• 한국컴퓨터정보학회논문지
• /
• 제19권6호
• /
• pp.11-17
• /
• 2014

초음파 영상은 미세한 명암도 차이 등에 의해 분석 과정에서 근육 영역의 위치와 크기를 판단하는데 어려움이 발생하고 이로 인해 근육 영역을 파악하는데 주관성이 개입된다. 본 논문에서는 근육 영역을 객관적으로 분석하기 위해ART2 신경망을 적용하여 양자화를 수행한 후, 국부적 영역에서 근육 영역을 추출한다. 초음파 영상에서 히스토그램 평활화와 엔드인 탐색 알고리즘을 적용하여 명암도의 분포와 밝기 값을 보정한 후, ART2 신경망을 이용하여 유사한 영역을 클러스터링 한다. 클러스터링 된 각 영역의 크기, 위치 및 명암도 정보를 분석하여 피하지방, 근막, 기타 배경 영역으로 분류한다. 최종적인 근육 영역은 근막 내부 객체들 간의 거리, 각도를 이용하여 추출된다. 실제 초음파 영상 대상 실험 결과, 일반적인 클러스터링 기법을 적용한 방법 보다 ART2 기반 양자화와 제안된 영역 확장 기법으로 근육 영역을 추출하고 분석하는 것이 효율적임을 확인하였다.

• Journal of information and communication convergence engineering
• /
• 제6권1호
• /
• pp.100-104
• /
• 2008

Generally, it is difficult to find constant patterns on identifiers in a container image, since the identifiers are not normalized in color, size, and position, etc. and their shapes are damaged by external environmental factors. This paper distinguishes identifier areas from background noises and removes noises by using an ART2-based quantization method and general morphological information on the identifiers such as color, size, ratio of height to width, and a distance from other identifiers. Individual identifier is extracted by applying the 8-directional contour tracking method to each identifier area. This paper proposes a refined ART2-based RBF network and applies it to the recognition of identifiers. Through experiments with 300 container images, the proposed algorithm showed more improved accuracy of recognizing container identifiers than the others proposed previously, in spite of using shorter training time.

• 한국정보통신학회논문지
• /
• 제12권10호
• /
• pp.1897-1902
• /
• 2008

영상에 나타난 콘크리트 표면의 균열은 그 획득 과정에서 빛이나 외부환경에 의해 훼손되는 경우가 발생한다. 또한 콘크리트 표면이 고르지 않고 균열과 표면의 명암도 차이가 거의 없기 때문에 정확한 균열을 검출하기 어렵다. 따라서 본 논문에서는 콘크리트 표면 영상을 밝기에 따라 여러 영역으로 구분하기 위해 ART2 기반 양자화를 적용한다. 양자화된 영역에서 균열과 잡음의 분포를 조사하여 균열과 잡음이 같이 존재하는 영역에서는 잡음 제거 과정을 수행한 후, 균열 후보 영역을 추출하고 균열 후보 영역에서 형태학적인 정보를 이용하여 잡음을 제거하여 최종 균열 영역을 검출한다. 실제 콘크리트 표면 균열 영상을 대상으로 실험 한 결과, 제안한 방법이 기존의 방법보다 콘크리트 표면의 밝은 영역에서 균열이 비교적 정확히 검출되는 것을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 추계학술발표논문집(상)
• /
• pp.919-922
• /
• 2004

본 논문에서는 칼라 정보 기반 영상 검색에서 양자화 과정을 거치면서 나타나는 문제점의 해결 방안으로 ART2 신경회로망을 이용한 양자화 방법을 제시한다. 영상을 양자화하면 비슷한 칼라를 가진 픽셀이 다른 칼라로 나누어지는 경우가 발생하여 영상 검색 성능을 떨어뜨린다. 따라서 본 논문에서는 양자화를 하기 전에 ART2 신경회로망을 이용하여 영상에 존재하는 여러 칼라들을 클러스터링하여 같은 클러스터 속한 비슷한 칼라의 픽셀들은 같은 칼라로 양자화되도록 하였다. 실험에서 영상 검색에 제안한 방법을 적용하였을 때, 검색의 성능 향상에 도움이 된다는 것을 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.398-403
• /
• 2007

초음파 영상은 미세한 명암도 차이 등에 의해 분석 과정에서 근육 영역의 위치와 크기를 판단하는데 어려움이 발생하고 이로 인해 근육 영역을 파악하는데 주관성이 개입된다. 본 논문에서는 근육영역을 객관적으로 분석하기 위해 ART2 신경망을 적용하여 양자화를 수행한 후, 국부적 영역에서 근육 영역을 추출한다. 초음파 영상에서 히스토그램 평활화와 엔드인 탐색 알고리즘을 적용하여 명암도의 분포와 밝기 값을 보정 한 후, ART2 신경망을 이용하여 유사한 영역을 클러스터링 한다. 그리고 클러스터링 된 각 영역의 크기, 위치 및 명암도 정보를 분석하여 피하지방, 근육 막, 기타 배경 영역으로 분류한다. 최종적인 근육 영역을 찾기 위해 근육 막 내부 객체들 간의 거리, 각도를 이용하여 근육 막 영역에 둘러싸인 근육 영역을 추출한다. 실제 초음파 영상을 대상으로 실험한 결과, 일반적인 클러스터링 기법을 적용한 방법 보다 ART2 기반 양자화와 제안된 영역 확장 기법으로 근육영역을 추출하고 분석하는 것이 효율적임을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 춘계종합학술대회 A
• /
• pp.379-385
• /
• 2008

콘크리트 건물의 보수 작업은 표면에 발생하는 균열을 정확하게 계측함으로써 비용적인 측면과 안전성이 결정된다. 하지만 표면에 발생한 균열은 대부분 점검자에 의해 수작업으로 계측되기 때문에 시간적 측면에서 비효율적이다. 따라서 본 논문에서는 콘크리트 슬래브 표면에 발생한 균열의 밝기와 밀도 그리고 면적 특징을 이용한 균열 검출 기법을 제안한다. 제안된 균열 검출 방법은 콘크리트 슬래브 표면의 명암도와 위치 정보를 ART2 기반 양자화에 적용한 후, 균열과 인접한 배경간의 명암도 차이를 이용하여 균열과 인접한 배경을 분리한다. 균열과 인접한 배경이 분리된 영상에서 형태학적인 정보를 이용하여 세부적인 잡음을 제거한 후에 최종적으로 균열 영역을 검출한다. 실제 콘크리트 균열 영상을 대상으로 실험한 결과, 다양한 콘크리트 균열 영상에서 기존의 방법보다 균열 검출 성능이 개선되었음을 확인하였다.

• 한국정보통신학회논문지
• /
• 제22권11호
• /
• pp.1428-1434
• /
• 2018

반려견의 백내장은 노화와 함께 자연스럽게 발병하며 적시에 치료하지 못하면 수술을 해야 하거나 실명이 될 수도 있다. 따라서 본 논문에서는 기존의 ART2 기반 반려견 백내장 추출 방법의 단점을 개선하기 위해서 FCM(Fuzzy C_Means) 알고리즘을 이용하여 백내장 의심 영역을 자동 추출하는 방법을 제안한다. 제안된 방법은 핸드폰 등 간편하게 촬영된 반려견의 안구 영상에 퍼지 스트레칭 기법과 Max-Min 기반 평균 이진화 기법을 적용하여 후보 영역을 이진화한다. 그리고 FCM 알고리즘을 적용하여 양자화한 후에 양자화 된 영역에서 밝기 평균 이진화 기법을 적용한다. 이 두 방법으로 이진화된 영상 (Max-Min 기반과 밝기 평균 이진화)을 AND로 연산한 후 잡음을 제거하여 백내장 의심 영역으로 추출한다. 기존의 ART2 방식의 백내장 추출 방법과 제안된 백내장 추출 방법을 45개의 백내장 영상을 대상으로 실험한 결과, 제안된 방법이 기존의 백내장 추출 방법보다 백내장 추출률이 개선된 것을 확인하였다.

• 경영과학
• /
• 제16권1호
• /
• pp.157-171
• /
• 1999

In a increasingly competitive marketplace, the manufacturing companies have no choice but looking for ways to improve productivity to sustain their competitiveness and survive in the industry. Recently cellular manufacturing has been under discussion as an option to be easily implemented without burdensome capital investment. The objective of cellular manufacturing is to realize many aspects of efficiencies associated with mass production in the less repetitive job-shop production systems. The very first step for cellular manufacturing is to group the sets of parts having similar processing requirements into part families, and the equipment needed to process a particular part family into machine cells. The underlying problem to determine the part and machine assignments to each manufacturing cell is called the cell formation. The purpose of this study is to develop a clustering algorithm based on the neural network approach which overcomes the drawbacks of ART1 algorithm for cell formation problems. In this paper, a generalized learning vector quantization(GLVQ) algorithm was devised in order to transform a 0/1 part-machine assignment matrix into the matrix with diagonal blocks in such a way to increase clustering performance. Furthermore, an assignment problem model and a rearrangement procedure has been embedded to increase efficiency. The performance of the proposed algorithm has been evaluated using data sets adopted by prior studies on cell formation. The proposed algorithm dominates almost all the cell formation reported so far, based on the grouping index($\alpha$ = 0.2). Among 27 cell formation problems investigated, the result by the proposed algorithm was superior in 11, equal 15, and inferior only in 1.

• 한국정보처리학회논문지
• /
• 제4권7호
• /
• pp.1749-1758
• /
• 1997

전력수요의 예측은 예측기간에 따라 중장기 전력수요 예측과 단기 부하 예측으로 구분할 수 있다. 기존의 단기 부하예측은 주로 역전파 알고리즘(back propagation algorithm)다층퍼셉트론을 이용하여 예측을 하였으나 이는 학습시간이 많이 걸릴 뿐만 아니라 학습도중에 지역최소점(local minima)에 빠져 학습이 계속되지 못한다는 문제가 있다. 본 논문은 이러한 역전파 알고리즘의 문제점을 해결할 수 있는 방법으로 Radial Basis 함수(Radial Basis Function)를 이용하여 동적 단기부하 예측 모형을 제안한다. Radial Basis 함수는 하나의 은닉층(hidden layer)을 갖고 있으며, 전방향(feed-forward)학습을 한다는 특징이 있다. 본 논문에서 제안한 단기 부하 예측모형은 학습을 하기 위하여 시간대별 부하량을 클러스터링 하고, 이 클러스터의 중심값을 Radial Basis 함수의 은닉층으로 하여 학습을 한 다음 예측하고자 하는 패턴을 한 단위로 하여 시단대별로 예측하였다. 기존의 연구에서의 클러스터링 방법으로는 통계학의 K-Means 방법이나 Kohonen의 LVQ(Learning Vector Quantization)을 주로 이용하였으나 본 논문에서는 패턴의 분류에 있어서 다른 알고리즘보다 편차가 작은 Pal, et. al.의 GLVQ(Generalized LVQ) 알고리즘을 이용하였다. 본 논문에서 이용한 데이타는 1995년 3월 1일-3일, 6월 1일-3일, 7월 1일-3일, 9월 1일-3일, 11월 1일-3일의 72시간 데이타를 입력하여 월별 4일의 24시간의 예측시간으로 예측하였다. 실험결과 월별 1일과 3일까지의 학습데이타로 1시간 후의 부하량을 24시간동안 예측한 결과 1.3795%의 평균 오차율로 예측하였다.