《과학기술을 확고히 앞세우고 과학기술과 생산을 밀착시키며 경제건설에서 제기되는 모든 문제들을 과학기술적으로 풀어나가는 기풍을 세워 나라의 경제발전을 과학기술적으로 확고히 담보하여야 합니다.》
저조도에서 촬영된 화상들은 잡음이 많고 대상의 륜곽이 뚜렷하지 않은것으로 하여 화상복원방법으로 밝기나 화질을 개선하여야 한다. 심층학습을 리용한 저조도화상복원방법들에서는 학습자료기지를 어떻게 구성하는가가 중요한 문제로 나선다. 같은 대상에 대하여 저조도화상과 일반화상의 쌍으로 이루어진 자료기지구축이 어려운것으로 하여 보통 자연화상으로부터 감마보정을 통하여 저조도화상을 모의하는 방법으로 학습자료기지를 구축하고있다. 그러나 이 방법으로는 완전히 밝거나 어두운 조명에 의하여 생성되는 화상들을 충분히 모형화할수 없게 된다.
우리는 어두운 조명하에서 촬영되는 화상들을 현실성있게 모형화하기 위하여 Retinex모형에 기초한 저조도화상모형을 제안하고 이에 따라 신경망학습에 리용될 자료들을 생성하였다. 이 방법은 국부적으로 매우 밝은 조명부분에 대해서는 저조도화상에서도 밝은 부분이 유지되도록 하며 이것은 학습시 여러가지 밝기값을 가지는 화소들에 대해서도 충분히 보정을 진행할수 있도록 하여준다.
저조도화상복원을 위한 중첩신경망을 잉여학습신경망구조를 리용하여 구성한다. 중첩층에서 리용하는 중첩핵의 크기를 일반적으로 리용하는 3×3화소보다 큰 7×3화소와 3×7화소를 결합하여 설정한다. 이것은 화상에서 완전히 어두운 부분이 있는 경우 이것을 주변의 일정한 화상령역으로부터 정보를 얻어 복원할수 있게 한다. 또한 중첩신경망구조에서 학습묶음정규화층을 중첩층의 사이에 추가한다.
신경망의 앞부분에서 입력된 저조도화상으로부터 저조도차화상을 추정한 다음 저조도차화상의 α배를 입력화상에 더하여 조도보정된 화상을 추정하고 신경망의 뒤부분에서는 조도보정된 화상에 대하여 잡음 및 화질개선을 진행함으로써 화상복원결과를 얻는다.
제안한 방법으로 대단히 어두운 환경에서 국부광원과 같이 비교적 밝은 부분이 있는 저조도화상화상들을 효과적으로 복원할수 있다.
