• 한국통신학회논문지
• /
• 제32권3C호
• /
• pp.241-248
• /
• 2007

예측(predictive) 이미지 코딩에서는 최소 자승법을 기반으로 하는 적응적인 예측기가 에지 주변에 있는 픽셀(pixel)의 예측 결과를 향상시키는데 효과적인 방법으로 알려져있다. 본 논문에서는 가중치 윤곽선 검출기 (weighted edge detector)를 이용한 하이브리드 보간 알고리듬(hybrid interpolation algorithm)을 제안한다 전체적인 계산의 복잡도를 감소시키기 위해서 2차원 선형 보긴(bilinear interpolation)과 에지 방향성을 이용한 보간(edge directed interpolation) 알고리듬을 선택적으로 적용시키는 하이브리드 접근방법을 이용한다. 이런 접근 방법을 2차원 선형 보간 알고리듬과 에지 방향성을 이용한 보간 알고리듬을 적용했을 경우와 비교하기 위해서 PSNR과 SSIM 측정값을 이용하여 객관적이고 주관적인 영상의 화질 비교는 제안한 알고리듬이 비슷한 성능을 나타냄을 보여준다. 또한 제안하는 가중치 윤곽선 검출기를 이용한 하이브리드 보간 알고리듬은 정규화된 CPU 수행 시간을 에지 방향성을 이용한 보간 알고리듬과 비교하면 최대 20배의 복잡도 감소 효과를 얻을 수 있다.

• 전기전자학회논문지
• /
• 제24권2호
• /
• pp.492-496
• /
• 2020

안개가 낀 악조건의 날씨에서는 가시성이 저하되어 카메라로 포착한 정보들을 정확히 인식하기 어렵다. 안개 낀 날씨에서도 사물인식, 차선 인식 등 카메라 기반의 기기들이 정상 동작할 수 있도록 안개제거 연구가 활발히 진행되고 있다. 본 논문에서는 안개 영상에서 밝기와 채도의 차이가 영상의 깊이에 따라 비선형적으로 증가한다는 분석을 통해 깊이 맵 추정을 위한 비선형 모델을 제시한다. 비선형 모델의 안개 제거 방법은 여러 가지 안개제거 방법과의 정량적 수치평가(MSE, SSIM, TMQI)를 통해 동등 이상의 결과를 보여줌으로써 우수한 성능을 자랑한다.

• 패션비즈니스
• /
• 제15권4호
• /
• pp.43-54
• /
• 2011

Printing process has been a major sector in the textile industries for a long period of time. With the advent of digital textile printing, the complex procedures of printing preparations and after-treatment processes have been streamlined. For the design of the motives of images to be printed, the use of image handling software, e.g. Photoshop(Adobe), has been of prime importance. Even though the software is extremely useful and functionally versatile, there are many laborious steps involved for the specific textile printing process. The use of a CAD-based textile printing function may help the textile printing process in streamlining the complex processing stages. The image qualities of the output designs have been compared objectively with the aid of several image similarity evaluation schemes including the SSIM, and FSIM Index methods.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.540-541
• /
• 2018

본 논문에서는 낮은 해상도의 적외선 영상을 대상으로 DWT(Discrete Wavelet Transform)를 이용하여 해상도를 향상시키는 초고해상도 기법을 제안한다. 이 기법은 적외선 카메라를 통해 입력되는 영상을 대상으로 해상도를 줄이지 않는 방식으로 DWT를 수행하여 동일한 해상도의 부대역들(LH, HL, HH)을 생성하고, 이 부대역들과 원래의 적외선 영상을 이용하여 Inverse-DWT를 수행하여 해상도가 향상된 적외선 영상을 얻는다. 실험결과 제안한 기법의 평균 SSIM 수치가 0.989861로 측정되어 기존의 Bi-linear, Bi-cubic 필터를 이용하는 기법에 비해 약 0.004 정도 향상되는 것을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제24권3호
• /
• pp.41-47
• /
• 2019

In this paper, we propose a application of conditional generative adversarial network (cGAN) for generation of contrast enhanced computed tomography (CT) image. Two types of CT data which were the enhanced and non-enhanced were used and applied by the histogram equalization for adjusting image intensities. In order to validate the generation of contrast enhanced CT data, the structural similarity index measurement (SSIM) was performed. Prepared generated contrast CT data were analyzed the statistical analysis using paired sample t-test. In order to apply the optimized algorithm for the lymph node cancer, they were calculated by short to long axis ratio (S/L) method. In the case of the model trained with CT data and their histogram equalized SSIM were $0.905{\pm}0.048$ and $0.908{\pm}0.047$. The tumor S/L of generated contrast enhanced CT data were validated similar to the ground truth when they were compared to scanned contrast enhanced CT data. It is expected that advantages of Generated contrast enhanced CT data based on deep learning are a cost-effective and less radiation exposure as well as further anatomical information with non-enhanced CT data.

• 방송공학회논문지
• /
• 제24권1호
• /
• pp.87-96
• /
• 2019

저조도 영상의 개선에 관한 연구는 대부분 대비 개선을 목적으로 한다. 저저도 영상에서 밝기 개선, 대조 개선, 및 조명 성분 감쇠 등의 다양한 연구가 진행됐다. 최근에 인공신경망으로 상기 방법들을 대체하는 연구가 진행 중이다. 본 논문에서는 Retinex 이론에 기반하여 조명 광원이 존재하는 저저도 영상으로부터 조명 성분을 감쇠하고, 반사 성분만을 생성하는 기법을 심층신경망으로 대체하는 방법을 제안한다. 실험에서는 102장의 저저도 영상으로 학습시킨 인공신경망으로 반사 영상을 생성하였는데, PSNR=30.8682(db), SSIM=0.4345를 얻었다.

• 한국음향학회지
• /
• 제40권2호
• /
• pp.121-129
• /
• 2021

본 논문에서는 학습 기반 압축 센싱을 이용하여 측면 주사 소나 영상의 해상도를 향상하는 초해상도 기법을 다룬다. 딥러닝과 압축 센싱이 접목된 학습 기반 압축 센싱은 구조적인 측면에서 피드-포워드(feed forward) 네트워크 형태이며 학습을 통하여 파라미터들을 자동으로 설정하게 된다. 본 논문에서는 초해상도 과정에서 필요한 추가 정보들을 다양한 초기화 방법을 통해 효과적으로 추출할 수 있는 방법을 제안한다. 다양한 모의 실험에서 제안하는 방법은 기존 방식보다 Peak Signal-to-Noise Ratio(PSNR) 및 Structure Similarity Index Measure(SSIM) 지표상 향상된 성능 결과를 나타내었다.

• 방송공학회논문지
• /
• 제28권1호
• /
• pp.21-30
• /
• 2023

컴퓨터 생성 홀로그래피는 일반 이미지에 비해 연산 부하와 메모리 요구량이 크다. 본 논문은 정밀도를 낮추어 연산속도를 높이는저정밀도(low-precision) 및 혼합정밀도(mixed precision) 연산 방법을 회절연산에 적용하여, 정밀도에 따른 홀로그램의 생성 속도와 품질의 변화를 분석한다. 본 논문은 배정밀도, 단정밀도, bfloat16 정밀도에서의 회전 연산을 비교하였으며, bfloat16의 회절연산의 속도가 배정밀도에 비해 최대 5.94배, 단정밀도에 비해 1.52배 빠른 것을 확인하였다. 또한, MSE, PSNR, SSIM을 기준으로 회절 연산의오차를 측정하였으며, 정밀도가 낮아질수록 홀로그램 품질이 낮아지는 것을 확인했다. 하지만, 정성적인 이미지 품질에는 유의미한 영향이 없는 것을 확인했다. 이러한 결과는, bfloat16등 낮은 정밀도 연산의 홀로그램 연산으로의 적용 가능성을 보여준다.

• 한국인공지능학회지
• /
• 제12권1호
• /
• pp.1-6
• /
• 2024

Recently, various techniques are being applied through the development of medical AI, and research has been conducted on the application of super-resolution AI models. In this study, evaluate the results of the application of the super-resolution AI model to brain CT as the basic data for future research. Acquiring CT images of the brain, algorithm for brain and bone windowing setting, and the resolution was downscaled to 5 types resolution image based on the original resolution image, and then upscaled to resolution to create an LR image and used for network input with the original imaging. The SRCNN model was applied to each of these images and analyzed using PSNR, SSIM, Loss. As a result of quantitative index analysis, the results were the best at 256×256, the brain and bone window setting PSNR were the same at 33.72, 35.2, and SSIM at 0.98 respectively, and the loss was 0.0004 and 0.0003, respectively, showing relatively excellent performance in the bone window setting CT image. The possibility of future studies aimed image quality and exposure dose is confirmed, and additional studies that need to be verified are also presented, which can be used as basic data for the above studies.

• Nuclear Engineering and Technology
• /
• 제55권12호
• /
• pp.4591-4596
• /
• 2023

Single-photon emission computed tomography SPECT image reconstruction methods have a significant influence on image quality, with filtered back projection (FBP) and ordered subset expectation maximization (OSEM) being the most commonly used methods. In this study, we proposed newly-designed adaptive non-blind deconvolution with a structural similarity (SSIM) index that can take advantage of the FBP and OSEM image reconstruction methods. After acquiring brain SPECT images, the proposed image was obtained using an algorithm that applied the SSIM metric, defined by predicting the distribution and amount of blurring. As a result of the contrast to noise ratio (CNR) and coefficient of variation evaluation (COV), the resulting image of the proposed algorithm showed a similar trend in spatial resolution to that of FBP, while obtaining values similar to those of OSEM. In addition, we confirmed that the CNR and COV values of the proposed algorithm improved by approximately 1.69 and 1.59 times, respectively, compared with those of the algorithm involving an inappropriate deblurring process. To summarize, we proposed a new type of algorithm that combines the advantages of SPECT image reconstruction techniques and is expected to be applicable in various fields.