• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.39 no.4
• /
• pp.462-469
• /
• 2002

While the conventional K-means algorithms use a fixed weight to design a vector codebook for all learning iterations, the proposed method employs a variable weight for learning iterations. The weight value of two or more beyond a convergent region is applied to obtain new codevectors at the initial learning iteration. The number of learning iteration applying a variable weight must be decreased for higher weight value at the initial learning iteration to design a better codebook. To enhance the splitting method that is used to generate an initial codebook, we propose a new method, which reduces the error between a representative vector and the member of training vectors. The method is that the representative vector with maximum squared error is rejected, but the vector with minimum error is splitting, and then we can obtain the better initial codevectors.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2012.05a
• /
• pp.14-17
• /
• 2012

현재 유방암으로 인한 사망률이 급증하고 있다. 이러한 유방암의 위험성을 줄일 수 있는 치료 방법으로 수년간 많은 연구가 진행되어 왔다. 특히 마모그래피의 연장 선상이라 할 수 있는 CAD 시스템의 개발에 대한 연구가 진행 중에 있다. 미세석회화 검출에 적합한 CAD 시스템의 구현을 위해서 미세석회화를 분할하는 다양한 방법들이 연구되어 왔다. 기존의 미세석회화 분할 방법들 중에서 마모그램 영상에서 그레이 레벨 또는 컨트라스트를 임계화하는 방법을 많이 사용하고 있다. 이 방법은 간단하고 빠르다는 장점을 가지지만, 관찰하는 사람에 따라 변동성이 높다. 변동성이 크다는 단점으로 인해 다양한 마모그램 영상들에서 최적의 성능을 얻어내는 데는 한계가 있다. 본 논문에서는 관찰자에 의해서 컨트라스트 임계값을 정하는 방법이 아닌, 마모그램 영상에 따라 적응적으로 임계값을 자동적으로 설정하는 방법을 제안한다. 실험 결과를 보면 기존의 임계화 방법은 마모그램 영상마다 적합한 컨트라스트 임계값 변동이 크다. 그러나 제안된 방법은 마모그램 영상에 적합한 임계값을 찾아준다.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.349-352
• /
• 2000

영상으로부터 의미있는 객체를 영역화하기 위하여, 움직임에 의한 시간적 정보를 이용하거나, 형태학적(Morphological) 기법과 같이 공간적 정보를 이용하는 방법이 있다. 그러나, 단지 시간적 정보나 공간적 정보만을 이용하는 방법은 그 한계를 가지고 있으며, 본 논문에서는 시공간 정보를 이용하여 분할하는 방법을 채택하였다. 시간적 분할에서는, 두 프레임에서 움직임 정보를 찾아내었던 기존 방법을 보완하여 연속되는 세 프레임을 사용하도록 하였다. 이렇게 하면 움직임이 미세한 영상에 대해서도 객체를 분리해 낼 가능성을 높일 수 있게 된다. 공간적 분할시에는, Watershed 알고리즘을 이용하는 형태학적 분할(Morphological Segmentation)[1][2]을 하게 되는데, 전처리 과정의 단일척도경사(Monoscale Gradient) 대신 다중척도 경사(Multiscale Gradient)[3][4]를 사용하여 미세한 경사는 누그러뜨리고 에지 부분의 경사만을 강조하게 하였다. 또한 개선된 Watershed 알고리즘을 제안하여 기존의 Watershed 알고리즘의 과분할 문제를 보완하였다.

• Journal of Embryo Transfer
• /
• v.6 no.1
• /
• pp.1-11
• /
• 1991

가축의 일란성 쌍태를 생산하기 위한 기술 개발을 확립하고자 상실배 및 포배기에 있는 BALB/c 계통의 생쥐 수정란을 micromanipulator로 분할 수정란을 작출하고 이를 체외배양을 실시하여 발달성적을 조사하였으며, 외과적 및 비외과적 이식을 실시하여 착상율 및 산자생산 성적을 조사한 결과는 다음과 같다. 1. 상실배 및 포기배에 있는 총 811개의 정상적인 수정란을 분할하여 이중에서 666(82.1%)개가 분할시의 물리적인 손상이 없이 분할되었고, 이때 분할 성공율은 발달단계 간에 유의적(P<0.05)인 차이가 없었다. 2. 분할 수정란중 상실배는 30-36시간, 초기 배반포 및 확장 배반포는 3-6시간 배양을 실시한 결과 분할 수정란중 한쌍이 모두 정상적으로 배양된 것은 각각 70.0%, 80.4% 및 73.1%로써 이들 발달단계 간에 유의적(P<0.05)인 차이가 없었다. 3. 분할된 상실배와 정상적인 수정란의 이식후 수태율은 각각 63.6% 및 61.3%로써 유의적(P<0.05)인 차이가 없었다. 그러나 분할된 상실배에 있어서 배양을 하지 않고 이식한 경우에는 전혀 수태되지 않았다(P<0.05). 4. 분할된 포배기 수정란을 체외 배양후 이식한 수태율(55.5%)과 배양과정을 거치지 않고 이식한 성적(43.8%) 그리고 정상적인 포배기 수정란을 이식한 수태율(55.4%) 간에는 유의적(P<0.05)인 차이가 없었다. 5. 분할 수정란을 외과적 방법으로 이식한 경우는 52.8%의 수태율을 얻었으나, 비외과적 방법으로 이식한 경우 27.5%로써 외과적 방법으로 이식한 경우보다 수태율이 유의적(P<0.05)으로 낮았다.

• The Journal of Korean Institute of Information Technology
• /
• v.17 no.5
• /
• pp.77-82
• /
• 2019

Diabetic retinopathy is a complicated form of diabetes due to circulatory disorder in the peripheral blood vessels of the retina. We segment the microvessel for diagnosing diabetic retinophathy. The conventional methods using filter and features can segment the thick blood vessels, but it has relatively weak for segmenting fine blood vessels. In pre-processing step, noise reduction filter and histogram equalization are applied to suppress the noise and enhance the image contrast. Then, deep learning technique is used for pixel-by-pixel segmentation. The accuracy of conventional methods is between 90% to 94%, while the proposed method has improved as 95% accuracy. There is a problem of segmentation error around the optic disc and exudate due to the network depth. However the accuracy can be improved by modifying the network architecture in the future.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.8
• /
• pp.2127-2136
• /
• 1998

비평가인자 함수 언어는 비평가인자 어의로 인하여 기존의 von Neumann 형 병렬기에서 효율적인 수행을 어렵게 하는 미세수준의 동적 스케줄링 단위로 병합하는 과정이 중요하다. 이러한 과정을 스레드 분할이라 한다. 본 논문에서는 비평가인자 함수 프로그램을 스레드로 분할하는 자료형 분리집합 분할이라는 스레드 분할 알고리즘을 제안한다. 자료형 분리 집합 분할 알고리즘은 자료형을 비교할 수 없는 입력명과 출력명 사이에는 잠재 종속이 존재할 수 없다는 사실을 이용하여 스레드 분할을 수행한다. 이 방법을 사용하면 기존의 스레드 분할 방법에서 실패하는 스레드의 병합이 가능하며, 기존의 분할 알고리즘보다 더 큰 스레드를 생성할 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1181-1183
• /
• 2022

신생아 호흡곤란증후군(RDS, Respiratory Distress Syndrome)은 미숙아 사망의 주된 원인 중 하나이며, 이 질병은 빠른 진단과 치료가 필요하다. 소아의 x-ray 영상을 시각적으로 분석하여 RDS 의 판별을 하고 있으나, 이는 전문의의 주관적인 판단에 의지하기 때문에 상당한 시간적 비용과 인력이 소모된다. 이에 따라, 본 논문에서는 전문의의 진단을 보조하기 위해 심층 신경망을 활용한 소아 RDS/nonRDS 판별 방법을 제안한다. 소아 전신 X-ray 영상에 폐 영역 분할을 적용한 데이터 세트와 증강방법으로 추가한 데이터 세트를 구축하며, RDS 판별 성능을 높이기 위해 ImageNet 으로 사전학습된 DenseNet 판별 모델에 대해 구축된 데이터 세트로 추가 미세조정 학습을 수행한다. 추론 시 입력 X-ray 영상에 대해 MSRF-Net 으로 분할된 폐 영역을 얻고 이를 DenseNet 판별 모델에 적용하여 RDS 를 진단한다. 실험결과, 데이터 증강과 폐 영역을 분할을 적용한 판별 방법이 소아전신 X-ray 데이터 세트만을 사용하는 것과 비교하여 3.9%의 성능향상을 보였다.

• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.37 no.2
• /
• pp.143-149
• /
• 2024

Segmentation of material phases through image analysis is essential for analyzing the microstructure of materials. Micro-CT images exhibit variations in grayscale values depending on the phases constituting the material. Phase segmentation is generally achieved by comparing the grayscale values in the images. In the case of waste concrete used as a recycled aggregate, it is challenging to distinguish between hydrated cement paste and natural aggregates, as these components exhibit similar grayscale values in micro-CT images. In this study, we propose a method for automatically separating the aggregates in concrete, in micro-CT images. Utilizing the Unet-VGG16 deep-learning network, we introduce a technique for segmenting the 2D aggregate images and stacking them to obtain 3D aggregate images. Image filtering is employed to separate aggregate particles from the selected 3D aggregate images. The performance of aggregate segmentation is validated through accuracy, precision, recall, and F1-score assessments.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.565-567
• /
• 2001

이 논문은 다양한 환경에서도 차선 검출이 가능하도록 하기 위해 각종 Edge detection algorithm을 이용하고 있다. Roberts 연산 후 이진화를 행함으로써 미세한 부분까지 예지를 얻고 있으며, 이것은 다시 영역을 분할 후 Hough transform을 행한다. 또한 기울기 및 주변 값을 이용하여 차선 인식률을 높이고 있다. 그리고, Hough transform의 단점인 시간이 오래 걸리는 단점을 해결하기 위해 이미지 크기를 축소하는 방법과 영역 분할과 같은 방법을 통해서 이를 해결하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.904-906
• /
• 2005

본 논문에서는 뇌 CT 혈관조영영상에서 슬라이스 정보를 이용한 뇌 분할 방법을 제안한다. 뇌 분할 과정은 현재 슬라이스와 이전 슬라이스 간 분할 영역의 크기 정보를 가지고 영역 성장 단계와 전파 단계로 구분하여 수행된다. 영역 성장 단계에서는 이차원 영역성장법을 통해 뇌 분할을 수행하고 누출이 발생하는 슬라이스에 대하여 방사선 투과 기법을 통해 영역보정을 수행한다. 전파 단계에서는 이전 슬라이스에서 분할된 뇌 영역을 현재 슬라이스로 전파함으로써 장벽을 생성하고 장벽 내에서 이차원 영역성장법을 수행함으로써 누출을 최소화한다. 또한 뇌 영역과 유사한 밝기값을 형성하고 있는 미세 요소들을 제거하기 위해 이차원 연결화소군 레이블링 기법을 통해서 최종적으로 뇌 분할을 수행한다. 본 논문의 실험을 위하여 뇌 CT 혈관조영영상을 사용하여 정확한 뇌분할 결과를 얻었다.