선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 즉, 손실 정보를 완전히 계산하기는 힘들지만 추정을 통해서 그 값을 줄임으로써 원본 영상과의 차이가 가장 적은 영상을 생성하는 것이다. 따라서 본 논문에서는 새로운 보간 커널을 생성하는 것이 아닌 보간후에 적용될 손실 정보를 추정하는 방법을 제안한다.
- 해결하지 못하고 있다. 본 논문에서는 기존의 문제점들을 해결하기 위한 영상 보간 방법을 제안한다.
- 본 논문에서는 이런 문제점들을 해결하기 위한 영상 보 간 방법을 제안한다.
- 본 논문에서는 이런 문제점들을 해결하기 위한 영상보간법을 제안한다. 제안하는 방법은 획득 저해상도 영상의 2단계 다운샘플-보간 과정을 통해서 에러를 계산한고, 계산된 에러를 보간하여 고해상도 영상에 적용하기 위한 손실 정보를 추정한다.
제안 방법
- 본 논문에서는 손실 정보 추정을 이용한 영상 보간법을 제안하고 제안한 방법을 PDA에서 구현하였다. 제안한 방법에서는 획득 저해상도 영상의 다운샘플링-보간 과정, 손실 정보 추정 과정, 가중치 적용 과정 등을 통해서 보간된 영상에 손실된 정보들을 더해줌으로써 보다 정화한 영상 보간을 수행한다.
- 사용하였다. 세 가지 실험을 통해서 제안한 알고리즘을 평가하였다. 실험 1에서는 제안한 방법과 기존 방법들의 PSNR을 비교하였고, 실험 2에서는 프로그램의 실행시간을 비교하였다.
- 손실 정보 추정을 위해서 획득된 저해상도 영상(LR) 의 다운샘플-보간 과정을 수행한다. 전체 2번의 다운 샘플링을 통해서 1단계 다운샘플 영상(LLR)과 2단계 다운 샘플 영상(2LR)으로부터 각각 에러를 계산한다.
- 세 가지 실험을 통해서 제안한 알고리즘을 평가하였다. 실험 1에서는 제안한 방법과 기존 방법들의 PSNR을 비교하였고, 실험 2에서는 프로그램의 실행시간을 비교하였다. 실험 3에서는 손실 정보적용 단계에 따른 PSNR을 비교하였다.
- 실험 1에서는 제안한 방법과 기존 방법들의 PSNR을 비교하였고, 실험 2에서는 프로그램의 실행시간을 비교하였다. 실험 3에서는 손실 정보적용 단계에 따른 PSNR을 비교하였다. 비교방법으로는 ICBI[121 방법과 RDI® 방법을 사용하였고, 제안한 방법의 보간 커널은 MATLAB의 bilinear와 bicubic 보간함수를 사용하였다.
- 이를 검증하기 위해서 비교적 하드웨어 성능이 낮은 상용 PDA에서 제안한 방법을 구현하였다.
- 다운샘플-보간 과정을 수행한다. 전체 2번의 다운 샘플링을 통해서 1단계 다운샘플 영상(LLR)과 2단계 다운 샘플 영상(2LR)으로부터 각각 에러를 계산한다. 2단계 에러는 1LR 영상과 보간된 2LR 영상의 차를 통해서 계산할 수 있다.
- 제안하는 방법은 영상에 직접 적용하는 보간 함수를 생성하는 것이 아니라 보간된 영상과 원본 영상의 차이를 추정하여 그 차이를 보정함으로써 더욱 정확한 영상보간을 유도한다. 이때 보간된 영상과 원본 영상의 차이를 손실 정보로 정의한다.
- 제안한다. 제안하는 방법은 획득 저해상도 영상의 2단계 다운샘플-보간 과정을 통해서 에러를 계산한고, 계산된 에러를 보간하여 고해상도 영상에 적용하기 위한 손실 정보를 추정한다. 추정된 손실 정보에 적응적 가중치를 적용하여 최종적으로 보간된 고해상도영상에 더해준다.
- 본 논문에서는 손실 정보 추정을 이용한 영상 보간법을 제안하고 제안한 방법을 PDA에서 구현하였다. 제안한 방법에서는 획득 저해상도 영상의 다운샘플링-보간 과정, 손실 정보 추정 과정, 가중치 적용 과정 등을 통해서 보간된 영상에 손실된 정보들을 더해줌으로써 보다 정화한 영상 보간을 수행한다. 실험을 통해서 주관적 및 객관적 화질 개선의 결과과 뚜렷함을 알 수 있었고, 상용 PDA에서 구현하여 실시간 동작하는 것을 확인하였다.
- 사용하였다. 제안한 방법은 MATLAB 7.5를 통해서 구현하였고, 2.4Ghz의 CPU와 2GB의 RAM으로 구성된 PC에서 실험되었다. 그림 2에서 실험에 사용된 8 개 영상을 나타내었다.
- 가중치 계수는 손실 정보가 적용되는 강도를 조절하여 보간 영상의 해상도를 높이면서도 잡음의 영향을 최소화하는 역할을 한다. 제안한 방법은 주파수 겹침 현상으로부터 발생한 고주파 대역을 신호들을 정확하게 주정하고자 하였지만, 손실 정보의 추정과정에서 저주파 대역의 신호들도 포함되게 된다. 따라서 일반적인 보간 방법으로도 비교적 정확하게 값을 추정할 수 있는 저주파 영역에 대한 손실 정보의 적용은 오히려 잡음으로 작용할 수 있다.
- 제안하는 방법은 획득 저해상도 영상의 2단계 다운샘플-보간 과정을 통해서 에러를 계산한고, 계산된 에러를 보간하여 고해상도 영상에 적용하기 위한 손실 정보를 추정한다. 추정된 손실 정보에 적응적 가중치를 적용하여 최종적으로 보간된 고해상도영상에 더해준다. 실험을 통해서 기존 방법들보다 PSNR에서 높은 향상이 있었음을 알 수 있었고, 상용 PDA에 제안한 방법을 구현하여 실시간으로 동작하는 것을 확인하였다.
대상 데이터
- 구현에 사용된 PDA는 S사의 SCH-M480 모델로써, 624M田로 동작하는 Marvell PXA310 프로세서와 256MB의 ROM과 1密MB의 RAM을 내장메모리로 가지고 있다. 운영체제는 Windows CE 5.
- 4Ghz의 CPU와 2GB의 RAM으로 구성된 PC에서 실험되었다. 그림 2에서 실험에 사용된 8 개 영상을 나타내었다.
- 비교방법으로는 ICBI[121 방법과 RDI® 방법을 사용하였고, 제안한 방법의 보간 커널은 MATLAB의 bilinear와 bicubic 보간함수를 사용하였다. 다운샘플러는 bilinear 커널을 이용하였고, 512x512 영상을 원본 고해상도 영상으로 하여 획득 저해상도 영상은 2ex256 크기로 생성하였다.
- 제안한 알고리즘을 평가하기 위해서 512x512 크기의 gray scale의 PGM 포맷의 정지 영상 8개를 실험 영상으로 사용하였다. 제안한 방법은 MATLAB 7.
이론/모형
- 실험 3에서는 손실 정보적용 단계에 따른 PSNR을 비교하였다. 비교방법으로는 ICBI[121 방법과 RDI® 방법을 사용하였고, 제안한 방법의 보간 커널은 MATLAB의 bilinear와 bicubic 보간함수를 사용하였다. 다운샘플러는 bilinear 커널을 이용하였고, 512x512 영상을 원본 고해상도 영상으로 하여 획득 저해상도 영상은 2ex256 크기로 생성하였다.
- 제안한 방법의 성능 평가는 일반적으로 객관적 화질 비교 측정치로 사용되는 PSNR(peak signal to noise ratio)를 사용하였다. 세 가지 실험을 통해서 제안한 알고리즘을 평가하였다.
성능/효과
- 구현 결과실 시간 영상 보간을 수행하는 것을 확인할 수 있었고, 수행 과정에서는 어떠한 지연 현상도 발생하지 않았다. 구현을 통해서 제안한 방법이 계산복잡도가 낮으며, 하드웨어 성능이 제한적인 PDA와 같은 장치에서도 실시간으로 동작함을 확인할 수 있었다.
- 보간을 수행하는 것을 검증할 수 있었다. 또한 손실 정보 적용량이 증가함에 따라서 더욱 정확한 영상보간이 되는 것을 알 수 있었다.
- 7dB의 가장 높은 PSNR 향상이 발생했다. 실험 1을 통해서 제안한 손실 정보 추정 및 적용 방법이 영상 보간에 있어서 기존의 방법들보다 더욱 정확한 방법임을 알 수 있다.
- 추정된 손실 정보에 적응적 가중치를 적용하여 최종적으로 보간된 고해상도영상에 더해준다. 실험을 통해서 기존 방법들보다 PSNR에서 높은 향상이 있었음을 알 수 있었고, 상용 PDA에 제안한 방법을 구현하여 실시간으로 동작하는 것을 확인하였다.
- 제안한 방법에서는 획득 저해상도 영상의 다운샘플링-보간 과정, 손실 정보 추정 과정, 가중치 적용 과정 등을 통해서 보간된 영상에 손실된 정보들을 더해줌으로써 보다 정화한 영상 보간을 수행한다. 실험을 통해서 주관적 및 객관적 화질 개선의 결과과 뚜렷함을 알 수 있었고, 상용 PDA에서 구현하여 실시간 동작하는 것을 확인하였다. 이와 같이 제안한 방법은 영상 처리를 위한 다양한 응용 분야에서 유용하게 사용될 수 있다.
- 앞서 IV장의 실험 결과에서 알 수 있듯이 제안한 방법은 비교 방법들보다 계산복잡도가 낮으면서도 더 높은 PSNR을 나타낸다. 특히 ICBI 방법은 여러 차례의 반복 수행을 거치기 때문에서 PC 환경에서도 평균 44 초의 시간이 소요되며, RDI 방법 역시 L5초 이상의 시간이 소요된다.
- 이상의 실험들을 통해서 제안한 영상 보간 방법이 기존의 방법들보다 계산복잡도가 낮으면서도 더욱 정확한 영상 보간을 수행하는 것을 검증할 수 있었다. 또한 손실 정보 적용량이 증가함에 따라서 더욱 정확한 영상보간이 되는 것을 알 수 있었다.
- 4초 미만의 시간이 소요되었다. 제안(BIL)을 기준으로 할 때, ICBI 방법은 16배, RDI 방법은 5.5배 더 많은 시간이 소요된다. 실험 2를 통해서 제안한 보간 방법의 계산복잡도가 매우 낮은 것을 알 수 있으며, 이것은 실시간 응용 환경에서도 적용될 수 있음을 의미한다
- 제안한 방법은 기존의 방법들보다 정확한 보간 결과를 나타내면서도 실시간 처리가 가능하도록 만들어졌다. 이를 검증하기 위해서 비교적 하드웨어 성능이 낮은 상용 PDA에서 제안한 방법을 구현하였다.
- 표의 결과에서 알 수 있듯이 손실 정보 적용 단계가 높아질 수 록 더욱 높은 PSN政이나타나는 것을 알 수 있다. 즉, 추정되어 적용되는 손실정보의 양이 증가할수록 더욱 정확한 영상 보간이 가능하다는 것을 의미한다.
- 표에 나타난 결과와 같이 제안한 방법들이 비교 방법들보다 더 높은 PSN国을 나타내는 것을 알 수 있다. 평균 PSN出에서는 2dB 이상 개선되었으며, lena 영상에서 2.7dB의 가장 높은 PSNR 향상이 발생했다. 실험 1을 통해서 제안한 손실 정보 추정 및 적용 방법이 영상 보간에 있어서 기존의 방법들보다 더욱 정확한 방법임을 알 수 있다.
- 나타내었다. 표에 나타난 결과와 같이 제안한 방법들이 비교 방법들보다 더 높은 PSN国을 나타내는 것을 알 수 있다. 평균 PSN出에서는 2dB 이상 개선되었으며, lena 영상에서 2.
- . 표의 결과에서 알 수 있듯이 손실 정보 적용 단계가 높아질 수 록 더욱 높은 PSN政이나타나는 것을 알 수 있다. 즉, 추정되어 적용되는 손실정보의 양이 증가할수록 더욱 정확한 영상 보간이 가능하다는 것을 의미한다.
후속연구
- 5배 더 많은 시간이 소요된다. 실험 2를 통해서 제안한 보간 방법의 계산복잡도가 매우 낮은 것을 알 수 있으며, 이것은 실시간 응용 환경에서도 적용될 수 있음을 의미한다
- 실험을 통해서 주관적 및 객관적 화질 개선의 결과과 뚜렷함을 알 수 있었고, 상용 PDA에서 구현하여 실시간 동작하는 것을 확인하였다. 이와 같이 제안한 방법은 영상 처리를 위한 다양한 응용 분야에서 유용하게 사용될 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.