• 한국콘텐츠학회논문지
• /
• 제9권4호
• /
• pp.34-44
• /
• 2009

여러 시점에서 계측한 3차원 데이터의 통합은 3차원 모델링에 매우 중요한 기술이다. 기존의 표면통합 방법은 잡음에 민감하고 표면을 구성하는 정점들을 수정하기 때문에 응용에 따라 적합하지 않다. 본 논문에서는 표면의 지역적 지형을 이용하는 표면통합 방법을 제안한다. 제안하는 방법은 먼저 인접한 표면사이에서 일정 지형적 조건을 만족하는 외곽 정점의 쌍 즉, 대응정점들을 찾는다. 모든 대응정점들을 찾은 후 각 대응정점 별로 해당지역에 적합한 2차원평면을 구하여 대응정점과 그 주변 외곽정점들을 투영한다. 투영된 정점들을 연결하여 얻은 다각형을 삼각형 단위로 분할하여 인접한 표면 사이에 삽입함으로써 표면을 통합한다. 제안하는 방법은 지역적 지형을 이용하기 때문에 강건하고 표면의 정점을 수정하지 않기 때문에 간단하다. 본 논문에서는 또한 질감통합을 위해 원통투영(cylinder projection)을 통해 얻은 질감영상들을 얼굴 객체의 특성을 고려하여 구한 구분선을 따라 통합한다. 제안하는 질감통합 방법은 빠르다는 장점을 갖는다. 실세계 얼굴 객체에 대한 실험과 기존방법과의 비교를 통해 제안하는 방법의 간단함과 강건성을 보인다.

• 정보처리학회논문지B
• /
• 제17B권3호
• /
• pp.239-248
• /
• 2010

혈액 세포 영상에서 백혈구는 환자의 건강상태를 파악하는데 중요한 정보를 제공하며, 이를 통해 다양한 질병을 조기에 예측할 수 있다. 따라서 질병의 조기 예측을 위해 혈액세포에서 백혈구의 분리는 매우 중요한 단계이다. 본 논문에서는 중요도 맵과 단계적 영역 병합을 이용하여 혈액 세포 영상에서 백혈구를 자동으로 분할하는 기법을 제안한다. 백혈구 세포 영역은 염색물질에 의해 주변에 비해 두드러진 색상, 질감 정보를 가짐으로 이를 기반으로 중요도 맵(Saliency Map)을 만든다. 이를 통해 세포 영상에서 두드러진 영역을 찾아 sub-image를 분리하고, 각 sub-image에서 mean-shift 알고리즘을 적용하여 영역 클러스터링을 수행한다. Mean-shift 적용 후 얻은 클러스터들에 대해 단계적 영역 병합 알고리즘을 적용하고, 최종적으로 백혈구 핵으로 판단되는 단일 클러스터를 얻을 수 있다. 본 논문에서 제안한 방법은 혈액 세포 영상을 사용하여 테스트한 결과 71%의 핵 검출 정확도를 보였으며, 기존의 다른 알고리즘보다 뛰어난 성능을 나타내었다.

• 한국측량학회지
• /
• 제38권6호
• /
• pp.635-644
• /
• 2020

딥러닝(DL)을 이용한 객체인식, 탐지 및 분할하는 연구는 여러 분야에서 활용되고 있으며, 주로 영상을 DL 모델의 학습 데이터로 사용하고 있지만, 본 논문은 영상뿐 아니라 공간정보 특성을 포함하는 다양한 학습 데이터(multimodal training data)를 향상된 영역기반 합성곱 신경망(R-CNN)인 Detectron2 모델 학습에 사용하여 객체를 분할하고 건물을 탐지하는 것이 목적이다. 이를 위하여 적외선 항공영상과 라이다 데이터의 내재된 객체의 윤곽 및 통계적 질감정보인 Haralick feature와 같은 여러 특성을 추출하였다. DL 모델의 학습 성능은 데이터의 수량과 특성뿐 아니라 융합방법에 의해 좌우된다. 초기융합(early fusion)과 후기융합(late fusion)의 혼용방식인 하이브리드 융합(hybrid fusion)을 적용한 결과 33%의 건물을 추가적으로 탐지 할 수 있다. 이와 같은 실험 결과는 서로 다른 특성 데이터의 복합적 학습과 융합에 의한 상호보완적 효과를 입증하였다고 판단된다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(하)
• /
• pp.1087-1092
• /
• 2002

본 논문에서는 결정 트리 학습을 이용하여 뇌 MRI 시리즈를 분류하는 시스템을 제안한다. 영상으로부터 얻을 수 있는 정보에는 두 종류가 있다. 하나는 크기, 색상, 질감, 윤곽선 등 원 영상으로부터 직접 얻을 수 있는 하위레벨(low-level) 특징들이고, 다른 하나는 특정 개체의 존재유무, 여러 부위 사이의 공간적 관계 등 분할된 영상들에 대한 해석을 통하여만 얻을 수 있는 상위레벨(high-level) 특징들이다. 영상을 의미에 따라 분류하기 위해서는 학습 및 분류가 상위레벨 특징들을 기반으로 수행되어야 한다. 제안된 시스템에서는 결정 트리 학습을 이용하여 영상을 구성하는 요소를 학습하고 분류하며 그에 따라 영상 시리즈를 대표할 수 있는 상위레벨 특징을 추출하였다. 정상, 뇌경색, 뇌종양이 있는 뇌 MRI 시리즈에 대하여 분류 실험을 수행하였으며, 그 결과를 설명 하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 춘계학술대회 논문집
• /
• pp.25-28
• /
• 2007

본 논문은 KOMPSAT-2호 및 3호의 화상활용 일환으로 임반 단위의 임상정보 추출에 관한 시범연구이다. QuickBird 화상을 통해 획득한 결과를 요약하면, 첫째로 회색단계공발생 행렬(GLCM)에 기초한 질감(texture)매개변수 화상은 소나무림과 잣나무림의 임상판별을 가능하게 만든다. 단, 동령림 조건과 사면 방위에 무관한 상태의 추가연구가 요구된다. 둘째로 Matlab의 분수계(watershed)산법에 기초한 분할화상에서 소나물김과 잣나무림의 수관투명 면적 대소를 파악할 수 있다. 역시 동령림 조건하의 보충 연구가 필요하다. 셋째로 형태배율과 진원도(roundness)에 기초한 소나무림과 잣나무림의 구별에서 진원도에서는 차이의 유의성이 없고, 형태배율에서는 수관둘레의 불규칙에 의해 유의성있게 구분된다. 본 연구의 임상정보 추출기법은 정밀임업의 정량정보 제공에 기여할 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.340-342
• /
• 2001

본 논문은 유방질환 중에서 Duct(관)에 발생하는 유방 종양을 benign(양성종양)/DCIS (Ductal Carcinoma In Situ)/NOS(Invasive ductal carcinoma)로 자동 분류하기 위한 분류방법을 제안한다. 분류기 생성에서 가장 중요한 단계인 특징 추출단계에서는 wavelet 변환을 적용하였으며, wavelet 변환의 각 depth에 따라 분류기를 생성하여, depth와 생성된 분류기의 분류 정확도와의 상관관계를 비교.분석하였다. 현미경 100배 배율과 400배 배율의 유방 질환 영상을 1, 2, 3, 4단계(depth)의 wavelet 변환을 적용한 후, 분할된 서브밴드에서 GLCM을 이용하여 질감 특징(Entropy, Energy, Contrast, Homogeneity)을 추출하여, 이 특징값들을 조합하여 판별분석에 의해 분류기(classifier)를 생성한 후, 분류 정확도를 검증하였다. Benign/DCIS/NOS를 분류하려면 최소 3단계 이상의 wavelet 변환을 적용해야 하고, 400배 배율 영상보다는 100배 배율의 영상이 더 나은 결과를 보였다.

• 전자공학회논문지B
• /
• 제31B권12호
• /
• pp.51-58
• /
• 1994

Mathematical morphology based on set theory is easy to be implemented in parallel and can be applied to various fields in image analysis. Particularly mophological pattern spectrum can detect critical scales in an image object and quantify various aspects of the shape-size content. In this paper, texture classification using pattern spectrum based on morphological subband decomposition is porposed. The low-low band extracts pattern spectrum features, and the high-low, low-high, and high-high bands extrack the structural information. This approach has the advantages of efficient information extraction, less time-consuming, high accuacy, less computation, and parallel implementation.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 추계학술발표논문집 (상)
• /
• pp.233-236
• /
• 2001

멀티미디어 데이터의 증가와 마이닝 기술의 발전으로 인해 멀티미디어 마이닝에 대한 관심이 증가하고 있다. 본 논문에서는 특성국지화를 이용한 내용기반의 정보검색 기술과 다차원 데이터큐브 구축기술을 통해 멀티미디어 데이터에서 연관규칙을 찾아내는 멀티미디어 데이터마이닝 시스템 프로토타입을 제안한다. 특히 멀티미디어 데이터의 칼라, 질감 등 거시적인 이미지 성분 대신 이미지의 영역성과 유사성을 이용한 특성국지화방법을 이용하여 이미지를 분할함으로써 방대한 데이타에서 효과적인 내용기반의 정의 검색을 시행하고 검색한 벡터를 메타데이타로 한 데이스베이스를 구축한다. 그리고 데이터베이스에서 데이터간 연관규칙을 찾아내어 지식을 마이닝하는데 효과적인 다차원 데이터큐브를 구축하고 여기에 연관규칙 검색 알고리즘을 적용한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 제13회 춘계학술대회 및 임시총회 학술발표 논문집
• /
• pp.288-292
• /
• 2000

본 논문은 컴퓨터 그래픽 이미지의 데이터를 디지털화 하는 과정에서 Aliasing으로 인하여 손실된 Pixel 정보에 대해 동적 블럭으로 분할 연산하고 벡터 양자화, Gaussian 함수를 이용하여 손실된 정보들을 보간하여 해상도가 높아진 영상을 얻을 수 있는 새로운 Anti-Aliasing 알고리즘을 제시한다. Anti-Aliasing의 효과를 더욱 시각적으로 분별 할 수 있도록 하기 위해 Gray 레벨의 이미지로 실험을 하였고, 현재 Graphic을 지원하는 하드웨어 구조의 PC 기반에 변화 없이 적용할 수 있고, 이미지의 질감을 더욱 부드럽게 향상 시킬수가 있다.

• 한국산업정보학회논문지
• /
• 제11권1호
• /
• pp.77-85
• /
• 2006

본 논문에서는 내용기반 영상 분류를 위한 방법론으로써 신경망을 이용한 계층적 분류 방법을 제안한다. 분류 대상 영상은 인터넷상의 다양한 영상들 중에서 전경과 배경의 구분이 있는 객체 영상이다. 전처리 과정에서 영역 분할을 이용하여 영상 내에서 배경을 제거하고 객체 영역을 추출한다. 분류를 위한 특징으로는 웨이블릿 변환 후 추출된 형태 특징과 질감 특징을 이용한다. 추출된 특징 값들을 Principal Component Analysis(PCA)와 K-means를 이용해서 군집화 시키고 유사한 군집들을 묶으면서, 5단계의 계층적 분류기를 구성한다. 계층적 분류기는 BP를 학습 알고리즘으로 사용하는 59개의 신경망분류기로 구성된다. 배경을 제거하고 질감특징 중 가장 높은 분류율을 보이는 대각 모멘트를 사용하여 실험하였을 때, 100종류에서 각 10개씩, 총 1000개의 학습 데이터와 1000개의 테스트 데이터에 대하여 각각 81.5%와 75.1%의 정분류율을 보였다.