이달의 메일링 마케팅
home

CNN 덴스 레이어를 이용한 영상 처리 장치 및 방법

요약
고해상도 의료 이미지는 정확한 진단을 위해 중요하지만, 기존 장치는 고비용과 시간이 소요됩니다. 본 발명은 단일 이미지 슈퍼 해상도(SISR) 기술을 개선하여 연산 파라미터 수와 오버헤드를 줄인 밀집 레이어(Dense Layer) 구조를 통해 실시간으로 고화질 영상을 처리할 수 있습니다. 이를 통해 CT 및 MRI 영상뿐만 아니라 산업용 검사 장비와 위성 영상 분석에도 효율적으로 적용할 수 있습니다.

기본 정보

특허명: CNN 덴스 레이어를 이용한 영상 처리 장치 및 방법
발명자: 전광길 교수
출원번호: 10-2019-0155235
등록번호: 10-2482454

상세 정보

발명의 배경과 필요성

기술의 배경과 문제점

고품질 의료 이미지는 생명 공학 개발에 중요한 역할을 함. 의사들은 정확한 진단을 위해 고해상도 의료 이미지를 필요로 함.
기존의 의료 이미징 장치 업그레이드는 고급 물리적 지식과 고정밀 센서에 의존하기 때문에 막대한 비용과 시간이 소요됨.
단일 이미지 슈퍼 해상도(Single Image Super Resolution, SISR) 기술은 저해상도 영상을 고해상도로 변환하려는 시도가 많았으나, 고주파수 영역의 픽셀 값의 오류로 인해 시각적 결점이 있음.

기술의 필요성

컨볼루션 뉴럴 네트워크(CNN)를 적용한 VDSR 구조는 기존의 SISR보다 높은 화질을 제공하지만, 많은 파라미터와 연산 시간이 필요하여 실시간 동작이 어려움.
본 발명은 CNN 구조 내에서 파라미터 수와 연산 오버헤드를 감소하여 보다 효율적인 고해상도 영상 처리 장치를 제공함.

구현방법

기술의 원리

본 발명은 20개의 레이어(Layer)를 4개의 레이어씩 묶어 5개의 블록(Block)으로 변경하여 연산 파라미터의 개수와 연산 오버헤드를 감소시키는 밀집 레이어(Dense Layer) 구조를 사용함.

구체적인 구현 방법

첫 단계에서 저해상도 영상을 기설정된 배수로 확대하여 보간한 확대 저해상도 영상을 생성함.
두 번째 단계에서 확대된 저해상도 영상에서 특징 집합을 추출함.
세 번째 단계에서 추출된 특징 집합을 입력받아 5개의 블록과 그 내부의 복수의 레이어를 통해 고해상도 영상 특징을 얻기 위한 딥러닝을 수행함.
마지막 단계에서 밀집된 레이어에서 생성된 잔류 영상과 확대 저해상도 영상을 결합하여 고해상도 영상을 복원함.

기술의 장점

연산 파라미터 개수를 줄여 기존의 VDSR 대비 연산 효율을 높임.
고품질의 고해상도 영상을 보다 빠르게 처리할 수 있어 실시간 적용이 가능함.

발명의 활용 방안

활용 방안

본 발명은 CT나 MRI와 같은 의료 영상을 고해상도로 복원하는 데 매우 효율적임.
또한, 산업용 검사 장비나 위성 영상 분석 등의 다양한 영상 처리 분야에서도 적용 가능함.

기대효과

고화질 영상 복원을 통해 의료 서비스의 정확성과 효율성을 높일 수 있음.
영상 처리의 효율성을 높여 다양한 산업에서 비용 절감과 생산성 향상을 기대할 수 있음.

시장 동향

고해상도 의료 영상 시장 동향

컨볼루션 뉴럴 네트워크 응용

영상 복원 기술 시장 동향

딥러닝 영상 처리 응용 분야

대표도면

기술이전 담당자 연락처

담당자명: 이미정 계장
부서: 기술사업화팀
전화번호: 032-835-9766
이메일: mijung@inu.ac.kr
인천대학교 산학협력단
(21999) 인천광역시 연수구 갯벌로 27(송도동) INU이노베이션센터 206호
본 메일은 마케팅 활용 동의서에 동의하신 회원님께 전송된 것입니다.
인천대학교 산학협력단에서 발송되는 메일을 더 이상 받아보기 원하지 않으시면, [수신거부]를 클릭해주세요.
COPYRIGHT (c) 2023 Incheon National University. ALL RIGHT RESERVED.
소규모 지역 기반 교통 혼잡 예측 및 실시간 관리 시스템