지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김재일
- 발행연도
- 2020
- 저작권
- 경북대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Recently, coastal wave studies using video have been conducted to understand the dynamics of waves in coastal areas. The nearshore wave process is one of important problems to be tackled, due to the high nonlinearity and uncertainty of the phenomenon itself in extreme events in coastal areas. However, in such extreme events, video image is often contaminated by raindrops, dust, and fog. Such contaminants significantly degrade the visibility of video images. Especially, raindrops caused severe distortions in the appearance and shape of coastal waves.
To improve the quality of coastal videos against raindrops, this paper introduces an unsupervised learning approach that cleanly removes raindrops and restores the backgrounds. The proposed model is composed of a generator and a discriminator for adversarial learning to generate undistorted coastal videos. The generator produces a mask image mapped with spatial attention information learning about the raindrop region and its surroundings. The raindrop regions of the image are intensively corrected by using loss functions that minimize the change in the background region, excluding raindrops determined by the mask image.
This thesis presents extensive experiments using an open dataset for raindrop removal and video datasets obtained directly from real coastal areas. The performance of the proposed model is evaluated by calculating two evaluation metrics, the peak signal-to-noise ratio and structural similarity index. Experimental results show that the proposed method is more quantitatively and qualitatively effective, compared to the state-of-the-art methods.
To improve the quality of coastal videos against raindrops, this paper introduces an unsupervised learning approach that cleanly removes raindrops and restores the backgrounds. The proposed model is composed of a generator and a discriminator for adversarial learning to generate undistorted coastal videos. The generator produces a mask image mapped with spatial attention information learning about the raindrop region and its surroundings. The raindrop regions of the image are intensively corrected by using loss functions that minimize the change in the background region, excluding raindrops determined by the mask image.
This thesis presents extensive experiments using an open dataset for raindrop removal and video datasets obtained directly from real coastal areas. The performance of the proposed model is evaluated by calculating two evaluation metrics, the peak signal-to-noise ratio and structural similarity index. Experimental results show that the proposed method is more quantitatively and qualitatively effective, compared to the state-of-the-art methods.
목차
I. 서론 1II. 관련 연구 42.1 입력 영상에 따른 빗방울 보정 기법 42.1.1 단일 이미지 대상 빗방울 보정 기법 42.1.2 스테레오와 비디오 영상 대상 빗방울 보정 기법 52.2 비지도 학습을 이용한 Image-to-Image translation 7III. 제안 방법 83.1 빗방울 제거를 위한 비지도 학습 기반 심층 신경망 구조 83.2 빗방울 제거를 위한 심층 신경망 비지도 학습 10IV. 실험 및 분석 134.1 실험 환경과 알고리즘 최적화 함수 설정 134.2 빗방울 데이터 셋 134.2.1 Raindrop1119 데이터 셋 134.2.2 실 해역 파랑 비디오 영상 데이터 셋 144.3 실험 방법과 평가 방법 164.3.1 Raindrop1119를 이용한 성능 평가 164.3.2 실 해역 비디오 대상 영상 복원 품질 평가 실험 174.3.3 파랑 움직임 분석을 이용한 제안 기술 복원 성능 평가 194.4 실험 결과 및 분석 214.4.1 비지도 학습과 지도학습 기법 성능 평가 결과 214.4.2 실 해역 비디오 대상 영상 복원 품질 평가 결과 234.4.3 왜곡 보정 후 파랑 움직임 분석 결과 31결론 38참고문헌 40
최근 본 자료
댓글(0)
0