1 |
1
저조도 영상 이미지를 인풋으로 하여, 상기 저조도 영상 이미지의 영역을 분할하는 단계;와상기 분할된 이미지에서 저조도 이미지 영역 및 저조도 영상 개선 네트워크 기반의 이미지 아웃풋의 반전 결과값을 도출하는 단계; 와상기 반전 결과값을 기반으로 상기 이미지의 분할된 영역 중에서 관심영역 이미지 기반의 화소 레벨 손실을 연산하는 단계; 와상기 연산을 통해서 얻은 연산값을 활용하는 상기 저조도 영상 개선 네트워크 기반으로 상기 저조도 영상 이미지를 개선하는 단계; 및 상기 저조도 개선 이미지 결과물이 상기 저조도 영상 이미지 분할 단계로 재 전달되어 일련의 과정들을 반복하는 단계;를 포함하며,상기 연산을 통해서 얻은 연산값을 활용한 상기 저조도 영상 개선 네트워크 기반으로 상기 저조도 영상 이미지를 개선하는 단계는,상기 인풋 이미지에서 상기 저조도 영상 기반의 상기 관심영역 이미지에만 집중할 수 있도록 연산하는 연산식을 이용하여,상기 저조도 영상 이미지의 어두운 영역 포커싱(focusing) 알고리즘을 생성하는 단계; 와상기 알고리즘을 포함하는 상기 저조도 영상 개선 네트워크에서 최종적으로 상기 저조도 영상 이미지의 밝기를 개선하는 단계; 와상기 저조도 영역의 이미지에 집중하는 연산값을 도출하는 단계; 및상기 저조도 영역 이미지에 집중하는 연산값을 기반으로 학습 알고리즘을 생성하는 단계;를 포함하는 것을 특징으로 하는 어두운 영역 기반 저조도 영상 개선 방법
|
2 |
2
제1항에 있어서,상기 저조도 영상 이미지를 인풋으로 하여, 상기 저조도 영상 이미지의 영역을 분할하는 단계는,상기 저조도 영상 이미지에서 어두운 영역과 밝은 영역으로 상기 이미지의 분할하는 단계; 및상기 어두운 영역의 저조도 영상 이미지를 지역화(Localization)를 하는 단계;를 포함하는 것을 특징으로 하는 어두운 영역 기반 저조도 영상 개선 방법
|
3 |
3
제1항에 있어서,상기 분할된 상기 이미지에서 상기 저조도 영역 및 상기 저조도 영상 개선 네트워크 이미지 아웃풋의 반전 결과값을 도출하는 단계는,상기 저조도 영상의 어두운 영역의 이미지를 상기 관심영역의 영상 이미지값으로 지정하는 단계; 와상기 관심영역의 영상 이미지의 반전 값을 도출하는 단계; 와상기 관심영역 외, 영상 이미지는 그대로 유지하는 단계; 와상기 관심영역의 영상 이미지를 사전에 학습이 된 상기 저조도 영상 개선 네트워크 알고리즘에 입력하는 단계; 및상기 저조도 영상 개선 네트워크 알고리즘으로부터 도출된 이미지 오류(error)값을 도출하는 단계;를 포함하는 것을 특징으로 하는 어두운 영역 기반 저조도 영상 개선 방법
|
4 |
4
제1항에 있어서,상기 반전 결과값을 기반으로 상기 이미지의 분할된 영역 중에서 관심영역 이미지 기반의 화소 레벨 손실을 연산하는 단계는,상기 저조도 영상 관심영역 이미지의 화소 레벨을 연산하는 단계; 와상기 관심영역의 화소 레벨을 기반으로, 상기 관심영역의 이미지의 손실함수를 구하는 단계; 와상기 저조도 영상 개선 네트워크로 미리 학습된 알고리즘을 기반으로 하여 도출되는 손실함수를 구하는 단계; 및상기 관심영역의 이미지 손실함수와 상기 학습된 알고리즘 기반의 손실함수의 연산으로 상기 관심영역의 이미지 화소 레벨의 전체 손실을 연산하는 단계;를 포함하는 것을 특징으로 하는 어두운 영역 기반 저조도 영상 개선 방법
|
5 |
5
어두운 영역 기반 저조도 영상 개선을 위해 상기 어두운 영역 기반 저조도 영상의 손실을 연산하는 방법에 있어서,인풋 영상 이미지 신호전류()에서 저조도 영상 이미지 신호전류()의 차이로 상기 어두운 영역 기반의 저조도 영상 신호전류()를 도출하는 단계; 와수학식1: , (여기서, : 어두운 영역 기반의 저조도 영상 신호전류 정답값, : 인풋 영상 이미지 신호전류값, : 저조도 영상 이미지 신호전류값)상기 어두운 영역 기반의 저조도 영상 신호전류를 예측한 값()과, 상기 어두운 영역 기반의 저조도 영상 신호전류()의 화소 레벨의 오류차이로 상기 어두운 영역 기반의 저조도 영상의 손실함수를 도출하는 단계; 와수학식2 : (여기서, : 저조도 영상의 손실함수, : 어두운 영역 기반의 저조도 영상 신호전류 예측값
|
6 |
6
삭제
|
7 |
7
어두운 영역 포커싱(focusing) 알고리즘을 생성하는 네트워크에서 최종적으로 저조도 영상의 밝기를 개선하는 방법에 있어서,상기 네트워크를 이용하여 예측된 저조도 영역 개선의 결과와 저조도 개선 영상 결과의 화소 레벨의 오류차이로 손실함수를 도출하는 단계; 와수학식5: (여기서, : 어두운 영역 기반의 저조도 영상 신호전류 예측값과 저조도 영상 이미지 신호전류값을 합성한 신호전류값, : 네트워크를 이용하여 저조도 영역이 개선된 예측 영상 이미지, : 저조도 개선 영상 정답 이미지)상기 예측된 저조도 영상의 개선 결과 영상과 상기 저조도 개선 영상 사이의 특징 화소 레벨()의 오류차이로 손실함수를 도출하는 단계; 와수학식6: (여기서, : 이미지 넷으로 미리 트레이닝 된 VGG-16 네트워크의 16번째 화소이미지)상기 개선된 저조도 영상의 부분적인 필터를 추가하기 위한 손실함수를 도출하는 단계; 및수학식7: (여기서, C:채널 개수, H: 이미지의 가로길이, W:이미지의 세로길이, : x축 방향의 미분값, : y축 방향의 미분값)상기 도출한 3개의 손실함수를 기반으로 하여,네트워크 알고리즘의 전체 손실함수를 도출하는 단계; 및수학식8: (여기서, 은 1, 5, 1)을 포함하고 있는 것을 특징으로 하는 어두운 영역 기반 저조도 영상 개선 방법
|
8 |
8
제1항에 있어서,상기 저조도 영상 이미지의 어두운 영역 포커싱(focusing) 알고리즘을 생성하는 네트워크에서 최종적으로 상기 저조도 영상의 밝기를 개선하는 단계는,전역적인 밝기(Global illumination) 및 지역적인 밝기(local illumination)도 고려하는 알고리즘을 생성하는 단계; 및상기 밝기를 고려하는 학습 알고리즘에 따라,상기 저조도 이미지의 분할된 전 영역에 따른 밝기 정보를 가질 수 있도록 하는 단계;를 포함하는 것을 특징으로 하는 어두운 영역 기반 저조도 영상 개선 방법
|
9 |
9
제1항에 있어서,상기 저조도 영상을 개선한 이미지 결과물이 상기 저조도 영상 이미지 분할 단계로 재 전달되어 일련의 과정들을 반복하는 단계는,상기 개선된 저조도 영상 이미지 결과물이 최적의 밝기 영상 이미지 결과물을 얻을 수 있도록,어두운 영역 기반 저조도 영상 개선을 지속하는 단계;를 포함하는 것을 특징으로 하는 어두운 영역 기반 저조도 영상 개선 방법
|
10 |
10
삭제
|