| 1 |
1
마스크와 이미지센서로 구성되는 렌즈리스 이미징 장치에 있어서,상기 이미지센서에 기록된 2차원 이미지가 전달되는 입력층(input layer),상기 입력층의 이미지를 재구성하여 변환하는 N개의 잔차 블록층(residual block layer) 및상기 N개의 잔차 블록층에 의해 재구성된 이미지를 출력하는 출력층(output layer)으로 구성되는 이미지 변환 네트워크를 포함하여 이루어져,상기 이미지 변환 네트워크의 딥러닝 학습을 기반으로 상기 이미지센서에 기록된 이미지로부터 실제 대상물 이미지를 유추 및 복원(reconstruction)하는 것을 특징으로 하는 렌즈리스 이미징 장치
|
| 2 |
2
청구항 1에 있어서,상기 잔차 블록층(residual block)은콘볼루션 모듈(convolution, Conv), 배치 정규화 모듈(Batch Normalization, BN), ReLu 모듈(Rectified Linear Unit), 콘볼루션 모듈(convolution, Conv), 배치 정규화 모듈(Batch Normalization, BN) 순으로 배열되어 연산을 수행하고,상기 연산의 결과값과 상기 잔차 블록층의 입력값을 상기 이미지센서의 픽셀 단위로 합하는 합산 모듈(Summation, SUM)에 의하여 상기 잔차 볼록의 출력을 계산하는 것을 특징으로 하는 렌즈리스 이미징 장치
|
| 3 |
3
청구항 1에 있어서,상기 이미지 변환 네트워크는 재구성 이미지의 섬세함(Detail)을 살리기 위해 실제 이미지와 재구성된 이미지를 구분할 수 있게 학습하는 판별 네트워크를 더 포함하는 것을 특징으로 하는 렌즈리스 이미징 장치
|
| 4 |
4
청구항 3에 있어서,상기 판별 네트워크는 판별 입력층, 판별 출력층 N개의 콘볼루션층(convolution layer)로 구성되어, 실제 이미지가 상기 판별 입력층에 전달되면 진짜 이미지를 표현하는 수(Number)가 출력되고, 재구성된 이미지가 상기 판별 입력층에 전달되면 가짜 이미지를 표현하는 수(Number)가 출력되게 하는 것을 특징으로 하는 렌즈리스 이미징 장치
|
| 5 |
5
마스크와 이미지센서로 구성되는 렌즈리스 이미징 장치의 이미지 재구성 방법에 있어서, 상기 마스크를 통해 투영되어 이미지센서에 기록된 이미지와 이에 해당하는 실제 이미지의 쌍(pair)으로 구성된 학습 데이터 집합을 수집하는 단계,상기 이미지센서에 기록된 이미지를 딥러닝 학습을 기반으로 실제 대상물 이미지로 재구성하기 위한 이미지 변환 네트워크를 통해 학습하는 단계,상기 변환 네트워크에 의해 재구성되는 이미지의 섬세함(Detail)을 살리기 위해 실제 이미지와 재구성된 이미지를 구분할 수 있게 학습하는 판별 네트워크 학습 단계 및상기 변환 네트워크와 판별 네트워크의 경쟁적 학습을 통한 실제 대상물 이미지가 유추 및 복원(reconstruction)되어 출력되는 단계를 포함하여 이루어지는 것을 특징으로 하는 렌즈리스 이미징 장치의 이미지 재구성 방법
|
| 6 |
6
청구항 5에 있어서,상기 이미지 변환 네트워크는 상기 이미지센서에 기록된 2차원 이미지가 전달되는 입력층(input layer), 상기 입력층의 이미지를 재구성하여 변환하는 N개의 잔차 블록층(residual block layer) 및 상기 N개의 잔차 블록층에 의해 재구성된 이미지를 출력하는 출력층(output layer)으로 구성되어,상기 잔차 블록층의 입력값을 상기 이미지센서의 픽셀 단위로 합하여 잔차 블록층의 출력을 계산하는 것을 특징으로 하는 렌즈리스 이미징 장치의 이미지 재구성 방법
|
| 7 |
7
청구항 5에 있어서,상기 판별 네트워크는 판별 입력층, 판별 출력층 N개의 콘볼루션층(convolution layer)로 구성되어, 실제 이미지가 상기 판별 입력층에 전달되면 진짜 이미지를 표현하는 수(Number)가 출력되고, 재구성된 이미지가 상기 판별 입력층에 전달되면 가짜 이미지를 표현하는 수(Number)가 출력되게 하는 것을 특징으로 하는 렌즈리스 이미징 장치의 이미지 재구성 방법
|
