초해상도 기법은 영상 획득장치의 물리적인 한계를 극복하기 위해 저해상도 영상으로부터 고해상도 영상을 생성하는 기술이다. 초해상도 기법들 중 TV 기반 초해상도 기법은 에지보존과 artifact가 없다는 점에서 성공적인 방법으로 평가되어 왔다. 본 논문에서는 저해상도 번호판 영상의 해상도 개선을 위해 새로운 TV 분해 기반 초해상도 기법을 제안하였다. 제안된 방법에서 번호판 영상은 TV 분해에 의해 영상의 주된 객체들에 해당하는 구조적 성분과 텍스쳐 성분으로 분해된다. 여기서, 영상의 주된 객체들과 같은 기하학적인 정보를 포함하는 구조적 성분은 번호판 영상의 번호판 글자와 유사하다. 따라서, 번호판 글자와 같은 구조적 성분의 해상도를 개선하기 위해 NNE 기반 SVR 방법을 제안하였다. 또한, 후처리 과정으로서 윤곽선을 효과적으로 보존하고, 잡음을 제거하기 위해 TV 디노이징 필터를 이용하였다. 실험을 통하여 본 논문에서 제안된 방법이 기존의 바이큐빅 보간법, ScSR, NNE 및 SRCNN 기법들에 비해 양호한 영상 및 PSNR, SSIM 척도 관점에서 향상된 좋은 결과들을 보였다.

표본기반 초해상도(Super Resolution) 기법은 데이터베이스에 저장된 고해상도 영상의 패치와 저해상도 영상 의 패치 사이에 대응관계를 이용하여, 저해상도의 입력영상에 가장 유사한 고해상도 패치를 덧붙여서 고해상도를 구 성하는 방식이다. 이러한 방식은 한 장의 영상만으로 고해상도 영상을 얻을 수 있고, 위의 과정을 반복하여 2배 이상 의 확대된 영상을 얻을 수 있어서 기존의 고전적 초해상도 기법의 문제점을 해결할 수 있다. 표본기반 초해상도 방법 들중 네이버 임베딩(Neighbor Embedding 이하 NE) 기법의 기본 원리는 지역적 선형 임베딩(locally linear embedding) 이라는 매니폴드 학습 방법의 개념과 같다. 그러나, NE의 국부 학습 데이터 집합의 크기가 너무 작아서 빈약한 일반화 능력으로 인하여 알고리즘의 성능을 크게 저하시킨다. 또한, NE는 신뢰할 수 있는 성능을 위해 커다란 크기의 학습 데이타가 요구되어, 메모리 비용뿐만 아니라 연산 부담이 요구된다. 본 논문에서는 이와 같은 문제점을 해결하기 위해서 효율적으로 구축된 딕셔너리(dictionary)를 이용하였고, NE의 국부 학습 데이터 집합의 크기가 너무 작은데에 기인한 빈약한 일반화 능력을 보완하기 위해 각 시험 패치와 딕셔너리들 간의 평균거리 이내에 있는 데이터 들을 국부 학습 데이타들로 이용하였다. 또한, 본 논문에서는 NE의 부족한 일반화 능력을 보완하기 위해 일반화 능력 이 뛰어난 Support Vector Regression(이하 SVR)을 이용하여 훈련하였으며 훈련된 SVR을 이용하여 고해상도의 해당 화소 값을 예측하였다. 실험을 통하여 제안된 기법이 bicubic 보간법 및 NE 기법 등에 비해 정량적인 척도 및 시각적 으로도 향상된 결과를 보여 주었다.

의료영상에서 잡음제거는 의료영상 분야에서의 중요한 도전 과제들 중의 하나이다. 최상의 진단 결과를 얻기 위해서는 잡음과 아티펙트가 제거되고, 선명하며 깨끗한 화질의 의료영상이 필요하다. CT는 의료영상에서 중요하고 가장 보편적인 모달리티이다. CT 영상에서 주요 잡음은 양자화 잡음이다. 본 논문에서는 CT 영상에서 잡음 제거를 위한 하이브리드 필터를 제안하였다. 제안된 하이브리드 필터는 바이래터럴 필터, 신경망 윤곽선 검출기, 다층 신경망 등으로 구성되어 있다. 다층 신경망은 여러 정보들을 결합하여 개선된 출력 영상을 만들기 위한 융합 연산자로서 이용되었다. RMSE, ISNR, MSR과 CNR과 같은 화질 평가 척도가 잡음 개선의 성능 평가를 위해 사용되었다. 또한, 시각적으로도 제안된 필터가 다른 필터들에 비해 우수한 결과를 보였다. 이와같은 화질 평가 척도에 의해 본 논문에서 제안된 필터는 바이래터럴 필터나 가이드 필터보다 우수하였다. 특히, 심한 잡음이 있는 상황에서 제안된 필터는 우수한 결과를 보였다.

본 논문에서는 퍼지이론을 이용하여 색채공간의 사용자가 원하는 분위기에 해당하는 언어 입력에 따라 조화로운 색채공간을 설계해가는 의사결정 보조 시스템을 개발하였다. 개발된 시스템에서 형용사 이미지 스케일의 언어적인 입력이 주어지면 형용사와 색채와의 관계를 퍼지관계로 가정하고 색채공간의 전체적인 분위기에 맞는 색채가 선택되며 퍼지화된 Moon-Spencer등의 색채조화에 관한 지식은 어울리는 조화색 결정의 탐색 영역을 제한하는 역할을 담당하고 이에 따라 조화색이 결정된다.

감성형용사는 감성 평가공간을 구성하거나 컬러 및 컬러 패턴을 평가하거나 선택하는 데 있어서 대단히 중요하다. 본 논문에서는 Soen의 랜덤컬러 패턴을 평가하기 위해 사용된 13개의 형용사 쌍을 대상으로 다차원 척도분석, 요인분석 , 군집분석 등을 수행하여, 이들이 무게감, 활동감, 온도감을 표현하는 감성요인으로 축약할 수 있으며, 이는 이전의 단색에 대한 연구들과 근사적으로 일치함을 보였다. 또한 컬러 패턴의 선호도를 표현하는 형용사는 다른 1차적인 감성표현 형용사들의 조합으로 표현되어 질 수 있음을 회귀분석을 통하여 검증하였다. 이는 벽지, 카펫 등 컬러 패턴이 나타나는 대상과는 무관하게 무게감, 활동감, 온도감을 표현하는 통일된 감성평가공간 구성이 가능할 수 있음을 의미한다.