• 한국방사선학회논문지
• /
• 제15권3호
• /
• pp.281-291
• /
• 2021

본 연구는 자기공명영상을 이용한 TOF MRA 검사에서 flow rate 2.0 ml 이하의 유속을 표현함에 있어 Compressed sensing의 사용에 따른 영상의 변화를 정량적으로 측정하고자 하였다. Auto-injector와 Flow phantom을 이용하여 각각의 혈류속도 구간을 설정하고 CS를 사용하지 않은 TOF without CS 기법과 CS를 이용한 TOF with CS 기법에서 CS factor의 변화에 따른 SNR, CNR, SSIM, RMSE 등을 측정하여 비교하였다. CS factor의 증가에 따라 나타나는 영상의 영향을 검증하고자 일원배치 분산분석(One-way ANOVA)을 시행하였다. 실험 결과 CS를 사용한 TOF MRA는 CS를 사용하지 않은 TOF MRA와 비교하여 SNR 및 CNR의 유의한 차이 없이 scan time이 현저하게 감소하였다. 반면 CS factor의 증가에 따라 SSIM 및 RMSE는 TOF without CS 영상과의 차이가 증가함을 나타내었다. 따라서 TOF MRA 검사 시 CS 기법을 통해 scan time을 효율적으로 감소시키되 적절한 CS factor의 범위를 충분히 고려해야 한다. 또한 CS factor와 영상의 유사도, 정밀성에 대한 지속적인 연구가 필요할 것으로 사료된다.

• 한국위성정보통신학회논문지
• /
• 제8권4호
• /
• pp.130-134
• /
• 2013

본 논문에서는 3D 방송의 기본적인 원리를 설명하고 3D 방송을 CS 기술을 적용하여 데이터 용량을 줄이는 방식을 제안한다. 샘플링 이론과 CS 기술의 차이점을 설명하고 개념과 동작원리를 설명한다. 최근 제안된 CS 센싱의 복원 알고리즘인 AMP(Approximate Message Passing)와 CoSaMP(Compressive Sampling Matched Pursuit)를 소개하고 이를 이용하여 이미지 데이터를 압축 복원하여 비교한다. 두 알고리즘의 계산시간을 비교하여 낮은 복잡도를 갖는 알고리즘을 판단한다.

• 대한전자공학회논문지SP
• /
• 제46권5호
• /
• pp.1-7
• /
• 2009

최근 Compressed Sensing (CS) 알고리즘이 다양한 분야에서 연구되고 있으며, medical imaging 분야에서도 역시 이를 이용한 연구가 활발히 진행 중이다. CS 알고리즘을 이용하기 위해서는 복원하고자 하는 신호가 sparse한 성질을 지니고 있어야 한다. 일반적으로 대부분의 의료 영상의 경우, 이러한 성질을 가지고 있지 못하기 때문에 sparsifying transform을 이용하게 된다. 하지만 MR 영상의 경우, 다른 의료 영상 modality와 비교하여 적절히 펄스열을 이용하여 영상의 contrast를 조절할 수 있다는 특징을 가지고 있다. 이에 본 논문에서는 sparsifying transform을 이용하지 않고도 펄스열에 의한 MR 영상에 CS 알고리즘을 적용할 수 있는 가능성을 제시함과 동시에 적절한 sparsifying transform을 적용하여 영상의 sparsity를 더욱 강조함으로써 CS 알고리즘의 복원 성능을 더욱 향상 시킬 수 있다는 것을 제안하고자 하며, 이를 Shepp-Logan 팬텀 영상과 in vivo 영상을 이용한 시뮬레이션을 통하여 검증하였다.

• Journal of Communications and Networks
• /
• 제12권4호
• /
• pp.308-316
• /
• 2010

The problem of compressed sensing (CS) based multiple access is studied under the assumption of random data traffic. In many multiple access systems, i.e., wireless sensor networks (WSNs), data arrival is random due to the bursty data traffic for every transmitter. Following the recently developed CS methodology, the technique of compressing the transmitter identities into data transmissions is proposed, such that it is unnecessary for a transmitter to inform the base station its identity and its request to transmit. The proposed compressed multiple access scheme identifies transmitters and recovers data symbols jointly. Numerical simulations demonstrate that, compared with traditional multiple access approaches like carrier sense multiple access (CSMA), the proposed CS based scheme achieves better expectation and variance of packet delays when the traffic load is not too small.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권6호
• /
• pp.2497-2517
• /
• 2020

For compressed sensing (CS) applications, it is significant to construct deterministic measurement matrices with good practical features, including good sensing performance, low memory cost, low computational complexity and easy hardware implementation. In this paper, a deterministic construction method of bipolar measurement matrices is presented based on binary sequence family (BSF). This method is of interest to be applied for sparse signal restore and image block CS. Coherence is an important tool to describe and compare the performance of various sensing matrices. Lower coherence implies higher reconstruction accuracy. The coherence of proposed measurement matrices is analyzed and derived to be smaller than the corresponding Gaussian and Bernoulli random matrices. Simulation experiments show that the proposed matrices outperform the corresponding Gaussian, Bernoulli, binary and chaotic bipolar matrices in reconstruction accuracy. Meanwhile, the proposed matrices can reduce the reconstruction time compared with their Gaussian counterpart. Moreover, the proposed matrices are very efficient for sensing performance, memory, complexity and hardware realization, which is beneficial to practical CS.

• 한국위성정보통신학회논문지
• /
• 제9권3호
• /
• pp.59-63
• /
• 2014

본 논문에서는 3D 방송의 기본적인 원리를 설명하고 압축 센싱(Compressed Sensing) 기술을 적용하여 3D 방송의 데이터 용량을 줄이는 방식을 제안한다. 샘플링 이론과 압축 센싱 기술의 차이점을 설명하고 개념과 동작원리를 설명한다. 최근 제안된 압축 센싱의 복원 알고리즘인 SS-CoSaMP(Single-Space Compressive Sampling Matched Pursuit) 와 CoSaMP(Compressive Sampling Matched Pursuit)를 소개하고 이를 이용하여 데이터를 압축 복원하여 정확도를 비교한다. 두 알고리즘의 다양한 이미지 복원을 수행하고 계산시간을 비교한다. 결론적으로 낮은 복잡도를 갖는 3D 방송에 적합한 알고리즘을 판단한다.

• 한국위성정보통신학회논문지
• /
• 제10권3호
• /
• pp.57-61
• /
• 2015

본 논문에서는 3D 방송의 기본적인 원리를 설명하고 실감영상 CS 기술을 적용하여 데이터 용량을 줄이는 방식을 제안한다. 샘플링 이론과 CS 기술의 차이점을 설명하고 개념과 동작원리를 설명한다. 압축 센싱의 복원 알고리즘인 SS-CoSaMP(Single-Space Compressive Sampling Matched Pursuit) 와 AMP(Approximate Message Passing)를 소개하고 이를 이용하여 이미지 데이터를 압축 복원하여 비교한다. 계산시간을 비교하여 낮은 복잡도를 갖는 알고리즘을 판단한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권1호
• /
• pp.58-78
• /
• 2016

Compressed sensing (CS) possesses the potential benefits for spectrum sensing of wideband signal in cognitive radio. The sparsity of signal in frequency domain denotes the number of occupied channels for spectrum sensing. This paper presents a scheme of adaptively adjusting the number of compressed measurements to reduce the unnecessary computational complexity when priori information about the sparsity of signal cannot be acquired. Firstly, a method of sparsity estimation is introduced because the sparsity of signal is not available in some cognitive radio environments, and the relationship between the amount of used data and estimation accuracy is discussed. Then the SNR of the compressed signal is derived in the closed form. Based on the SNR of the compressed signal and estimated sparsity, an adaptive algorithm of adjusting the number of compressed measurements is proposed. Finally, some simulations are performed, and the results illustrate that the simulations agree with theoretical analysis, which prove the effectiveness of the proposed adaptive adjusting of compressed measurements.

• 한국정보전자통신기술학회논문지
• /
• 제10권4호
• /
• pp.257-267
• /
• 2017

압축센싱(Compressed Sensing)은 선형 역문제(inverse problem)를 다루고 있으며, 그 이론적 연구결과는 관련 분야에 많은 영향을 주어 놀랄 만한 연구성과를 발표하였다. 그러나 압축센싱을 실제 환경에 적용하기 위해서는 두 가지 중요한 문제가 남아 있다. 하나는 실시간에 가까운 복원 성능이 보장되어야 하며, 다른 하나는 신호가 희소성을 갖도록 전처리가 가능해야 한다는 점이다. 이에 대한 문제들을 해결하고자 딥러닝(deep learning) 기술을 활용한 압축센싱 신호 복원방법이 최근에 등장하였다. 본 논문에서는 딥러닝 기반의 압축센싱 신호 복원방법을 고찰하고 최신 연구결과를 비교 분석하고자 한다. 관련 연구결과에서는 실시간에 가까운 복원 시간에 도달하였으며, 기존 복원방법 대비 더 우수한 복원 성능을 보여 주었다. 최근 연구에서 보여준 딥러닝을 활용한 압축센싱 신호 복원방법은 압축센싱의 활용가치를 더욱 높일 뿐만 아니라 신호처리와 통신분야에서 크게 활용될 수 있을 것으로 기대된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 추계학술대회
• /
• pp.188-190
• /
• 2012

Compressed Sensing (CS) has been developed for several years. Among many CS algorithms for image, the Block-based Compressed Sensing with Smoothed Projected Landweber (BCS-SPL) demonstrates its excellent performance in low-complexity and near-optimal reconstruction. Several noise filtering algorithms of image reconstruction have been introduced such as the Wiener or the median filters, etc. In general, each filter has its own advantages and disadvantages depending on specific coding scheme. In this paper, we show that reconstruction performance can be varied according to the choice of filter. When a sub-rate value is changed, different filter causes different effect as well. Concerning the sub-rate, an inner filter can be chosen to improve the reconstructed image quality.