• 한국전자통신학회논문지
• /
• 제7권5호
• /
• pp.1033-1039
• /
• 2012

본 논문에서는 여러 장의 후판이 포함된 영상에서 고유값을 이용하여 직선 패턴을 검출하고 이를 바탕으로 각각의 후판을 인식하는 간단하면서도 정확한 알고리즘을 제안한다. 후판 영상으로부터 후판에 관련된 정보를 분석 및 인식하기 위해서 먼저 후판의 직선 에지를 검출한다. 후판 영상의 직선 에지 검출을 위해 제안하는 알고리즘에서는 마스크를 이용하여 전체 영상을 탐색하면서 에지 영상을 분석한다. 먼저 마스크에 위치한 에지 패턴의 픽셀들에 대한 공분산 행렬을 계산하고 공분산 행렬의 고유값과 에지 패턴의 통계적 특성과 기하학적인 특성 사이의 관계를 분석하여 직선 에지를 검출한다. 다음으로 직선 에지의 방향 정보와 원점에서의 거리 정보를 분석하여 전체 영상에서 각각의 후판을 검출한다. 다양한 후판 영상에 대해서 실험을 수행한 결과는 제안하는 알고리즘이 전체 영상에서 각각의 후판을 효과적으로 검출함을 보여준다.

• 한국정보과학회논문지:시스템및이론
• /
• 제34권12호
• /
• pp.665-682
• /
• 2007

라인 드로잉은 적은 표현으로 물체에 대찬 많은 정보를 줄 수 있다는 점 때문에 비사실적 렌더링 분야에서 중요시되고 있다. 하지만 라인 드로잉에 대한 연구는 이차원 영상에 비해 물체에 대한 정보가 충분한 삼차원 모델을 대상으로 주로 이루어졌다. 본 논문에서는 이차원 영상을 라인 드로잉 형태로 표현하는 효과적인 방법을 제시한다. 이를 위한 알고리즘은 크게 필터링, 선 연결, 스타일화 세 단계로 나뉜다. 필터링 단계에서는 영상의 어느 부분에 선이 그려질지를 우도 함수를 이용하여 예상한다. 선 연결 단계에서 필터링 결과를 클러스터링 및 그래프 검색을 이용하여 연결, 라인 스트로크들을 찾아낸다. 마지막 스타일화 단계에서는 찾아낸 라인 스트로크들을 곡선 근사, 텍스쳐 매핑 등을 이용하여 여러 비사실적 렌더링 형태로 표현한다. 이러한 방법을 이용하여 실제 이차원 영상에서 라인 스트로크를 얻고, 디테일 제어를 적용하여 여러 가지 원하는 스타일의 라인 드로잉을 만들 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제10권5호
• /
• pp.333-342
• /
• 2005

본 논문에서는 영상처리 및 인식 기술을 학생증 영상 인식에 적용하는 방법과 웹 환경에서 학생 정보를 관리할 수 있는 방법을 제안한다. 원 학생증 영상에서 가장 밝은 픽셀과 가장 어두운 픽셀에 대한 평균 밝기 값을 임계치로 설정하여 원 영상을 이진화하여 수평 방향으로 히스토그램을 수행하고 학번의 위치 정보를 이용하여 학번 영역을 추출한다. 추출된 학번 영역의 잡음을 제거하기 위하여 3$\times$3 마스크를 적용한 최빈수 평활화(smoothing)를 수행하여 잡음을 제거하고 수직 방향 히스토그램을 이용하여 개별 문자를 추출한다. 추출된 학번 문자의 인식은 ARTI 알고리즘을 개선하여 적용한다. 본 논문에서 제안하고 있는 개선된 ART1 알고리즘은 클러스터링하는데 있어서 임의의 패턴과 저장 패턴 사이의 불일치 허용도를 나타내는 경계 변수를 동적으로 설정함으로써 기존의 ART1 알고리즘을 개선한다. 인식 실험 결과, 개선된 ART1 알고리즘이 기존의 ART1 알고리즘보다 인식률이 개선되었다. 따라서 실험을 통해 인식 향상을 보인 제안된 학생증 인식 방법을 이용하여 웹 환경에서의 학사 관리 시스템을 개발하였다.

• 전자공학회논문지
• /
• 제50권1호
• /
• pp.225-231
• /
• 2013

본 연구에서는 PCA알고리즘을 이용한 최적 pRBFNNs 기반 나이트비전 얼굴인식 시스템을 설계 하고자 한다. 조명이 없는 주위 상태 하에서 조도가 낮기 때문에 CCD 카메라를 이용하여 영상을 획득하는 것이 어렵다. 본 논문에서는 낮은 조도에 의해 왜곡된 이미지의 품질을 나이트 비전 카메라와 히스토그램 평활화를 사용하여 향상시킨다. 그리고 얼굴과 비얼굴 이미지 영역 사이에서 얼굴 이미지를 검출하기 위하여 Ada-Boost 알고리즘을 사용한다. 추출된 고차원 특징 데이터를 저차원의 특징 데이터로 변환하기 위하여 데이터 차원축소 기법인 주성분 분석법(Principal Components Analysis; PCA)을 사용한다. 또한 인식 모듈로서 pRBFNNs(Polynomial- based Radial Basis Function Neural Networks) 패턴분류기를 소개한다. 제안된 다항식 기반 RBFNNs은 조건부, 결론부, 추론부 세 가지의 기능적 모듈로 구성되어 있다. 조건부는 FCM (Fuzzy C-means) 클러스터링을 사용하여 입력공간을 분할하고, 결론부는 분할된 로컬 영역을 다항식 함수로 표현한다. 그리고 차분진화 (Differential Evolution; DE) 알고리즘을 사용하여 모델의 파라미터를 최적화 한다.

• 한국지능시스템학회논문지
• /
• 제9권4호
• /
• pp.444-450
• /
• 1999

본 논문에서는 칼라로 입력된 문서 영상에서 문자 영역추출을 위하여 k-means을 이용한 클러스트링 알고리즘을 제안하였다. 칼라 영상의 클러스트링을 위해서 HIS 좌표계에 적합한 거리함수를 제안하였다. 이를 인식하기 위한 전처리 단계인 문자분리(segmentation)방법은 연결 화소를 이용한 개별문자 추출 알고리즘을 제안하였다. 본 알고리즘 에서는 문자분리방벙에서 접촉문자 (touching character)또는 겹친 문자(overlapped character)등과 같이 분리가 곤란한 문자를 개별문자로 분리하는 방법이다. 기존의 문자 분리방법에서는 투영(projection)dop 의한 방법과 외곽선(edge)추적에 의한 방법등을 사용하여 왔으나 제안된 방법은 문자열 추출후 한번의 투영으로 연결화소를 이용하여 개별문자를 추출한다. 문자 영역과 비 문자 영역을 구분하여 개발문자 추출을 한 결과 단순한 이진 영상이 아닌 칼라 영상에서의 문서 처리가 큰 의의가 있고 기존의 문서 처리기 보다 향상된 알고리즘인 것을 확인하였다.

• 대한전자공학회논문지TC
• /
• 제46권12호
• /
• pp.102-107
• /
• 2009

기술의 발달로 의료장비의 현대화가 이루어지고 PACS와 같은 시스템이 보편화되면서 디지털 의료영상처리 기술에 대한 관심이 높아지고 있다. 영역분할 기술은 디지털의료영상처리에서 첫 번째 단계로 필요한 전처리기술이다. 영역분할을 통하여 특정 부위가 종양, 부종, 파손 및 괴사세포와 같은 이상 현상을 나타내는 것을 조기에 발견할 수 있도록 해주고, 의사들이 적절한 처방을 내려줄 수 있도록 도와줄 수 있다. 특히 두뇌영상에서 백질, 회백질 및 CSF(cerebral spinal fluid)의 영역분할은 두뇌연구의 핵심기술이다. 이들 의료영상에서 기존의 윤곽선이나 영역 확장법은 애매한 경계선과 장기내의 물리적 특성이 비균질하여 영역분할의 실패율을 높게 한다. 퍼지기반의 영역분할 알고리듬은 불분명한 경계를 이루는 장기의 영역분할에 강하다고 알려져 있다. 본 연구에서는 자기공명영상이 강하게 나타내는 잡음에도 안정적인 퍼지기반의 영역분할 알고리듬을 제안하였다. 제안된 알고리듬은 이웃화소들을 군집시킬 때에 평균과 분산의 정보를 이용하여 최소한의 계산을 추가함으로써, 기존의 퍼지기반 영역분할 방법에 비하여 실패율이 대략 30% 이하로 낮은 것을 확인하였다.

• 한국의학물리학회지:의학물리
• /
• 제30권2호
• /
• pp.49-58
• /
• 2019

Purpose: Automated analytical systems have begun to emerge as a database system that enables the scanning of medical images to be performed on computers and the construction of big data. Deep-learning artificial intelligence (AI) architectures have been developed and applied to medical images, making high-precision diagnosis possible. Materials and Methods: For diagnosis, the medical images need to be labeled and standardized. After pre-processing the data and entering them into the deep-learning architecture, the final diagnosis results can be obtained quickly and accurately. To solve the problem of overfitting because of an insufficient amount of labeled data, data augmentation is performed through rotation, using left and right flips to artificially increase the amount of data. Because various deep-learning architectures have been developed and publicized over the past few years, the results of the diagnosis can be obtained by entering a medical image. Results: Classification and regression are performed by a supervised machine-learning method and clustering and generation are performed by an unsupervised machine-learning method. When the convolutional neural network (CNN) method is applied to the deep-learning layer, feature extraction can be used to classify diseases very efficiently and thus to diagnose various diseases. Conclusions: AI, using a deep-learning architecture, has expertise in medical image analysis of the nerves, retina, lungs, digital pathology, breast, heart, abdomen, and musculo-skeletal system.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1067-1076
• /
• 2020

In this paper, an unsupervised saliency guided change detection method using UAV and aerial imagery is proposed. Regions that are more different from other areas are salient, which make them more distinct. The existence of the substantial difference between two images makes saliency proper for guiding the change detection process. Change Vector Analysis (CVA), which has the capability of extracting of overall magnitude and direction of change from multi-spectral and temporal remote sensing data, is used for generating an initial difference image. Combined with an unsupervised CVA and the saliency, Principal Component Analysis(PCA), which is possible to implemented as the guide for change detection method, is proposed for UAV and aerial images. By implementing the saliency generation on the difference map extracted via the CVA, potentially changed areas obtained, and by thresholding the saliency map, most of the interest areas correctly extracted. Finally, the PCA method is implemented to extract features, and K-means clustering is applied to detect changed and unchanged map on the extracted areas. This proposed method is applied to the image sets over the flooded and typhoon-damaged area and is resulted in 95 percent better than the PCA approach compared with manually extracted ground truth for all the data sets. Finally, we compared our approach with the PCA K-means method to show the effectiveness of the method.

• 한국측량학회지
• /
• 제34권6호
• /
• pp.559-568
• /
• 2016

For the economic management of photovoltaic power plants, it is necessary to regularly monitor the panels within the plants to detect malfunctions. Thermal infrared image cameras are generally used for monitoring, since malfunctioning panels emit higher temperatures compared to those that are functioning. Recently, technologies that observe photovoltaic arrays by mounting thermal infrared cameras on UAVs (Unmanned Aerial Vehicle) are being developed for the efficient monitoring of large-scale photovoltaic power plants. However, the technologies developed until now have had the shortcomings of having to analyze the images manually to detect malfunctioning panels, which is time-consuming. In this paper, we propose an automatic photovoltaic panel area extraction algorithm for thermal infrared images acquired via a UAV. In the thermal infrared images, panel boundaries are presented as obvious linear features, and the panels are regularly arranged. Therefore, we exaggerate the linear features with a vertical and horizontal filtering algorithm, and apply a modified hierarchical histogram clustering method to extract candidates of panel boundaries. Among the candidates, initial panel areas are extracted by exclusion editing with the results of the photovoltaic array area detection. In this step, thresholding and image morphological algorithms are applied. Finally, panel areas are refined with the geometry of the surrounding panels. The accuracy of the results is evaluated quantitatively by manually digitized data, and a mean completeness of 95.0%, a mean correctness of 96.9%, and mean quality of 92.1 percent are obtained with the proposed algorithm.

• 한국통신학회논문지
• /
• 제37권2C호
• /
• pp.181-187
• /
• 2012

밀리미터파 영상시스템은 의복을 투과하는 성질이 뛰어나서 의복 속에 숨겨둔 은닉 물체를 탐지하는 분야에 활용된다. 더불어 수동형 밀리미터파 영상 시스템은 능동형 시스템과 달리 실내외의 개방된 공간에서 움직이는 대상자들의 탐지가 가능하다. 그러나 수동형 밀리미터파 영상은 일반적으로 회절의 제한과 낮은 신호 레벨로 해상도가 낮으며 잡음의 영향이 크다. 그러므로 영상을 효과적으로 처리하기 위한 신호의 모델링과 통계적 분석이 요구된다. 본 논문에서 은닉 물체 검출을 수행하는 밀리미터파 영상 분할 알고리즘을 C++로 구현하여 실시간으로 처리한다. 영상의 분석을 위하여 밀리미터파 영상의 히스토그램을 혼합 가우시안 모델로 추정하고 은닉 물체를 다단계 영상 분할 방법으로 추출한다. 다단계 분할은 배경에서 몸체를 분리하는 전역분할과 은닉물체를 몸체에서 분리하는 국소분할로 이루어진다. 각 분할단계는 $k$-means, EM 추정, 판정단계로 구성되어 있다. 실험에서 실외에서 획득한 수동형 밀리미터파 영상을 분석하여 은닉 물체를 실시간으로 검출할 수 있음을 확인한다.