• 정보처리학회논문지B
• /
• 제10B권7호
• /
• pp.815-822
• /
• 2003

지문영상의 품질 향상과 특징점 정합은 자동 지문인식 시스템의 중요한 두 단계이다. 본 논문에서는 특징점의 연결정보를 사용한 지문인식 기법을 제안한다. 인식 과정은 전처리와 특징점 추출, 그리고 특징점 pairing을 기반으로 한 정합의 세 단계로 이루어져 있다. 정확성을 위해 세선화된 이미지로부터 지문의 특징점을 추출한 후에, 특징점의 연결정보를 사용한 정합과정을 소개한다. 특징점 정합과정에서 연결정보를 사용하는 것은 간단하지만 정확한 방법이며, 두 지문의 비교단계에서 낮은 비용으로 기준 특징점 쌍을 선택하는 문제를 해결해 준다. 알고리즘은 지문의 회전과 이동에 무관하다. 정합 알고리즘은 반도체 칩방식 지문 입력장치로부터 획득한 500개의 지문영상으로 실험하였으며, 실험 결과는 기존 방법보다 오인식율은 줄어들고 정확도는 증가하였음을 보여준다.

• 대한전자공학회논문지SP
• /
• 제41권6호
• /
• pp.9-18
• /
• 2004

본 논문에서 우리는 시차공간영상 (disparity space image)을 이용한 새로운 스테레오 정합 방법을 제안한다. 본 논문에서는 실측 제어점 대신 영상 안에서 특징점을 추출하여 정합영역을 설정하였고, 간단한 비용행렬을 정의하였다. 그리고 정합 속도를 증가시키기 위해 화소 단위의 정합을 이용하였다. 화소 단위의 정합은 정합 속도는 향상시키지만, 주변 영역을 이용하지 않기 때문에 정합의 정확성이 낮아진다. 이러한 단점을 보완하기 위해 시차공간영상의 특성을 이용하여 정합경로를 확대시켜서 주변 영역을 최대한 이용하였다. 또한, 현재 위치에서 이전과 이후의 시차공간영상을 체적화하여 전후의 시차공간영상을 이용함으로써 정합의 정확도를 더욱 향상시키는 정합 보정 모듈을 추가하였다. 본 논문에서 제안된 알고리즘은 다양한 영상에 적용하여 실험하였고, 그 결과 제안된 방법의 우수한 성능을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.907-917
• /
• 2019

최근 국토 모니터링, 지형 분석 등 많은 분야에서 고해상도 위성영상의 수요가 증가와 함께 기하보정의 필요성이 증가하고 있다. 자동 정밀 기하보정 방법으로 GCP(Ground Control Point) 칩과 위성영상간의 정합을 통해 지상기준점을 자동으로 추출하는 방법이 있다. 자동 정밀 기하보정은 GCP 칩과 위성영상의 정합 성공률이 중요하다. 따라서 제작된 GCP 칩의 정합 성능 평가가 중요하다. GCP 칩의 정합 성능 평가를 위해 국토관측 위성용으로 구축된 총 3,812점의 GCP 칩을 실험 자료로 사용했다. KOMPSAT-3A 영상과 Google Map의 GCP칩 정합 결과를 분석한 결과 유사한 결과를 얻을 수 있었다. 따라서 Google Map 위성영상으로 고해상도 위성영상을 충분히 대체할 수 있다고 판단했다. 또한 GCP 칩의 정합 성능 검증에 필요한 시간을 줄이기 위해 자동화된 방법으로 Google Map의 중심점과 오차 반경을 이용한 방법을 제시했다. 실험 결과 최적의 오차 반경은 17 pixel(약 8.5 m)로 설정하는 것이 가장 좋은 분류 정확도를 보였다. Google Map 위성영상과 자동화된 검증 방법으로 남한 전역에 구축된 GCP 칩 3,812개의 정합 성능 평가를 진행했으며 남한에 구축된 GCP 칩은 약 94%의 정합 성공률을 보였다. 이후 정합에 실패한 GCP 칩을 분석하여 주요 정합 실패원인을 분석하였다. 분석 결과 남한 전역에 구축된 GCP 칩 중 재제작이 필요한 GCP 칩을 제외한 나머지 GCP 칩은 국토위성영상 자동 기하보정에 충분히 사용할 수 있다.

• 대한원격탐사학회지
• /
• 제39권6_3호
• /
• pp.1707-1720
• /
• 2023

위성 시계열 데이터가 증가함에 따라 원격탐사 자료의 활용도가 높아지고 있다. 시계열 자료를 통한 분석에 있어 영상 간의 상대적인 위치 정확도는 결과에 큰 영향을 미치기 때문에 이를 보정하기 위한 영상 정합 과정은 필수적으로 선행되어야 한다. 최근에는 기존 알고리즘의 성능을 상회하는 딥러닝 기반 영상 정합 연구의 사례가 증가하고 있다. 딥러닝 기반 정합 모델을 학습하기 위해서는 수 많은 영상 쌍이 필요하다. 또한, 기존 딥러닝 모델의 데이터 간의 상관도 map을 제작하고, 이에 추가적인 연산을 적용하여 정합점을 추출는데 이는 비효율적이다. 이러한 문제를 해결하기 위해 본 연구에서는 영상 정합 모델 학습을 위한 데이터 증강 기법을 구축하여 데이터셋을 제작하였고, 이를 오프셋(offset) 양 자체를 예측하는 정합 모델인 OffsetNet에 적용하여 KOMSAT-2, -3, -3A 영상 정합을 수행하였다. 모델 학습 결과, OffsetNet은 평가 데이터에 대해 높은 정확도로 오프셋 양을 예측하였고, 이를 통해 주영상과 부영상을 효과적으로 정합하였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1257-1271
• /
• 2022

최근 많은 수의 지구관측용 광학위성이 개발되어 위성영상에 대한 수요가 증가하고 있다. 따라서, 위성영상의 활발한 활용을 위해서 신속한 전처리 과정이 요구된다. 위성영상 정합은 두 영상을 하나의 특정한 좌표계로 변환하여 등록하는 기술로서 원격탐사 분야에서 영상정합 기술은 서로 다른 대역의 영상을 정렬하거나, 두 위성영상 간의 상대적인 위치 오차를 수정하는데 사용된다. 본 논문에서는 서로 다른 Ground Sample Distance (GSD)를 가지는 위성영상 간의 자동 영상정합 방법을 제안하였다. 제안방법은 개선된 특징점 매칭방법과 강인한 변환모델 추정기법을 기반으로 하며, 다음과 같이 5가지 처리과정으로 구성된다: 중첩 영역 계산, 개선된 특징점 탐지, 특징점 매칭, 강인한 변환모델 추정, 영상 리샘플링. 특징점 탐지를 위해서 중첩영역을 추출하여 두 영상의 GSD가 유사하도록 영상 리샘플링을 수행하였다. 특징점 매칭 단계에서는, Oriented FAST and Rotated BRIEF (ORB) 알고리즘을 사용하여 영상정합 성능을 향상시켰다. 영상정합 실험은 KOMPSAT-3A와 RapidEye영상을 실험대상으로 수행되었으며 제안방법의 성능검증은 정성적, 정량적 두 가지 방법으로 수행되었다. 영상정합의 재투영오차는 RapidEye GSD를 기준으로 1.277 (8.3 m)에서 1.608 (10.452 m)의 픽셀 정확도를 보였다. 즉, 결론적으로, 제안방법을 통해 이종해상도 위성영상의 영상정합 가능성을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제10권4호
• /
• pp.203-211
• /
• 2005

본 논문에서는 대용량 DB에서 개인을 인식하는 새로운 자동 지문인식 시스템을 제안한다. 시스템은 전처리, 분류, 매칭의 3단계로 구성되는데, 분류단계에서는 방향성 이미지 분포의 통계적인 접근 방법에 기반한 새로운 분류기법을 제안하였고, 정합단계에서는 기존 알고리즘보다 더 빠르고 정확한, 개선된 특징점 후보쌍 추출 알고리즘을 제안하였다. 정확성을 위해 정합 단계에서 세선화된 이미지로부터 지문의 특징점을 추출하고 특징점의 연결정보를 사용한 정합과정을 소개한다. 특징점 정합과정에서 연결정보를 사용하는 것은 간단하지만 정확한 방법이며, 두 지문의 비교단계에서 빠르게 기준 특징점 쌍을 선택하는 문제를 해결해 준다. 알고리즘은 지문의 회전과 이동에 무관하다. 제안한 시스템은 반도체 칩방식 입력장치로부터 획득한 1000개의 지문영상으로 실험하였으며, 실험결과는 제안한 방법이 기존방법보다 오인식율은 줄어들고 정확도는 증가하였음을 보여준다.

• 방송공학회논문지
• /
• 제17권4호
• /
• pp.634-639
• /
• 2012

본 논문에서는 다수의 영상에서 발견된 특징점의 정확한 정합을 위한 비선형 최적화 기법을 제안한다. 영상에서 발견된 특징점은 선형 해법에 의해 다수의 영상간의 변환을 구할 수 있지만 큰 오차를 수반하게 된다. 이는 영상이 생성되는 모델이 비선형이며, 다수시점간의 운동역시 비선형의 형태를 띄기 때문이다. 하지만 다수의 영상의 비선형 최적화는 일반적인 비선형 해법을 도입하였을 때에는 복잡도가 지수적으로 증가하는 단점이 있다. 본 논문에서는 Levenberg-Marquardt 비선형 최적화 방법의 희박해법(Sparse solution)을 이용하여 다수의 특징점간의 변환을 구하는 방법을 보인다.

• 한국통신학회논문지
• /
• 제26권8B호
• /
• pp.1070-1077
• /
• 2001

본 논문은 여러 배경잡음에서 높은 성능을 나타내는 8 kbps CS-ACELP 부호화기의 음질개선방법에 관한 것이다. 파형정합방법을 이용하는 기존의 CELP 부호화기가 순수한 음성신호에 대해서는 우수한 음질을 제공하지만, 배경잡음에 대해서는 큰 음질저하를 가져온다. 따라서 본 논문에서는 음성신호뿐만 아니라 이러한 배경잡음에 대해서도 우수한 음질을 달성하는 에너지정합방법을 소개한다. 이 방법은 부가적인 비트를 요구하지 않으면서 효과적으로 음질을 개선한다. 실험 결과, 객관적 평가에서는 MSEGSNR이 0.01∼1.1dB 증가하였고, 주관적 평가에서는 MOS 점수가 평균 0.2, 최대 0.5점까지 증가하는 것으로 나타났다. 따라서 PPS 알고리즘을 적용한 부호화기의 음질이 최대 12%까지 향상되는 것으로 확인되었다.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2009년도 제38회 동계학술대회 초록집
• /
• pp.165-165
• /
• 2010

$1.55\;{\mu}m$ 대역의 레이저 다이오드를 제작하기 위해, InP(001) 기판에 InAlGaAs 물질을 장벽층으로 하는 InAs 양자점 구조를 분자선증착기 (MBE)를 이용하여 성장하고 구조 및 광학적 특성을 Double Crystal X-ray Diffraction (DCXRD), Atomic Force Microscopy (AFM), Photoluminescence (PL)을 이용하여 평가하였다. 일반적으로 InAlGaAs 물질은 고유한 상분리 현상 (Phase Separation)이 나타나는 특성이 있으며, 이는 양자점 성장에 중요한 요인으로 작용할 수 있다. 이러한 InAlGaAs 물질의 상분리 현상을 기판온도 ($540^{\circ}C$, $555^{\circ}C$, $570^{\circ}C$)를 비롯한 성장변수를 변화시켜 제어하고 InAs 양자점 형성에 어떠한 영향을 미치는지를 분석하였다. 540의 성장온도에서 InP(001) 기판에 격자정합한 InAlGaAs 장벽층이 성장온도를 $570^{\circ}C$로 증가시킬 경우 기판에 대하여 인장 응력 (Tensile Strain)을 받는 구조로 변화되었다. 인장응력을 받는 InAlGaAs 장벽층을 Ga Flux 양을 조절하여 격자정합한 InAlGaAs 층을 형성할 수 있었다. AFM을 통한 표면 형상 분석 결과, 서로 다른 기판온도에서 성장한 InAlGaAs 물질이 InP(001) 기판에 격자정합 조건일지라도 표면의 거칠기 (Surface Roughness)는 매우 다른 양상을 보였고 InAs 양자점 형성에 직접적으로 영향을 주었다. $570^{\circ}C$에서 성장한 InAlGaAs 위에 형성한 InAs 양자점의 가로방향 크기를 세로방향 크기로 나눈 비율이 1.03으로서, 555와 $540^{\circ}C$의 1.375 와 1.636와 비교할 때 모양 대칭성이 현저히 개선된 것을 알 수 있다. 상분리 현상이 줄어 표면 거칠기가 좋은 InAlGaAs 위에 양자점을 형성할 때 원자들의 이동도가 상대적으로 높아 InAs 양자점의 크기가 증가하고, 밀도가 감소하는 현상이 나타났다. 또한 InAlGaAs 장벽층이 InP(001) 기판을 기준으로 응력 (Compressive 또는 Tensile)이 존재하는 경우, InAs 양자점 모양이 격자정합 조건 보다 비대칭적으로 변하는 특성을 보여 주었다. 이로부터, 대칭성이 개선된 InAs 양자점 형성에 InAlGaAs 장벽층의 표면 거칠기와 응력이 중요한 변수로 작용함을 확인 할 수 있었다. PL 측정 결과, 발광파장은 $1.61\;{\mu}m$로 InAs 양자구조 형상에 따라 광강도 (Intensity), 반치폭 (Line-width broadening) 등이 변화 되었다.

• 한국정보전자통신기술학회논문지
• /
• 제4권3호
• /
• pp.174-181
• /
• 2011

본 논문에서는 적외선 위성영상과 광학 위성영상을 위한 정합방법을 제안하였다. 적외선 영상은 물체에서 방사하는 열에너지를 측정한 것으로, 광학 영상과는 다른 정보를 보여주는 장점으로 많은 분야에 응용된다. 하지만 적외선 영상은 대비가 광학 영상에 비해 낮아, 영상 정합을 위한 특징점 추출 및 매칭을 하기가 어렵다. 이를 극복하기 위해, Modifed SIFT(Scale Invariant Feature Transform)를 사용하여 특징점을 추출 및 매칭하였다. 또한 특징점의 상대적 변별력을 증가시키기 위해, 영상을 블록화해서 Modified SIFT와 RANSAC (RANdom SAample Concensus)을 적용하였다. 마지막으로 오매칭이 있는 블록의 특징점을 제거하기 위해, 각 블록에서 추출된 특징점을 원 영상의 좌표계로 통합해 RANSAC을 다시 한 번 적용하였다. 실험에 사용된 적외선 영상의 파장대역은 3~5um이며, 실험결과 제안된 방법은 적외선과 광학 영상정합에 강인한 성능을 보였다.