• 디지털콘텐츠학회 논문지
• /
• 제15권6호
• /
• pp.737-743
• /
• 2014

단일 영상 초해상도 기법에는 보간 기반 방법과 표본 기반 방법 등이 있다. 보간 기반 방법들은 간결성에 강점을 가지고 있으나, 이들 방법들은 선지식을 이용할 수 없기 때문에 톱니 모양의 윤곽선을 가진 고해상도 영상을 생성하는 경향이 있다. 표본 기반 초해상도 기법에서는 최근방 기반 알고리즘들이 널리 이용되어 지고 있다. 그들 중, 네이버 임베딩은 지역적 선형 임베딩이라는 매니폴드 학습 방법의 개념과 같다. 그러나, 네이버 임베딩은 국부 학습 데이터 집합의 크기가 너무 작은데에 따른 빈약한 일반화 능력으로 인하여, 시각적으로나 정량적인 척도에 의해 취약한 성능을 보인다. 본 논문에서는 이와 같은 문제점을 해결하기 위해 개선된 네이버 임베딩 알고리즘을 제안하였다. 저해상도 입력 영상이 주어지면 고해상도 버전의 화소 값들은 개선된 네이버 임베딩 알고리즘에 의해 구해진다. 실험 결과 제안된 방법이 바이큐빅 보간법이나 네이버 임베딩에 비해 정량적인 척도 및 시각적으로도 우수한 결과를 보였다.

• 대한핵의학회지
• /
• 제38권2호
• /
• pp.205-208
• /
• 2004

The two major classes of magnetic resonance (MR) contrast agents are paramagnetic contrast agents, usually based on chelates of gadolinium generating T1 positive signal enhancement, and super-paramagnetic contrast agents that use mono- or polycrystalline iron oxide to generate strong T2 negative contrast in MR images. These paramagnetic or super-paramagnetic complexes are used to develop new contrast agents that can target the specific molecular marker of the cells or tan be activated to report on the physiological status or metabolic activity of biological systems. In molecular imaging science, MR imaging has emerged as a leading technique because it provides high-resolution three-dimension maps of the living subject. The future of molecular MR imaging is promising as advancements in hardware, contrast agents, and image acquisition methods coalesce to bring high resolution in vivo imaging to the biochemical sciences and to patient care.

• 정보저장시스템학회:학술대회논문집
• /
• 정보저장시스템학회 2005년도 추계학술대회 논문집
• /
• pp.119-123
• /
• 2005

We report the random pattern characteristics of the super resolution near field structure(Super-RENS) write once read-many(WORM) disc at a blue laser optical system(laser wavelength 405nm, numerical aperture 0.85) and the Super-RENS read only memory(ROM) disc at a blue laser optical system(laser wavelength 659nm, numerical aperture 0.65). We used the WORM disc of which carrier-to-noise ratio (CNR) of 75nm is 47dB and ROM disc of which carrier-to-noise ratio (CNR) of 173nm is 45dB. We controlled the equalization (EQ) characteristics and used advanced partial-response maximum likelihood (PRML) technique. We obtained bit error rate (bER) of 10-3 level at 50GB WORM disc and bite error rate of 10-4 level at 50GB level ROM disc. This result shows high feasibility of Super-RENS technology for practical use.

• 정보저장시스템학회논문집
• /
• 제2권1호
• /
• pp.38-42
• /
• 2006

We report the random pattern characteristics of the super resolution near field structure(Super-RENS) write once read-many(WORM) disc at a blue laser optical system(laser wavelength 405nm, numerical aperture 0.85) and the Super-RENS read only memory(ROM) disc at a blue laser optical system(laser wavelength 659nm, numerical aperture 0.65). We used the WORM disc of which carrier-to-noise ratio(CNR) of 75nm is 47dB and ROM disc of which carrier-to-noise ratio(CNR) of 173nm is 45dB. We controlled the equalization(EQ) characteristics and used advanced partial-response maximum likelihood(PRML) technique. We obtained bit error rate(bER) of 10-3 level at 50GB WORM disc and bite error rate of 10-4 level at 50GB level ROM disc. This result shows high feasibility of Super-RENS technology for practical use.

• 한국멀티미디어학회논문지
• /
• 제24권12호
• /
• pp.1598-1605
• /
• 2021

Recently, convolutional neural networks (CNNs) have been widely used with excellent performance in various computer vision fields, including super-resolution (SR). However, CNN is computationally intensive and requires a lot of memory, making it difficult to apply to limited hardware resources such as mobile or Internet of Things devices. To solve these limitations, network lightening studies have been actively conducted to reduce the depth or size of pre-trained deep CNN models while maintaining their performance as much as possible. This paper aims to lighten the SR CNN model, SRGAN, using the knowledge distillation among network lightening technologies; thus, it proposes four techniques with different methods of transferring the knowledge of the teacher network to the student network and presents experiments to compare and analyze the performance of each technique. In our experimental results, it was confirmed through quantitative and qualitative evaluation indicators that student networks with knowledge transfer performed better than those without knowledge transfer, and among the four knowledge transfer techniques, the technique of conducting adversarial learning after transferring knowledge from the teacher generator to the student generator showed the best performance.

• 한국컴퓨터정보학회논문지
• /
• 제22권12호
• /
• pp.69-77
• /
• 2017

This paper represents a novel framework for multi-scale image fusion. Multi-scale Kalman Smoothing (MKS) algorithm with quad-tree structure can provide a powerful multi-resolution image fusion scheme by employing Markov property. In general, such approach provides outstanding image fusion performance in terms of accuracy and efficiency, however, quad-tree based method is often limited to be applied in certain applications due to its stair-like covariance structure, resulting in unrealistic blocky artifacts at the fusion result where finest scale data are void or missed. To mitigate this structural artifact, in this paper, a new scheme of multi-scale fusion framework is proposed. By employing Super Resolution (SR) technique on MKS algorithm, fine resolved measurement is generated and blended through the tree structure such that missed detail information at data missing region in fine scale image is properly inferred and the blocky artifact can be successfully suppressed at fusion result. Simulation results show that the proposed method provides significantly improved fusion results in the senses of both Root Mean Square Error (RMSE) performance and visual improvement over conventional MKS algorithm.

• 한국컴퓨터정보학회논문지
• /
• 제26권4호
• /
• pp.47-53
• /
• 2021

본 논문에서는 초해상도(Super-Resolution, SR)을 계산하는데 필요한 물리 기반 시뮬레이션 데이터를 효율적으로 분류하고 분할하여 빠르게 SR연산을 가능하게 하는 쿼드트리 기반 최적화 기법을 제안한다. 제안하는 방법은 입력 데이터로 사용하는 연기 시뮬레이션 데이터를 다운스케일링(Downscaling)하여 쿼드트리 연산 소요 시간을 대폭 감소시킨다. 이 과정에서 연기의 밀도를 이진화함으로써, 다운스케일링 과정에서 밀도가 수치 손실되는 문제를 완화하며 쿼드트리를 구축한다. 학습에 사용된 데이터는 COCO 2017 데이터 셋이며, 인공신경망은 VGG19 기반 네트워크를 사용한다. 컨볼루션 계층을 거칠 때 데이터의 손실을 막기 위해 잔차(Residual) 보완 방식과 유사하게 이전 계층의 출력 값을 더해주며 학습을 진행한다. 실험결과가 연기의 경우 제안된 방법은 이전 접근법에 비해 약 15~18배 정도의 속도향상을 얻었다.

• 한국정보통신학회논문지
• /
• 제26권12호
• /
• pp.1816-1825
• /
• 2022

본 논문에서는 다양한 해상도의 카메라를 사용하는 감시 카메라 네트워크에서 각 사람을 추적하는 새로운 접근 방식을 제안한다. 다수의 비겹침 카메라 상에서 사람 추적 시 기존에 사용되던 사람 특징 정보는 다양한 카메라 시야 조건에 쉽게 영향을 받는다. 이러한 한계를 극복하기 위해 제안하는 시스템은 외모 정보와 함께 얼굴 정보를 활용한다. 일반적으로 감시 카메라로 촬영하는 사람 영상은 해상도가 낮은 경우가 많기 때문에 추적을 용이하게 하기 위해 저해상도 얼굴에서도 유용한 특징을 추출할 수 있어야 한다. 제안하는 추적 방식에서 사람 얼굴 특징을 추출하기 위해 탐지된 얼굴을 정면화한 후 텍스쳐 기반의 특징을 추출한다. 또한 감시 카메라에 포착된 얼굴의 크기가 매우 작은 경우 얼굴을 확대하는 초해상도 기법도 함께 활용한다. 공개된 데이터셋인 Dana36을 이용하여 수행한 실험결과를 통해 제안된 알고리즘의 우수한 성능을 보여준다.

• 방송공학회논문지
• /
• 제19권1호
• /
• pp.109-117
• /
• 2014

본 논문에서는 저해상도 영상들 사이의 움직임 정보를 사용하지 않고 서로 다른 형태의 열화영상들로부터 초해상도 영상을 복원하는 기술을 제안한다. 초해상도 영상 복원을 위해서 직사각형 조리개 마스크를 90도 회전하여 두 장의 영상을 취득하기 위한 렌즈시스템을 제안한다. 제안한 기술은 저해상도 영상에서 발생한 초점열화를 프레임마다 추정할 필요가 없고, 조리개 마스크 형태에 해당하는 초점열화만 추정하면 된다. 취득한 영상 간에는 평행 이동이 없기 때문에 영상정합이 필요하지 않다. 직사각형 조리개 마스크를 직교하여 취득한 두 장만의 영상으로 충분히 배타적인 정보를 얻을 수 있다. 따라서 저해상도 영상들 사이의 정합오류와 정합을 위한 계산량을 감소시킬 수 있기 때문에 고해상도 영상을 추정하기에 용이하다. 또한 기존의 카메라 렌즈 시스템에 조리개 마스크를 추가하여 적용할 수 있기 때문에 새로운 형태의 렌즈 시스템을 제작할 필요 없이 초해상도 영상을 복원할 수 있는 카메라 시스템으로 확장 가능하다. 마지막으로 본 논문에서 제안한 방향성 직사각형 열화를 사용한 초해상도 영상복원 기술의 성능을 검증하기 위해서 기존의 초해상도 영상복원 기술과 비교하였으며, 그 결과 해상도가 상당히 개선되었음을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1814-1828
• /
• 2021

Low-light image enhancement is a key technique to overcome the quality degradation of photos taken under scotopic vision illumination conditions. The degradation includes low brightness, low contrast, and outstanding noise, which would seriously affect the vision of the human eye recognition ability and subsequent image processing. In this paper, we propose an approach based on deep learning and Retinex theory to enhance the low-light image, which includes image decomposition, illumination prediction, image reconstruction, and image optimization. The first three parts can reconstruct the enhanced image that suffers from low-resolution. To reduce the noise of the enhanced image and improve the image quality, a super-resolution algorithm based on the Laplacian pyramid network is introduced to optimize the image. The Laplacian pyramid network can improve the resolution of the enhanced image through multiple feature extraction and deconvolution operations. Furthermore, a combination loss function is explored in the network training stage to improve the efficiency of the algorithm. Extensive experiments and comprehensive evaluations demonstrate the strength of the proposed method, the result is closer to the real-world scene in lightness, color, and details. Besides, experiments also demonstrate that the proposed method with the single low-light image can achieve the same effect as multi-exposure image fusion algorithm and no ghost is introduced.