1 |
1
하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 소정 장소에서 촬영된 촬영 영상을 획득하는 단계;상기 촬영 영상을 손실 압축 처리하는 단계;상기 압축 처리된 영상을 기반으로 상기 압축 처리된 영상에서 미세 먼지가 제거된 미세 먼지 제거 이미지를 생성하는 단계;상기 압축 처리된 영상과 상기 미세 먼지 제거 이미지 간의 차이를 통해 잔차 이미지를 생성하는 단계; 및상기 잔차 이미지에 기반하여 상기 촬영 영상 내 미세먼지 농도를 추정하는 단계를 포함하고, 상기 미세 먼지 제거 이미지를 생성하는 단계는, 상기 압축 처리된 영상에서 RGB 데이터를 각각 추출하여 R 채널 압축 이미지, G 채널 압축 이미지, 및 B 채널 압축 이미지를 생성하는 단계;상기 R 채널 압축 이미지, 상기 G 채널 압축 이미지, 및 상기 B 채널 압축 이미지를 기반으로 다크 채널(Dark Channel) 이미지를 생성하는 단계;상기 다크 채널 이미지를 기반으로 각 화소의 위치에서 전달량을 산출하여 전달량 맵을 생성하는 단계; 및상기 전달량 맵 및 상기 압축 처리된 영상을 기반으로 상기 미세먼지 제거 이미지를 생성하는 단계를 포함하는, 미세먼지 농도 추정 방법
|
2 |
2
삭제
|
3 |
3
청구항 1에 있어서, 상기 미세 먼지 제거 이미지를 생성하는 단계는, 합성곱 신경망(Convolution Neural Network : CNN)에 의해 수행되며,상기 합성곱 신경망은, 상기 R 채널 압축 이미지, 상기 G 채널 압축 이미지, 및 상기 B 채널 압축 이미지가 입력되는 경우 상기 전달량 맵을 생성하도록 학습된 특징 추출 네트워크; 및상기 전달량 맵 및 상기 압축 처리된 영상이 입력되는 경우, 상기 미세 먼지 제거 이미지를 출력하도록 학습된 재건 네트워크를 포함하는, 미세먼지 농도 추정 방법
|
4 |
4
청구항 1에 있어서, 상기 미세먼지 농도를 추정하는 단계는, 상기 잔차 이미지에 대한 통계량을 산출하는 단계; 및상기 산출된 통계량과 대응되는 미세먼지 농도값을 상기 촬영 영상 내 미세먼지 농도값으로 추정하는 단계를 포함하는, 미세먼지 농도 추정 방법
|
5 |
5
하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 소정 장소에서 촬영된 촬영 영상을 획득하는 단계;상기 촬영 영상을 손실 압축 처리하는 단계;상기 압축 처리된 영상을 기반으로 상기 압축 처리된 영상에서 미세 먼지가 제거된 미세 먼지 제거 이미지를 생성하는 단계;상기 압축 처리된 영상과 상기 미세 먼지 제거 이미지 간의 차이를 통해 잔차 이미지를 생성하는 단계; 및상기 잔차 이미지에 기반하여 상기 촬영 영상 내 미세먼지 농도를 추정하는 단계를 포함하고상기 미세먼지 농도를 추정하는 단계는, 상기 잔차 이미지의 엔트로피(Entropy)를 산출하는 단계; 및기 저장된 엔트로피 및 미세먼지 농도 관계 그래프에서 상기 산출된 엔트로피와 대응하는 미세먼지 농도값을 상기 촬영 영상 내 미세먼지 농도값으로 추정하는 단계를 포함하는, 미세먼지 농도 추정 방법
|
6 |
6
하나 이상의 프로세서들;메모리; 및하나 이상의 프로그램들을 포함하고,상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 소정 장소에서 촬영된 촬영 영상을 획득하기 위한 명령;상기 촬영 영상을 손실 압축 처리하기 위한 명령;상기 압축 처리된 영상을 기반으로 상기 압축 처리된 영상에서 미세 먼지가 제거된 미세 먼지 제거 이미지를 생성하기 위한 명령;상기 압축 처리된 영상과 상기 미세 먼지 제거 이미지 간의 차이를 통해 잔차 이미지를 생성하기 위한 명령; 및상기 잔차 이미지에 기반하여 상기 촬영 영상 내 미세먼지 농도를 추정하기 위한 명령을 포함하고, 상기 미세 먼지 제거 이미지를 생성하기 위한 명령은, 상기 압축 처리된 영상에서 RGB 데이터를 각각 추출하여 R 채널 압축 이미지, G 채널 압축 이미지, 및 B 채널 압축 이미지를 생성하기 위한 명령;상기 R 채널 압축 이미지, 상기 G 채널 압축 이미지, 및 상기 B 채널 압축 이미지를 기반으로 다크 채널(Dark Channel) 이미지를 생성하기 위한 명령;상기 다크 채널 이미지를 기반으로 각 화소의 위치에서 전달량을 산출하여 전달량 맵을 생성하기 위한 명령; 및상기 전달량 맵 및 상기 압축 처리된 영상을 기반으로 상기 미세먼지 제거 이미지를 생성하기 위한 명령을 포함하는, 컴퓨팅 장치
|
7 |
7
삭제
|
8 |
8
청구항 6에 있어서, 상기 미세 먼지 제거 이미지를 생성하기 위한 명령은, 합성곱 신경망(Convolution Neural Network : CNN)에 의해 수행되며,상기 합성곱 신경망은, 상기 R 채널 압축 이미지, 상기 G 채널 압축 이미지, 및 상기 B 채널 압축 이미지가 입력되는 경우 상기 전달량 맵을 생성하도록 학습된 특징 추출 네트워크; 및상기 전달량 맵 및 상기 압축 처리된 영상이 입력되는 경우, 상기 미세 먼지 제거 이미지를 출력하도록 학습된 재건 네트워크를 포함하는, 컴퓨팅 장치
|
9 |
9
청구항 6에 있어서,상기 미세먼지 농도를 추정하기 위한 명령은,상기 잔차 이미지에 대한 통계량을 산출하기 위한 명령; 및상기 산출된 통계량과 대응되는 미세먼지 농도값을 상기 촬영 영상 내 미세먼지 농도값으로 추정하기 위한 명령을 포함하는, 컴퓨팅 장치
|
10 |
10
하나 이상의 프로세서들;메모리; 및하나 이상의 프로그램들을 포함하고,상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 소정 장소에서 촬영된 촬영 영상을 획득하기 위한 명령;상기 촬영 영상을 손실 압축 처리하기 위한 명령;상기 압축 처리된 영상을 기반으로 상기 압축 처리된 영상에서 미세 먼지가 제거된 미세 먼지 제거 이미지를 생성하기 위한 명령;상기 압축 처리된 영상과 상기 미세 먼지 제거 이미지 간의 차이를 통해 잔차 이미지를 생성하기 위한 명령; 및상기 잔차 이미지에 기반하여 상기 촬영 영상 내 미세먼지 농도를 추정하기 위한 명령을 포함하고, 상기 미세먼지 농도를 추정하기 위한 명령은,상기 잔차 이미지의 엔트로피(Entropy)를 산출하기 위한 명령; 및기 저장된 엔트로피 및 미세먼지 농도 관계 그래프에서 상기 산출된 엔트로피와 대응하는 미세먼지 농도값을 상기 촬영 영상 내 미세먼지 농도값으로 추정하기 위한 명령을 포함하는, 컴퓨팅 장치
|