딥러닝 기반 이미지 복원 및 고해상도화

목차

1. 서론
1.1. 탐구 동기 및 배경
1.2. 탐구 목적

2. 본론
2.1. 이미지 확대 알고리즘의 기술적 분석
2.1.1. 전통적 보간법의 한계
2.1.2. AI 기반 초해상도 모델 탐구-EDSR
2.2. OpenCV DNN 모듈을 통한 시스템 구현 및 최적화
2.2.1. 딥러닝 모델의 연동 및 환경 구축
2.1.2. 이미지 데이터 형태 변환 및 전처리
2.3. 실행 결과 및 분석
2.3.1. 실행 결과
2.3.2. 결과 분석

3. 결론

4. 참고 문헌

본문내용

1.1. 탐구 동기 및 배경
지난 1학년 ‘코딩 챌린지’ 활동을 하면서 개인적으로 파이썬의 PIL 라이브러리를 활용하여 ‘스트림릿 기반 사진 편집 도구’ 프로그램을 구현하여 이미지 처리의 기초 원리를 학습하였다. 당시 프로젝트를 통해 이미지의 밝기, 채도, 대비를 조절하는 기능 구현에는 성공하였으나, 대규모 이미지 처리 시 성능 저하와 이미지 확대 시 정보 손실 방지와 같은 고급 편집 기능을 구현하는 데 있어 성능 및 기능적 한계가 있음을 인식하였다. 이에 대한 개선책으로 OpenCV와 같은 더 강력한 이미지 라이브러리의 추가 활용이나 최적화 알고리즘 적용이라는 방안을 제시하였다.

1.2. 탐구 목적
이번 탐구에서는 지난 프로젝트에서 제시했던 해결책인 OpenCV 라이브러리 활용과 최적화 알고리즘을 실제 코드에 적용시켜보고자 한다. 특히 단순히 픽셀을 복사하는 전통적인 방식을 넘어 딥러닝 기반의 AI 초해상도 모델을 도입함으로써 저해상도 이미지의 손실된 정보를 데이터 기반으로 추론하여 복원하는 과정을 직접 구현할 것이다. 이에 따라 이번 탐구는 수학적 규칙에 의한 계산인 전통적인 알고리즘과 데이터 학습에 의한 추론인 인공지능 알고리즘을 비교 및 분석하고 사용자 중심의 지능형 이미지 편집 도구 구현을 목적으로 한다.

참고자료

· EDSR_x4 Model - GitHub
· http://github.com/Saafke/EDSR_Tensorflow/tree/master/models
· OpenCV DNN
· https://docs.opencv.org/4.x/d9/de0/group__dnn__superres.html