• 한국멀티미디어학회논문지
• /
• 제16권6호
• /
• pp.764-781
• /
• 2013

본 논문에서는 시차영상 생성과 레이블링(labeling)을 동시에 수행하는 빌보드 스윕 스테레오 시차정합 알고리즘을 적용하고, 두 단계로 구성된 복합 가설생성(hypothesis generation) 단계를 적용함으로서 거짓알림(false alarm)을 줄이고, 차량 검출의 정확도를 높이는 방법을 제안한다. 먼저 차량의 정면에 장착된 두 대의 카메라를 이용하여 영상을 획득하고, 이 영상을 사용하여 빌보드 스윕 스테레오 시차정합 알고리즘을 수행하여 지면과 배경이 제거된 장애물(obstacle)만이 존재하는 특수한 형태의 시차영상을 생성한다. 이렇게 생성된 지면과 배경이 제거된 레이블링된 시차영상을 이용하여 차량 검출 및 추적을 수행한다. 차량 검출 및 추적단계는 크게 세 단계로 나눠진다. 첫 번째 단계는 학습 단계로서 학습데이터로부터 Gabor필터를 사용해서 특징점을 추출하고, 추출된 특징점을 학습한 뒤 서포트 벡터머신 분류기를 생성하는 단계이다. 두 번째 단계는 스테레오 카메라의 영상 중 주 카메라의 영상으로부터 에지 정보를 추출하고, 지면과 배경이 제거된 시차 영상으로부터 얻어진 시차정보를 이용해서 차량이 존재하는 후보영역을 뽑은 뒤 서포트 벡터머신 분류기를 사용하여 차량을 검출하는 단계이다. 마지막 단계는 차량 추적단계로서 검출이 완료된 차량들은 다음 프레임에서 템플릿 매칭을 수행하여 추적한다. 이는 추적에 성공할 경우 다음 프레임의 차량 검출시 후보영역에서 배제함으로서 전체적인 차량 검출 성능을 향상시킨다.

• 한국정보통신학회논문지
• /
• 제6권8호
• /
• pp.1352-1357
• /
• 2002

본 논문에서는 차량의 후면에서 촬영한 영상을 이용하여 효과적으로 번호판을 추출하고, 그 안에 표기된 문자를 인식하는 방법을 제안한다. 기존의 연구방법은 전체영상에 대하여 전처리를 수행하여 에지(edge)영상을 구하여 이진화한다. 이진화된 영상에서 허프(Hough)변환을 수행하여 수평, 수직선을 구하고, 번호판의 특징을 이용하여 번호판 영역을 추출한다 이 방법의 문제점은 처리시간이 많이 소요되므로 실시간 처리가 곤란하다는 점과 야간관 같이 명암상태가 불규칙하고 영상에서 번호판 테두리가 나타나지 않으면 번호판 영역추출을 할 수 없다는 점이다. 또한 차량의 후면에서 촬영한 영상에서 번호판 영역의 명암값 변화의 특성을 이용하여 번호판 영역에서 숫자폭, 배경영역과 숫자영역의 명암차를 조사하여 숫자영역임을 확인하고, 확인된 숫자와 숫자사이의 거리를 조사하여 번호판 영역을 추출한다. 본 연구는 기존방법의 번호판 테두리 훼손에 따른 번호판 영역추출 실패의 문제점을 해결하고 시간 소요의 문제를 실시간 안에 처리함으로써 실용적 응용이 가능하다. 실험 결과 100장의 샘플영상으로 실험한 결과 멀리 있는 자동차 영상에서도 자동으로 번호판을 판독할 수 있었으며, 번호판 추출에 실패한 영상은 13%를 나타내었고, 문자 인식에 실패한 영상은 0.4%의 결과를 나타내었다

• 인터넷정보학회논문지
• /
• 제10권6호
• /
• pp.99-111
• /
• 2009

영상분할은 그 결과가 영상의 해석에 있어 매우 중요한 영향을 미치게 되며, 영상 처리의 필수 불가결한 단계이다. 이처럼 영상분할은 그 중요성이 높은 반면에 기존의 영상분할 방법들은 객체 내 픽셀 값의 변화가 심하거나, 객체와 배경과의 경계가 불분명한 경우 영역 분할의 문제를 가져 오게 된다. 이는 다수의 객체들이 서로 인접하여 구성되었을 때 빈번하게 발생하는데, 본 논문은 이러한 다수의 객체들이 원형 성분을 가진 객체들로 이루어 졌을 때 원형객체의 기하학적 정보를 이용하여 단일 객체로 분할하는 알고리즘을 제안한다. 본 논문에서 제안하는 원형객체 분할 알고리즘은 총 4단계로 나누어진다. 그 중 첫단계는 인접한 원형객체의 외곽선 추출을 위한 단계, 두 번째 단계는 앞서 추출된 외곽선 정보를 이용하여 분할 후보점을 추출하는 단계, 세 번째 단계는 분할 후보점을 이용하여 대표 원들을 계산하는 단계, 끝으로 네 번째 단계는 계산된 대표 원들의 확장과 축소를 통하여 겹쳐지는 픽셀들을 기록해 이를 직선으로 연결하는 단계이다. 제안한 알고리즘의 성능 평가를 위해, 본 알고리즘과 목적이 가장 유사한 대표 세포 영상분할 알고리즘 3개와 비교하였고, 평가 방법은 분할된 영역의 개수 차와 내부 분할선의 비교 평가로 이루어졌다. 실험 결과, 가장 좋았던 Yan에 비해 개수 차는 16.7%, 내부 분할선의 정확도 평가는 21.8% 높은 것으로 나타났다.

• 한국컴퓨터정보학회논문지
• /
• 제14권3호
• /
• pp.93-101
• /
• 2009

본 논문에서는 웨이블릿 변환 된 고주파 서브밴드들의 에지 정보를 이용하여 관심 객체 영역을 고속으로 자동 검출해주는 새로운 알고리즘을 제안하였다. 제안된 방법에서는 에지정보를 이용하여 블록단위의 4-방향 객체 윤곽탐색 알고리즘(4-DOBS)을 수행하여 관심객체를 검출한다. 전체 이미지는 $64{\times}64$또는 $32{\times}32$ 크기의 코드 블록으로 먼저 나누어지고, 각 코드 블록 내에 에지들이 있는지 없는지에 따라 관심 코드블록 또는 배경이 된다. 4-방향은 바깥쪽에서 이미지의 중앙으로 탐색하고, 피사계 심도가 낮은 이미지는 중앙으로 갈수록 에지가 발견된다는 특징을 이용한다. 에지를 모두 발견하면 내부의 이미지 블록은 모두 관심영역으로 간주하고, 이 블록들은 빠르게 마스킹되어 서버로 전송되어 동적 ROI를 제공한다. 이는 기존 방법들의 문제점이였던 복잡한 필터링 과정과 영역병합 문제로 인한 높은 계산 복잡도를 상당히 개선시킬 수 있었고, 블록 단위의 처리로 인하여 실시간 처리를 요하는 응용에서도 적용 가능하였다.

• 한국통신학회논문지
• /
• 제29권8C호
• /
• pp.1159-1174
• /
• 2004

본 논문에서는 PDA에 장착된 카메라를 사용하여 획득한 명함 영상에 대한 효율적인 영역 해석 알고리듬을 제안한다. 제안된 방법은 크게 영역 분할, 정보 영역 분류, 문자 영역 분류의 3개 과정으로 구성된다. 영역 분할에서는 입력 명함 영상을 8${\times}$8 크기의 블록으로 나누고 각 블록을 저주파 대역에서의 정규화 된 DCT 계수의 에너지를 이용하여 정보 블록과 배경 블록으로 분류한 다음, 블록에 대한 영역 라벨링을 통하여 정보 영역과 배경 영역으로 분할한다. 정보 영역 분류에서는 각 정보 영역을 블록 신호의 수평, 수직 방향 에지 성분과 저주파 대역에서의 DCT 계수의 에너지 비와 이진화 된 정보 영역 내에서의 흑화소인 정보 화소의 밀도를 이용하여 문자 영역과 배경 영역으로 분류한다. 문자 영역 분류에서는 분류된 문자 영역을 정보 화소의 밀도와 평균 런 길이를 이용하여 다시 큰 문자와 작은 문자 영역으로 분류한다. 실험결과 제안된 영역 해석 방법은 여러 종류의 명함을 다양한 주변 여건에서 PDA로 획득한 시험 영상에 대하여 정보 영역과 배경 영역을 잘 분할하고, 정보 영역을 문자 영역과 그림 영역으로 잘 분류하며, 다시 문자 영역을 큰 문자와 작은 문자 영역으로 잘 분류함을 보였다 그리고 제안된 영역 분할 방법과 정보 영역 분류 방법은 기존의 방법들보다 각각 약 2.2-10.1%와 7.7%의 에러율 향상을 보였다.

• 한국멀티미디어학회논문지
• /
• 제8권11호
• /
• pp.1496-1509
• /
• 2005

본 논문에서는 투영면 컨벌루션과 결정트리 분류기법을 사용하여 주변 환경이 복잡한 차량영상으로부터 실시간으로 번호판을 추출하고 인식하는 적응적 차량번호판 인식 시스템을 제안하였다. 일반적으로 고속도로 톨게이트와 주차장 출입구에서의 차량영상은 설치 카메라와 도로 환경에 따라 차량번호판의 크기, 각도변화, 주변잡음 등으로 매우 다양하므로 번호판 추출과 분할이 어렵다. 따라서 본 논문에서는 차량 영상을 획득한 후 번호판 후보영역을 검출하고 진입 위치 변화에 따라 번호판의 기울기와 크기를 자동으로 보정하여 인식하는 알고리즘을 제안하였다. 제안한 인식 방법은 차량의 에지누적 분포와 번호판의 일정한 명암값 변화 빈도수를 누적한 투영면 컨벌루션과 체인코드를 사용하여 크기와 기울기가 일정하지 않은 번호판으로부터 번호판영역을 정확히 추출하고, 적응적 이진화 기법을 이용하여 문자를 분할하였다. 본 논문에서 제안한 방법으로써 실험한 결과 복잡한 영상에서 전방 및 후방 차량영상으로부터 번호판 인식이 가능하였으며 각각 $98.8\%$와 $95.5\%$의 추출률과 분할된 문자영역에서 $97.3\%$와 $96\%$의 인식률 개선 결과를 나타내었다.

• 대한전자공학회논문지SP
• /
• 제45권2호
• /
• pp.1-9
• /
• 2008

본 논문은 스테레오 영상에서 물체영역을 추출하기 위하여 변위정보와 밝기정보를 함께 사용하는 개선된 물체 추출 알고리즘을 제안한다. 변위정보와 밝기정보를 이용하여 물체를 추출하는 기법은 Ping과 Chaohui에 의해 연구된 바 있으며 이들의 기법은 입력영상 밝기기반으로 분할하고 분할된 영역 내의 변위정보를 고려하여 분할영역을 병합한다. 그러나 물체와 배경의 밝기 값이 비슷한 경우, 분할영역은 물체영역과 배경영역을 동시에 포함하게 됨으로써 분할영역 단위의 병합은 물체영역 추출의 오류를 야기한다. 이 문제를 해결하기 위해서 제안된 기법에서는 화소단위의 병합을 수행한다. 또한 변위정보의 신뢰도를 높이고 단방향 정합의 부족한 변위정보를 보완하기 위하여 양방향 스테레오 정합을 구현하며, 변위 탐색의 진행 여부는 입력영상의 기울기 성분, 즉 물체의 경계정보로부터 결정한다. 제안된 물체추출 알고리즘은 기존 방법에서 추출되지 않은 변위정보를 탐색함으로써 우수한 물체추출 성능을 보인다. 최종적으로 스테레오 카메라를 이용하여 획득한 실사영상에 대한 실험으로 제안된 방법의 성능을 평가한다.

• 한국컴퓨터정보학회논문지
• /
• 제11권2호
• /
• pp.25-33
• /
• 2006

본 논문에서는 영상을 자동적으로 객체와 비객체 영상으로 분류하는 방법을 제안한다. 객체 영상은 객체를 포함하는 영상이다. 객체는 영상의 중심 부근에 위치하고 주변 영역과는 상이한 칼라 분포를 가지는 영역들로 정의한다. 영상 분류를 위해 객체의 특징에 기반을 두고 네 가지 기준을 정의한다. 첫 번째 기준인 중심 영역의 특이성은 중심 영역과 주변 영역간의 칼라 분포의 차이를 통해 계산된다. 두 번째 기준은 영상 내의 특이 픽셀의 분산이다. 특이 픽셀은 영상의 주변영역보다 중심 부근에서 더욱 빈번하게 나타나는 상호 인접한 픽셀들의 칼라 쌍에 의해 정의된다. 세 번째 기준은 중심 객체의 평균 경계강도이다. 세 번째 기준은 분류 기준들중에서 가장 우수한 분류 성능을 나타내지만 특징값을 추출하기 위해서는 중심 객체를 추출해야 되는 많은 연산을 내포하고 있다. 이에 이와 비슷한 특성을 나타내는 네 번째 기준으로 영상 중심 영역에서의 평균 경계강도를 선택하였다. 네 번째 분류 기준은 세 번째 분류 기준에 비해 분류 성능은 조금 낮지만 빠르게 특징값을 추출할 수 있어 많은 데이터를 빠른 시간 내에 처리해야 되는 대규모 영상 데이터 베이스에 적용가능하다. 영상을 분류하기 위해 신경회로망 및 SVM을 사용하여 이들 기준들을 통합하였으며 신경회로망 및 SVM의 분류 성능을 비교하였다.

• 디지털융복합연구
• /
• 제10권3호
• /
• pp.167-172
• /
• 2012

본 논문에서는 단일 프레임 영상에 존재하는 객체를 Active Contour 기반의 영역 분할 과정을 거쳐 분할하였다. Active Contour는 영상에서 객체의 윤곽 형태를 검출해내는 것으로 다중 객체 분할을 위해 각 객체의 윤곽 형태를 검출해 낼 수 있도록 다중 탐색 시작점을 갖도록 하였다. 생성된 객체 별 윤곽 정보를 기반으로 이진화하여 초기 객체 영역을 생성하였다. 초기 객체 영역 내부의 홀 영역과 픽셀 값의 변화로 인한 내부 분할을 hole filling을 수행하여 보정함으로써 최종 객체 영역을 생성하였다. 제안한 기법은 기존 영역 기반 분할의 문제점인 잡음이나 경계선 부근에서 객체 분할이 정확히 이루어지지 않는 부분을 보완하였다. 제안 방법을 비교하기 위해 실제 영상에 기존에 제안된 객체 분할 방법과 제안한 방법을 각각 적용하여 비교하였다.

• 전자공학회논문지
• /
• 제49권9호
• /
• pp.353-361
• /
• 2012

본 논문에서는 트림 T형 용접너트의 생산 시스템 중 불량품을 자동으로 선별할 수 있는 자동 비전 선별기의 성능 개선에 관한 방법을 제안한다. 자동 비전 선별기는 용접너트의 영상 신호에 대해 히스토그램을 활용한 경계 판별 및 나사산 검출, 이진 모폴로지 연산(Binary morphology operation)을 활용한 얼룩 검출 등의 기법을 활용한 것이다. 이 비전 선별기 운영에 있어 주된 문제는 컨베이어 벨트 상의 오일 등에 의한 오염에 따른 획득 영상의 화질 저하에 따른 오동작이다. 이를 해결하기 위해 배경 영상과 너트 영상의 구분을 위한 마스킹 기법을 사용하여, 너트 영상 부분에만 히스토그램 평준화를 이용하여 너트 영상부분의 대비를 높이는 전처리 과정을 도입하였다. 이를 통해 배경 부분에서 장비의 오염에 의해 추출되는 특징들의 영향을 없애고 획득 영상의 화질 저하에도 불구하고 오동작의 비율을 10 % 에서 0.2 % 로 낮출 수 있었다.