적외선 영상을 위한 적응적 언샤프 마스킹을 이용한 초고해상도 알고리즘 (Super-resolution Algorithm Using Adaptive Unsharp Masking for Infra-red Images)

서지정보

· 발행기관 : 한국방송∙미디어공학회
· 수록지 정보 : 방송공학회 논문지 / 21권 / 2호 / 180 ~ 191페이지
· 저자명 : 김용준, 송병철

초록

일반 가시광선 영상의 확대를 위한 알고리즘을 선명도가 떨어지는 적외선 영상에 적용시켰을 때 개선효과가 미흡한 문제점을 해결하기 위해 본 논문은 적외선 영상을 위한 영상 확대 알고리즘을 제안한다. 제안 알고리즘은 적외선 영상이 가시광선 영상에 비해 디테일이 적다는 특성과 에지 영역에 대해 사람이 시각적으로 민감하다는 특성을 고려하여 ADRC(Adaptive Dynamic Range Coding)와 같은 단순한 분류기법을 적용시켰으며, 에지 영역에 대해서만 알고리즘을 적용시켜 연산량을 절약한다. 또한 확대 영상의 선명도 개선을 위해 합성과정에서 전처리나 후처리를 추가시키는 방법 대신 학습과정에서 전처리를 추가하여 합성과정에서 연산량 증가 없이 확대 영상의 선명도를 개선하였다. 제안 알고리즘은 크게 학습과정과 합성과정으로 나뉜다. 이와 같은 방법으로 영상 확대 알고리즘을 수행하였을 때 최신의 영상확대 기법인 A+ (Anchored neighborhood regression)기법 대비 JNB(Just Noticeable Blur)수치가 평균 0.0201만큼 높은 결과를 확인할 수 있었다.

영어초록

When up-scaling algorithms for visible light images are applied to infrared (IR) images, they rarely work because IR images are usually blurred. In order to solve such a problem, this paper proposes an up-scaling algorithm for IR images. We employ adaptive dynamic range encoding (ADRC) as a simple classifier based on the observation that IR images have weak details. Also, since human visual systems are more sensitive to edges, our algorithm focuses on edges. Then, we add pre-processing in learning phase. As a result, we can improve visibility of IR images without increasing computational cost. Comparing with Anchored neighborhood regression (A+), the proposed algorithm provides better results. In terms of just noticeable blur, the proposed algorithm shows higher values by 0.0201 than the A+, respectively.

참고자료

· 없음