• Proceedings of the Optical Society of Korea Conference
• /
• 2003.07a
• /
• pp.294-295
• /
• 2003

삶의 질이 높아감에 따라 환경에 대한 사람들의 관심이 늘어가고 있다. 그중 미소량으로도 인체에 치명적인 해를 주는 유기인 화합물에 대한 실시간 모니터링 기술이 요구되고 있다. 이를 검출할 수 있는 센서로서 광학식 센서는 기존의 센서(반도체식, 전기화학식 등)에 비하여 선택성과 반응전후의 복귀성 및 온·습도의 영향 등의 문제를 개선할 수 있다. 기존의 광학식 센서는 원적외선 영역을 이용하는데 이는 광학식 센서의 경우 높은 감도를 보이나 이들 시스템은 냉각장치를 요구하며 장비의 가격이 고가인 단점이 있다. (중략)

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.343-344
• /
• 2018

본 논문에서는 관심 영역 보존을 고려한 이미지 리사이징 최적화 기법을 제안한다. 이미지 리사이징은 입력 영상을 다양한 비율의 디스플레이나 하드웨어 플랫폼에 적용이 가능한 비율의 영상으로 변환하는 것에 목적을 둔다. 변환 과정에서 인지적 특성을 고려하여 관심 영역 검출을 통해 주요 객체의 왜곡을 최소화하고자 한다. 목표 비율로의 리사이징 시 각 영역별 변환 비율이 상이하게 결정되어야 하고, 이 과정에서 관심 영역 왜곡과 영상 보간 불가능의 문제가 발생한다. 관심 영역 왜곡과 보간 불가능 상태를 최소화하기 위해 영역별 변환 비율을 결정하는 최적화 기법을 제안하여 관심 영역이 보존된 최적화된 결과 영상을 획득하고자 한다.

• Journal of Biomedical Engineering Research
• /
• v.21 no.2
• /
• pp.145-156
• /
• 2000

본 논문에서는 중앙시상 두뇌 자기공명영상 분할결과를 이용한 3차원 시상 두뇌 자기공명영상의 자동분할기법을 제안한다. 제안된 알고리즘에서는 먼저 3차원 시상 두뇌 자기공명영상의 중앙영상을 분할하고, 분할된 중앙두뇌 자기공명영상을 인접하는 영상에 마스크로 적용한다. 이 때 마스크 적용으로 인하여 인접하는 영상이 절단되는 문제가 발생할 수 있다. 이러한 문제를 해결하기 위하여 절단 영역의 경계점을 검출한 후, 절단 영역에 대한 경로 재설정을 통해 절단 영역을 복원한다. 이러한 경로 재설정을 위해 connectivity-based threshold segmentation algorithm을 사용하였다. 실험결과 제안된 알고리즘의 유용성을 확인할 수 있었다.

• Broadcasting and Media Magazine
• /
• v.28 no.1
• /
• pp.53-60
• /
• 2023

최근 영상처리 및 컴퓨터비전 등 많은 분야에서 딥러닝 기술이 빠르게 발전하면서 다양한 문제들을 높은 성능으로 해결하고 있다. 이에 MPEG (Moving Picture Experts Group) 표준에서도 딥러닝 기반의 미디어 기술이 활발히 제안 및 논의되고 있다. 특히, 몰입형 입체영상 압축을 위한 MPEG-I (MPEG Immersive) 표준은 메타버스 산업으로 크게 관심받고 있는 가상현실, 증강현실, 그리고 혼합현실 등에 대응하기 위해 현재 활발히 연구 중이다. 입체영상은 일반적으로 복수 시점의 컬러영상과 깊이영상으로 구성되어 있어 데이터의 양이 크기 때문에, MPEG-I 표준은 시점 간의 중복된 영역들을 제거하는 프루닝 과정을 통해 효율적인 압축을 수행한다. 하지만, 프루닝 과정에서 정반사 영역이 함께 제거되는 문제로 정확한 입체영상 복원에 한계가 있다. 본 학회지에서는 이러한 문제점을 해결하기 위하여 MPEG-I 표준에 기고된 딥러닝 기반의 정반사 영역 검출을 통한 몰입형 입체영상 압축에 대해 소개한다.

• The Magazine of the IEIE
• /
• v.33 no.1 s.260
• /
• pp.35-45
• /
• 2006

최근 휴대폰에서 개인 정보 보안의 중요성이 대두되고 있으며, 이에 따라 생체인식 기능을 내장한 휴대폰에 관심이 집중되고 있으므로, 본 논문에서는 휴대용 기기에 홍채인식기술을 적용하기 위한 방법을 제안하고 하다. 기존의 홍채인식 알고리즘은 인식을 위해 확대된 홍채영상을 사용하여 처리하였고, 이러한 홍채영상을 획득하기 위해서 고 배율의 줌 렌즈(zoom lens)와 초점 렌즈(focus lens)를 사용하였다. 그런데, 휴대폰에서의 홍채인식을 시도하기 위해 줌렌즈와 초점렌즈를 장착하게 되면 가격이 상승하고 부피가 증가되어, 작고 휴대하기 편리한 휴대폰의 특징에 맞지 않아 사용하기 어려운 문제가 있다. 그러나 최근 휴대폰의 멀티미디어 기기 융복합 추세로 인해 휴대폰 내에 장착된 메가 픽셀 카메라(Mega-pixel Camera)의 성능이 급속히 발전함에 따라, 고 배율의 줌, 초점 렌즈 없이도 확대된 홍채영상의 획득이 가능하게 되었다. 즉, 메가 픽셀 카메라 폰을 사용하여 사용자로부터 원거리에서 취득한 얼굴영상에서 홍채 영역이 홍채인식을 위해 충분한 픽셀정보를 가지게 된다. 그러나 이러한 경우 입력 얼굴영상에서 눈 영역을 먼저 찾는 과정이 요구된다. 본 논문에서는 이러한 얼굴영상에서 각막에 의해 반사되는 조명 반사광을 기반으로 휴대폰에서의 홍채인식을 위한 고속 동공검출 방법을 제안한다. 또한 입력 영상 신호를 디지털 신호로 변환하는 과정에서 밝기와 대조 값을 조정하여 동공의 검은 영역과 조명 밝은 반사 위치를 추출함으로써, 정확한 홍채 영역을 보다 빠르고 쉽게 추출할 수 있는 방법 역시 제안한다. 그리고 일반적으로 휴대폰에서 홍채 인식의 경우 손으로 들고 사용하므로, 손 흔들림에 의한 영상 흐림 현상이 빈번하게 발생하게 된다. 이러한 문제를 해결하기 위하여 본 연구에서는 영상 복원 기법을 적용하여 흐려진 홍채 영상을 복원하는 기법을 제안한다. 마지막으로, 휴대폰의 경우 실외에서 사용이 빈번함으로, 입력 홍채 영상에서 태양광에 의한 영향을 많이 받게 된다. 이러한 문제를 해결하여 홍채 인식 성능을 개선할 수 있는 방법 역시 소개하고자 한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2015.05a
• /
• pp.367-370
• /
• 2015

This paper proposes an improve method of the detection performance of traffic lights for autonomous driving cars. Earlier detection methods used to adopt color thresholding, template matching and based learning maching methods, but its have some problems such as recognition rate decreasing, slow processing time. The proposed method uses both detection mask and morphological preprocessing. Firstly, input color images are converted to YCbCr image in order to strengthen its illumination, and horizontal edge components are extracted in the Y Channel. Secondly, the region of interest is detected according to morphological characteristics of the traffic lights. Finally, the traffic signal is detected based on color distributions. The proposed method showed that the detection rate and processing time improved rather than the conventional algorithm about some surrounding environments.

• The KIPS Transactions:PartB
• /
• v.14B no.2
• /
• pp.65-70
• /
• 2007

Red tide is becoming hot issue of environmental problem worldwide since the 1990. Advanced nations, are progressing study that detect red tide area on early time using satellite for sea. But, our country most seashores bends serious. Also because there are a lot of turbid method streams on coast, hard to detect small red tide area by satellite for sea that is low resolution. Also, method by sea color that use one feature of satellite image for sea of existent red tide area detection was most. In this way, have a few feature in image with sea color and it can cause false negative mistake that detect red tide area. Therefore, in this paper, acquired texture information to use GLCM(Gray Level Co occurrence Matrix)'s texture 6 information about high definition land satellite south Coast image. Removed needless component reducing dimension through principal component analysis from this information. And changed into 2 principal component accumulation images, Experiment result 2 principal component conversion accumulation image's eigenvalues were 94.6%. When component with red tide area that uses only sea color image and all principal component image. displayed more correct result. And divided as quantitative,, it compares with turbid stream and the sea that red tide does not exist using statistical feature analysis about texture.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.10a
• /
• pp.444-447
• /
• 2008

사람의 얼굴은 표정, 조명 등에 따라 다양한 형태 변화가 있어 입력 영상마다 대표 특징을 정확히 찾는 것은 어려운 문제이다. 얼굴의 많은 특징 점 중에서 눈동자 부분은 얼굴 인식 등 다양한 부분에 있어서 얼굴 영역의 특징 점으로 가장 많이 이용되는 특징 점들 중 하나이다. 본 논문에서는 다양한 조명하에서의 단일 얼굴 영상에 대해 유전자 알고리즘과 템플릿 정합을 이용하여 빠르게 눈을 검출하는 방법을 제안한다. 조명과 배경에 강건한 검출 성능을 얻기 위해 눈동자 후보점을 찾아서 초기 개체군 생성에 이용하였으며, 각각의 개체는 템플릿의 기하학적 변환 정보로 구성되어 템플릿 정합에 의해 눈동자가 검출된다.

• Journal of the Korea Convergence Society
• /
• v.11 no.12
• /
• pp.39-47
• /
• 2020

In this paper, we proposed a deep learning-based detection method using Saliency Attention to detect salient objects in images. The salient object detection separates the object where the human eye is focused from the background, and determines the highly relevant part of the image. It is usefully used in various fields such as object tracking, detection, and recognition. Existing deep learning-based methods are mostly Autoencoder structures, and many feature losses occur in encoders that compress and extract features and decoders that decompress and extend the extracted features. These losses cause the salient object area to be lost or detect the background as an object. In the proposed method, Saliency Attention is proposed to reduce the feature loss and suppress the background region in the Autoencoder structure. The influence of the feature values was determined using the ELU activation function, and Attention was performed on the feature values in the normalized negative and positive regions, respectively. Through this Attention method, the background area was suppressed and the projected object area was emphasized. Experimental results showed improved detection results compared to existing deep learning methods.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.5
• /
• pp.545-551
• /
• 2005

The main objective of fraud detection is to minimize costs or losses that are incurred due to fraudulent transactions. Because of the problem's nature such as highly skewed, overlapping class distribution and non-uniform misclassification costs, it is, however, practically difficult to generate a classifier that is near-optimal in terms of classification costs at a desired operating range of rejection rates. This paper defines a performance measure that reflects classifier's costs at a specific operating range and offers a cost-sensitive learning approach that enables us to train classifiers suitable for real-world credit card fraud detection by directly optimizing the performance measure with evolutionary programming. The experimental results demonstrate that the proposed approach provides an effective way of training cost-sensitive classifiers for successful fraud detection, compared to other training methods.