Earticle

The purpose of this study is to know some changes of resolution and image if we remove scattered ray using lead plate when doing lumbar lateral projection. Using 3 DR system(2 FD types, 1 CCD type) equipments and 2 film system equipments, we gain the image whether the phantom of abdomen equivalent sticking resolution chart has lead plate or not, whether we do collimation or not. Also, we use ion chamber, measure radiation exposure rate and change to entrance surface dose from it. we gain that images in the greatest condition of taking in clinic. 5 people in this group decoded resolution with our eyes, measured thickness of images and compared them from each equiments. Resolution has difference to size of collimation in DR FD type. Also there is no difference the original image with the new image which we abbreviated mAs. In DR CCD type, resolution didn't have difference whether lead plate is or not and whether we do collimation or not. In film type, existing or nonexisting of lead plate didn't influence on resolution. Lead plate makes the quality of image higher due to reducing scattered ray, it doesn't influence on resolution.

4 개의 사각형으로 구성된 도형들의 집합인 테트로미노는 가장 유명한 게임 중의 하나인 테트리스에서 사용되면서 널리 알려졌다. 최근에는 테트리스를 모방하는 다양한 보드 게임들이 제작되어 저학년 학생들의 교육에서 사용되고 있다. 이에 본 논문에서는 사용자가 입력한 고해상도의 영상으로부터 테트로미노에 기반한 퍼즐을 생성하는 2단계 알고리즘을 제시한다. 1단계에서는 슈퍼 픽셀 알고리즘을 이용해서 고해상도의 입력 영상을 공통된 색 팔레트를 공유하는 저해상도의 픽셀 아트 영상으로 변환한다. 2단계에서는 타일화 알고리즘을 이용해서 픽셀 아트 영상을 채우는 4x4 또는 8x8 크기의 테트로미노 타일을 생성한다. 영상을 타일로 채우는 과정은 픽셀 아트 영상의 픽셀의 색과 테트로미노 타일의 색의 차이를 최소화하는 방법을 이용한다. 이 과정에서 퍼즐의 복잡도를 제어하기 위해서 픽셀 아트 영상의 해상도를 조절한다. 이러한 테트로미노에 기반한 게임은 보드 게임뿐 아니라 컴퓨터 게임의 형태로도 구현할 수 있으며, 다양한 사용자 테스트를 통해서 게임의 재미를 검증한다.

Tetromino, which is a set of combinations of four rectangles, is widely recognized, since it is used in TetrisTM, one of the most famous computer games. Nowadays, several board games that mimic TetrisTM are released for education of under-aged children. We present a two-stage algorithm that produces tetromino-based puzzle from user-input high-resolution images. In the first stage, we convert a high-resolution image into a low-resolution pixelated image using a superpixel algorithm. The pixelated image is generalized to share a set of colors from a common palette. In the second stage, we build a series of 4x4 and 8x8 tiles of tetrominos and fill the pixelated image using the tiles. The strategy of filling the image is to minimize the color difference between the color of the tetrominoes in the tiles and the color of the corresponding pixels in the pixelated image. We can control the resolution of the pixelation to control the complexity of the puzzle. We can manufacture the tetromino tile to build a board game as well as a computer-based game using our puzzle. Through various user-study, our game is proved to be very attractive for people of various ages.

The ASV-SR method introduces an innovative approach to single-image super-resolution (SISR) by integrating adaptive Stochastic Variation within a diffusion model. This combination effectively captures pixel interactions and various patterns, addressing long-range dependencies in images and overcoming the limitations of traditional deterministic SISR methods. Extensive evaluations on diverse image datasets, including PSNR, SSIM, and LPIPS metrics, reveal that the proposed model outperforms current state-of-the-art techniques. Additionally, the incorporation of a modified SWIN transformer (MST) enhances feature extraction, improving the model's adaptability and efficiency in tackling SISR challenges. This comprehensive approach underscores the significance of incorporating stochastic processes like stochastic variation to advance image super-resolution.

Estimating above-ground biomass is important in establishing an applicable methodology of Measurement, Reporting and Verification (MRV) System for Reducing Emissions from Deforestation and Forest Degradation-Plus (REDD+). We developed an estimation model of diameter at breast height (DBH) from IKONOS-2 image that led to above-ground biomass estimation (AGB). The IKONOS image was preprocessed with dark object subtraction and topographic effect correction prior to watershed segmentation for tree crown delineation. Compared to the field observation, the overall segmentation accuracy was 64%. Crown detection percent had a strong negative correlation to tree density. In addition, satellite-based crown area had the highest correlation with the field measured DBH. We then developed the DBH allometric model that explained 74% of the data variance. In average, the estimated DBH was very similar to the measured DBH as well as for AGB. Overall, this method can potentially be applied to estimate AGB over a relatively large and remote tropical forest in Northern Borneo.

Micro-columnar CsI(Tl) is the most popular scintillator material which is used for many indirect digital X-ray imaging detectors. The light scattering at the surface of micro-columnar CsI(Tl) scintillator was studied to find the correlation between the surface roughness and the resultant image resolution of indirect X-ray imaging detectors. Using a commercially available optical simulation program, Light Tools, MTF (Modulation Transfer Function) curves of the CsI(Tl) film thermally evaporated on glass substrate with different thickness were calculated and compared with the experimental estimation of MTF values by the edge X-ray image method and CCD camera. It was found that the standard deviation value of Gaussian scattering model which is determined by the surface roughness of micro-columns could certainly change the MTF value of image sensors. This model and calculation methodology will be beneficial to estimate the overall performance of indirect X-ray imaging system with CsI(Tl) scintillator film for optimum design depending on its application.

본 연구에서는 나날이 발전하는 카메라의 해상도 기술과 SNS의 이미지 공유를 통해서 고해상도로 찍은 이미지를 손쉽게 구할 수 있고, 이미지를 통해서 사람의 손가락 지문을 손쉽게 채취하여 이를 악용할 수 있다는 가능성을 고려해 이를 방지하는 기술을 제시한다. 이 기술을 개발하기 위해서는 Python 언어를 이용한 Opencv와 opencv안의 Blur 처리를 해주 는 라이브러리 등을 사용한다. 우선 이미지에서 손을 찾아주기 위해서 딥러닝 기반의 학습된 Hand Key point Detection 알고리즘을 사용한다. 이 알고리즘을 이용해 손가락 마디를 찾아 이 마디의 좌표를 이용해 이미지에서의 손가락 지문 부위만 을 따로 blur 처리를 해줌으로써 원본 이미지에서의 손상을 최소화하면서 손가락 지문을 보호할 수 있다. 향후 정확한 손가락 추적 알고리즘의 개발로 스마트폰 카메라 app의 내부 옵션으로 사용하여 고해상도의 이미지에서의 지문을 보호할 수 있을 것이다.

In this study, Developing high resolution camera and Social Network Service sharing image can be easily getting images, it cause about taking fingerprints to easy from images. So I present solution about prevent to taking fingerprints. this technology is develop python using to opencv, blur libraries. First of all ‘Hand Key point Detection’ algorithm is used to locate the hand in the image. Using this algorithm can be find finger joints that can be protected while minimizing damage in the original image by using the coordinates of separate blurring the area of fingerprints in the image. from now on the development of accurate finger tracking algorithms, fingerprints will be protected by using technology as an internal option for smartphone camera apps from high resolution images.

딥러닝 기반의 3차원 형상 재 복원 기법에서의 입력 이미지 사이즈의 변화에 따른 적절한 3D-Volume의 크기 및 Volume의 Depth Interval을 찾아보고, 다른 입력 사이즈에 따른 동일한 3D-Volume의 크기 및 Depth Interval에서의 성능을 비교해 본다. DTU dataset에 대한 성능 평가 결과 입력 이미지 사이즈와는 관 련없이, 3D-Volume은 고정된 적절한 값에서 성능이 가장 좋았음을 알 수 있고, 3D-Volume의 크기가 큰 모델이 해상도가 큰 입력 이미지의 성능이 더 좋았다. 또한, DTU 데이터셋에서의 3D-Volume의 적절한 크 기를 알 수 있다. 따라서, 딥러닝 기반 3차원 형상 재 복원 기법에서 사용하는 3D-Volume과 Depth Interval은 학습하는 입력 데이터의 특성을 이해하고, 입력 데이터의 특징에 따라 적절한 값으로 사용하는 것이 좋다.

본 논문은 단일 영상 기반의 초해상도에서 결과의 품질을 개선하기 위해 적응형 가중치를 적용한 잔차 블 록으로 구성된 다중 블록 구조를 이용하는 방법을 제안하였다. 딥러닝을 이용한 초해상도를 생성하는 과정에서 품질 향상을 위한 가장 중요한 요소는 특징 추출 및 적용이다. 해상도가 낮아 이미 손실된 세부사항을 복원하기 위해 다 양한 특징을 추출하는 것이 최우선이지만 네트워크의 구조가 깊어지거나 복잡해지는 등의 문제가 발생하기 때문에 실제 적용에서 제한사항이 있다. 따라서 특징 추출 과정은 효율적으로 구성하고 적용 과정을 개선하여 품질을 개선 하였다. 이를 위해 최초 특징 추출 이후 다중 블록 구조를 구성하였고 블록 내부에는 중첩된 잔차 블록을 구성한 뒤 적응형 가중치를 적용하였다. 또한 최종 고해상도 복원을 위해 다중 커널을 이용한 영상 재구성 과정을 적용함으로 써 결과물의 품질을 향상시켰다. 평가를 위해 원본 영상 대비 PSNR과 SSIM 값을 구하였고 기존 알고리즘과 비교 하여 제안하는 방법의 성능 향상을 확인하였다.

In this paper, proposes a method using a multi block structure composed of residual blocks with adaptive weights to improve the quality of results in single image super resolution. In the process of generating super resolution images using deep learning, the most critical factor for enhancing quality is feature extraction and application. While extracting various features is essential for restoring fine details that have been lost due to low resolution, issues such as increased network depth and complexity pose challenges in practical implementation. Therefore, the feature extraction process was structured efficiently, and the application process was improved to enhance quality. To achieve this, a multi block structure was designed after the initial feature extraction, with nested residual blocks inside each block, where adaptive weights were applied. Additionally, for final high resolution reconstruction, a multi kernel image reconstruction process was employed, further improving the quality of the results. The performance of the proposed method was evaluated by calculating PSNR and SSIM values compared to the original image, and its superiority was demonstrated through comparisons with existing algorithms.

대장암은 전 세계적으로 인간 건강에 심각한 위협을 가하는 주요 질병 중 하나이며, 이에 대한 조기 진단과 치료는 생존율을 크게 향상할 수 있다. 최근 인공지능(AI) 기술의 발전으로 대장암 진단 및 치 료 접근 방식에 혁신적인 변화가 이루어지고 있으나, 인공지능 모델의 학습을 위해서는 대량의 고품질 의료 데이터가 필수적이다. 그러나 의료 데이터의 획득은 프라이버시, 저작권, 그리고 데이터 공유에 대한 엄격한 정책으로 인해 상당한 도전 과제를 안고 있다. 본 연구는 Semantic Map을 조건으로 하 는 SDM(Semantic Diffusion Model)을 활용하여 실제와 유사한 고품질의 대장 내시경 이미지를 생성 하는 데 성공하였다. 이 과정을 심층적으로 분석하여, 의료 데이터의 접근성 문제에 대한 혁신적인 해 결책을 제시하고자 한다.

본 연구는 엉치엉덩관절의 불안정성에 초점을 맞춘 테이핑 방법이 요통에 도움이 될 수 있는 잠재 중 재 방법인지에 대해 고려해 보고자 한 사례연구이다. 해당 사례는 58세 과거 디스크탈출증 및 협착증으로 인 해 허리 수술 병력이 있는 남성이 지속적인 통증 감소를 위해 참여한 테이핑 교육 세션에서 나타난 주목할 만 한 결과를 사례로 정리하였다. 중재 방법으로 테잎을 엉치뼈 2~4사이에 가시결절로부터 양쪽으로 80%< 장력 으로 늘려 엉치엉덩관절을 지나게 붙이고 이후 끝 쪽은 양쪽 약 45° 방향으로 올려 중간볼기근(gluteus medius m.) 쪽으로 향하게 붙였다. 그 다음 엉덩뼈능선(iliac crest)로부터 척추기립근을 따라 10번째 갈비뼈 수준까지 이르는 양쪽 테이핑 방법이 적용되었다. 해당 중재를 통해 VAS와 ODI 두 검사도구로부터 VAS는 5 에서 0, 장애지수는 13에서 0으로 각각 기록되는 긍정적 사례 결과를 관찰할 수 있었다.

This is a case study that sought to consider whether taping, which focuses on instability of the sacroiliac joint, is a potential intervention method that may be helpful for low back pain. In the case of a 58-year-old participant, we summarized the notable results from a taping training session that a man with a history of back surgery due to disc herniation and stenosis participated in to reduce ongoing pain. As an intervention method, tape was applied between the 2nd and 4th sacrum on both sides from the spinous tuberosity. It was stretched to a tension of 80% and attached past the sacroiliac joint, and then the ends were raised at about 45° on both sides and attached toward the gluteus medius muscle. Then, along the erector spinae muscle from the iliac crest. Bilateral taping up to the level of the 10th rib was applied. Through this intervention, positive case results were observed from both VAS and ODI test tools, with VAS recorded as 5 to 0 and disability index recorded as 13 to 0, respectively.

본 논문에서는 단일 영상을 기반으로 초해상도를 생성하는 과정에서 계층 구조를 거쳐 추출된 보조 경계 특징을 이용한 방법을 제안하였다. 초해상도의 품질을 향상시키기 위해서는 영상 내 경계 영역을 선명하게 표현하 면서도 각 영역의 형태를 명확하게 구분하여야 한다. 제안하는 방법은 초해상도 과정에서 품질을 결정하는 중요한 요인인 경계 영역을 입력 영상의 구조적 형태를 유지하면서 개선된 초해상도 결과를 생성하기 위해 딥러닝 기반의 초해상도 방법에서 영상의 경계 영역 정보를 보조적으로 활용하는 구조를 사용하였다. 딥러닝 기반의 초해상도를 수행하기 위한 그룹 컨볼루션 구조에 더해 보조 경계 추출을 위한 고주파 대역의 정보를 기반으로 별도의 계층적 구조의 경계 누적 추출 과정을 수행하여 이를 보조 특징으로써 활용하는 방법을 제안하였다. 실험 결과 기존 초해 상도 대비 PSNR과 SSIM에서 약 1%의 성능 향상을 보였다.

In this paper, we proposed a method using sub-edge information extracted through a hierarchical structure in the process of generating super resolution based on a single image. In order to improve the quality of super resolution, it is necessary to clearly distinguish the shape of each area while clearly expressing the boundary area in the image. The proposed method assists edge information of the image in deep learning based super resolution method to create an improved super resolution result while maintaining the structural shape of the boundary region, which is an important factor determining the quality in the super resolution process. In addition to the group convolution structure for performing deep learning based super resolution, a separate hierarchical edge accumulation extraction process based on high-frequency band information for sub-edge extraction is proposed, and a method of using it as an auxiliary feature is proposed. Experimental results showed about 1% performance improvement in PSNR and SSIM compared to the existing super resolution.

본 논문은 후기구조주의 관점으로 미디어 문제를 고찰한 이론가의 견해를 참고하여, 미디어와 텍스트가 서로 어떠한 관련성을 지니고 있는지 고찰하였다. 상호미디어성을 상호텍스트성의 일부분으로 간주했던 이론가에게 미디어는 텍스트의 한 유형이지만, 이후에 미디어는 텍스트와 다른 영역에서 작용한다는 점이 제안되면서 둘 사이에는 범주적 관계가 없다는 의견이 제시되었다. 이러한 논의를 살펴보기 위해 본 논문은 데리다의 문자론과 메르쉬의 미디어론을 다루었다. 데리다에 따르면 텍스트만으로 소통은 발생할 수 없는데, 그것은 텍스트의 (반복적) 구조 작용이 소통의 사건을 발생시키지 못하며, 소통을 위해 맥락이 필요하기 때문이다. 메르쉬는 데리다의 문자론을 받아들여 역설적 상황에서만 기능할 수 있는 미디어의 특성을 설명하였고, 그것을 미디어의 부정성이라고 하였다. 부정성은 인지되지 않는 미디어의 특성과 특수한 상황에서만 인지될 수 있는 가능성을 의미한다. 미디어는 텍스트처럼 변형을 통해 작용하기 때문에 항상 다른 미디어와의 관계 속에서 작용한다. 아울러 미디어는 의미 혹은 형식에 대해 역설적 관계에서 기능할 수 있기 때문에 미디어의 작용을 인지할 수 없다. 하지만 인지할 수 없는 변형의 작용을 특별한 경우에 파악할 수 있으며, 그것은 흔적에 대해 말한 데리다의 문자론 관점에서 파악할 수 있다. 그래서 그것이 과거에 있었던 일이지만, 우리는 텍스트를 통해 미디어의 작용을 관찰할 수 있다. 물론 일반적인 텍스트가 아니고 미학적으로 구성된 텍스트에서 그렇게 할 수 있다. 본 논문은 그 가능성을 고려해보기 위해, 영화의 장면을 분석해 보았다. 그 영화는 필름방식으로 혹은 디지털 방식으로 제작되었는데, 각각의 경우 영상 표면의 독해를 통해 필름 방식과 디지털 방식의 특성을 이해할 수 있었다.

This paper primarily examines the views of theorists who approach the question of media from post-structuralist or constructivist perspectives, in order to explore the relationship between media and the adjacent concept of text. For example, for those theorists who regarded intermediality as a subset of intertextuality, media was understood as a type of text. However, as it was later proposed that media operates in a domain distinct from that of text, the view emerged that no categorical relationship exists between the two. Mersch is a key theorist who develops a concept of media by drawing on Derrida’s thought. In addition, Luhmann’s concept of media is reconsidered from the perspective of grammatology as proposed by Derrida. Media, like text, operates through processes of transformation and therefore always functions in relation to other media—that is, intermedially. Moreover, media can operate in a paradoxical relation to meaning or form; media and its operations cannot be directly apprehended. However, under specific conditions, it becomes possible to recognize the otherwise imperceptible operations of transformation. Such moments can be understood through Derrida’s notion of the trace of writing. If the foregoing theoretical reflections on media are accepted as valid it becomes possible to observe the operations of media through text. This does not apply to all texts, but rather to those that are constructed in a specifically aesthetic manner. To consider this possibility, the paper examines two films. One was produced using analog film, the other through digital technology. Through close observation and analysis of the surface of the images in each case, it becomes possible to identify the distinctive characteristics of the filmic and digital modes.

본 연구에서는 고해상도 위성영상을 이용하여 지난 8월 29일 북한 함경북도 지역에서 발생한 홍수에 의 한 피해를 분석하였다. 북한은 접근이 불가능한 지리적 특성을 가지기 때문에 인공위성을 활용한 모니터링 이 유일한 관측 수단이라고 할 수 있다. 북한측 발표내용에 의하면 이번 홍수로 인해 사망 130여명, 실종 400여명, 시설물 8,670동 등 대규모 피해가 발생하였으며, 이재민은 7만명이 넘는 것으로 나타났다. 위성영 상을 이용하여 모든 피해지역을 파악하는 것은 한계가 있지만, 일부 지역의 피해분석을 통해 피해규모를 간접적으로 확인하는 것은 가능하다. 본 연구에서는 5m급 고해상도 위성영상인 플래닛스코프(PlanetScope), 래피드아이(RapidEye) 영상을 이용하여 회령, 송학, 남양, 종성 4개 지역의 홍수피해 전, 직후, 한 달 후의 변화를 분석하였다. 분석결과, 해당지역은 시설물 및 농경지 침수, 제방붕괴 등이 발생하였으며, 홍수로 인 한 지형변화가 동반되었음이 확인되었다.

본 논문은 단일 영상 기반의 초해상도를 생성하기 위해 방향성을 고려한 주의 정보 공유 기반의 네트워크를 제안한다. 기존 초해상도 방법에서는 구조적, 지역적, 전역적 정보들을 추출하기 위해 딥러닝 기반의 방법을 활용하면서 세밀한 질감 정보와 구조적 일관성 등을 확보함으로써 품질을 개선하고자 하였지만 복잡한 영상 내 다양한 방향성 패턴을 반영하지 못하는 한계가 있다. 제안하는 방법에서는 영상 내 지역적 정보를 추출함과 동시에 지역 내 텍스처의 방향성을 고려할 수 있도록 방향성 특징 추출을 수행하였다. 주의 정보 추출 과정에서 방향성 정보를 반영함으로써 방향성에 따른 특징 강조 및 억제를 가능하게 하였다. 또한 계층 간 정보 공유를 통해 저단계 및 고단계 특징 간의 상호 보완을 수행함으로써 세밀한 질감 및 경계 복원이 가능하게 하였다. PSNR 및 SSIM, 연산복잡도 비교 평가를 통해 제안하는 방법이 기존 방법 대비 향상됨을 보였다.

In this paper proposes a direction-aware attention information sharing network for single image super-resolution (SISR). Although conventional super-resolution methods employ deep learning techniques to extract structural, local, and global information to enhance image quality by preserving fine texture details and structural consistency, they often fail to effectively capture the diverse directional patterns inherent in complex images. The proposed method performs directional feature extraction to consider the orientation of local textures while simultaneously capturing local information within the image. By incorporating directional information into the attention extraction process, the network enables selective enhancement and suppression of features according to their directional characteristics. Furthermore, inter-layer information sharing is introduced to reinforce the complementarity between low-level and high-level features, facilitating more precise recovery of fine textures and edges. The proposed method demonstrated improvements over existing methods through comparative evaluations of PSNR, SSIM, and computational complexity.

2019년 12월부터 전 세계적으로 유행한 코로나바이러스감염증(COVID-19, SARS-CoV-2)에 기인한 폭발적인 전염으로 세계 각국에서 의료체계 붕괴 현상이 나타나고 있다. 이를 극복하기 위한 새로운 수단으로 딥러닝 시스템 을 활용한 자동화된 폐렴(Pneumonia) 판독 시스템의 필요성이 제기되고 있다. X-ray 영상 기반 폐렴 진단을 위 한 합성곱 신경망(Convolutional Neural Network, CNN)은 학습 데이터에 대한 전처리 과정이 이후 성능에 많 은 영향을 미친다. 특히 폐렴 진단을 위한 X-ray 의료영상은 병변에 대한 텍스쳐 정보가 영상 내 국소적 특징을 잡 아내는 데 중요한 역할을 하므로, 이와 관련된 데이터 전처리 기법이 상당히 중요하다. 본 연구에서는 폐렴 진단용 의료영상 데이터셋에 영상 해상도 향상(Image Super Resolution, ISR) 기법을 적용하여 모델의 성능이 데이터 전처리의 과정에 따라 어떻게 변화하는지를 살펴보았다. DenseNet 분류기로 입력 데이터셋 영상을 학습하기 전에 원본 데이터셋의 고해상도 영상을 256×256, 700×700, 1000×1000 크기로 줄인 후 잔류 밀집 네트워크 (Residual Dense Network, RDN) 기반 영상 해상도 향상 기법을 적용하였다. DenseNet 분류기의 기본 입력 크기인 224×224로 영상 크기를 다시 조절한 뒤 분류기를 학습하였다. 이 과정을 통해 잔류 밀집 네트워크 기반 다 양한 고해상도 기법들을 비교 실험하였으며, 그 결과 Noise-Cancel 모델이 원본 영상의 해상도를 2배 키운 영상에 대한 분류기 성능이 83.5602%의 정확도를 보이며 가장 우수한 성능을 나타냈다.

Since December 2019, the global medical system has collapsed due to the explosive infection caused by the corona-virus(COVID-19, SARS-CoV-2). As a new approach to overcome this, the need for an automated pneumonia inspection system facilitated by deep learning has been raised. In the convolutional neural network(CNN) for the diagnosis of pneumonia based on X-ray images, the preprocessing of training data has a significant effect on the performance. In particular, in X-ray medical images for pneumonia diagnosis, the texture information on the lesion plays an important role in detecting local features in the image, and thus the data preprocessing technique is very important. In this study, we applied Image Super Resolution techniques to the medical image dataset for pneumonia diagnosis and examined how the model's performance changes according to the process of data preprocessing. Before learning the input dataset image with the DenseNet classifier, the high resolution image of the original dataset is reduced to 256×256, 700×700 and 1000×1000 size, and then Residual Dense Networks based image super resolution techniques were applied. After resizing the image to 224×224, which is the default input size of the DenseNet classifier, the classifier was trained. Through this process, various high-resolution techniques based on the residual dense network were compared. As a result, the Noise-Cancel model showed the best performance with 83.5602% accuracy for the image whose resolution was doubled of the original image.

본 논문은 단일 영상을 이용하여 초해상도 방법을 수행하기 위해 질감-공간 영역을 분리한 뒤 세부정보를 중심으로 특징을 분류하는 방법을 제안한다. CNN(Convolutional Neural Network) 기반의 초해상도는 세부정 보를 개선하기 위한 특징 추정 과정에서의 복잡한 절차와 중복된 특징 정보의 생성으로 인해 초해상도에서 가장 중요한 기준인 품질 저하가 발생할 수 있다. 제안하는 방법은 절차적 복잡성을 줄이고 중복 특징 정보의 생성을 최소화하여 초해상도 결과의 품질을 개선하기 위해 입력 영상을 질감과 공간의 두 채널로 분리하였다. 질감 채널에 서는 세부정보 복원을 위해 다중스케일로 변환한 영상에 단계별 skip-connection을 적용한 잔차 블록 구조를 적용하여 특징 정제 과정을 수행함으로써 특징 추출을 개선하였고, 공간 채널에서는 평활화된 형태의 특징을 활용 하여 잡음을 제거하고 구조적 특징을 유지하도록 하였다. 제안하는 방법을 이용해 실험한 결과 기존 초해상도 방법 대비 PSNR 및 SSIM 성능 평가에서 향상된 결과를 보여 품질이 개선됨을 확인할 수 있었다.

In this paper, I proposes a method for performing single image super resolution by separating texture-spatial domains and then classifying features based on detailed information. In CNN (Convolutional Neural Network) based super resolution, the complex procedures and generation of redundant feature information in feature estimation process for enhancing details can lead to quality degradation in super resolution. The proposed method reduced procedural complexity and minimizes generation of redundant feature information by splitting input image into two channels: texture and spatial. In texture channel, a feature refinement process with step-wise skip connections is applied for detail restoration, while in spatial channel, a method is introduced to preserve the structural features of the image. Experimental results using proposed method demonstrate improved performance in terms of PSNR and SSIM evaluations compared to existing super resolution methods, confirmed the enhancement in quality.

도시화 및 산업화 등 인간의 다양한 활동은 하천의 주요 오염원으로 평가되어져 왔다. 현재 하천의 수질에 악영향을 미치는 요인으로 토지의 이용 및 축산업에 따른 비점오염원을 관리하기 위한 다양한 연구들이 이루어고 있으며, 이 가운데 서울을 비롯한 경기도의 상수원을 공급하는 주요 수자원으로 이용되고 있는 팔당호의 관리 방안에 대한 초유의 관심이 모아지고 있는 실정이다. 지금까지 팔당호의 수질개선을 위한 노력의 일환으로 경안천 살리기 운동과 같은 지자체의 노력이 이루어지고 있으며, 상당한 액수의 경비를 소요하고 있는 실정이다. 특히, 경안천 하류에 대단위 인공습지 조성사업을 계획􍾳시행하고 있으며, 이와 더불어 하수처리장의 신설 및 증설이 이루어지고 있어 팔당호 수질의 주요인으로 인정되고 있는 경안천의 수질이 상당 부분 개선될 것으로 전망되어지고 있다. 하지만 지금까지의 그러한 수질개선사업은 근본적인 원인 분석 및 적극적 대안 제시가 아닌 아쉬움을 내포하고 있어 보다 세밀하고 과학적인 분석이 우선시되어져야 한다. 따라서 본 연구에서는 경안천 수질 개선을 위한 수질 및 부하량 분포를 공간적으로 파악함과 동시에 고해상도 위성영상을 통한 대상지의 토지이용행태 분석과 GIS분석을 통한 습지의 입지 가능성을 분석하고, 이들의 종합적인 조건에 부합할 수 있는 인공습지의 위치 및 규모를 산정하고자 하였다. 연구의 진행은 ① 수질 및 부하량에 대한 공간분석을 통한 최대 오염부하 구역을 선정, ②고해상도 위성영상을 통한 토지이용 현황 파악, ③ 습지 조성 가능 대상지의 위치 선정, ④ GIS를 이용한 인공습지의 면적 및 체적 산정 등으로 이루어졌다. 기본적으로 인공습지의 규모는 수자원공사에서 제공하고 있는 습지처리효율에 따른 설계기준을 통해 유도되었으며, 그 결과 경안천 일대에 2개 구역(용인하수처리장 부근, 대대천􍾳주북천 일대)에서 인공습지의 조성이 필요하다고 판단되었고, 그 면적은 각각 127,586㎡과 1,647㎡로 책정되었다

Various human activities such as the Urbanization and Industrialization are estimated the main factors to pollute the stream. Now days, numerous studies are carried out for managing non-point sources which have un-effect on water quality of streams by land-use and livestock. In case of Korea, a matter of concern that the management of Pal dang reservoir - the main water resources of the national capital region - has been occurring. Especially, large-scale constructed-wetlands are planned and constructed at the end of Kyoung-an stream. Additionally a lot of sewage treatment plants are newly installed and extended in this watershed. According to these efforts, water quality of Kyoung-an stream is predicted that would be improved. But the more detail and scientific analysis should be carried out for the water quality improvement, because, existing water quality improvement projects are not involved to analyze root of water quality deterioration and improvement plans. Therefore, this study aims to select suitable areas for constructed-wetlands and to calculate size of the constructed-wetlands for water quality improvement in Kyoung-an stream through the geographical pollutant distribution analysis and land-use pattern analysis by high resolution satellite image and suitable area analysis of constructed-wetlands by GIS(Geographic information system). The progress of this study is to select maximum pollutant loaded area by geographical analysis based on wate① rquality data, ② to analyze land-use patterns using high resolution satellite image, ③ to select suitable areas of constructed-wetlands, ④ to calculate area and volume of chosen constructed-wetlands using GIS. Basically, sizes of constructed-wetlands are induced through the constructed-wetlands design index based on treatment ratio(provided by Korea Water Resources Corporation). As a result of this study, two areas are selected to construct constructed-wetlands. One of the area was 127,586㎡ near by Yong-in sewage treatment plant, and the other area was 1,647㎡ near by Ju-buk stream and Dae-dae stream.

High-resolution remote sensing image scene classification is a challenging visual task, and this study proposes a remote sensing image scene classification method based on Semantic Multi-Granularity Feature Learning Network (SMGFL-Net). The core idea is to learn global and multi-granularity local features from rearranged intermediate feature mappings, thus eliminating meaningless edges. These features are then fused into the final prediction. Through comparative studies, SMGFL-Net consistently outperforms other peer methods in terms of classification accuracy.