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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 서덕영
- 발행연도
- 2020
- 저작권
- 경희대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
이미지의 최저 밝기와 최고 밝기 사이의 대비를 동적 범위(Dynamic Range)라고 한다. 기존 8비트 디스플레이에서 출력하기 위해 카메라로 촬영한 영상은 Standard Dynamic Range (SDR) 로 변환된다. 대부분의 SDR 이미지는 손실을 가지고 있기 때문에High Dynamic Range (HDR)를 표현하기 위해서 HDR Imaging(HDRI) 방법을 사용한다. HDRI 에는 스택 기반 합성 방식과 역 톤 맵핑(Inverse Tone Mapping, ITM) 방식 등이 있다. 역 톤 맵핑 방식으로 복원한 이미지는 카메라 센서의 한계로 손실된 정보를 가지고 있기 때문에 HDR의 일부밖에 복원할 수 없다.
딥 러닝(Deep learning)을 이용한 이미지 복원 기술은 이미지에서 손실된 정보를 원본과 비슷하게 복원하는데 이를 이용하여 기존 역 톤 맵핑 방식에서 복원하지 못했던 세부 정보(Detail)를 복원하기 위한 연구가 진행되었다. 하지만 이러한 딥 러닝 기법은 많은 컴퓨팅 자원을 사용하며 복잡한 과정을 거쳐야 한다.
본 논문에서는 기존 딥 러닝 기반 HDR 복원 방식보다 적은 계산양을 가지는 방식을 연구한다. 영상을 지역 콘트라스트(local contrast)로 구분하였을 때 정보가 많은 중간 톤(Mid Tone) 영역은 기존 역 톤 맵핑으로 HDR 복원 할 수 있다. 정보가 적은 Shadow와 Highlight 영역은 역 톤 맵핑 만으로 복원하기 어렵다. 해당 영역들은 각각 CNN을 통해 원본 HDR의 세부 정보를 복원할 수 있도록 학습시킨다. 계산 범위를 밝기 전체에서 지역 콘트라스트 범위로 좁힐 수 있기 때문에 계산의 범위를 축소시킬 수 있으며 기존 방식보다 과정을 간략화하고 계산 시간을 단축할 수 있다.
딥 러닝(Deep learning)을 이용한 이미지 복원 기술은 이미지에서 손실된 정보를 원본과 비슷하게 복원하는데 이를 이용하여 기존 역 톤 맵핑 방식에서 복원하지 못했던 세부 정보(Detail)를 복원하기 위한 연구가 진행되었다. 하지만 이러한 딥 러닝 기법은 많은 컴퓨팅 자원을 사용하며 복잡한 과정을 거쳐야 한다.
본 논문에서는 기존 딥 러닝 기반 HDR 복원 방식보다 적은 계산양을 가지는 방식을 연구한다. 영상을 지역 콘트라스트(local contrast)로 구분하였을 때 정보가 많은 중간 톤(Mid Tone) 영역은 기존 역 톤 맵핑으로 HDR 복원 할 수 있다. 정보가 적은 Shadow와 Highlight 영역은 역 톤 맵핑 만으로 복원하기 어렵다. 해당 영역들은 각각 CNN을 통해 원본 HDR의 세부 정보를 복원할 수 있도록 학습시킨다. 계산 범위를 밝기 전체에서 지역 콘트라스트 범위로 좁힐 수 있기 때문에 계산의 범위를 축소시킬 수 있으며 기존 방식보다 과정을 간략화하고 계산 시간을 단축할 수 있다.
목차
제 1 장 서 론 11.1 연구 배경 및 목적 11.2 논문의 구성 3제 2 장 관련 연구 동향 42.1 High Dynamic Range Imaging 4제 3 장 제안 방법 73.1 개요 73.2 네트워크 모델 83.3 학습 과정 93.4 최종 이미지 합성 과정 10제 4 장 실험 114.1 실험 환경 114.2 실험 결과 및 분석 12제 5 장 결론 15참고문헌 16Abstract 18
최근 본 자료
댓글(0)
0