• 디지털콘텐츠학회 논문지
• /
• 제19권6호
• /
• pp.1197-1205
• /
• 2018

본 논문에서는 함정전투체계의 EOTS나 IRST에서 획득한 영상을 초고해상도 영상으로 복원한다. 저해상도에서 초고해상도의 영상을 생성하는 생성 모델과 이를 판별하는 판별 모델로 구성된 생성적 적대 신경망을 이용하고, 다양한 학습 파라미터의 변화를 통한 최적의 값을 제안한다. 실험에 사용되는 학습 파라미터는 crop size와 sub-pixel layer depth, 학습 이미지 종류로 구성되며, 평가는 일반적인 영상 품질 평가 지표에 추가적으로 특징점 추출 알고리즘을 함께 사용하였다. 그 결과, Crop size가 클수록, Sub-pixel layer depth가 깊을수록, 고해상도의 학습이미지를 사용할수록 더 좋은 품질의 영상을 생성한다.

• 대한원격탐사학회지
• /
• 제31권4호
• /
• pp.303-319
• /
• 2015

The objectives of this paper are to measure surface imperviousness using three different classification methods: per-pixel, sub-pixel, and object-oriented classification. They are tested on high-spatial resolution QuickBird data at 2.4 meters (four spectral bands and three principal component bands) as well as a medium-spatial resolution Landsat TM image at 30 meters. To measure impervious surfaces, we selected 30 sample sites with different land uses and residential densities across image representing the city of Phoenix, Arizona, USA. For per-pixel an unsupervised classification is first conducted to provide prior knowledge on the possible candidate spectral classes, and then a supervised classification is performed using the maximum-likelihood rule. For sub-pixel classification, a Linear Spectral Mixture Analysis (LSMA) is used to disentangle land cover information from mixed pixels. For object-oriented classification several different sets of scale parameters and expert decision rules are implemented, including a nearest neighbor classifier. The results from these three methods show that the object-oriented approach (accuracy of 91%) provides more accurate results than those achieved by per-pixel algorithm (accuracy of 67% and 83% using Landsat TM and QuickBird, respectively). It is also clear that sub-pixel algorithm gives more accurate results (accuracy of 87%) in case of intensive and dense urban areas using medium-resolution imagery.

• 대한전자공학회논문지SP
• /
• 제38권2호
• /
• pp.169-178
• /
• 2001

고해상도 영상에 대한 요구는 점점 더 증가되고 있지만, 기존의 영상 시스템들이 어느 정도의 엘리어싱을 발생하기 때문에 해상도의 저하가 생긴다. 따라서 엘리어싱이 발생한 다수의 저해상도 영상들을 사용하여 하나의 고해상도 영상을 재구성해 내는 디지털 영상 처리기법이 연구되어 왔다. 기존의 연구들은 저해상도 영상들간의 부화소 단위의 움직임 정보가 정확하다고 가정하였기 때문에, 움직임 정보가 정확하지 않은 경우에 대해서는 만족할 만한 고해상도 영상을 얻을 수 없었다. 따라서 본 논문에서는 부화소 단위의 움직임 정보가 정확하지 않기 때문에 생긴 고해상도 영상 내의 왜곡을 줄일 수 있는 알고리즘을 제안하고자 한다. 이를 위해 정확하지 않은 부화소 단위의 움직임 정보가 고해상도 영상 재구성에 미치는 영향을 분석하고, 이를 각각의 저해상도 영상에 대하여 가우시안 오류가 첨가된 것으로 모델링하였다. 그리고 고해상도 영상 내의 왜곡을 줄이기 위해서 다중채널 디컨벌루션 기법을 수정하여 적용하였다. 본 논문에서 제안된 알고리즘의 타당성은 이론 및 실험을 통하여 검증할 수 있었다.

• Nuclear Engineering and Technology
• /
• 제52권11호
• /
• pp.2572-2580
• /
• 2020

Emerging gamma ray detection applications that utilize neutron-based interrogation result in the prompt emission of high-energy (>2 MeV) gamma-rays. Rapid imaging is enabled by scintillators that possess high density, high atomic number, and excellent energy resolution. In this paper, we evaluate the bright (50,000 photons/MeV) oxide scintillator, cerium-doped Gd₂Al₂Ga₃O₁₂ (GAGG(Ce)). A silicon photomultiplier (SiPM) array is coupled to a GAGG(Ce) scintillator array (12 × 12 pixels) and integrated into a coded-aperture based gamma-ray imaging system. A resistor-based symmetric charge division circuit was used reduce the multiplicity of the analog outputs from 144 to 4. The developed system exhibits 9.1%, 8.3%, and 8.0% FWHM energy resolutions at 511 keV, 662 keV, and 1173.2 keV, respectively. In addition, a pixel-identification resolution of 602 ㎛ FWHM was obtained from the GAGG(Ce) scintillator array.

• Journal of Multimedia Information System
• /
• 제8권4호
• /
• pp.203-210
• /
• 2021

Deep leaning convolutional neural networks (CNN) have successfully been applied to image super-resolution (SR). Despite their great performances, SR techniques tend to focus on a certain upscale factor when training a particular model. Algorithms for single model multi-scale networks can easily be constructed if images are upscaled prior to input, but sub-pixel convolution upsampling works differently for each scale factor. Recent SR methods employ multi-scale and multi-path learning as a solution. However, this causes unshared parameters and unbalanced parameter distribution across various scale factors. We present a multi-scale single-path upsample module as a solution by exploiting the advantages of sub-pixel convolution and interpolation algorithms. The proposed model employs sub-pixel convolution for the highest scale factor among the learning upscale factors, and then utilize 1-dimension interpolation, compressing the learned features on the channel axis to match the desired output image size. Experiments are performed for the single-path upsample module, and compared to the multi-path upsample module. Based on the experimental results, the proposed algorithm reduces the upsample module's parameters by 24% and presents slightly to better performance compared to the previous algorithm.

• 한국통신학회논문지
• /
• 제37권6A호
• /
• pp.464-472
• /
• 2012

본 논문에서는 연속된 프레임을 갖는 영상의 프레임간 움직임 추정 기법을 응용하여 고해상도 영상을 생성하는 초해상도 기법을 제안한다. 단일 영상을 이용한 초해상도 기법의 경우 영상에서의 고주파 대역을 찾기 위해 확률 및 이산 웨이블릿 변환(discrete wavelet transform: DWT) 기반 등 다양한 방법이 제시되었으나, 연산에 사용할 수 있는 정보가 제한적이라는 문제가 존재한다. 이러한 문제를 해결하기 위해 연속된 프레임을 이용한 초해상도 기법이 다양하게 제안되었다. 연속 프레임 기반 초해상도 기법의 핵심인 입력 저해상도 영상 간 정합(registration)의 정확도는 초해상도 기법의 결과에 큰 영향을 갖는다. 본 논문에서는 영상 간 정합의 정확도를 높이기 위하여 6-tap FIR(finite impulse response) 필터를 부화소(sub-pixel) 단위의 정합에 사용한다. 실험을 통하여 제안하는 기법의 결과영상이 기존의 최단입점(nearest neighborhood), 이중선형(bi-linear), 고등차수(bi-cubic) 보간법 보다는 우수하고 DWT 기반의 초해상도 기법과는 비슷한 성능을 가진다는 것을 확인할 수 있었다.

• 전자공학회논문지
• /
• 제50권3호
• /
• pp.113-121
• /
• 2013

본 논문은 학습 기반의 2D-FIR필터를 이용한 부화소 렌더링 기법을 제안한다. 제안 기법은 크게 학습 단계와 합성 단계로 나뉜다. 학습 단계에서는 충분히 많은 수의 저해상도/고해상도의 영상 블록 쌍들을 이용하여 고해상도/저해상도 블록의 관계에 따른 합성 정보를 계산하고, 그 합성 정보를 담은 소위 사전을 생성한다. 합성 단계에서는 각 입력 영상에 대응하는 후보 블록을 상기 학습된 사전에서 찾는다. 탐색된 사전 내 합성 정보를 이용하여 부화소 레벨의 축소된 블록을 합성함으로써 최종 축소 영상을 얻는다. 한편, 영상 합성 시 디스플레이 장치의 RGB 패턴을 고려한 필터링을 통해 선명도를 향상시킨다. 모의 실험을 통해 제안 기법이 일반적인 영상축소 기법에 비해 흐림 효과, 엘리어싱 등의 화질 열화없이 고화질의 축소 영상을 생성함을 확인하였다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2003년도 추계학술대회논문집
• /
• pp.23-29
• /
• 2003

Detection in remotely sensed images can be conducted spatially, spectrally or both [2]. If the images have high spatial resolution, materials can be detected by using spatial and spectral information, unless we can't see the object embedded in a pixel. In this paper, we intend to solve the limit of spatial resolution by using the hyperspectral image which has high spectral resolution. Therefore, the Linear Spectral Mixing(LSM) Model which is sub-pixel detection algorithm is used to solve this problem. To find class Endmembers, we applied Geometric Model with MNF(Minimum Noise Fraction) transformation. From the result of sub-pixel detection algorithm, we can see the detection of water is satisfied and the object shape cannot be extracted but the possibility of material existence can be identified.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2003년도 춘계학술발표회 논문집
• /
• pp.161-166
• /
• 2003

Hyperspectral imagery have high spectral resolution and provide the potential for more accurate and detailed information extraction than any other type of remotely sensed data. In this paper, the "Linear Spectral Unmixing" model which is one solution to overcome the limit of spatial resolution for remote sensing data was introduced and we applied the algorithm to hyperspectral image. The result was not good because of some problems such as image calibration and used endmembers. Therefore, we analyzed the cause and had a search for a solution.

• Korean Journal of Geomatics
• /
• 제4권1호
• /
• pp.1-8
• /
• 2004

In the middle-resolution remote sensing, the Ground Sampled Distance (GSD) that the detector senses and samples is generally larger than the actual size of the objects (or materials) of interest, and so several objects are embedded in a single pixel. In this case, as it is impossible to detect these objects by the conventional spatial-based image processing techniques, it has to be carried out at sub-pixel level through spectral properties. In this paper, we explain the sub-pixel analysis algorithm, also known as the Linear Spectral Mixing (LSM) model, which has been experimented using the Hyperion data. To find Endmembers used as the prior knowledge for LSM model, we applied the concept of the convex geometry on the two-dimensional scatter plot. The Atmospheric Correction and Minimum Noise Fraction techniques are presented for the pre-processing of Hyperion data. As LSM model is the simplest approach in sub-pixel analysis, the results of our experiment is not good. But we intend to say that the sub-pixel analysis shows much more information in comparison with the image classification.