
• /
• pp.237-240
• /
• 2020

The fine-tuned neural network (NN) model for a whole temporal portion in a video does not always yield the best quality (e.g., PSNR) performance over all regions of each frame in the temporal period. For certain regions (usually homogeneous regions) in a frame for super-resolution (SR), even a simple bicubic interpolation method may yield better PSNR performance than the fine-tuned NN model. When there are multiple NN models available at the receivers where each NN model is trained for a group of images having a specific category of image characteristics, the performance of Quality enhancement can be improved by selectively applying an appropriate NN model for each image region according to its image characteristic category to which the NN model was dedicatedly trained. In this case, it is necessary to signal which NN model is applied for each region. This is very advantageous for image restoration and quality enhancement (IRQE) applications at user terminals with limited computing capabilities.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 제14회 신호처리 합동 학술대회 논문집
• /
• pp.649-652
• /
• 2001

본 논문에서는 공간 영역의 제약 정보를 이용한 적응 영상 복원 방식을 제안한다. 공간 영역의 제약 정보로는 국부 정보의 평균, 분산 및 최대 값을 이용하였다. 반복 기법을 이용하여 매 반복 해에서 얻어진 복원 영상으로부터 상기 제약 정보를 설정하게 되고, 위의 제약 정보는 임의의 입력 값에 의해 정의되는 매개 변수와 더불어 복원 영상의 국부 완화 정도를 결정하게 된다. 제안된 방식을 이용하여 복원 영상을 얻기 위해 비적응 복원 방식보다 빠른 수렴 속도를 갖게 됨을 알 수 있었다. 또한, 국부적으로 제어된 완화 정도를 지닌 복원 영상을 얻을 수 있었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.709-712
• /
• 2000

본 논문에서는 인터 프레임(P-프레임) 압축으로 인해 발생되는 블록화 현상을 모델링 하고 기존에 정의된 제한요소를 효율적으로(reasonable) 축소하고 축소된 제한요소를 이용한 후처리를 통해 블록경계는 물론 블록 내부의 불연속을 효율적으로 제거하는 방법을 제안한다. 다음 프레임의 예측영상을 블록화가 제거된 영상을 사용함으로써 프레임간 영상 스트림에서도 주관적으로나 객관적으로나 현저하게 블록화가 제거된 영상을 얻을 수 있다. 제안된 알고리즘은 HDTV나 영상통신과 같은 영상 스트림의 후처리 과정에 적합하다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2001년도 정기총회 및 학술대회
• /
• pp.139-142
• /
• 2001

본 논문에서는 공간 영역의 제약 정보를 이용한 적응 영상 복원 방식을 제안한다. 공간 영역의 제약 정보로는 국부 정보의 평균, 분산 및 최대 값을 이용하였다 반복 기법을 이용하여 매 반복 해에서 얻어진 복원 영상으로부터 상기 제약 정보를 설정하게 되고, 위의 제약 정보는 임의의 입력 값에 의해 정의되는 매개 변수와 더불어 복원 영상의 국부 완화 정도를 결정하게 된다. 제안된 방식을 이용하여 복원 영상을 얻기 위해 비적응 복원 방식보다 빠른 수렴 속도를 갖게 됨을 알 수 있었다. 또한, 국부적으로 제어된 완화 정도를 지닌 복원 영상을 얻을 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.670-672
• /
• 2002

본 논문에서는 잘못된 인쇄로 인한 문서상의 잡영이나 문자 훼손이 있는 문서를 복원 하고자 만다. 제안하는 방법은 스캐너로 읽어들인 문서영상을 잡영 제거론 만 다음 훼손된 숫자 영상에 대해서 프로젝션을 이용하여 숫자 열을 낱낱의 숫자로 분할한다. 각각의 숫자에 대해서 크기가 일정하도록 정규화를 시킨 다음, Backpropagalion을 이용하여 훼손된 숫자를 학습하였다. 학습시킨 다음 원 영상과 훼손된 영상을 각 픽셀단위로 비교하여 4-방향 마스크를 이용하여 원래의 숫자 영상으로 복원하도록 만다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.1715-1718
• /
• 2003

본 논문에서 우리는 정규화 된 혼합 노름(norm)을 이용한 다중 채널 영상 복원 알고리즘을 제안한다. 채널 내부와 채널 사이의 결정론적 정보를 이용하는 다중채널 복원 문제를 고려한다. 각 채널에서, LMS(Least Mean Square), LMF(Least Mean Fourth), 평탄 함수가 결합된 함수가 제안되었다. LMS와 LMF 사이의 적절한 분배를 제어하는 혼합 노를 매개변수와 해의 평탄 정도를 정의하는 정규화 매개 변수를 소개하며, 두 매개 변수는 각 채널의 잡음 특성에 따라 매번 반복적으로 갱신된다. 제안된 알고리즘은 각 채널의 잡음분포에 대한 지식이 필요하지 앉고 앞에서 언급된 매개 변수는 부분적으로 복원된 영상에 기반을 두고 조절하게 된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.487-489
• /
• 2001

제본된 책이나 고문서를 디자타이즈할 때 책을 바르게 펴지 못하거나 지정된 위치나 방위로 위치시키지 못해서 문제가 발생한다. 특히 힘을 가할 수 없는 고문서의 경우에는 바르게 펼수가 없기 때문에 깊이 차이에 의한 문서의 왜곡이 발생한다. 본 연구에서는 Structured Light을 이용하여 깊이 차에 의한 문자의 왜곡을 복원하는 방안을 제안한다. 또한 입력시 책의 위치와 방위에 대한 제한을 완화시킬 수 있도록 책의 위치와 방위 변화에 적을 알 수 있는 방안을 제안한다,