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
인천대학교 산학협력단
(21999) 인천광역시 연수구 갯벌로 27(송도동) INU이노베이션센터 202호
본 메일은 마케팅 활용 동의서에 동의하신 회원님께 전송된 것입니다.
COPYRIGHT (c) 2023 Incheon National University. ALL RIGHT RESERVED.
소규모 지역 기반 교통 혼잡 예측 및 실시간 관리 시스템