| 1 |
1
입력 영상의 저주파 성분들에 대해 블록 변환을 수행하여 복수의 집적 블록 영상을 생성하는 단계;상기 복수의 집적 블록 영상을 제1 심층 신경망에 입력하여 복수의 복원된 집적 블록 영상을 획득하는 단계;상기 복수의 복원된 집적 블록 영상에 대한 역 블록 변환을 수행함으로써, 상기 저주파 성분들에 대한 잡음을 제거한 저주파 출력 영상을 생성하는 단계; 및상기 저주파 출력 영상을, 상기 입력 영상의 고주파 성분들에 대한 잡음을 제거한 고주파 출력 영상과 더하여 압축 포아송 잡음이 제거된 출력 영상을 생성하는 단계를 포함하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 2 |
2
청구항 1에서,상기 복수의 집적 블록 영상을 생성하는 단계 이후에,상기 복수의 집적 블록 영상을 역 블록 변환하여 저주파 입력 영상을 생성하는 단계;상기 입력 영상에서 상기 저주파 입력 영상을 차분함으로써 고주파 입력 영상을 생성하는 단계; 및상기 고주파 입력 영상을 제2 심층 신경망에 입력하여 상기 고주파 출력 영상을 생성하는 단계를 더 포함하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 3 |
3
청구항 1에서,상기 복수의 집적 블록 영상을 생성하는 단계는,상기 입력 영상 상에서 고정된 크기의 블록을 하나의 픽셀씩 이동시키면서 저주파 블록 변환 계수들을 산출하는 단계; 및상기 저주파 블록 변환 계수들 중에서 동일한 저주파 성분에 해당하는 계수값들을 블록 이동 위치에 따른 픽셀값으로 사용함으로써 상기 복수의 집적 블록 영상을 생성하는 단계를 포함하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 4 |
4
청구항 1에서,상기 블록 변환은, 블록 DCT(Discrete Cosine Transform)인 것을 특징으로 하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 5 |
5
청구항 1에서,상기 제1 심층 신경망은,미리 설정된 계층 구조가 반복적으로 연결되고, 마지막 계층으로 완전 연결층(Fully connected layer)을 포함하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 6 |
6
청구항 5에서,상기 미리 설정된 계층 구조는, 지역 분산 안정화 계층(LVS Layer);합성 곱 계층(Convolution Layer);역지역 분산 안전화 계층(ILVS Layer);배치 정규화 계층(BN Layer); 및 정류된 성형 유닛 계층(ReLU Layer)이 순서대로 연결된 구조인, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 7 |
7
청구항 6에서,상기 지역 분산 안정화 계층은,상기 제1 심층 신경망에 입력된 영상에 대해 지역 분산 안전화를 수행하여, 상기 제1 심층 신경망에 입력된 영상 내 압축 포아송 잡음의 지역 분산값이 영상 내 모든 위치에서 동일하도록 조정하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 8 |
8
청구항 6에서,상기 합성 곱 계층은,상기 지역 분산 안정화 계층의 출력에 대하여 미리 학습된 합성 곱 파라미터를 이용하여 합성곱을 수행하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 9 |
9
청구항 8에서,상기 제1 심층 신경망에 따른 합성곱 파라미터는, 압축 포아송 잡음 영상에서 얻은 저주파 집적 블록 영상에 대한 신경망 출력 및 원본 영상에서 얻은 저주파 집적 블록 영상 사이의 평균 제곱 오차(MSE, mean square error)가 최소화되도록 제1 심층 신경망을 학습함으로써 결정되는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 10 |
10
청구항 9에서,상기 압축 포아송 잡음 영상은,포아송 잡음이 추가된 원본 영상이 인코딩을 통해 압축된 후, 디코딩을 통해 복원된 영상인, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 방법
|
| 11 |
11
심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치로서,적어도 하나의 프로세서(processor); 및상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,상기 적어도 하나의 단계는,입력 영상의 저주파 성분들에 대해 블록 변환을 수행하여 복수의 집적 블록 영상을 생성하는 단계;상기 복수의 집적 블록 영상을 제1 심층 신경망에 입력하여 복수의 복원된 집적 블록 영상을 획득하는 단계;상기 복수의 복원된 집적 블록 영상에 대한 역 블록 변환을 수행함으로써, 상기 저주파 성분들에 대한 잡음을 제거한 저주파 출력 영상을 생성하는 단계; 및상기 저주파 출력 영상을, 상기 입력 영상의 고주파 성분들에 대한 잡음을 제거한 고주파 출력 영상과 더하여 압축 포아송 잡음이 제거된 출력 영상을 생성하는 단계를 포함하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
| 12 |
12
청구항 11에서,상기 복수의 집적 블록 영상을 생성하는 단계 이후에,상기 복수의 집적 블록 영상을 역 블록 변환하여 저주파 입력 영상을 생성하는 단계;상기 입력 영상에서 상기 저주파 입력 영상을 차분함으로써 고주파 입력 영상을 생성하는 단계; 및상기 고주파 입력 영상을 제2 심층 신경망에 입력하여 상기 고주파 출력 영상을 생성하는 단계를 더 포함하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
| 13 |
13
청구항 11에서,상기 복수의 집적 블록 영상을 생성하는 단계는,상기 입력 영상 상에서 고정된 크기의 블록을 하나의 픽셀씩 이동시키면서 저주파 블록 변환 계수들을 산출하는 단계; 및상기 저주파 블록 변환 계수들 중에서 동일한 저주파 성분에 해당하는 계수값들을 블록 이동 위치에 따른 픽셀값으로 사용함으로써 상기 복수의 집적 블록 영상을 생성하는 단계를 포함하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
| 14 |
14
청구항 11에서,상기 블록 변환은, 블록 DCT(Discrete Cosine Transform)인 것을 특징으로 하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
| 15 |
15
청구항 11에서,상기 제1 심층 신경망은,미리 설정된 계층 구조가 반복적으로 연결되고, 마지막 계층으로 완전 연결층(Fully connected layer)을 포함하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
| 16 |
16
청구항 15에서,상기 미리 설정된 계층 구조는, 지역 분산 안정화 계층(LVS Layer);합성 곱 계층(Convolution Layer);역지역 분산 안전화 계층(ILVS Layer);배치 정규화 계층(BN Layer); 및 정류된 성형 유닛 계층(ReLU Layer)이 순서대로 연결된 구조인, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
| 17 |
17
청구항 16에서,상기 지역 분산 안정화 계층은,상기 제1 심층 신경망에 입력된 영상에 대해 지역 분산 안전화를 수행하여, 상기 제1 심층 신경망에 입력된 영상 내 압축 포아송 잡음의 지역 분산값이 영상 내 모든 위치에서 동일하도록 조정하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
| 18 |
18
청구항 16에서,상기 합성 곱 계층은,상기 지역 분산 안정화 계층의 출력에 대하여 미리 학습된 합성 곱 파라미터를 이용하여 합성곱을 수행하는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
| 19 |
19
청구항 18에서,상기 제1 심층 신경망에 따른 합성곱 파라미터는, 압축 포아송 잡음 영상에서 얻은 저주파 집적 블록 영상에 대한 신경망 출력 및 원본 영상에서 얻은 저주파 집적 블록 영상 사이의 평균 제곱 오차(MSE, mean square error)가 최소화되도록 제1 심층 신경망을 학습함으로써 결정되는, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
| 20 |
20
청구항 19에서,상기 압축 포아송 잡음 영상은,포아송 잡음이 추가된 원본 영상이 인코딩을 통해 압축된 후, 디코딩을 통해 복원된 영상인, 심층 신경망을 기반으로 영상의 압축 포아송 잡음을 제거하는 장치
|
