인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
초분광 영상(Hyperspectral Imaging, HSI)은 넓은 파장 대역에서 물체의 세밀한 분광 정보를 획득하지만, 안개와 에어로졸에 의한 대기 산란은 영상의 대비와 신호를 저하시키고 분광 정보를 왜곡해 인식 알고리즘의 성능 저하로 이어진다. 딥러닝 기반 초분광 안개 제거 모델을 학습하려면 동일 장면의 대규모 Hazy–Clean 영상 쌍이 필요하지만, 실제 환경에서 이를 확보하기는 어렵다. 또한 기존 RGB 기반 안개 합성 방식은 파장별 산란 특성을 충분히 반영하지 못해 실제 영상과 합성 영상 간의 도메인 갭을 유발한다. 이에 본 연구는 통계적 추정에 의존하던 기존 방식에서 벗어나, 실측 대기광과 파장별 투과 특성을 결합한 전면 시점 공간–분광 안개 합성 프레임워크를 제안한다. SPECIM 라인 스캔 카메라로 획득한 519밴드 Hazy–Clean 영상에서 검정 벨벳 표적 기반의 파장별 대기광과 하위 백분위수 기반 공간 안개 분포를 추정하고, 이를 결합해 3차원 투과율 큐브를 구성한 뒤 농도 조절 계수로 다양한 농도의 안개를 생성한다. 실제 안개와 합성 안개의 정규화 분광 프로파일은 0.9347의 Spectral Correlation을 보였으며, 제안 방법은 두 ablation 변형보다 실제 안개 픽셀 분포에 가까운 결과를 나타냈다. 또한 제안 데이터로 학습한 디헤이징 모델은 실제 안개 영상에서 더 낮은 평균 복원 오차를 보여, 도메인 갭 감소와 일반화 성능 향상을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
