KR102202425B1

KR102202425B1 - 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치 및 그 방법

Info

Publication number: KR102202425B1
Application number: KR1020190097200A
Authority: KR
Inventors: 김의정; 허홍강
Original assignee: 주식회사 한화
Priority date: 2019-08-09
Filing date: 2019-08-09
Publication date: 2021-01-12

Abstract

본 발명은 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치 및 그 방법에 관한 것으로, 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 픽셀 차이 데이터 이미지를 생성하는 픽셀 차이 데이터 이미지 생성부; 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정하는 해석 영역 설정부; 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한 결과를 토대로 특성 지도 세트를 생성하는 컨볼루션 필터링부; 생성된 특성 지도 세트를 토대로 강조 픽셀을 선정하는 강조 픽셀 선정부; 및 선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득하는 보간 처리부;를 포함한다.

Description

컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치 및 그 방법{APPARATUS AND METHOD FOR PROCESSING NUMERICAL DATA INTERPOLATION BASED ON CONVOLUTIONAL NEURAL NETWORK}

본 발명은 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치 및 그 방법에 관한 것으로, 보다 자세하게는 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 생성된 픽셀 차이 데이터 이미지와 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 생성된 보간 이미지를 토대로 최종 보간 데이터를 획득하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치 및 그 방법에 관한 것이다.

레이더 시스템으로 타겟을 검출하는 것에 관한 많은 연구를 행하였다. 타겟의 정확한 위치를 결정하기 위해서는, 타겟의 거리와 속도 및 각도 정보를 아는 것이 필수적이다. 타겟으로부터의 반사 신호의 도달방향(direction Of Arrival, 이하 DOA)을 찾기 위해, 종래에는 안테나를 기계적으로 회전시키는 방법을 사용해왔다. 그러나 위상 어레이 안테나에서는 어레이 안테나의 빔을 전기적으로 조정함으로써 입사 신호의 DOA를 추정할 수 있다.

이러한 위상 어레이 안테나의 경우, 복수 개의 입사 신호들의 DOA를 동시에 추정하기 위하여 많은 어레이 신호 처리 개념 및 기술을 제안해왔다. 구체적으로 고해상도 각도 추정 알고리즘을 이용하여 균일한 선형 어레이 안테나에서 정확한 DOA를 찾고자 하였으나, 현재까지 제안된 고해상도 각도 추정 알고리즘의 경우 수신 신호의 신호대 잡음비(Signal to Noise Ratio, 이하 SNR)에 매우 민감하기 때문에 정확한 DOA의 추정을 위해서는 수신 신호의 캘리브레이션이 필요하게 된다.

이와 관련하여, 한국공개특허 제2017-0027375호는 "선형 위상 어레이 안테나의 공간 보간 방법 및 보간 장치"에 관하여 개시하고 있다.

본 발명은 상기와 같은 문제점을 해결하기 위해 발명된 것으로서, 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치 및 그 방법을 제공하는데 그 목적이 있다.

또한, 본 발명은 상기와 같은 문제점을 해결하기 위해 발명된 것으로서, 픽셀 차이 데이터 이미지와 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 생성된 보간 이미지를 토대로 최종 보간 데이터를 획득하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치 및 그 방법을 제공하는데 그 목적이 있다.

상기의 목적을 달성하기 위한 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치는 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 픽셀 차이 데이터 이미지를 생성하는 픽셀 차이 데이터 이미지 생성부; 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정하는 해석 영역 설정부; 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한 결과를 토대로 특성 지도 세트를 생성하는 컨볼루션 필터링부; 생성된 특성 지도 세트를 토대로 강조 픽셀을 선정하는 강조 픽셀 선정부; 및 선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득하는 보간 처리부;를 포함한다.

또한, 상기 해석 영역 설정부는 제1 수치 해석 데이터 및 제2 수치 해석 데이터간의 픽셀값 차이가 없는 영역과 픽셀값 차이가 있는 영역을 구분하고, 픽셀값 차이가 있는 영역을 잘라내어 해석 영역을 축소 설정하는 것을 특징으로 한다.

또한, 상기 컨볼루션 필터링부는, 해석 영역을 축소 설정한 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행하는 컨볼루션 필터링 수행부; 필터 커널의 크기 및 가중치를 포함하는 필터 커널의 변수 값을 변경하면서 컨볼루션 신경망의 필터링이 반복 수행되도록 하는 필터 커널 변수 조정부; 및 반복 수행된 컨볼루션 신경망의 필터링이 기 설정된 최적 임계값에 도달하면 특성 지도 세트를 생성하는 특성 지도 세트 생성부;를 포함하는 것을 특징으로 한다.

또한, 상기 강조 픽셀 선정부는 생성된 특성 지도 세트 내 데이터 이미지에 대하여 픽셀 선정 임계값을 설정하고, 설정된 픽셀 선정 임계값을 초과하는 픽셀은 보간에 적용할 강조 픽셀인 것으로 선정하고 설정된 픽셀 선정 임계값을 초과하지 않는 픽셀은 일반 픽셀인 것으로 선정하는 것을 특징으로 한다.

또한, 상기 보간 처리부는, 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 추출하여 픽셀 단위로 보간을 계산하는 픽셀 보간 계산부; 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 최대값과 최소값으로 보간을 계산하여 사이값을 생성하고, 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 전체 영역의 픽셀에 대하여 최대값과 최소값으로 보간을 계산하여 사이값을 생성하여 보간 이미지를 생성하는 보간 이미지 생성부; 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지간의 퍼즐링을 수행하는 이미지 퍼즐링부; 및 퍼즐링된 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 토대로 제1 보간 데이터 및 제2 보간 데이터를 추출하는 보간 데이터 추출부;를 포함하는 것을 특징으로 한다.

또한, 상기 이미지 퍼즐링부는 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지를 토대로 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 합치는 것을 특징으로 한다.

상기의 목적을 달성하기 위한 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법은 픽셀 차이 데이터 이미지 생성부에 의해, 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 픽셀 차이 데이터 이미지를 생성하는 단계; 해석 영역 설정부에 의해, 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정하는 단계; 컨볼루션 필터링부에 의해, 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한 결과를 토대로 특성 지도 세트를 생성하는 단계; 강조 픽셀 선정부에 의해, 생성된 특성 지도 세트를 토대로 강조 픽셀을 선정하는 단계; 및 보간 처리부에 의해, 선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득하는 단계;를 포함한다.

또한, 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정하는 단계는, 제1 수치 해석 데이터 및 제2 수치 해석 데이터간의 픽셀값 차이가 없는 영역과 픽셀값 차이가 있는 영역을 구분하고, 픽셀값 차이가 있는 영역을 잘라내어 해석 영역을 축소 설정하는 것을 특징으로 한다.

또한, 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한 결과를 토대로 특성 지도 세트를 생성하는 단계는, 해석 영역을 축소 설정한 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행하는 단계; 필터 커널의 크기 및 가중치를 포함하는 필터 커널의 변수 값을 변경하면서 컨볼루션 신경망의 필터링이 반복 수행되도록 하는 단계; 및 반복 수행된 컨볼루션 신경망의 필터링이 기 설정된 최적 임계값에 도달하면 특성 지도 세트를 생성하는 단계;를 포함하는 것을 특징으로 한다.

또한, 생성된 특성 지도 세트를 토대로 강조 픽셀을 선정하는 단계는, 생성된 특성 지도 세트 내 데이터 이미지에 대하여 픽셀 선정 임계값을 설정하고, 설정된 픽셀 선정 임계값을 초과하는 픽셀은 보간에 적용할 강조 픽셀인 것으로 선정하고 설정된 픽셀 선정 임계값을 초과하지 않는 픽셀은 일반 픽셀인 것으로 선정하는 것을 특징으로 한다.

또한, 선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득하는 단계는, 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 추출하여 픽셀 단위로 보간을 계산하는 단계; 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 최대값과 최소값으로 보간을 계산하여 사이값을 생성하고, 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 전체 영역의 픽셀에 대하여 최대값과 최소값으로 보간을 계산하여 사이값을 생성하여 보간 이미지를 생성하는 단계; 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지간의 퍼즐링을 수행하는 단계; 및퍼즐링된 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 토대로 제1 보간 데이터 및 제2 보간 데이터를 추출하는 단계;를 포함하는 것을 특징으로 한다.

또한, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지간의 퍼즐링을 수행하는 단계는, 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지를 토대로 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 합치는 것을 특징으로 한다.

상기의 목적을 달성하기 위한 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치 및 그 방법은 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정함으로써, 컴퓨팅 파워와 계산의 효율성을 고려할 수 있는 효과가 있다.

또한, 픽셀 차이 데이터 이미지와 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 최대값과 최소값으로 보간을 계산하여 사이값을 생성하고, 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 전체 영역의 픽셀에 대하여 최대값과 최소값으로 보간을 계산하여 사이값을 생성하여 생성된 보간 이미지를 토대로 최종 보간 데이터를 획득함으로써, 안테나 방사 패턴, 공력 해석등과 같이 많은 시간과 컴퓨팅 파워를 요구하는 시뮬레이션에서 소수의 이산적인 시뮬레이션 결과를 바탕으로 중간값들을 자동적으로 생성하여 체계적이고 연속적인 수치해석 데이터 베이스를 확장할 수 있는 효과가 있다.

도 1은 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치의 구성을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치에 채용되는 컨볼루션 필터링부의 세부 구성을 설명하기 위한 도면이다.
도 3은 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치에 채용되는 컨볼루션 필터링을 설명하기 위한 도면이다.
도 4는 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치에 채용되는 보간 처리부의 세부 구성을 설명하기 위한 도면이다.
도 5는 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법의 순서를 설명하기 위한 순서도이다.
도 6은 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법의 순서를 자세하게 설명하기 위한 순서도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.

그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

도 1은 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치의 구성을 설명하기 위한 도면이다.

도 1을 참조하여 설명하면, 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치(100)는 픽셀 차이 데이터 이미지 생성부(110), 해석 영역 설정부(120), 컨볼루션 필터링부(130), 강조 픽셀 선정부(140) 및 보간 처리부(150)를 포함한다.

픽셀 차이 데이터 이미지 생성부(110)는 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 픽셀 차이 데이터 이미지를 생성한다.

픽셀 차이 데이터 이미지 생성부(110)는 제1 수치 해석 데이터와 제2 수치 해석 데이터에서 각각 동일한 위치로 매칭되는 픽셀의 값을 마이너스 연산을 수행하면 두 이미지간 픽셀값에 변화가 없는 부분은 0으로 표현되고, 차이가 있으면 0보다 큰 값을 나타나게 된다.

해석 영역 설정부(120)는 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정한다.

해석 영역 설정부(120)는 제1 수치 해석 데이터 및 제2 수치 해석 데이터간의 픽셀값 차이가 없는 영역과 픽셀값 차이가 있는 영역을 구분하고, 픽셀값 차이가 있는 영역을 잘라내어 해석 영역을 축소 설정한다. 즉, 해석 영역 설정부(120)는 픽셀 차이 데이터 이미지에서 0보다 큰 값을 보이는 영역은 대략적으로 잘라내든지, 아니면 그 픽셀을 따라 윤곽에 맞추어 잘라내는 과정으로 해석 영역을 축소시킬 수 있다.

컨볼루션 필터링부(130)는 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한 결과를 토대로 특성 지도 세트를 생성한다.

컨볼루션 필터링부(130)는 해석 영역을 축소 설정한 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행하되, 필터 커널의 크기 및 가중치를 포함하는 필터 커널의 변수 값을 변경하면서 컨볼루션 신경망의 필터링을 반복 수행하여 기 설정된 최적 임계값에 도달하면 특성 지도 세트를 생성할 수 있다. 이에 대해서는 이후 도 2에서 자세하게 설명하기로 한다.

강조 픽셀 선정부(140)는 생성된 특성 지도 세트를 토대로 강조 픽셀을 선정한다.

강조 픽셀 선정부(140)는 생성된 특성 지도 세트 내 데이터 이미지에 대하여 픽셀 선정 임계값을 설정하고, 설정된 픽셀 선정 임계값을 초과하는 픽셀은 보간에 적용할 강조 픽셀인 것으로 선정하고 설정된 픽셀 선정 임계값을 초과하지 않는 픽셀은 일반 픽셀인 것으로 선정한다.

보간 처리부(150)는 선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득한다.

보간 처리부(150)는 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 추출하여 픽셀 단위로 보간을 계산하며, 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 최대값과 최소값으로 보간을 계산하여 사이값을 생성하고, 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 전체 영역의 픽셀에 대하여 최대값과 최소값으로 보간을 계산하여 사이값을 생성하여 보간 이미지를 생성하는 보간 이미지 생성하고 이를 토대로 최종 보간 데이터를 획득한다. 이에 대해서는 이후 도 4에서 자세하게 설명하기로 한다.

도 2는 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치에 채용되는 컨볼루션 필터링부의 세부 구성을 설명하기 위한 도면이고, 도 3은 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치에 채용되는 컨볼루션 필터링을 설명하기 위한 도면이다.

도 2를 참조하여 설명하면, 본 발명에 따른 컨볼루션 필터링부(130)는 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한 결과를 토대로 특성 지도 세트를 생성한다.

이를 위해, 컨볼루션 필터링부(130)는 컨볼루션 필터링 수행부(131), 필터 커널 변수 조정부(132) 및 특성 지도 세트 생성부(133)를 포함한다.

컨볼루션 필터링 수행부(131)는 해석 영역을 축소 설정한 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한다.

여기서, 컨볼루션 신경망의 필터링은 도 3에 도시된 바와 같이 윈도윙 처리된 픽셀 차이 데이터 이미지 중 좌측 상단에 위치한 첫번째 데이터(Kij)를 시작으로 왼쪽에서 오른쪽으로 이동하면서 3X3 픽셀 차이 데이터 이미지 영역을 갱신하고, 마지막 데이터까지 갱신된 결과를 이용하여 이후 설명되는 특성 지도 세트를 생성하게 된다. 이처럼, 컨볼루션 신경망의 필터링 픽셀 차이 데이터 이미지 영역상에 포함된 표적 신호는 강조되고 노이즈 신호는 블러링 될 수 있다. 이는 픽셀 차이 데이터 이미지 영역에서 특정 위치에 존재하는 표적 신호의 값이 주변 노이즈 대비 두드러지게 커진다는 것을 의미한다.

필터 커널 변수 조정부(132)는 필터 커널의 크기 및 가중치를 포함하는 필터 커널의 변수 값을 변경하면서 컨볼루션 신경망의 필터링이 반복 수행되도록 한다.

즉, 필터 커널 변수 조정부(132)는 필터 커널의 크기(예를 들어, 3x3 사이즈의 커널 또는 5x5 사이즈의 커널)와 가중치 값(예를 들어, 수평-수직 에지 커널 값에 0 또는 1 이상의 값)을 변경하면서 컨볼루션 신경망 필터링 과정을 최적화 루프를 통해서 반복한다.

특성 지도 세트 생성부(133)는 반복 수행된 컨볼루션 신경망의 필터링이 기 설정된 최적 임계값에 도달하면 특성 지도 세트를 생성한다. 이러한, 특성 지도 세트의 용도는 픽셀 차이 데이터 이미지 영역 내 특정 픽셀 값을 기준으로 보간을 적용할지 하지 않을지 결정하기 위함이다.

도 4는 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치에 채용되는 보간 처리부의 세부 구성을 설명하기 위한 도면이다.

도 4를 참조하여 설명하면, 본 발명에 따른 보간 처리부(150)는 선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득한다.

이를 위해, 보간 처리부(150)는 픽셀 보간 계산부(151), 보간 이미지 생성부(152), 이미지 퍼즐링부(153) 및 보간 데이터 추출부(154)를 포함한다.

픽셀 보간 계산부(151)는 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 추출하여 픽셀 단위로 보간을 계산한다.

보간 이미지 생성부(152)는 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 최대값과 최소값으로 보간을 계산하여 사이값을 생성하고, 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 전체 영역의 픽셀에 대하여 최대값과 최소값으로 보간을 계산하여 사이값을 생성하여 보간 이미지를 생성한다.

이미지 퍼즐링부(153)는 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지간의 퍼즐링을 수행한다.

이미지 퍼즐링부(153)는 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지를 토대로 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 합치는 것이다. 즉, 퍼즐링의 의미는 앞선 구성을 통해 전체 영역이 아닌 일부 영역에 대해서만 보간을 수행하였으므로 나머지 영역은 기존 수치해석 데이터를 그대로 사용함을 전제로 하고 있다. 따라서 보간 하여 획득한 이미지는 원래 이미지의 일부 영역이므로 이를 원래 수치 해석 이미지 데이터 영역하고 합치는 과정이 필요함이다.

보간 데이터 추출부(154)는 퍼즐링된 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 토대로 제1 보간 데이터 및 제2 보간 데이터를 추출한다.

도 5는 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법의 순서를 설명하기 위한 순서도이다.

도 5를 참조하여 설명하면, 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법은 앞서 설명한 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치를 이용하는 것으로, 이하 중복되는 설명은 생략하기로 한다.

도 5를 참조하여 설명하면, 먼저, 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 픽셀 차이 데이터 이미지를 생성한다(S100).

S100 단계는 제1 수치 해석 데이터와 제2 수치 해석 데이터에서 각각 동일한 위치로 매칭되는 픽셀의 값을 마이너스 연산을 수행하면 두 이미지간 픽셀값에 변화가 없는 부분은 0으로 표현되고, 차이가 있으면 0보다 큰 값을 나타나게 된다.

다음, 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정한다(S110).

S110 단계는 제1 수치 해석 데이터 및 제2 수치 해석 데이터간의 픽셀값 차이가 없는 영역과 픽셀값 차이가 있는 영역을 구분하고, 픽셀값 차이가 있는 영역을 잘라내어 해석 영역을 축소 설정한다.

다음, 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한다(S120).

다음, 필터 커널의 크기 및 가중치를 포함하는 필터 커널의 변수 값을 변경하면서 컨볼루션 신경망의 필터링을 반복 수행하여 기 설정된 최적 임계값에 도달하면 특성 지도 세트를 생성할 수 있다(S130).

다음, 생성된 특성 지도 세트를 토대로 강조 픽셀을 선정한다(S140).

S140 단계는 생성된 특성 지도 세트 내 데이터 이미지에 대하여 픽셀 선정 임계값을 설정하고, 설정된 픽셀 선정 임계값을 초과하는 픽셀은 보간에 적용할 강조 픽셀인 것으로 선정하고 설정된 픽셀 선정 임계값을 초과하지 않는 픽셀은 일반 픽셀인 것으로 선정한다.

다음, 선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득한다(S150).

S150 단계는, 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 추출하여 픽셀 단위로 보간을 계산하며, 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 최대값과 최소값으로 보간을 계산하여 사이값을 생성하고, 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 전체 영역의 픽셀에 대하여 최대값과 최소값으로 보간을 계산하여 사이값을 생성하여 보간 이미지를 생성하는 보간 이미지 생성하고 이를 토대로 최종 보간 데이터를 획득한다.

도 6은 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법의 순서를 자세하게 설명하기 위한 순서도이다.

도 6을 참조하여 설명하면, 본 발명에 따른 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법을 자세하게 설명하면, 먼저, 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 픽셀 차이 데이터 이미지를 생성한다(S200).

다음, 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정한다(S210).

S210 단계는 제1 수치 해석 데이터 및 제2 수치 해석 데이터간의 픽셀값 차이가 없는 영역과 픽셀값 차이가 있는 영역을 구분하고, 픽셀값 차이가 있는 영역을 잘라내어 해석 영역을 축소 설정한다.

다음, 해석 영역을 축소 설정한 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한다(S220).

다음, 필터 커널의 크기 및 가중치를 포함하는 필터 커널의 변수 값을 변경하면서 컨볼루션 신경망의 필터링이 반복 수행되도록 한다(S230).

S230 단계는 필터 커널의 크기와 가중치 값을 변경하면서 컨볼루션 신경망 필터링 과정을 최적화 루프를 통해서 반복한다.

다음, 반복 수행된 컨볼루션 신경망의 필터링이 기 설정된 최적 임계값에 도달하면 특성 지도 세트를 생성한다(S240). S240 단계에서, 특성 지도 세트의 용도는 픽셀 차이 데이터 이미지 영역 내 특정 픽셀 값을 기준으로 보간을 적용할지 하지 않을지 결정하기 위함이다.

다음, 생성된 특성 지도 세트를 토대로 강조 픽셀을 선정한다(S250).

S250 단계는,생성된 특성 지도 세트 내 데이터 이미지에 대하여 픽셀 선정 임계값을 설정하고, 설정된 픽셀 선정 임계값을 초과하는 픽셀은 보간에 적용할 강조 픽셀인 것으로 선정하고 설정된 픽셀 선정 임계값을 초과하지 않는 픽셀은 일반 픽셀인 것으로 선정한다.

다음, 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 추출하여 픽셀 단위로 보간을 계산한다(S260).

다음, 선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 최대값과 최소값으로 보간을 계산하여 사이값을 생성하고, 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 전체 영역의 픽셀에 대하여 최대값과 최소값으로 보간을 계산하여 사이값을 생성하여 보간 이미지를 생성한다(S270).

다음, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지간의 퍼즐링을 수행한다(S280).

S280 단계는 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지를 토대로 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 합치는 것이다.

마지막으로, 퍼즐링된 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 토대로 제1 보간 데이터 및 제2 보간 데이터를 추출한다.

이상 본 명세서에서 설명한 기능적 동작과 본 주제에 관한 실시형태들은 본 명세서에서 개시한 구조들 및 그들의 구조적인 등가물을 포함하여 디지털 전자 회로나 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서 또는 이들 중 하나 이상이 조합에서 구현 가능하다.

본 명세서에서 기술하는 주제의 실시형태는 하나 이상이 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 또는 그 동작을 제어하기 위하여 유형의 프로그램 매체상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상이 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 전파형 신호이거나 컴퓨터로 판독 가능한 매체일 수 있다. 전파형 신호는 컴퓨터에 의한 실행을 위하여 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하기 위하여 생성되는 예컨대 기계가 생성한 전기적, 광학적 또는 전자기 신호와 같은 인공적으로 생성된 신호이다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 또는 이들 중 하나 이상이 조합일 수 있다.

컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 또는 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 또는 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 또는 컴퓨터 환경에서 이용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다.

컴퓨터 프로그램은 파일 장치의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 또는 다중의 상호 작용하는 파일(예컨대, 하나 이상이 모듈, 하위 프로그램 또는 코드의 일부를 저장하는 파일) 내에, 또는 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상이 스크립트) 내에 저장될 수 있다.

컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.

부가적으로, 본 특허문헌에서 기술하는 논리 흐름과 구조적인 블록도는 개시된 구조적인 수단의 지원을 받는 대응하는 기능과 단계의 지원을 받는 대응하는 행위 및/또는 특정한 방법을 기술하는 것으로, 대응하는 소프트웨어 구조와 알고리즘과 그 등가물을 설정하는 데에도 사용 가능하다.

본 명세서에서 기술하는 프로세스와 논리 흐름은 수신 데이터 상에서 동작하고 출력을 생성함으로써 기능을 수행하기 위하여 하나 이상이 컴퓨터 프로그램을 실행하는 하나 이상이 프로그래머블 프로세서에 의하여 수행 가능하다.

컴퓨터 프로그램의 실행에 적합한 프로세서는, 예컨대 범용 및 특수 목적의 마이크로프로세서 양자 및 어떤 형태의 디지털 컴퓨터의 어떠한 하나 이상이 프로세서라도 포함한다. 일반적으로, 프로세서는 읽기 전용 메모리나 랜덤 액세스 메모리 또는 양자로부터 명령어와 데이터를 수신할 것이다.

컴퓨터의 핵심적인 요소는 명령어와 데이터를 저장하기 위한 하나 이상이 메모리 장치 및 명령을 수행하기 위한 프로세서이다. 또한, 컴퓨터는 일반적으로 예컨대 자기, 자기 광학 디스크나 광학 디스크와 같은 데이터를 저장하기 위한 하나 이상이 대량 저장 장치로부터 데이터를 수신하거나 그것으로 데이터를 전송하거나 또는 그러한 동작 둘 다를 수행하기 위하여 동작가능 하도록 결합되거나 이를 포함할 것이다. 그러나, 컴퓨터는 그러한 장치를 가질 필요가 없다.

본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다.

따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 요컨대 본 발명이 의도하는 효과를 달성하기 위해 도면에 도시된 모든 기능 블록을 별도로 포함하거나 도면에 도시된 모든 순서를 도시된 순서 그대로 따라야만 하는 것은 아니며, 그렇지 않더라도 얼마든지 청구항에 기재된 본 발명의 기술적 범위에 속할 수 있음에 주의한다.

100 : 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치
110 : 픽셀 차이 데이터 이미지 생성부
120 : 해석 영역 설정부
130 : 컨볼루션 필터링부
140 : 강조 픽셀 선정부
150 : 보간 처리부

Claims

제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 픽셀 차이 데이터 이미지를 생성하는 픽셀 차이 데이터 이미지 생성부;
생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정하는 해석 영역 설정부;
설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한 결과를 토대로 특성 지도 세트를 생성하는 컨볼루션 필터링부;
생성된 특성 지도 세트를 토대로 강조 픽셀을 선정하는 강조 픽셀 선정부; 및
선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득하는 보간 처리부;
를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치.
제1항에 있어서,
상기 해석 영역 설정부는 제1 수치 해석 데이터 및 제2 수치 해석 데이터간의 픽셀값 차이가 없는 영역과 픽셀값 차이가 있는 영역을 구분하고, 픽셀값 차이가 있는 영역을 잘라내어 해석 영역을 축소 설정하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치.
제1항에 있어서,
상기 컨볼루션 필터링부는,
해석 영역을 축소 설정한 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행하는 컨볼루션 필터링 수행부;
필터 커널의 크기 및 가중치를 포함하는 필터 커널의 변수 값을 변경하면서 컨볼루션 신경망의 필터링이 반복 수행되도록 하는 필터 커널 변수 조정부; 및
반복 수행된 컨볼루션 신경망의 필터링이 기 설정된 최적 임계값에 도달하면 특성 지도 세트를 생성하는 특성 지도 세트 생성부;
를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치.
제1항에 있어서,
상기 강조 픽셀 선정부는 생성된 특성 지도 세트 내 데이터 이미지에 대하여 픽셀 선정 임계값을 설정하고, 설정된 픽셀 선정 임계값을 초과하는 픽셀은 보간에 적용할 강조 픽셀인 것으로 선정하고 설정된 픽셀 선정 임계값을 초과하지 않는 픽셀은 일반 픽셀인 것으로 선정하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치.
제1항에 있어서,
상기 보간 처리부는,
선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 추출하여 픽셀 단위로 보간을 계산하는 픽셀 보간 계산부;
선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 최대값과 최소값으로 보간을 계산하여 사이값을 생성하고, 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 전체 영역의 픽셀에 대하여 최대값과 최소값으로 보간을 계산하여 사이값을 생성하여 보간 이미지를 생성하는 보간 이미지 생성부;
생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지간의 퍼즐링을 수행하는 이미지 퍼즐링부; 및
퍼즐링된 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 토대로 제1 보간 데이터 및 제2 보간 데이터를 추출하는 보간 데이터 추출부;
를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치.
제5항에 있어서,
상기 이미지 퍼즐링부는 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지를 토대로 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 합치는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 장치.
픽셀 차이 데이터 이미지 생성부에 의해, 제1 수치 해석 이미지의 제1 수치 해석 데이터 및 제2 수치 해석 이미지의 제2 수치 해석 데이터간의 픽셀값 차이를 토대로 픽셀 차이 데이터 이미지를 생성하는 단계;
해석 영역 설정부에 의해, 생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정하는 단계;
컨볼루션 필터링부에 의해, 설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한 결과를 토대로 특성 지도 세트를 생성하는 단계;
강조 픽셀 선정부에 의해, 생성된 특성 지도 세트를 토대로 강조 픽셀을 선정하는 단계; 및
보간 처리부에 의해, 선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득하는 단계;
를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법.
제7항에 있어서,
생성된 픽셀 차이 데이터 이미지에 대하여 해석 영역을 설정하는 단계는,
제1 수치 해석 데이터 및 제2 수치 해석 데이터간의 픽셀값 차이가 없는 영역과 픽셀값 차이가 있는 영역을 구분하고, 픽셀값 차이가 있는 영역을 잘라내어 해석 영역을 축소 설정하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법.
제7항에 있어서,
설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행한 결과를 토대로 특성 지도 세트를 생성하는 단계는,
해석 영역을 축소 설정한 픽셀 차이 데이터 이미지에 대하여 컨볼루션 신경망의 필터링을 수행하는 단계;
필터 커널의 크기 및 가중치를 포함하는 필터 커널의 변수 값을 변경하면서 컨볼루션 신경망의 필터링이 반복 수행되도록 하는 단계; 및
반복 수행된 컨볼루션 신경망의 필터링이 기 설정된 최적 임계값에 도달하면 특성 지도 세트를 생성하는 단계;
를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법.
제7항에 있어서,
생성된 특성 지도 세트를 토대로 강조 픽셀을 선정하는 단계는,
생성된 특성 지도 세트 내 데이터 이미지에 대하여 픽셀 선정 임계값을 설정하고, 설정된 픽셀 선정 임계값을 초과하는 픽셀은 보간에 적용할 강조 픽셀인 것으로 선정하고 설정된 픽셀 선정 임계값을 초과하지 않는 픽셀은 일반 픽셀인 것으로 선정하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법.
제7항에 있어서,
선정된 강조 픽셀에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 이용하여 보간 이미지를 생성하고, 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 기반으로 최종 보간 데이터를 획득하는 단계는,
선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 픽셀 값을 추출하여 픽셀 단위로 보간을 계산하는 단계;
선정된 강조 픽셀의 위치에 해당하는 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 최대값과 최소값으로 보간을 계산하여 사이값을 생성하고, 제1 수치 해석 데이터 및 제2 수치 해석 데이터의 전체 영역의 픽셀에 대하여 최대값과 최소값으로 보간을 계산하여 사이값을 생성하여 보간 이미지를 생성하는 단계;
생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지간의 퍼즐링을 수행하는 단계; 및
퍼즐링된 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 토대로 제1 보간 데이터 및 제2 보간 데이터를 추출하는 단계;
를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법.
제11항에 있어서,
생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지간의 퍼즐링을 수행하는 단계는,
설정된 해석 영역이 반영된 픽셀 차이 데이터 이미지를 토대로 생성된 보간 이미지와 제1 수치 해석 이미지 및 제2 수치 해석 이미지를 합치는 것을 특징으로 하는 컨볼루션 신경망 기반의 수치 해석 데이터 보간 처리 방법.