RnDCircle Logo
고현석 연구실
한양대학교 전자공학부 고현석 교수
Digital Holography
Video Coding
Image Quality Assessment
연구 영역
기본 정보
논문·특허
과제
구성원

고현석 연구실

한양대학교 전자공학부 고현석 교수

고현석 연구실은 영상신호처리와 컴퓨터 비전을 중심으로 딥러닝 기반 모델을 설계하고 성능을 화질·정확도 관점에서 평가하는 연구를 수행합니다. 디지털 홀로그램의 대용량 부호화 문제에 대해 표준 코딩 도구의 한계를 분석하고, 수치적 재구성 품질을 반영한 딥러닝 부호화 및 인지화질 평가를 결합합니다. 또한 조명 변화에 강인한 영상 복원과 SR-IQA 데이터셋을 통해 지각 품질 평가 기반을 구축합니다. 수중에서는 약한 음향 신호의 BTR 분할과 강화학습 모션 분석으로 표적 추적 성능을 높이고, 가림 환경 다중시점 매칭을 적용해 강건성을 확보합니다.

Digital HolographyVideo CodingImage Quality AssessmentImage RestorationSuper-Resolution
대표 연구 분야
연구 영역 전체보기
디지털 홀로그램 부호화와 인지화질 기반 화질평가 연구 thumbnail
디지털 홀로그램 부호화와 인지화질 기반 화질평가 연구
Digital Hologram Coding and Perceptual Quality Assessment Research
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
인용수 0
·
2025
Subjective and Objective Quality Evaluation of Super-Resolution Enhanced Broadcast Images on a Novel SR-IQA Dataset
Yongrok Kim, Jung-Chul Shin, Juhyun Lee, Hyunsuk Ko
IF 4.2 (2025)
IEEE Access
초해상도(Super-Resolution, SR)는 고해상도 화면에서 저품질 방송 콘텐츠를 표시하는 데 필수적이다. 최근에는 원본 이미지 정보를 보존하면서 해상도를 향상시키는 동시에 지각된 화질을 개선하는 SR 방법들이 개발되고 있다. 그러나 SR로 생성된 이미지를 저품질 소스, 예를 들어 SR로 향상된 방송 콘텐츠로부터 평가하는 일은, 왜곡과 개선의 양측을 모두 고려해야 하므로 어렵다. 또한 원래의 고품질 소스 없이 SR 이미지의 화질을 평가하는 것은 또 다른 중요한 과제이다. 불행히도, 이러한 조건에서의 SR 이미지에 대한 영상 품질 평가(Image Quality Assessment, IQA)를 구체적으로 다룬 연구는 부족한 실정이다. 본 연구에서는 2K와 4K 해상도에서의 SR 방송 이미지에 대한 새로운 IQA 데이터셋을 제안한다. 우리는 이러한 SR 이미지에 대한 평균 의견 점수(Mean Opinion Score, MOS)를 얻기 위해 주관적 화질 평가를 수행하였으며, 지각된 화질에 영향을 미치는 핵심 요인을 파악하기 위해 포괄적인 인간 대상 연구를 실시하였다. 마지막으로, 본 데이터셋에서 기존 IQA 지표들의 성능을 평가하였다. 본 연구는 현재 지표들의 한계를 드러내며, SR 이미지의 지각된 화질과 더 잘 상관되는 보다 견고한 IQA 지표의 필요성을 강조한다. 제안한 데이터셋과 주관적 평가 플랫폼은 https://sites.google.com/hanyang.ac.kr/ivml/datasets/sreb 에서 공개되어 있다.
https://doi.org/10.1109/access.2025.3613598
Metric (unit)
Mean opinion score
Quality (philosophy)
Image quality
Quality Score
Image (mathematics)
Key (lock)
Perceived quality
2
Article
|
·
인용수 0
·
2025
Reinforcement learning-based automated target motion analysis in underwater environments
Su-Hyeong Jang, Jung-Chul Shin, Dasol Kim, Ju Hyun Lee, Hyunsuk Ko
IF 6.3 (2025)
Ocean Engineering
https://doi.org/10.1016/j.oceaneng.2025.122946
Underwater
Motion analysis
Motion (physics)
Reinforcement
Motion control
3
Article
|
·
인용수 0
·
2024
Progressive Multiview Instance Matching: Occlusion-Robust Approach With Initial Segmentation Enhancement
Seung Yong Bae, Su-Hyeong Jang, Juhyun Lee, Hyunsuk Ko
IF 4.5 (2024)
IEEE Sensors Journal
몰입형 미디어에 대한 수요가 증가함에 따라 다중시점(multiview) 이미지에 대한 활발한 연구가 진행되고 있다. 그러나 가림(occlusion)과 공개적으로 이용 가능한 다중시점 데이터셋의 부재와 같은 문제는 이 분야의 발전을 저해하고 있다. 이러한 문제를 해결하기 위해, 우리는 다중시점 인스턴스 매칭을 위한 새로운 데이터셋인 SMIIM(synthetic multiview images for instance matching)을 소개한다. 또한 가림을 효과적으로 처리하는 3단계의 점진적 매칭 알고리즘을 제안한다. 마지막으로, 기존 네트워크가 생성한 마스크를 우리의 매칭 결과로 정교화하여 이미지 분할(image segmentation) 성능을 개선한다. 기존의 인스턴스 매칭 알고리즘과 비교할 때, 우리의 방법은 처리 시간을 더 빠르게 제공할 뿐 아니라 성능을 유의미하게 향상시켜, 평균 ID 매칭 정확도 97.5%와 mean intersection over union(mIoU) 19.8%의 개선을 우리의 데이터셋뿐 아니라 표준화된 데이터셋 및 실제 환경 데이터셋에서도 달성하였다. 다중시점 환경에서의 다중 객체(multiobject) 매칭은 드물기 때문에, 본 연구는 이 분야에 대한 유의미한 기여가 된다. SMIIM 데이터셋은 다중시점 이미지 처리 분야에서의 후속 연구와 개발을 촉진하기 위해 공개될 예정이다.
https://doi.org/10.1109/jsen.2024.3515115
Artificial intelligence
Segmentation
Computer vision
Matching (statistics)
Computer science
Robustness (evolution)
Pattern recognition (psychology)
Mathematics
Chemistry
최신 정부 과제
6
과제 전체보기
1
2023년 5월-2026년 2월
|67,787,000
디지털 홀로그램 부호화 및 화질 평가 기술 연구
[1] SOTA* 기술 대비 동일 수준의 인지 화질에서 3배 이상의 압축률을 제공하는 신호처리 기반 홀로그램 비디오 부호화 기술 개발 (*Versatile Video Coding(VVC)[5]: 2021년 표준화가 완료된 가장 최신 및 현 최고 수준의 비디오 압축 표준)[2] 홀로그램 신호 특성 및 가상 객체 화질에 최적화된 딥 네트워크 기반 홀로그램 비디...
디지털 홀로그램 압축
표준압축기술
딥러닝기반압축
인지화질측정
국제표준화
2
2023년 5월-2026년 2월
|54,230,000
디지털 홀로그램 부호화 및 화질 평가 기술 연구
[1] SOTA* 기술 대비 동일 수준의 인지 화질에서 3배 이상의 압축률을 제공하는 신호처리 기반 홀로그램 비디오 부호화 기술 개발 (*Versatile Video Coding(VVC)[5]: 2021년 표준화가 완료된 가장 최신 및 현 최고 수준의 비디오 압축 표준)[2] 홀로그램 신호 특성 및 가상 객체 화질에 최적화된 딥 네트워크 기반 홀로그램 비디...
디지털 홀로그램 압축
표준압축기술
딥러닝기반압축
인지화질측정
국제표준화
3
주관|
2020년 5월-2023년 2월
|50,000,000
딥러닝 기반 영상 부/복호화 및 인지화질 자동측정 기술 연구 및 개발
1차년도에는 딥러닝 기반 영상압축 네트워크를 개발하는 것을 첫 연구내용으로 시작하며, 구체적으로 엔트로피 모델 기반 단일신경망 영상압축 네트워크 개발 연구를 진행한다. 단일신경망 기반 영상압축 기술은 예측, 변환, 양자화 등의 전 과정을 인공신경망으로 대체하는 기술이라 할 수 있으며, 대표적인 예로 오토인코더 구조를 들 수 있다. 기존의 오토인코더는 입력 영상을 특징추출 네트워크 통해 변환 처리할 때, 대폭적으로 차원이 축소된 은닉변수에 최대한 많은 정보를 담으려는 방식이다. 하지만 이 방식은 학습 단계에서 은닉변수의 엔트로피가 증가하기 때문에 추가적인 압축 성능을 획득하는데 한계가 있다. 이를 극복하기 위해 본 과제에서는 은닉변수 분포에 대해 근사모델을 적용하는 엔트로피 모델 방식을 연구한다. 다음으로, 영상의 왜곡 값을 계산할 때 PSNR 또는 SSIM 등의 전통적인 화질지표들이 일반적으로 사용되어왔다. 하지만 상기 화질 지표들은 사람의 주관적 인지화질을 잘 반영하지 못한다는 사실이 다양한 연구들을 통해 밝혀져 있다. 따라서, 예측 정확도가 개선된 인지화질 자동측정 지표를 개발하는 연구를 진행한다. 3년차에는, 상기 1) 딥러닝 기반 영상압축 네트워크와 2) 인지화질 자동측정 알고리즘을 통합하여, 동일 비트량을 사용하는 환경에서 더 좋은 화질(Visual Quality)의 복원영상을 제공해 줄 수 있는 인지화질 기반 통합 영상압축 네트워크를 개발한다.
영상압축
인공지능
딥러닝
영상인지화질측정
엔트로피모델 기반 오토인코더
영상압축 표준화
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
공개2025영상 부호화/복호화를 위한 방법, 장치 및 기록 매체1020250003988
공개2023음향(GCC-PHAT)과 영상(칼만필터)을 이용한 드론 추적 카메라1020230120105
공개2022위상 신호의 주기성에 기반한 차분 신호 부호화 및 복호화 방법 및 장치1020220163787
전체 특허

영상 부호화/복호화를 위한 방법, 장치 및 기록 매체

상태
공개
출원연도
2025
출원번호
1020250003988

음향(GCC-PHAT)과 영상(칼만필터)을 이용한 드론 추적 카메라

상태
공개
출원연도
2023
출원번호
1020230120105

위상 신호의 주기성에 기반한 차분 신호 부호화 및 복호화 방법 및 장치

상태
공개
출원연도
2022
출원번호
1020220163787