Earticle

초록

한국어

이미지 보정은 색약의 불편함을 해결하는 데 기여할 수 있다. 기존의 연구들은 색약자의 보는 목적을 구 분하지 않고 모든 이미지에 동일한 알고리즘을 일괄적으로 적용하였다. 본 연구에서는 기존의 고정된 이미지 보정 알고리즘과 달리 색약자의 보는 용도에 맞는 맞춤형 이중 알고리즘, 즉 추상적 셀 신호 보상 알고리즘과 색분류 능력 향상 알고리즘을 제안한다. 또한, 이미지의 사용 목적을 구분하기 위해 색약 딥러닝도 고안하였다. 본 연구에 서 제안한 모델의 성능은 Google Colab을 통해 평가하였으며, 실험 결과 58.33%의 이미지 통과율이 91.67%로 향 상되어 색약자에게 더 나은 색 경험을 제공할 수 있음을 알 수 있었다.

영어

Image correction can contribute to solving the hassle of color weakness. Existing researches apply the same algorithm collectively to all images without distinguishing the purpose of seeing the image. Unlike the existing image correction algorithms, this study proposes customized dual algorithms suitable for the purpose of the seeing image, an abstract cell signal compensation algorithm and a color classification ability enhancement algorithm. Color weakness deep learning was also devised to distinguish the purpose of the image. This study evaluated the performance of the proposed model through Google Colab. As a result of the experiment, the passing rate of 58.33% improved to 91.67%, indicating that it could provide a better color experience for the color weak.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 연구 배경
Ⅲ. 추상세포 신호보상을 통한 색 구분 능력 강화 모델
3.1 처리 절차
3.2 이미지 분류
3.3 추상세포 신호보상 알고리즘
3.4 색 구분 능력 강화 알고리즘
Ⅳ. 실험 결과
4.1 이미지 분류 결과
4.2 실험 참가자 및 실험 방법 소개
4.3 추상세포 신호보상 알고리즘 실험 결과
4.4 색 구분 능력 강화 알고리즘 실험결과
V. 결론
REFERENCES

저자

• 변준호 [ Joonho Byun | 국민대학교 전자공학부 ]
• 변시우 [ Siwoo Byun | 안양대학교 소프트웨어학과 교수 ] Corresponding Author

참고문헌