• 한국지능시스템학회논문지
• /
• 제22권4호
• /
• pp.494-499
• /
• 2012

본 논문에서는 해양 환경에서 선박의 안전 운행에 위험 요소인 해상 물표를 검출하기 위한 방법을 제안한다. 해양 환경에서 획득한 적외선 영상에 대한 분석을 통하여, 우리는 해수면과 같은 배경 영역들에서는 주로 수직 방향 에지가 나타나는 반면에, 해상 물표 영역은 수직 및 수평 방향 에지가 모두 나타나는 특징을 확인할 수 있었다. 따라서 우리는 IR 영상에 대해서 수평 및 수직 에지 특징 추출에 기반한 물체 영역 검출 방법을 제안한다. 이를 위해, 첫 번째 단계에서는, 통계적 필터링 방법을 이용하여 해수면의 반짝임과 복잡한 클러터와 같은 잡음들을 효과적으로 제거할 수 있는 영상 개선 작업을 수행한다. 두 번째 단계에서는 1-D Discrete Cosine Transform(DCT) 기법을 이용하여 수직 방향 에지의 정보를 나타내는 수직 에지 지도 영상, 수평 방향 에지의 정보를 나타내는 수평 에지 지도 영상을 생성한다. 그런 다음, 수직 및 수평 에지 지도 영상들을 하나의 에지 지도 영상으로 통합한다. 세 번째 단계에서는 적응적인 문턱치 방법을 사용하여 물표 후보 영역을 검출한다. 마지막 단계에서는 IR 영상에서 검출한 물표 후보 영역들에 대해서 모폴로지 연산을 수행하여 배경 및 잡음 영역을 제거함으로써 정확한 물표 영역을 검출한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1851_1852
• /
• 2009

본 논문은 차량 영역에 나타나는 수평, 수직 에지 특성만을 이용하여 빠르고 효율적으로 차량을 검출하는 방법을 제안한다. 차량을 포함하는 입력영상의 긴 수직 에지 성분을 찾아 차량의 후보 영역을 결정한다. 영상의 에지 성분의 누적 대신 연속적으로 나타나는 긴 수직 에지 성분을 찾음으로써 차량의 후보 영역의 검출과 동시에 중요한 정보를 담고 있는 도로와 접하는 차량의 하단부를 함께 검출한다. 후보 영역 내에서 차량과 비 차량을 구분하는 검증 단계에서는 차량의 후면의 대칭성(Symmetry)을 이용하여 후보 영역 내에서 차량이 있을 가능성이 있는 바닥 점 위에서 좌측과 우측의 유사도(Matching rate)를 이용하여 차량과 비 차량을 판별한다. 기존의 템플릿 기반 방법이나 외관 기반 방법이 아닌 에지 성분만을 이용하여 후보 영역을 결정하고 검증하기 때문에 다른 검출 기법들에 비해 비교적 검출 시간이 짧고 실시간 차량 검출에 적합하다.

• 한국지능시스템학회논문지
• /
• 제23권3호
• /
• pp.249-255
• /
• 2013

본 논문에서는 해양 환경에서 획득한 IR 영상으로부터 웨이블렛 변환을 이용한 크기 변화에 무관한 물표 탐지 알고리즘을 제안한다. 모폴로지 연산을 이용하여 영상의 잡음을 제거한 후 2-D 이산 Haar 웨이블렛 변환(DHWT) 기법을 통해 수평 방향 에지(HL), 수직 방향 에지(LH), 대각선 방향 에지(HH) 영상들을 생성한다. 해양 환경을 고려하여, 웨이블렛의 각 레벨에서 수평과 수직 에지 영상을 가우시안 블러링을 수행하고 블러링된 수직 및 수평 에지들을 서로 곱하여 하나의 영상으로 결합하여 saliency map을 생성한다. 그런 다음 saliency map을 이진화 하여 물표 후보 영역을 추출한다. 마지막으로 물표 후보 영역에서 소영역 제거를 통해 최종적인 물표 영역을 추출한다. 실험결과에서는 제안된 알고리즘의 타당성을 보인다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 춘계학술대회 학술발표 논문집 제14권 제1호
• /
• pp.192-197
• /
• 2004

본 논문에서는 수평ㆍ수직 에지의 형태학적 정보를 이용한 차량 번호판 추출과 개선된 RBF 네트워크를 이용한 차량 번호판 인식 시스템을 제안한다. 번호판 영역은 수평ㆍ수직 에지의 형태학적 정보를 이용하여 추출하고 개별 문자는 히스토그램 방법과 위치 정보를 이용한 방법에 윤곽선 추적 알고리즘을 병합하여 추출한다. 개별 문자 인식은 ARTI 알고리즘을 개선하여 지도 학습 방법과 결합한 개선된 신경망을 제안하여 차량 번호판 인식에 적용한다. 제안된 방법의 성능을 확인하기 위하여 트루 컬러 차량 영상 155개와 그레이 컬러 차량 영상 100개를 대상으로 실험한 결과, 수평ㆍ수직 에지의 형태학적 정보를 이용한 차량 번호판 추출 방법이 임계화를 이용한 차량 번호판 추출 방법, RGB와 HSI 컬러 정보를 각각 이용한 차량 번호판 추출 방법보다 추출률이 개선되었으며, 인식 성능도 개선된 신경망의 학습 알고리즘이 기존의 학습 알고리즘들보다 우수한 성능이 있음을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권9호
• /
• pp.69-76
• /
• 2011

해양 안전 사고 관련 연구에 의하면 선박 충돌 사고의 약 60%는 인적 요인에 의한 운용상의 실수로 인해 발생되고 있으며, 특히 항해사의 견시 소홀로 인한 사고는 인적 요인으로 인한 사고의 66.8%에 달하는 것으로 보고되고 있다. 그러므로 주야간을 막론하고 우천이나 안개 속에서도 거의 변함없는 화질을 보이는 IR 영상으로부터 자동으로 물표를 탐지하고 추적할 수 있다면 항해사의 근무 피로를 경감시키면서 인간 시각 특성의 불완전성을 보완할 수 있어 선박의 안전항행을 위한 중요 정보로 사용할 수 있다. 본 논문에서는 해양 IR 영상으로부터 선박, 암초, 부이와 같은 해상 물표를 탐지하기 위한 기법을 제안한다. 해양 영상에서 대부분의 에지 방향은 수평이며, 수직 방향의 에지는 대부분 물표 영역에서만 집중적으로 발견된다. 또한 물표와 해수면이 만나는 영역에는 수평 방향의 에지가 존재한다. 제안된 방법은 물표 추출을 위해해양 환경에서만 발견되는 이런 에지의 특징을 이용한다. 먼저 주어진 입력 IR 영상으로부터 에지를 추출하여 수평, 수직 에지로 분리한 다음 고립되어 있는 에지들을 제거한다. 그런다음 수직 에지에 대하여 모폴로지 닫힘 연산을 이용하여 물표를 구성하는 수직 에지들을 서로 연결하여 물표 후보 영역을 얻는다. 물표 후보 영역 중 아래에 수평에지 영역이 존재하는 영역은 해수면 바로 위의 물표를 의미하기 때문에 물표 후보 영역과 바로 아래의 수평 에지를 통합하여 기준 영역으로 삼고, 이 기준 영역을 기준으로 좌, 우, 위의 물표 후보 영역들을 통합하여 최종 물표를 얻는다.

• 한국컴퓨터정보학회논문지
• /
• 제15권10호
• /
• pp.35-47
• /
• 2010

본 논문은 에지를 이용한 차량 검출 시 검출률 향상을 위해 부정확한 에지 정보를 보완하는 확장 에지 분석 기법을 제안한다. 차량은 영상에서 차량이 지면과 닺는 경계면과 좌우 경계선을 이용하여 검출한다. 제안하는 확장 에지 분석기법은 차량과 지면의 경계선을 표현하는 수평 에지가 조명이나 잡음 등으로 인해 부정확하게 얻어지는 문제를 해결하기 위해 수평에지를 양방향으로 확장하여 차량 양쪽의 경계선인 두 개의 수직에지 성분과 교차하는 점을 찾는 방법이다. 즉, 미리 설정된 관심영역 내에서 인접한 수평에지 정보를 이용하여 에지를 융합하거나 분리하는 방법을 통해 수평에지를 추출하고 추출된 수평에지 영역에서 차량 그림자 영역을 검출하여 차량 바닥선을 결정한다. 차량의 폭은 수평에지와 교차하는 수직에지들 중에서 좌우 대칭을 형성할 수 있는 에지들과 차간 거리를 고려하여 결정한다. 확장 에지 분석기반 차량 검출 기법은 복잡한 배경을 갖는 도로 영상에서 기존의 에지 정보를 이용한 차량 검출 방식보다 효율적이다. 본 논문에서 제안하는 차량 검출 기법의 우수성은 복잡한 도로 영상에서 차량 검출 실험을 통해 검증하였다.

• 한국정보통신학회논문지
• /
• 제23권9호
• /
• pp.1146-1151
• /
• 2019

히스토그램 H는 가장 왼쪽 수직 에지와 가장 오른쪽 수직 에지를 연결하는 기저라고 불리는 하나의 수평 에지를 가진 x-단조 직교 다각형이다. 여기서 직교 다각형은 수평과 수직 에지들만을 가진 다각형이고, x-단조 다각형 P는 x-축에 수직인 모든 직선이 P와 많아야 두 번 교차하는 성질을 만족하는 다각형이다. 히스토그램 H의 테두리 선을 따라 반시계방향으로 움직이면, 꼭짓점에서 왼쪽 회전과 오른쪽 회전의 수열을 얻는다. 역으로, 꼭짓점에서의 회전들로 이루어진 수열이 히스토그램에 의해서 구현될 수 있다. 이 논문에서 우리는 주어진 회전 수열을 구현하는 히스토그램을 찾는 문제를 다룬다. 특별히 면적을 최소화하는 히스토그램과 구속 상자를 최소화하는 히스토그램을 찾을 것이다. 두 문제 모두 선형 시간 알고리즘들에 의해 풀리는 것을 보일 것이다.

• 한국정보통신학회논문지
• /
• 제7권3호
• /
• pp.506-512
• /
• 2003

영상 인식에 있어 에지는 중요한 부분을 차지하고 있으며, 에지 검출 방법에 대하여 많은 연구가 진행되고 있다. 그럼에도 불구하고 에지는 응용분야에 따라 검출 범위가 달라 정확한 에지 검출은 여전히 어려운 문제로 남아 있다. 이러한 해결해야할 문제 중 하나가 잡음이 존재하는 영상에서의 에지 검출이다. 본 논문에서는 퍼지 논리를 기반으로 같은 구조 안에서 잡음을 제거하고 에지를 검출하는 방법을 제시하였다. 제안한 방법은 두 단계로 이루어졌으며 첫 번째는 필터링 작업으로 3${\times}$3 마스크를 수직, 수평, 대각의 3방향으로 단순화하고 퍼지의 MIN-MAX 연산자를 이용하여 평균을 구한 뒤, 평균값을 적용하여 잡음이 존재하는 원 영상으로부터 잡음제거를 실행하고, 두 번째로 확장된 퍼지의 샤논 함수를 이용하여 에지 검출을 실행하였다.

• 한국정보통신학회논문지
• /
• 제9권3호
• /
• pp.684-689
• /
• 2005

본 논문에서는 수평$\cdot$수직 에지의 형태학적 정보를 이용한 차량 번호판 추출과 개선된 신경망을 이용한 차량 번호판 인식 시스템을 제안한다. 번호판 영역은 수평 수직에지의 형태학적 정보를 이용하여 추출하고 개별 문자는 히스토그램 방법과 위치 정보를 이용한 방법에 윤곽선 추적 알고리즘을 병합하여 추출한다. 개별 문자 인식은 ART-1 알고리즘을 지도 학습 방법과 결합한 개선된 신경망을 제안하여 차량 번호판 인식에 적용한다. 제안된 방법의 성능을 확인하기 위하여 실제 차량 번호판들을 대상으로 실험한 결과, 수평$GF(2^m)$수직 에지의 형태학적 정보를 이용한 차량 번호판 추출 방법이 임계화를 이용한 차량 번호판 추출 방법, RGB와 HSI 컬러 정보를 각각 이용한 차량 번호판 추출 방법보다 추출룰이 개선되었으며, 인식 성능도 개선된 신경망의 학습 알고리즘이 기존의 학습 알고리즘들 보다 우수한 성능이 있음을 확인하였다.

• 한국산학기술학회논문지
• /
• 제8권5호
• /
• pp.1135-1140
• /
• 2007

본 논문은 자연영상에서 문자의 크기와 방향에 무관한 적응적 문자-에지 맵을 이용한 에지-기반 텍스트 영역검출 알고리즘을 제안한다. 첫 번째로, 에지 이미지로부터 에지 레이블을 얻고, 레이블 이미지로부터 문자를 찾기 위해 배열문법을 이용하여 적응적 문자-에지 맵을 적용한다. 선택된 레이블은 이웃 레이블과의 거리를 기준으로 클러스터 된다. 그 결과 텍스트 후보 영역이 얻어진다. 최종적으로, 텍스트 후보 영역은 경험적 규칙과 텍스트 영역에 대한 수평/수직 프로파일을 분석함으로서 검증된다. 실험결과 제안한 알고리즘은 다양한 문자의 크기 변화, 문자열의 방향, 그리고 복잡한 배경에서도 강인한 텍스트 영역 검출 결과를 보였다.