《첨단과학기술분야에서 세계적경쟁력을 가진 기술들을 개발하기 위한 투쟁을 힘있게 벌려야 합니다.》
화상처리기술에서 대표적인 분야의 하나인 화상의 고해상도화기술은 값비싼 화상입력장치를 리용하지 않고도 저해상도화상으로부터 질좋은 고해상도화상을 얻기 위한 기술로서 화상의 가공과 편집, 의학화상 및 위성화상의 해석과 인식, 화상통신과 카메라감시체계에서 인식의 정확도를 높이고 사용자에게 보다 좋은 시각적효과를 주기 위한 전처리로서 중요한 역할을 한다.
최근에 화상처리와 인식에 심층학습기술이 광범히 적용되고 단일화상의 고해상도화에도 심층학습을 적용하기 위한 연구가 활발히 진행되였으며 많은 성과들이 이룩되였다. 심층학습에 의한 단일화상의 고해상도화에서는 망의 학습속도를 제고하고 망의 구조를 간단화하여 계산량을 줄이며 임의의 척도의 고해상도화를 실현하기 위한 방향에서 연구사업이 진행되고있다.
우리는 연구에서 심층신경망의 구조를 간단히 하고 학습속도를 높이며 다중척도의 고해상도화를 실현하기 위하여 교차잔차망과 웨블레트변환을 리용한 단일화상의 고해상도화방법에 대하여 제안하였다.
서로 다른 층들사이의 정보교환을 보다 증가시켜 학습을 보다 효률적으로 진행하여 망의 성능을 높이기 위하여 교차잔차블로크를 제안하였으며 말단-말단방식의 고해상도화를 실현하기 위한 교차잔차망의 구조를 제안하고 망의 학습을 위한 손실함수를 정의하였다.
우리는 또한 교차잔차망의 종속련결방식과 학습방법을 제안하여 다중척도의 고해상도화를 실현하였다. 검사화상들에 대하여 선행모형들과의 비교실험을 통하여 제안한 모형의 효과성을 검증하였다.
이상의 연구결과는 잡지 《International Journal of Wavelets Multiresolution and Information Processing》에 《Single image super-resolution based on cross residual network and wavelet transform》(https://doi.org/10.1142/S0219691323500169)의 제목으로 발표되였다.
