출력 장치로 널리 이용되는 LCD(Liquid Crystal Display)는 CRT(Cathod-ray tube)에 비해 그 반응 속도가 느린 단점을 가진다. 이러한 단점으로 인해 시간방향으로 급격한 밝기 변화가 발생하는 영상에서 출력되는 영상이 흐려지는 문제점을 가진다. 반응 속도의 문제점을 극복하기 위해 LCD에서는 오버드라이빙 기술을 TCON에 적용하여 사용하고 있다. 이러한 오버드라이빙을 위해서는 화면에 출력된 이전 영상에 대한 정보를 압축 저장해야 한다. 기존의 8bit HD급을 위한 TCON에서는 TCON의 칩면적과 실시간성을 고려하여 AM-BTC(Absolute Moment Block Truncation Coding)기법을 적용하여 이러한 목적을 달성하고 있다. 하지만 최근에 많은 수요가 예상되는 10 bit Full HD급 대형 LCD에서는 기존에 비교하여 영상 데이터의 양이 많기 때문에 기존의 방법이 적합하지 않다. 기존의 방법을 10 bit Full HD급 대형 LCD에 적용하면 TCON의 칩면적의 증가로 인한 비용이 발생하거나, 화질의 열화를 야기하는 문제점이 있다. 본 논문에서는 이러한 문제점을 개선하기 위해 샘플 블록 내의 형태학적 정보에 적응적인 이원적 구조를 가지는 Dual BTC기법을 제안한다. 실험을 통해 제안된 Dual BTC기법이 기존의 AM-BTC기법 보다 정량적 측면과 정성적 측면에서 성능이 우수함을 확인하였다.

사람 특히 얼굴 및 피부색은 칼라 영상의 화질 평가에 있어서 중요한 요소이다. 그러므로 칼라를 적용하는 장치에는 효과적으로 피부색을 보정하는 방법이 필요하다. 이전의 방법은 선호 피부색 영역의 중심 값을 기준으로 피부색을 보정하였다. 하지만 피부색에 대한 관찰자의 주관적인 평가를 통하여 선호 피부색을 조사한 결과 가장 선호하는 피부색이 선호 피부색 영역의 중심과 일치하지 않으며 또한 하나의 우세한 값을 가지지 않는다. 따라서 본 논문에서는 각 인종에 대한 다중의 선호색을 이용하여 선호 피부색으로 보정하는 방법을 제안한다. 먼저, 각 인종에 대하여 밝기에 따른 다중의 선호 피부색을 결정한다. 그 후 피부색 영역을 검출하고 각 인종의 평균 피부색과 검출된 각 피부색 영역의 평균 값의 차이를 이용하여 검출된 피부색 영역에 대한 인종을 선택한다. 다음으로 각 선택된 영역에 대하여 다중의 선호피부색 중 하나의 대응되는 선호 피부색을 결정한다. 마지막으로 입력 피부색은 부드러운 피부색 재현을 위해 선택된 선호 피부색과의 차이에 비율적으로 보정된다. 실험을 통하여 제안한 방법과 이전 방법을 비교하였고, 주관적 평가에서 제안한 방법이 우수한 성능을 나타내었다.

본 논문에서는 어안렌즈의 교정(calibration)과 기하학적 왜곡을 보정하기 위해서 광학 시뮬레이터에 적합한 나선형 패턴을 제안하고, 이를 이용하여 별도의 수학적 모델링이 필요 없는 교정 알고리듬을 제안한다. 나선형 패턴을 광학 시뮬레이터의 입력 영상으로 이용하여 어안렌즈로 왜곡 시킨 영상에서 기하학적으로 이동된 점들의 정합을 통하여 교정을 수행한다. 이러한 과정에서 나선형 패턴 영상에서 중심으로부터 멀어지는 점들이 어안렌즈의 기하학적 왜곡을 거쳐 이동되는 정보를 왜곡되기 전의 위치와 정합하기 때문에 정확한 교정이 가능한 동시에, 별도의 모델링이 필요 없기 때문에 효율적인 처리가 가능하다. 제안된 기술은 어안렌즈를 이용한 패턴인식 시스템에서 손실 없는 디지털 영상 확대를 통하여 정확한 정보를 추출하는 데에 이용할 수 있다. 또한 넓은 시야각을 필요로 하는 다양한 영상처리 분야에 적용하여 어안렌즈의 교정과 왜곡 보정을 가능하게 한다.

본 논문은 움직임이 큰 저해상도 영상을 초고해상도 영상으로 복원하는 움직임 추정기반의 초고해상도 알고리즘을 제안한다. 일반적인 실험영상에 비해 실제 사용되는 움직임이 큰 영상은 부화소 움직임을 찾기가 어렵다. 또한 일반 움직임 추정기법을 이용한 참조이미지와 후보이미지를 찾기 위해서는 매우 높은 계산 복잡도를 가지는 단점이 있다. 이러한 문제점을 보완하기 위해 기존의 2차원적 움직임 추정기법을 이용하여 제안한 임계값을 기준으로 등록 조건을 만족하는 참조이미지를 결정하고, 후보 이미지들 사이의 최소 가중치를 가진 최적의 후보 이미지들을 찾아 초고해상도 복원과정을 진행하는 새로운 영상 등록 알고리즘을 제안하였다. 실험 결과에 따르면, 제안한 기법은 평균 PSNR이 31.89dB로 전통적인 초고해상도 기법보다 높은 PSNR을 보이며 계산 복잡도도 향상되는 결과가 나타났다.

본 논문에서는 DCT 영역에서 영상 신호의 방향과 변화의 크기에 따라 신호의 에너지를 조절하여 영상의 화질을 안정적으로 개선하는 방법을 개발한다. 이를 위하여 DCT 영역에서 영상 신호의 gradient를 측정하여 gradient의 방향과 크기로 영상의 sharpness, 국부 명암대비, 전역 명암대비에 해당하는 주파수 성분들의 에너지를 조절한다. 제안하는 기법은 기존의 기법들과 비교하여 블록화, 울림화 현상 발생과 잡음 증폭 없이 가장 우수한 화질로 향상시키는 것을 실험으로 보여준다.

본 논문은 추가적인 화이트 채널을 사용한 프로젝터와 사용하지 않은 프로젝터간의 매칭 실험을 통하여 색상이동 현상을 모델링하였고, 색상을 수정하는 방법을 제안하였다. 전체 색상 값에 대해 색상이동현상을 정량화하기 위하여, 동일한 밝기와 채도 값을 유지하여 24개의 색상 패치 값을 생성하여 이를 화이트를 추가한 상태와 추가하지 않은 상태에서 투영하였다. 다음으로 각각의 패치에 대해 화이트를 추가 하지 않은 상태와 동일한 색상으로 인지되도록 화이트를 추가한 상태의 색상 값을 변경하였다. 색상 매칭 실험을 통하여 얻은 색상 이동 값을 6개의 구간으로 나누어 4차 방정식을 이용하여 수식화하여 임의의 색상 값에 대한 색상 이동 값을 추정하였고, 색상 값을 수정하는 위하여 사용하였다. 실제로, 입력 RGB 영상은 각각의 픽셀에 대해 CIELAB LCH 색 공간으로 변경하여 각각의 픽셀의 색상 값을 계산하였다. 이 색상 값은 추정된 색상이동량을 이용하여 수정하게 된다. 최종적으로 결과 RGB 영상은 역 과정으로 변환하였다. 제안한 방법을 평가하기 위하여 여러 가지 테스트 영상을 이용하여 매칭 실험을 수행하였고 이를 z-scores를 이용하여 비교하였다.

본 논문은 디블러링(Deblurring) 계산 시간을 단축하면서 복원된 영상의 텍스처 및 에지의 선명도를 동시에 강화할 수 있는 다중 영상 기반의 고속 처리용 디블러링 기법을 제안하고자 한다. 먼저 상대적으로 긴 노출 시간에서 촬영된 번짐(Blurring) 결함이 발생한 두 장의 번짐 영상과 짧은 노출에서 촬영된 번짐이 없지만 잡음 성분이 많은 한 장의 잡음 영상을 취득한다. 그리고 처리 속도 개선을 위해 촬영된 다중 입력 영상을 두 배로 다운 샘플링 한 후, 전체 영상에서 추출된 영상 패치 또는 에지 패치에 기반한 점 확산 함수(PSF: Point Spread Function) 추정 기법을 도입해서 점 확산 함수 추정에 소요되는 계산 시간을 효과적으로 단축할 것이다. 입력 영상의 다운 샘플링으로 인해 열하된 미세한 텍스처 성분의 표현 능력을 보완하고 번짐현상이 제거된 복원 영상을 재현하기 위해 텍스처 향상을 위한 디블러링 기법을 개발 및 적용할 것이다. 마지막으로 입력 영상과 동일한 영상 크기로 복구하기 위해 잡음 영상의 선명한 에지 성분을 활용한 업 샘플링 기법을 적용할 것이다. 제안된 방법을 통해 기존의 디지털 카메라 적용에 걸림돌이 되었던 디블러링 처리 속도 시간을 단축할 수 있었고 동시에 텍스처 및 에지의 미세한 성분도 복원할 수 있었다.

다양한 방법으로 영상을 재현하는 많은 장치들이 있다. 그러나 지원할 수 있는 색의 범위인 색역의 차이 때문에 동일한 칼라 영상이 장치별로 서로 다르게 보이는 현상이 발생한다. 최근 색역 사상은 이미지내의 주변 픽셀에 적응적으로 색역 사상을 수행하는 방법인 공간적인 색역 사상이 많이 사용되고 있다. 그러나 공간적인 색역 사상 방법은 색상 이동, 후광 효과, 상세정보 보존에 대한 문제점을 가지고 있다. 본 논문에서는 기존의 색역 사상 방법에서 색역 밖 영역의 경계영역 보존으로 인해 상세정보 보존이 잘 되지 않는 문제점을 해결하기 위하여 입력 영상의 정보를 활용해서 영상의 상세정보를 보존하는 공간적인 색역 사상 방법을 제안한다. 제안한 방법은 먼저, 입력 영상을 색역 절단 방법을 이용해서 색역 사상을 수행하고 입력 영상과 색역 사상된 영상을 각각 저역 통과 필터링 한 후, 입력 영상의 상세정보과 색역 사상된 영상의 상세정보를 계산한다. 제안한 방법의 상세정보는 입력영상의 상세정보와 색역 사상된 영상의 상세정보의 차로 구할 수 있다. 마지막으로 제안한 방법으로 구한 상세정보를 색역 사상된 영상에 더 해줌으로써 상세정보가 보상된 영상을 얻게 된다. 그리고 상세정보 보상과정에서 색역 밖으로 나간 값을 색역 안으로 넣어주기 위해 다시 색역 절단 방법을 이용한 색역 사상을 수행해서 결과 영상을 얻는다. 제안한 방법을 모니터와 프린터 간에 색재현에 적용하는 실험을 통해 보다 선명하고 대비가 높은 영상 얻을 수 있다.

최근 스크린 콘텐츠 영상에 대한 제작 및 서비스가 확대됨에 따라, 이를 위한 새로운 압축 기술의 필요성이 대두되고 있다. 차세대 비디오 압축 표준에서도 스크린 콘텐츠 영상을 위한 특별한 부호화 기술 표준을 고려하고는 있지만 아직까지는 초보적인 단계에 있다. 본 논문에서는 스크린 콘텐츠 영상의 특성을 파악하여 이러한 종류의 영상에 대한 부호화 성능 향상을 위한 화소 영역의 양자화 방법을 제안한다. 제안하는 양자화 방법은 차분 신호를 변환 부호화 하지 않고 직접 화소 영역에서 양자화를 수행하며, 스크린 콘텐츠의 특성에 기반을 두고 양자화된 차분 신호에 대한 적응적인 계수 예측 기술과 화소 영역 양자화를 위한 인-루프 필터를 적용한다. 실험 결과, 제안하는 방법은 임의 접근 모드, 저지연 모드와 인트라 모드에서는 각각 평균4.4%, 5.1%와 4.9%의 부호화 성능을 얻었다.

얼굴인식 기술은 지능형 보안, 웹에서 콘텐츠 검색, 지능로봇의 시각부분, 머신인터페이스 등, 활용이 광범위 하다. 그러나 일반적으로 대상자의 표정과 포즈 변화, 주변의 조명 환경과 같은 문제가 있으며 이와 더불어 원거리에서 획득한 영상의 경우 저해상도를 비롯하여 블러와 잡음에 의한 영상의 열화 등의 여러 가지 어려움이 발생한다. 본 논문에서는 포톤 카운팅(Photon-counting) 선형판별법(Linear Discriminant Analysis)을 이용한 다중 분류기(Classifier)에 의한 판정을 융합하여 얼굴 영상 인식을 수행한다. Fisher 선형판별법은 집단 간 분산을 최대로 하고 집단 내 분산을 최소로 하는 공간으로 선형 투영하는 방법으로, 학습영상의 수가 적을 경우 특이행렬 문제가 발생하지만 포톤카운팅 선형 판별법은 이러한 문제가 없으므로 차원축소를 위한 전 처리 과정이 필요 없다. 본 논문의 다중 분류기는 포톤 카운팅 선형판별법의 유클리드 거리(Euclidean Distance) 또는 정규화된 상관(Normalized Correlation)을 적용하는 판정규칙에 따라 구성된다. 다중분류기의 판정의 융합은 각 분류기 cost의 정규화(Normalization), 유효화(Validation), 그리고 융합규칙(Fusion Rule)으로 구성된다. 각 분류기에서 도출된 cost는 같은 범위로 정규화된 후 유효화 과정에서 선별되고 Minimum, 또는 Average, 또는 Majority-voting의 융합규칙에 의하여 융합된다. 실험에서는 원거리에서 획득한 효과를 구현하기 위하여 고해상도 데이터베이스 영상을 인위적으로 Unfocusing과 Motion 블러를 이용하여 열화하여 테스트하였다. 실험 결과는 다중분류기 융합결과의 인식률은 단일분류기보다 높다는 것을 보여준다.

차선 마킹 검출은 지능형 운송 시스템(ITS, intelligent transportation systems), 운전자 보조 시스템(DAS, driver assistant systems) 등에 필수적인 요소이다. 이 논문에서는 스케일 공간 기법을 이용하여 기존의 기법들에 비해 견고한 차선 마킹 검출기법을 제안한다. 차선 마킹 검출에 많이 사용되고 있는 지역 통계 기반 가변적 문턱처리 기법은 밝기 특성이 두드러진 객체의 검출에 유리하므로 차선 마킹 검출에 효과적일 수 있다. 그러나 통계적 특징만으로는 무관한 영역도 함께 검출되므로, 이 논문에서는 가변적 문턱처리 결과와 함께 수평 1D LoG 필터링 스케일 공간을 합성하여 차선 마킹 후보 영역을 축소하는 기법을 제안한다. 실제 영상에 대해 가변적 문턱처리뿐만 아니라 차선 마킹 검출을 위한 또 다른 대표적인 기법인 하프 변환을 사용하는 기법과도 비교한 결과, 뚜렷한 차선 마킹 후보 영역 축소를 확인할 수 있었다.

이동 차량에 부착된 카메라로부터 획득한 영상에는 배경의 움직임, 영상내의 객체들의 움직임 등 여러 가지 움직임이 복합적으로 존재하여 카메라의 순수한 진동에 의한 움직임을 검출하기가 어렵다. 본 논문에서는 이러한 영상내의 움직임을 특성별로 분류하여 종류별로 움직임을 제거한 후, 카메라의 진동으로 인한 영상의 순수한 떨림을 추정하고 이를 보상하는 영상 안정화를 제시한다. 또한, 블록 화소 값의 차이와 윤곽선 밀도를 이용하여 정보가 적은 영역을 배제함으로써 빠르고, 정확한 영상 안정화 기법을 실현하였다.

정준상관분석 (canonical correlation analysis, CCA)은 두 변수집단 사이의 선형 관계를 측정하는 확률적 분석 기법으로 이를 이용하여 다수의 신호가 혼재되어 수신된 신호로부터 각각의 신호원을 분리하는 것이 가능하다. 기존에 CCA와 자기회귀(auto regressive) 기법을 이용하여 혼재된 신호를 분리하는 기법이 제안되었으나 신호원 분리를 효과적으로 수행하기 위해서는 높은 신호 대 잡음비 (signal-to-noise ratio)가 요구되는 문제가 있다. 본 논문에서는 자기회귀 기법의 파라미터 계산시 잡음성분이 포함되어있는 자기공분산 행렬의 주대각 원소를 제거하여 잡음의 영향을 최소화하고 이를 통하여 신호원 분리 성능을 개선하는 방안을 제안한다. 제안하는 기법은 기존에 제안된 CCA와 자기회귀을 이용한 신호 분리 기법에 비하여 더 우수한 신호 분리 성능을 보일 뿐 만 아니라 신호원 분리 과정에서 요구되는 계산량을 줄일 수 있다.

Time Stretched Pulse (TSP)는 공간적으로 임펄스(Impulse)를 효율적으로 전달하고 분석하기 위해서 사용되어 진다. 하지만 발신기와 수신기의 전달함수를 포함시키지 않으면, 시간 영역에서의 분석은 직, 간접 신호의 중첩으로 공간의 자유음장 특성을 파악하기 불가능하다. 일반적으로 공간의 자유음장(Free Field)은 표준 ISO 3745 Annex A에 의해서 평가되고 있는데, 일정 주파수 간격의 1/3 옥타브 밴드 신호를 연속적으로 발신 및 수신하여 거리별 신호 감소를 역자승 법칙(Inverse Square Law)을 적용하여 판단하고 있다. 본 논문은 자유음장 분석에서 TSP 신호를 적용하여 일반적인 ISO 3745의 1/3 옥타브 밴드 신호와 비교하였다. 역자승 모델 값과의 차이점을 분석한 결과 TSP 신호 또한 1/3 옥타브 밴드 신호와 유사한 결과를 보이고 있으며, 측정 시간 및 확장성에 대해서는 우수하게 판단되었다. 본 실험에서는 ISO 3745에 의해서 제한된 주파수 범위에서 자유음장과 반자유음장(Hemi-free Field)을 검증 받은 무향실을 사용하였다.

본 논문에서는 불균일한 클러터 환경에서 다중 표적탐지 성능을 향상시키기 위한 변형된 반복 백색화 투영 통계(modified iterative pre-whitening projection statistics: MIPPS) 기법을 제안하였다. MIPPS 기법은 항공기용 레이더에서 사용하는 시공간 적응 처리(space-time adaptive processing) 알고리듬의 불균일성 검출(non-homogeneity detection: NHD) 기법으로 반사신호 세기가 서로 다른 다수의 표적이 근접거리에 혼재되어 있는 환경에서 우수한 표적탐지 성능을 나타낸다. 모의실험을 통해 기존의 다양한 NHD 기법들의 성능을 분석하고, 본 논문에서 제안하는 MIPPS 기법이 강한 표적신호에 의해 야기되는 마스킹 효과(masking effect)를 최소화하면서 반사신호 세기가 약한 표적에 대한 평균 탐지 확률을 향상시킬 수 있음을 확인하였다.