• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2001.05a
• /
• pp.268-279
• /
• 2001

본 논문에서는 세금 계산서 상에서의 관심 영역 및 관심 영역 내의 데이터를 추출하는 알고리즘을 제안한다. 먼저, 입력되는 세금 계산서 영상의 색상 정보를 이용하여 서식을 자동으로 추출한다. 추출된 서식 영상을 가지고 문서의 기울기 및 관심 대상 영역의 위치를 파악한 후, 원 영상에 대하여 관심영역을 추출한다. 관심영역에 대한 히스토그램을 분석하여 바탕 영역으로부터 인식 대상 데이터를 추출한다. 제안한 알고리즘을 다양한 화질의 세금 계산서 영상에 대하여 적용한 결과, 정확하게 관심 영역을 분할해내고 인식 대상 데이터를 추출할 수 있음을 보인다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.526-530
• /
• 2006

논문은 CT영상에서 영역 확장 기법을 이용하여 인간의 장기 중 뇌와 간을 자동으로 추출할 수 있는 방법을 제안한다. 이는 뇌와 간이 CT영상에서 비교적 넓은 영역을 차지하고 있다는 사실에 기인하였으며, CT영상에서 특정 장기 영역을 추출하기 위해서 크게 초기 탐색 영역 결정 단계와 최종 장기 영역 단계로 나누어진다. 초기 탐색 영역은 CT영상 내에서 추출하고자 하는 장기 영역과 관계없는 부분을 제거하고 특정 장기 영역만을 남겨 관심 장기 영역의 검출률을 높이는 작업이다. 본 논문에서는 CT영상에서 비교적 높은 Gray Level을 가지고 있는 뼈영역인 두개골과 척추의 위치를 기반으로 하여 초기 탐색 영역을 결정하는 방법을 사용하였다. 특정 장기 영역의 추출은 ATID(Automatic Threshold Intensity Decision)를 이용한 이진화 단계, 모폴로지의 Opening 기법을 이용한 잡음제거 단계, Region Growing 기법을 이용한 특정 영역 추출 단계를 이용하는 과정을 거친다. 본 논문에서는 Region Growing 기법을 거친 다음 각각의 그룹 중에서 크기가 가장 큰 부분을 최종 특정 장기 영역으로 결정하였다. 본 논문에서 제안한 알고리즘은 국립전남대학교 부속병원에서 수집된 각각 뇌영상 100장과 간영상 100장을 사용하여 실험하였고, 제안된 알고리즘을 통해 관심 장기 영역을 추출했을 경우 약 91%이상의 높은 추출률을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.429-431
• /
• 1998

본 논문에서는 의료 영상 중에서 성대 운동의 불규칙적인 움직임을 판단하여 자동으로 진단 파라미터를 구하는 비디오스트로보키모그래피(Videostrobokymography) 시스템에서 관심 영역을 추출하는 방법을 소개하고자 한다. CCD카메라에 의해 촬영된 영상은 비디오 테이프에 저장된 후 이미지 캡쳐 보드에서 그레이 이미지(gray-level)로 변환되어 저장된다. 입력된 영상은 움직이는 영상을 촬영한 것이므로 관심 영역의 위치가 각 프레임마다 다르다. 또한 실제로 입력된 성대영상들이 점진적인 농도 변화를 보이기 때문에 에지에 의해 영역을 추출하는 일반적인 영역 추출방법은 사용하기 어렵다. 본 논문에서는 두 번의 단계를 통하여 관심 영역을 추출하고 있다. 첫 번째는 입력된 영상에서 노이즈를 제거한 후 각 프레임에서 영상의 최소 에너지를 구한다. 두 번째로 농도 변화 값을 특징 값으로 이용하는 분할-합병 알고리즘(Split-merge Algorithm)을 적용하여 관심 영역을 추출하였다. 제안한 알고리즘을 19명의 성대 영상에 적용하여 분석한 결과 성대의 관심 영역을 추출할 수 있었다. 그리고, 영상의 에너지 값을 이용하는 스네이크 알고리즘(Snake Algorithm)에 적용하여 비교해본 결과 본 연구에서 제안하는 스네이크 알고리즘보다 좋은 성능을 보임을 확인할 수 있었다. 본 연구에서 제안하는 관심 영역 추출 방법은 동적인 변화를 보이는 영상에서 관심 영역을 추출할 수 있을 뿐 아니라 계산 량이 적어 200x280크기의 이미지를 초당 약 40프레임에 대한 관심 영역을 추출할 수 있는 장점이 있다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.22 no.4
• /
• pp.634-640
• /
• 2018

In this paper, we propose an automatic extraction algorithm of region of interest(ROI) based on medical x-ray images. The proposed algorithm uses segmentation, feature extraction, and reference image matching to detect lesion sites in the input image. The extracted region is searched for matching lesion images in the reference DB, and the matched results are automatically extracted using the Kalman filter based fitness feedback. The proposed algorithm is extracts the contour of the left hand image for extract growth plate based on the left x-ray input image. It creates a candidate region using multi scale Hessian-matrix based sessionization. As a result, the proposed algorithm was able to split rapidly in 0.02 seconds during the ROI segmentation phase, also when extracting ROI based on segmented image 0.53, the reinforcement phase was able to perform very accurate image segmentation in 0.49 seconds.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.343-345
• /
• 2001

본 논문에서는 얼굴 인식 시스템에서 정면 얼굴 영상의 관심 영역을 추출하는 효율적인 방법을 소개한다. 얼굴 인식 시스템은 얼굴 요소의 특징 을 이용하여 자동으로 얼굴을 구별하는 시스템이며, 얼굴 요소로는 눈, 코, 입과 눈썹을 주로 사용한다. 본 논문에서는 동적 모델을 이용하여 눈과 입을 관심영역으로 하여 이 영역을 세 단계로 나누어 추출한다. 첫 번째로 전체 얼굴 모델을 이용하여 similarity 변환을 적용하여 얼굴의 대략적인 위치를 찾는다. 두 번째 단계에서는 얼굴 근처에서 각각의 눈, 입 모델을 비선형 변환을 적용하여 정확한 눈과 입을 찾는다. 최종 단계에서는 이렇게 맞춘 모델로부터 전체 모델을 변형시킨 후에 변형전과 후의 적합성을 판단하여 최종 위치를 정한다. 제안한 알고리즘을 130명의 영상에 대하여 적용한 결과 눈을 정확하게 추출한 경우는 120명이고, 입을 정확히 추출한 경우는 119명이었다. 본 논문에서 제안하는 관심 영역 추출 방법은 일반적인 모델 방법에 특정 목적에 적합한 모델을 혼합한 방법으로 일반적인 모델만을 적용한 방법과 프로젝션 분석 등의 특정 목적만을 위한 방법보다 좋은 결과를 얻을 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.760-762
• /
• 2004

본 논문에서 CT영상에서 간 영역을 자동적으로 분할할 수 있는 방법을 제안한다. 밝기의 특성을 이용하여 초기 관심 영역을 추출하기 위해 ATI(Automatic Threshold Intensity)기법을 사용하였다. 간 영역을 최종적으로 추출하기 위해 블럽 컬러링 기법을 사용하였다 기존 블럽 컬러링의 연산속도를 개선하기 위해서 Recoloring table을 이용하였다 제안된 방법을 이용하여 실험한 결과로 간 영역 추출의 성공률 90%를 얻었다.

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.10
• /
• pp.63-71
• /
• 2009

In this study, we propose a revised dynamic ROI (Region-of-Interest) coding method in which the focused ROI is automatically extracted without help from users during the recovery process of low DOF (Depth-of-Field) JPEG2000 image. The proposed method creates edge mask information using high frequency sub-band data on a specific level in DWT (Discrete Wavelet Transform), and then identifies the edge code block for a high-speed ROI extraction. The algorithm scans the edge mask data in four directions by the unit of code block and identifies the edge code block simply and fastly using a edge threshold. As the results of experimentation applying for Implicit method, the proposed method showed the superiority in the side of speed and quality comparing to the existing methods.

• Journal of KIISE:Software and Applications
• /
• v.27 no.8
• /
• pp.804-814
• /
• 2000

In this paper, we propose an effective method to detect the regions of interests in the Videostrobokymography System. Videostrobokymography system is a medical image processing system for extracting automatically the diagnosis parameters from the irregular vibratory movements of the vocal fold. We detect the regions of interests through three steps. In the first step, we remove the noise in the input image and we find the minimum energy value in each frame. In the second step, we computed the edge by everage value for the one line. In the third step, the regions of interests can be extracted by using the Merge Algorithm which uses the variance of luminance as the feature points. We experimented this method for the vocal fold images of nineteen patients. In consequence, the regions of interests are detected in most vocal fold images. The method proposed in this study is efficient enough to extract the region of interests in the vocal fold images with the frame rate of 40 frames/second and the resolution of 200${\times}$280 pixels.

• Journal of Digital Contents Society
• /
• v.12 no.1
• /
• pp.1-9
• /
• 2011

JPEG2000 offers the technique which compresses the interested regions with higher quality than the background. It is called by an ROI(Region-of-Interest) coding method. In this paper, we use images including the human faces, which are processed uppermost and compressed with high quality. The proposed method consists of 2 steps. The first step extracts some faces and the second one is ROI coding. To extract the faces, the method cuts or scale-downs some regions with $20{\times}20$ window pixels for all the pixels of the image, and after preprocessing, recognizes the faces using neural networks. Each extracted region is identified by ROI mask and then ROI-coded using Maxshift method. After then, the image is compressed and saved using EBCOT. The existing methods searched the ROI by edge distributions. On the contrary, the proposed method uses human intellect. And the experiment shows that the method is sufficiently useful with images having several human faces.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.23 no.4
• /
• pp.374-380
• /
• 2019

Containers are fitted with various placards on the surface to indicate the risk of cargo. If the containers are loaded with dangerous goods, care should be taken in handling the containers. Therefore, as part of the port automation system, there is a demand for automatic placard recognition. In this paper, proposed is a method to extract placard areas from a container image, which is the first part of the placard recognition system. The fact that placards are of various types but all have a diamond shape can be an advantage in recognition. However, it is a disadvantage in recognition that the placards can be distorted in various ways because the container surface is not flat. When the proposed method was applied to actual images, type I error did not occur. In addition, since the shape feature of the object and basic image operations are used to extract regions of interest, it can be applied to various shape-based region extraction problems.