적어도 하나의 프로세서에 의해 동작하는 이미지 개선 장치로서,학습 이미지의 개선 정보를 포함하는 학습 목표 이미지를 생성하고, 상기 학습 이미지로부터 상기 학습 목표 이미지가 추론되도록 컨볼루션 신경 회로망을 학습시키는 학습부,상기 컨볼루션 신경 회로망을 이용하여, 입력된 원본 이미지에 대한 추론 이미지를 획득하는 획득부, 그리고상기 원본 이미지와 상기 추론 이미지를 합성하여 출력 이미지를 생성하는 합성부를 포함하며,상기 학습 이미지와 상기 원본 이미지는 열화상 이미지이고,상기 개선 정보는 엣지 정보를 포함하며,상기 추론 이미지는 상기 원본 이미지의 엣지 정보를 포함하는 이미지 개선 장치.

제1항에서,상기 학습부는상기 학습 이미지로부터 추출한 엣지 정보를 포함하는 이미지를 상기 학습 목표 이미지로 사용하는, 이미지 개선 장치.

제1항에서,상기 학습부는상기 학습 이미지와 기하학적으로 정렬된 이미지로부터 엣지 정보를 추출하고, 추출한 엣지 정보를 포함하는 이미지를 상기 학습 목표 이미지로 사용하는, 이미지 개선 장치.

제1항에서,상기 학습부는상기 학습 이미지의 대조비를 개선한 이미지로부터 엣지 정보를 추출하고, 추출한 엣지 정보를 포함하는 이미지를 상기 학습 목표 이미지로 사용하는, 이미지 개선 장치.

제1항에서,상기 학습부는기준 이미지와 상기 기준 이미지로부터 가공된 이미지의 차이를 나타내는 레지듀얼(residual) 이미지를 상기 학습 목표 이미지로 사용하고,상기 기준 이미지는 상기 학습 이미지, 상기 학습 이미지와 기하학적으로 정렬된 가시광 이미지, 그리고 상기 학습 이미지의 대조비를 개선한 이미지 중 어느 하나인 이미지 개선 장치.

제5항에서,상기 가공된 이미지는 상기 기준 이미지를 스케일링 변수(scaling factor)에 따라 고등차수 보간한 이미지(bicubic interpolation image)인 이미지 개선 장치.

제5항에서,상기 레지듀얼 이미지는 복수의 스케일링 변수(scaling factor)에 따라 상기 기준 이미지로부터 가공된 이미지들 각각과 상기 기준 이미지의 차이를 합산한 이미지인 이미지 개선 장치.

제1항에서,상기 컨볼루션 신경 회로망은 복수의 컨볼루션 블록과 하나의 컨볼루션 레이어를 포함하고,각 컨볼루션 블록은 컨볼루션 레이어, 배치 정규화(Batch Normalization) 레이어 그리고 ReLU(Rectified Linear Unit) 레이어를 포함하는 이미지 개선 장치.

제8항에서,상기 학습부는상기 학습 이미지로부터 상기 학습 목표 이미지가 추론되도록 상기 컨볼루션 레이어의 필터값을 최적화하는 이미지 개선 장치.

제1항에서,상기 컨볼루션 신경 회로망은 상기 원본 이미지의 개선 정보를 포함하는 상기 추론 이미지를 출력하는 이미지 개선 장치.

적어도 하나의 프로세서에 의해 동작하는 장치의 열화상 이미지 개선 방법으로서,학습 이미지의 개선 정보를 포함하는 학습 목표 이미지를 생성하는 단계,상기 학습 이미지로부터 상기 학습 목표 이미지가 추론되도록 컨볼루션 신경 회로망을 학습시키는 단계,개선 대상인 원본 이미지를 상기 컨볼루션 신경 회로망에 입력하여 추론 이미지를 획득하는 단계, 그리고상기 원본 이미지와 상기 추론 이미지를 합성하여 출력 이미지를 생성하는 단계를 포함하며,상기 학습 이미지와 상기 원본 이미지는 열화상 이미지이고,상기 개선 정보는 엣지 정보를 포함하며,상기 추론 이미지는 상기 원본 이미지의 엣지 정보를 포함하는 열화상 이미지 개선 방법.

제11항에서,상기 학습 목표 이미지를 생성하는 단계는상기 학습 이미지로부터 추출한 개선 정보, 상기 학습 이미지와 기하학적으로 정렬된 이미지로부터 추출한 개선 정보, 상기 학습 이미지의 대조비를 개선한 이미지로부터 추출한 개선 정보 중 적어도 하나를 포함하는 상기 학습 목표 이미지를 생성하는 열화상 이미지 개선 방법.

제12항에서,상기 학습 이미지와 기하학적으로 정렬된 이미지는 가시광 이미지인, 열화상 이미지 개선 방법.

삭제

제11항에서,상기 학습 목표 이미지를 생성하는 단계는기준 이미지와 상기 기준 이미지로부터 가공된 이미지 사이의 차이를 나타내는 레지듀얼(residual) 이미지를 상기 학습 목표 이미지로 사용하고,상기 기준 이미지는 상기 학습 이미지, 상기 학습 이미지와 기하학적으로 정렬된 가시광 이미지, 그리고 상기 학습 이미지의 대조비를 개선한 이미지 중 어느 하나인 열화상 이미지 개선 방법.

제11항에서,상기 컨볼루션 신경 회로망을 학습시키는 단계는복수의 컨볼루션 블록과 하나의 컨볼루션 레이어를 포함하는 초기 컨볼루션 신경 회로망을 생성하는 단계, 그리고상기 학습 이미지로부터 상기 학습 목표 이미지가 추론되도록 상기 초기 컨볼루션 신경 회로망에 포함된 필터값을 가변하여 학습된 컨볼루션 신경 회로망을 생성하는 단계를 포함하는 열화상 이미지 개선 방법.

적어도 하나의 프로세서에 의해 동작하는 장치의 열화상 이미지 개선 방법으로서,복수의 컨볼루션 블록과 하나의 컨볼루션 레이어를 포함하는 초기 컨볼루션 신경 회로망을 생성하는 단계, 학습 이미지로부터 학습 목표 이미지가 추론되도록 상기 초기 컨볼루션 신경 회로망에 포함된 필터값을 가변하여 학습된 컨볼루션 신경 회로망을 생성하는 단계,타겟 이미지를 상기 학습된 컨볼루션 신경 회로망에 입력하여 상기 타겟 이미지의 목표 이미지를 추출하는 단계, 그리고상기 타겟 이미지와 상기 타겟 이미지의 목표 이미지를 합성하여 상기 타겟 이미지를 개선하는 하는 단계를 포함하고, 상기 학습 이미지와 상기 타겟 이미지는 열화상 이미지이며,상기 학습 목표 이미지는 상기 학습 이미지의 엣지 정보를 포함하고,상기 목표 이미지는 상기 타겟 이미지의 엣지 정보를 포함하며,각 컨볼루션 블록은 컨볼루션 레이어, 배치 정규화(Batch Normalization) 레이어 그리고 ReLU(Rectified Linear Unit) 레이어를 포함하는 열화상 이미지 개선 방법.

삭제

제17항에서,상기 학습 목표 이미지는 상기 학습 이미지로부터 추출한 개선 정보, 상기 학습 이미지와 기하학적으로 정렬된 이미지로부터 추출한 개선 정보, 상기 학습 이미지의 대조비를 개선한 이미지로부터 추출한 개선 정보 중 적어도 하나를 포함하는 이미지인 열화상 이미지 개선 방법.