• 대한전자공학회논문지SP
• /
• 제39권4호
• /
• pp.399-407
• /
• 2002

본 논문에서는 블록 기반으로 부호화된 영상에 대하여 블록 분류 (block classification)와 다층 퍼셉트론 (multi-layer perceptron, MLP) 모델을 이용한 적응적 블록화 현상 제거 알고리듬을 제안하였다. 제안한 방법에서는 각 블록을 DCT 계수의 분포 특성에 따라 네 개의 클래스로 분류한 다음, 인접한 두 블록의 클래스 정보에 따라 수평 및 수직 블록 경계 영역에 대하여 적응적으로 신경망 필터를 적용한다. 즉, 평탄한 영역, 수평 방향 에지 영역, 수직 방향 에지 영역, 및 복잡한 영역에 대하여 각각 서로 다른 신경망 필터를 수평 및 수직 방향으로 적용하여 블록화 현상을 제거한다. 모의 실험 결과를 통하여 제안한 방법이 객관적 화질 및 주관적 화질 측면에서 기존의 방법보다 그 성능이 우수함을 확인하였다.

• 디지털산업정보학회논문지
• /
• 제15권3호
• /
• pp.37-44
• /
• 2019

In this study, we propose the automatic extraction method of Rescue Requests from Drone Images. A central object is extracted from each image by using central object extraction method[7] before classification. A central object in an images are defined as a set of regions that is lined around center of the image and has significant texture distribution against its surrounding. In this case of artificial objects, edge of straight line is often found, and texture is regular and directive. However, natural object's case is not. Such characteristics are extracted using Edge direction histogram energy and texture Gabor energy. The Edge direction histogram energy calculated based on the direction of only non-circular edges. The texture Gabor energy is calculated based on the 24-dimension Gebor filter bank. Maximum and minimum energy along direction in Gabor filter dictionary is selected. Finally, the extracted rescue requestor object areas using the dominant features of the objects. Through experiments, we obtain accuracy of more than 75% for extraction method using each features.

• 한국통신학회논문지
• /
• 제32권10C호
• /
• pp.1000-1009
• /
• 2007

본 논문에서는 공간적인 디인터레이싱을 위한 컨텐츠 기반 적응적 보간 기법을 제안한다. 제안하는 알고리즘은 전처리와 컨텐츠 분석, 컨텐츠에 따른 적응적 보간의 3 단계로 구성된다. 또한 적응적 보간 방식으로써 변형된 에지기반 라인 평균 방식과 그레디언트 기반 방향성 보간, 윈도우 매칭 방식의 세 가지 보간 방식을 제안한다. 각각의 보간 방식은 공간적인 영상 특징에 따라 다양한 성능을 나타낸다. 따라서 각각의 보간할 픽셀 영역은 그레디언트 검출을 통해 영역 특징을 분석하고 네 가지 카테고리로 분류된다. 이러한 분류 결과를 기반으로 각각에 적합한 디인터레이싱 방법을 사용함으로써 최적의 성능을 구현할 수 있다. 다양한 영상에 대한 실험을 통해 제안한 방식이 기존의 방식에 비해 가장 좋은 성능을 보임을 확인하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 하계종합학술대회 논문집(4)
• /
• pp.66-69
• /
• 2000

In this paper, we proposed a postprocessing algorithm for quantization effects reduction in block coded images using the block classification and adaptive filtering. The proposed method consists of classification, adaptive inter-block filtering, and intra-block filtering. First, each block is classified into one of seven classes based on the characteristics of 8${\times}$8 DCT coefficients. Then each block boundary is filtered by adaptive inter-block filters according to the block classification. Finally for blocks which are classified into edge block, intra-block filtering is peformed. Experimental results show that the proposed method gives better results than the conventional methods from both a subjective and an objective viewpoint.

• 한국통신학회논문지
• /
• 제18권10호
• /
• pp.1546-1552
• /
• 1993

본 논문에서는 경사도 및 새로운 초기값을 이용한 적응 BTC를 제안하였다. 에지부분에서 발생되는 톱니 모양의 문제점을 줄이기 위해 구획의 등급을 결정하는 새로운 계수로서 sobel 연산자의 경사도를 이용하였다. 에지를 포함한 복잡한 영역에서 선택되는 4 레벨 양자화에서 발생되는 심한 양자화 오차를 줄이기 위해서 새로운 초기값을 정의하였다. 컴퓨터 모의실험을 통하여 제안방법이 기존의 적응 BTC보다 계산량이 간단하며, 에지 부분에서 톱니모양의 결점이 감소되었으며, 또한 PSNR이 개선됨을 확인하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권4호
• /
• pp.29-38
• /
• 2018

본 논문에서는 무릎 MR 영상에서 반월상 연골의 자동 위치화, 다중 아틀라스 기반 지역적 가중 투표를 통한 반월상 연골 분할 및 패치 기반 윤곽선 특징 분류를 통한 반월상 연골 자동 분할 방법을 제안한다. 첫째, 뼈와 무릎 관절 연골을 분할한 후 이를 이용하여 반월상 연골의 관심볼륨영역을 자동 위치화한다. 둘째, 반월상 연골의 관심볼륨영역에서 형상 및 밝기값 분포 가중치를 고려한 다중 아틀라스 기반 지역적 가중 투표를 통해 반월상 연골을 분할한다. 셋째, 밝기값이 유사한 측부 인대로의 누출을 제거하기 위해 형상 및 거리 가중치를 고려한 패치 기반 윤곽선 특징 분류를 통해 반월상 연골 분함을 개선한다. 제안 방법을 통한 분할 결과와 수동 분할 결과 간 다이스 유사계수는 내측 반월상 연골은 80.13%, 외측 반월상 연골은 80.81%를 보였으며 다중 아틀라스 기반 지역적 가중투표를 통한 분할 방법과 비교하여 내 측 및 외측 반월상 연 골 각각 7.25%, 1.31% 향상되었다.

• Smart Structures and Systems
• /
• 제32권3호
• /
• pp.179-193
• /
• 2023

This study explores an alternative to the existing centralized process for data anomaly detection in modern Internet of Things (IoT)-based structural health monitoring (SHM) systems. An edge intelligence framework is proposed for the early detection and classification of various data anomalies facilitating quality enhancement of acquired data before transmitting to a central system. State-of-the-art deep neural network pruning techniques are investigated and compared aiming to significantly reduce the network size so that it can run efficiently on resource-constrained edge devices such as wireless smart sensors. Further, depthwise separable convolution (DSC) is invoked, the integration of which with advanced structural pruning methods exhibited superior compression capability. Last but not least, quantization-aware training (QAT) is adopted for faster processing and lower memory and power consumption. The proposed edge intelligence framework will eventually lead to reduced network overload and latency. This will enable intelligent self-adaptation strategies to be employed to timely deal with a faulty sensor, minimizing the wasteful use of power, memory, and other resources in wireless smart sensors, increasing efficiency, and reducing maintenance costs for modern smart SHM systems. This study presents a theoretical foundation for the proposed framework, the validation of which through actual field trials is a scope for future work.

• 대한전자공학회논문지SP
• /
• 제46권5호
• /
• pp.48-55
• /
• 2009

실내외 영상 분류에 대한 연구는 밝기나 에지 정보와 같이 하위 레벨(low-level) 정보의 단순 결합을 이용하여 수행되어 왔다. 그러나 기존의 하위 레벨 영상 정보만을 기반으로 하는 실내외 영상 분류 방법은 다양한 콘텐츠를 극복하는데 한차가 군기 때문에 상위 레벨(high-level) 영상 정보를 함께 이용하는 방법에 대한 연구가 많이 진행되어 왔다. 이러한 연구의 대부분은 영상 내 하늘이나 수풀과 같은 영역을 검출하기 위해 별도의 알고리즘을 수행하기 때문에 특징 벡터의 차원을 증가시키거나 수행 속도를 저하시키는 문제점이 있다. 따라서 본 논문에서는 이러한 문제점을 극복하기 위해 효율적인 실내외 영상 분류 기법을 제안한다. 먼저 효과적인 특징 벡터를 생성하기 위해 영상을 5개의 하위 블록으로 나눈다. 각각의 블록에 대하여, 제안하는 에지 색상 방향 히스토그램(edge and color orientation histogram, ECOH) 기술사(descriptor)를 이용하여 해당 블록을 표현하고 모든 블록의 값을 연결하여 최종적으로 특징 벡터를 생성한다. 제안하는 알고리즘의 효율성과 강건함을 보이기 위해 1200개 이상의 다양한 실내외 영상을 사용하였으며, 학습을 통해 각 영역의 가중치를 결정하여 분류 성능을 향상 시켰다.

• 농업과학연구
• /
• 제47권2호
• /
• pp.205-217
• /
• 2020

In this study, a deep learning-based tillage boundary detection method for autonomous tillage by a tractor was developed, which consisted of image cropping, object classification, area segmentation, and boundary detection methods. Full HD (1920 × 1080) images were obtained using a RGB camera installed on the hood of a tractor and were cropped to 112 × 112 size images to generate a dataset for training the classification model. The classification model was constructed based on convolutional neural networks, and the path boundary was detected using a probability map, which was generated by the integration of softmax outputs. The results show that the F1-score of the classification was approximately 0.91, and it had a similar performance as the deep learning-based classification task in the agriculture field. The path boundary was determined with edge detection and the Hough transform, and it was compared to the actual path boundary. The average lateral error was approximately 11.4 cm, and the average angle error was approximately 8.9°. The proposed technique can perform as well as other approaches; however, it only needs low cost memory to execute the process unlike other deep learning-based approaches. It is possible that an autonomous farm robot can be easily developed with this proposed technique using a simple hardware configuration.

• 한국컴퓨터정보학회논문지
• /
• 제21권12호
• /
• pp.125-130
• /
• 2016

Automatic quality inspection by computer vision can be applied and give a solution to the pharmaceutical industry field. Pharmaceutical capsule can be easily affected by flaws like dents, cracks, holes, etc. In order to solve the quality inspection problem, it is required computationally efficient image processing technique like thresholding, boundary edge detection and segmentation and some automated systems are available but they are very expensive to use. In this paper, we have developed a dented capsule image processing technique using edge-based image segmentation, TLS(Total Least Squares) curve fitting technique and adopted low cost camera module for capsule image capturing. We have tested and evaluated the accuracy, training and testing time of the classification recognition algorithms like PCA(Principal Component Analysis), ICA(Independent Component Analysis) and SVM(Support Vector Machine) to show the performance. With the result, PCA, ICA has low accuracy, but SVM has good accuracy to use for classifying the dented capsule.