| 1 |
1
타겟 픽셀이 속하는 영역을 에지 데이터 세트(edge dataset)와 스무스 데이터 세트(smooth dataset)로 구분하여, 에지 BP-ANN(back propagation artificial neural network) 과 스무스 BP-ANN의 아키텍처와 파라미터로 훈련하는 모델링부 및상기 모델링부에서 훈련된 BP-ANN을 이용하여 이미지를 디인터레이싱하는 디인터레이싱부를 포함하며,상기 모델링부는,타겟 픽셀이 속하는 스무스 영역과 에지 영역을 구분하여, 훈련 이미지를 이진화하는 훈련 이미지 산출부;이진화된 이미지와 픽셀을 기반으로 훈련 포인트를 임의로 선택하는 훈련 포인트 선택부;BP-ANN에 제시된 훈련 데이터세트의 모든 픽셀은 0-255으로부터 0-1까지 선형적으로 정규화하는 데이터세트 정규화부 및 스무스 BP-ANN와 에지 BP-ANN의 아키텍터와 파라미터를 이용하여 훈련 실행부를 포함하는 것을 특징으로 하는 영상 디인터레이싱 시스템
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 훈련 이미지 산출부는 수학식 5와 수학식 6을 적용하여, 이미지를 이진화하는 것을 특징으로 하는 영상 디인터레이싱 시스템
|
| 4 |
4
제1항에 있어서,상기 디인터레이싱부는,상기 모델링부에서 훈련된 BP-ANN을 적용하여 입력되는 이미지를 훈련하는 BP-ANN 적용부 및 상기 이미지의 PSNR의 산출로 성능을 평가하는 성능확인부를 포함하는 것을 특징으로 하는 영상 디인터레이싱 시스템
|
| 5 |
5
(a) 모델링부를 이용하여, 타겟 픽셀이 속하는 영역을 에지 데이터 세트(edge dataset)와 스무스 데이터 세트(smooth dataset)로 구분하여, 에지 BP-ANN(back propagation artificial neural network) 과 스무스 BP-ANN의 아키텍처와 파라미터로 훈련하는 단계 및(b) 디인터레이싱부를 이용하여, 상기 (a) 단계에서 훈련된 BP-ANN을 이용하여 이미지를 디인터레이싱하는 단계를 포함하며,상기 (a) 단계는,(a-1) 훈련 이미지 산출부를 이용하여, 타겟 픽셀이 속하는 스무스 영역과 에지 영역을 구분하여, 훈련 이미지를 이진화하는 단계;(a-2) 훈련 포인트 선택부를 이용하여, 이진화된 이미지와 픽셀을 기반으로 훈련 포인트를 임의로 선택하는 단계;(a-3) 데이터세트 정규화부를 이용하여, BP-ANN에 제시된 훈련 데이터세트의 모든 픽셀은 0-255으로부터 0-1까지 선형적으로 정규화하는 단계 및 (a-4) 훈련 실행부를 이용하여, 스무스 BP-ANN와 에지 BP-ANN의 아키텍터와 파라미터를 이용하여 훈련하는 단계를 포함하는 것을 특징으로 하는 영상 디인터레이싱 방법
|
| 6 |
6
삭제
|
| 7 |
7
제5항에 있어서,상기 (b) 단계는,(b-1) BP-ANN 적용부를 이용하여 상기 모델링부에서 훈련된 BP-ANN을 적용하여 입력되는 이미지를 훈련하는 단계 및 (b-2) 훈련된 BP-ANN에서 생성된 에지 포인트와 스무스 포인트를 결합하는 단계를 포함하는 것을 특징으로 하는 영상 디인터레이싱 방법
|
| 8 |
8
제7항에 있어서,상기 (b-2) 단계 이후에,(b-3) 성능확인부를 이용하여, 상기 이미지의 PSNR의 산출로 성능을 평가하는 단계를 더 포함하는 것을 특징으로 하는 영상 디인터레이싱 방법
|
