생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
표제지
국문초록
목차
I. 서론 9
II. 연구 배경 12
1. Image Signal Processor 12
2. 인식 시스템에서 ISP의 필요성 13
3. 기존 ISP 연구 14
III. Image Enhancement Technique 19
1. Image Processing in Spatial domain 20
2. Image Processing in Frequency domain 22
IV. CENTRIST 기반 보행자 인식 알고리즘 30
1. 기존의 보행자 인식 알고리즘 30
2. Sobel Algorihm 33
3. Integral Image 35
4. CENTRIST (CENsus Transform) 36
5. CENTRIST (hISTogram) 37
V. 제안하는 SIMT 기반 Image Signal Processor 39
1. SIMT-based ISP Architecture 40
2. ISP Instruction Set 41
3. Sub-ISP 43
4. Parallelization of the FFT on ISP 44
5. Parallelization of the Pedestrian Detection on ISP 47
VI. 연구결과 및 분석 51
1. 실험 및 검증 환경 51
2. 실험 결과 53
VII. 결론 59
참고문헌 60
Abstract 63
표 1. 주요 ADAS 기능과 센서 13
표 2. 픽셀 수(N)에 따른 곱셈/덧셈 연산 횟수 27
표 3. Frequency domain에서 사용하는 Filter 29
표 4. Virtex-7 XC7VX485T-2FFG1761C FPGA 51
표 5. ISP의 FPGA 시스템 자원 사용량 52
표 6. 1024 point에 대한 Radix-2 FFT 수행 시간 55
표 7. 컨볼루션 연산과 FFT 수행 시간 비교 56
표 8. 보행자 인식 수행 시간 비교 57
그림 1. ADAS의 영상 처리 기술 9
그림 2. 듀얼 ISP 코어를 탑재한 NVDIA Tegra K1 프로세서 10
그림 3. Image Sensor의 Bayer 데이터 12
그림 4. 기본적인 Image Processing 과정 15
그림 5. ISP 연산 방식에 의한 영상 처리 알고리즘 분류 15
그림 6. Image Processing Flow 17
그림 7. Image Enhancement Technique 분류 19
그림 8. 3x3 마스크를 이용한 컨볼루션 연산 20
그림 9. Filter 연산을 이용한 다양한 영상 처리 21
그림 10. Spatial domain에서 기본적으로 사용되는 Filter 22
그림 11. 영상 데이터의 2-D DFT 과정 23
그림 12. 4 point에 대한 Radix-2 FFT 흐름도 25
그림 13. Spatial domain에서 Frequency domain으로 변환 26
그림 14. 셔플링 이전(좌), 셔플링 후(우) 스펙트럼 영상 27
그림 15. Spatial and Frequency Filtering 28
그림 16. Haar Feature based Cascade Classifier 31
그림 17. HOG(Histogram of Oriented Gradient) 31
그림 18. Cascade HOG 32
그림 19. Part based model 33
그림 20. ChnFtrs (Channel Features) 33
그림 21. 수직 마스크(왼쪽)과 수평 마스크(오른쪽) 34
그림 22. 원본 영상과 Integral Image 35
그림 23. Census Transform의 Bit string 과정 37
그림 24. 특정 영역에 대한 Histogram 생성 37
그림 25. 제안하는 ISP Architecture 40
그림 26. 제안하는 ISP의 Instruction Set Type 42
그림 27. Sub-ISP 구조 43
그림 28. Radix-2 FFT의 버터플라이 연산 44
그림 29. 16 point FFT에서의 2 point 연산 45
그림 30. Radix-2 FFT의 병렬 처리 과정 46
그림 31. Sobel, Census Transform, Histogram의 병렬 처리 과정 48
그림 32. Parallel prefix sum 구조 49
그림 33. Sub-ISP를 이용한 Parallel prefix sum 연산 49
그림 34. Xilinx Virtex-7 FPGA VC707 base Board 51
그림 35. 제안하는 ISP의 FPGA 시스템 구현 52
그림 36. MATLAB(좌)과 ISP(우)의 8 point FFT 결과 비교 53
그림 37. 제안하는 ISP에서의 FFT-IFFT 결과 영상 54
그림 38. Point 별 FFT 수행 시간 비교 55
그림 39. 원본 영상과 Edge Enhancement 영상 55
그림 40. (A) 원본 (B) Blur (C) 개선된 영상의 보행자 인식 결과 56
그림 41. (A) 원본 (B) Blur (C) 개선된 영상의 보행자 인식 결과 57
초록보기 더보기
최근 영상 기술의 발전으로 인해 스마트 폰, Tablet PC, 지능형 CCTV, ADAS(Advanced Driver Assistance Systems) 등 영상을 사용하는 제품 및 기술들이 등장하고 있다. 이러한 영상 처리 기술을 위하여 다양한 환경이 존재하는 입력 영상을 영상 처리에 적합한 영상으로 개선해 줄 수 있는 ISP(Image Signal Processor)를 반드시 사용해야만 한다. 기존의 ISP는 입력 영상의 품질 개선을 위하여 Lens Correction, Gamma Correction, Edge Enhancement 등 고정된 영상개선 알고리즘이 hard-wired로 설계되어 처리 속도는 빠르지만 다양한 영상 처리 알고리즘에 따라 성능 최적화에 어려움이 있었다. 최근 Image Sensor에서는 기존 ISP의 역할을 수행하고 영상 전처리 이외에 인식 알고리즘까지 수행할 수 있는 새로운 ISP가 등장하는 추세이다.
본 논문에서는 명령어를 기반으로 하는 다양한 영상 전처리 알고리즘들을 적용할 수 있고, 인식 알고리즘 등 ISP 응용 프로그램을 병렬로 처리 가능한 SIMT(Single Instruction Multiple Threads) 기반 Image Signal Processor를 제안하였다. 영상 전처리 과정 중 신호변환의 성능 개선과 모듈화 설계에 강점이 있는 FFT(Fast Fourier Transform)을 사용하였다. 영상 개선을 위한 컨볼루션 연산보다 연산 횟수가 적은 FFT를 사용하여 약 30% 향상된 처리 속도를 보였다. 또한 FFT 과정을 통해 개선된 영상을 CENTRIST 알고리즘 기반의 보행자 인식에 적용하여 구현하였을 때 원본 영상과 Blur된 영상에서 발생한 오검출과 미검출 문제를 해결하여 향상된 인식률을 보였으며 임베디드 플랫폼의 CPU인 Cortex-A9 보다는 약 2.7배, Cortex-A15 보다 약 1.5배 향상된 처리 속도를 보였다.
원문구축 및 2018년 이후 자료는 524호에서 직접 열람하십시요.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요
