• 한국빅데이터학회지
• /
• 제8권2호
• /
• pp.177-187
• /
• 2023

준지도 학습(Semi-supervised learning)은 소량의 라벨이 있는 데이터와 다량의 라벨이 없는 데이터를 사용하여 모델을 훈련하는 효과적인 방법이다. 그러나 많은 논문에서 준지도 학습시 하나의 고정된 임계값을 사용하여 각 클래스별 서로 다른 이미지들의 특징별 차이를 고려하지 않고 임의 라벨을 만든다. 본 논문에서는 합성개구 레이더(SAR) 이미지 분류 준지도 학습시 모든 클래스가 하나의 고정된 임계값을 사용하는 대신 각 클래스에 대해 서로 다른 임계값을 적용한다. 모델에 임계값 학습 모듈을 추가하여 임계값을 학습하여 클래스별로 학습되는 차이를 고려하여 클래스별로 서로 다른 임계값을 얻는다. 서로 다른 임계값을 사용한 준지도 학습기반의 SAR 이미지 분류 방법을 적용유무를 비교하여 클래스별 임계값을 사용하는 이점에 대해 고찰하였다.

• 한국전자통신학회논문지
• /
• 제6권2호
• /
• pp.243-248
• /
• 2011

본 논문에서는 확장되어가는 여가 시간에 간단한 사진 한장만으로 보다 쉽고 편한 손금을 분석하기 위한 손금 추출 방법을 제안한다. 제안된 방법은 손의 형태학적 정보와 8 방향 윤곽선 추적 알고리즘을 적용한다. 영상으로부터 손금을 추출하기 위해서 색상 분포 영상을 Red, Green, Blue에 해당되는 RGB 값을 밝기에 큰 영향을 받지 않는 YCbCr 컬러 모델로 변환한다. YCbCr 컬러 모델에서 Y:65~255, Cb:25~255, Cr:130~255에 해당되는 피부색 임계치를 이용하여 손 영역을 추출한다. 추출된 손 영역에서 내부 픽셀의 3:1 이상, 전체 영상의 2:1이상인 손의 형태학적 정보와 8 방향 윤곽선 추적 기법을 이용하여 잡음을 제거한다. 잡음이 제거된 손 영상에서 스트레칭 기법과 소벨 마스크를 이용하여 에지를 추출한다. 추출된 에지 영상에서 블록 이진화 기법을 이용하여 이진화한 후에 가로와 세로가 각각 10픽셀 이상이고 20픽셀 이하인 손금의 형태학적 정보를 이용하여 잡음 및 손의 윤곽선을 제외한 손금을 추출한다. 추출된 손금에서 Labeling 기법을 이용하여 개별 손금의 중요선을 추출한다. 핸드폰 카메라에서 획득한 손바닥 영상을 대상으로 실험한 결과, 제안된 방법이 손금 추출에 효율적인 것을 확인할 수 있었다.

• 정보처리학회논문지D
• /
• 제13D권7호
• /
• pp.1017-1026
• /
• 2006

최근에는 제품 개발의 효율성 증대를 위해서 다양한 분야의 전문가들이 참여하는 분산된 협업적 개발 환경이 필수적으로 인식되고 있으며 이에 따른 제품 설계 정보의 재사용 문제가 새롭게 부각되고 있다. 본 논문에서는 제품 설계 정보의 재사용을 위해 멀티미디어 기기에서 획득된 제품 영상을 부품 단위로 분할하여 속성 관계 그래프를 생성하고 이를 통해 제품 설계 정보를 검색하는 시스템을 제안한다. 본 논문에서 제안한 시스템은 라벨링 방법으로 제품 영상을 분할하고, 각 분할 영역의 속성과 영역간의 관계를 표현하는 속성 관계 그래프를 생성한다. 속성 관계 그래프는 제품 설계 정보를 추가하여 확장함으로써 영상 검색을 통한 제품 설계 정보의 재사용이 가능하다. 본 시스템의 주요 이점은 다음과 같다. 첫째, 주변 장치로부터 쉽게 획득할 수 있는 멀티미디어 영상을 이용하므로 특정 설계 툴에 종속적이지 않다. 둘째, 비율을 이용한 특징 벡터에 의해 다양한 크기의 유사 부품을 포함하는 영상의 검색이 가능하다. 셋째, 분할된 각 부품의 영역에 대한 다양한 영상 정보와 그들의 관계를 적용하기 때문에 검색 능력이 뛰어나다.

• 전기전자학회논문지
• /
• 제21권4호
• /
• pp.412-415
• /
• 2017

본 논문에서는 고해상도 $360^{\circ}$ 전방위 IP 카메라를 이용한 다중 번호판 인식 시스템을 제안한다. 제안한 시스템은 $360^{\circ}$ 원형영상의 평면 분할 부와 다중 번호판 인식 부로 구성되었다. $360^{\circ}$ 원형영상의 평면 분할 부는 고해상도 $360^{\circ}$ 전방위 IP 카메라에서 원형영상 획득, 원형영상 분할, 평면영상으로 변환, 보간법을 사용한 픽셀 보정 및 컬러보정, 에지 보정 등의 과정을 거쳐 화질이 개선된 평면영상으로 출력한다. 다중 번호판 인식 부는 평면영상에서 다중 번호판 후보영역 추출, 다중 번호판 후보영역 정규화 및 복원, 신경망을 사용한 다중 번호판 숫자, 문자 인식 과정을 거쳐 다중 번호판을 인식하게 된다. 제안된 고해상도 $360^{\circ}$ 전방위 IP 카메라를 이용한 다중 번호판 인식 시스템을 평가하기 위하여 지능형 주차관제시스템 운영 전문 업체와 공동으로 실험한 결과, 97.8%의 높은 번호판 인식률이 확인되었다.

• Ecology and Resilient Infrastructure
• /
• 제9권4호
• /
• pp.218-227
• /
• 2022

본 연구는 효율적인 하천 관리를 위해 중요한 데이터 중 하나인 하천 공간의 토지피복 분류를 위해 딥 러닝 기반의 이미지 트레이닝 방법의 활용가능성을 검토하였다. 이를 위해 대상 구간의 RGB 이미지를 활용하여 라벨링 작업 후 학습시킨 결과를 활용하여 기존 대분류 지표를 기준으로 토지피복 분류를 시도하였다. 또한 개방형으로 제공되는 Sentinel-2 위성 영상으로부터 무감독 분류 및 감독 분류에 의한 하천 공간의 토지피복 분류를 수행하였으며, 딥 러닝 기반 이미지 분류 결과와 비교하였다. 분석 결과의 경우 무감독 분류 결과와 비교하여 매우 향상된 예측 결과를 보여주었으며, 고해상도 이미지의 경우 더욱 정확한 분류 결과를 제시하였다. 단순한 이미지 라벨링을 통해 분류된 피복 분류 결과는 하천 공간 내 수역과 습지의 분류 가능성을 보여주었으며, 향후 추가적인 연구 수행이 이루어진다면 하천 관리를 위해 딥 러닝 기반 이미지 트레이닝 기법을 이용한 하천 공간내 피복 분류 결과의 활용이 가능할 것으로 판단된다.

• 한국산학기술학회논문지
• /
• 제18권10호
• /
• pp.707-716
• /
• 2017

디스플레이 기기들이 고도화 되면서, 사용자의 목적에 부합하는 영상이 요구되어져 가고 있다. 따라서, 3D 디스플레이에서 필요하게 되는 깊이 정보가 요구될 때 디스플레이 기기들은 객체 기반의 영상 정보를 제공 할 수 있어야 한다. 따라서, 본 논문에서 깊이 정보 생성을 위한 히스토그램 기반의 영상분할 알고리즘을 제안한다. 기존의 K 군집 알고리즘에서 군집의 수를 파라미터화 하여, 영상에 적응적으로 군집 수를 결정할 수 없게 되는 한계를 지닌다. 또한, k 군집 알고리즘이 지니고 있던 지역 최소점에 빠져 영상 분할에 있어 과분할을 야기하는 지역 최소점에 빠지게 되는 경향이 있다. 반면에, 제안하는 알고리즘은 분할해야할 군집 선정에서 계산량을 고려하여 적응적으로 선택 가능할 수 있게 하는 히스토그램 기반의 알고리즘을 설계하여 적응적으로 선택 가능하게 하였다. 기존 알고리즘이 가지고 있었던 지역 최소점에 빠지지 않도록 방지하게 하여 결과 영상에서 객체 기반의 결과를 보여줄 수 있도록 설계 했다. 이 후 연결요소 알고리즘을 통해 과분할 요소를 제거했다. 따라서, 제안하는 알고리즘은 객체 기반의 깊이 정보 결과를 보여 줄 뿐만 아니라, 벤치마크 방법에 비해 확률 랜드 인덱스, 분할 커버링 측면에서도 각각 벤치마크 방법에 비해 0.017, 0.051으로 향상된 결과치를 보여준다.

• 한국멀티미디어학회논문지
• /
• 제11권9호
• /
• pp.1296-1301
• /
• 2008

초음파 영상은 초음파 펄스를 이용하여 반사파를 수신하여 진단에 필요한 영상을 구성하는데 신호가 약해 질 경우 잡음이 발생하며 미세한 명암도 차이 등에 의해 분석 과정에서 육안으로 인지하고 진단하는데 어려움이 있다. 특히 근골격계 검사를 위한 초음파 영상에서 근육 영역의 진단에 어려움을 준다. 따라서 본 논문에서는 초음파 영상에서 영상 처리 기법을 이용하여 근육 영역을 검출할 수 있는 방법을 제안한다. 초음파 영상에서의 근육 영역 검출은 피하지방층과 기타 영역 그리고 근육을 둘러싸고 있는 근막 후보 영역을 검출한 후, 위치 정보와 형태학적 특징을 이용하여 최종적으로 근막 내부 영역인 근육 영역을 검출한다. 제안된 방법의 근막 후보 영역의 검출 과정은 개선된 히스토그램 스트레칭과 Multiple 연산으로 대비차를 향상시키고 반복 이진화 기법을 적용한 후, 잡음에 의해 손실되거나 끊어진 근막 영역을 거리 및 방향 분석을 이용하여 연결한 후에 근막 후보 영역을 검출한다. 검출된 근막 후보 영역의 형태학적 특징과 위치정보를 이용하여 피하지방층과 기타 영역을 분류한 후, 최종적으로 근육 영역을 검출한다. 실제 초음파 영상을 대상으로 제안된 근육 검출 방법을 적용하여 검출된 근육 영역과 전문의가 분석한 근육 영역을 비교한 결과, 제안된 근육 검출 방법이 전문의가 육안으로 분석한 근육 영역과 근접하게 검출되어 본 논문에서 제안한 근육 영역 검출 방법이 효율적임을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권7호
• /
• pp.612-624
• /
• 2005

본 논문에서는 PET-CT 뇌 영상융합을 위해 가우시안 가중치 거리지도를 이용한 표면기반 영상정합을 제안한다. 제안방법은 중요 세 단계로 표면 특징점 추출, 가우시안 가중치 거리지도 생성, 가중치기반 유사도 평가로 구성된다. 첫째, PET 영상과 CT 영상에서 삼차원 역 영역성장법을 이용하여 머리영역을 분할하고 머리 영역과 같이 분할된 잡음 영역을 영역성장법기반 레이블링을 이용한 영역 크기 비교를 통해 제거한 후 선명화 처리 필터를 적용하여 머리 표면 특징점을 추출한다. 둘째, CT 영상에서 추출한 표면 특징점에 가우시안 가중치 거리지도를 생성하여 큰 변위에서도 최적의 위치로 견고하게 수렴하도록 한다. 셋째, 가중치기반 상호상관관계는 PET 영상에서 추출한 표면 특징점과 대응되는 CT 영상의 가우시안 가중치 거리지도를 이용하여 최적 위치를 탐색한다. 본 논문에서는 제안방법의 정확성과 견고성 검사를 위해 인공데이타를 이용하고, 수행시간과 육안평가를 위해 임상데이타를 이용한다. 정확성 검사는 임의로 변환된 인공데이타에 제안방법을 적용한 후 추출된 최적화 변환벡터와의 오차를 제곱근평균제곱오차를 이용하여 평가한다. 견고성 검사는 큰 변위와 잡음을 가지는 인공데이타에서 가중치기반 상호상관관계가 최적의 위치에서 최대를 이루는지를 평가한다 실험 결과 제안한 표면기반 영상정합이 기존 표면기반 영상정합보다 정확하고 견고하게 수렴됨을 알 수 있다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1407-1422
• /
• 2022

본 연구는 분류(classification)기반 딥러닝 모델(deep learning model)인 Inception과 SENet을 결합한 SE-Inception을 활용하여 수종분류를 수행하고 분류정확도를 평가하였다. 데이터세트의 입력 이미지는 Worldview-3와 GeoEye-1 영상을 활용하였으며, 입력 이미지의 크기는 10 × 10 m, 30 × 30 m, 50 × 50 m로 분할하여 수종 분류정확도를 비교·평가하였다. 라벨(label)자료는 분할된 영상을 시각적으로 해석하여 5개의 수종(소나무, 잣나무, 낙엽송, 전나무, 참나무류)으로 구분한 후, 수동으로 라벨링 작업을 수행하였다. 데이터세트는 총 2,429개의 이미지를 구축하였으며, 그중약 85%는 학습자료로, 약 15%는 검증자료로 활용하였다. 딥러닝 모델을 활용한 수종분류 결과, Worldview-3 영상을 활용하였을 때 최대 약 78%의 전체 정확도를 달성하였으며, GeoEye-1영상을 활용할 때 최대 약 84%의 정확도를 보여 수종분류에 우수한 성능을 보였다. 특히, 참나무류는 입력 이미지크기에 관계없이 F₁은 약 85% 이상의 높은 정확도를 보였으나, 소나무, 잣나무와 같이 분광특성이 유사한 수종은 오분류가 다수 발생하였다. 특정 수종에서 위성영상의 분광정보 만으로는 특징량 추출에 한계가 있을 수 있으며, 식생지수, Gray-Level Co-occurrence Matrix (GLCM) 등 다양한 패턴정보가 포함된 이미지를 활용한다면 분류 정확도를 개선할 수 있을 것으로 판단된다.

• Journal of International Society for Simulation Surgery
• /
• 제1권1호
• /
• pp.37-40
• /
• 2014

Purpose For living donor liver transplantation, liver segmentation is difficult due to the variability of its shape across patients and similarity of the density of neighbor organs such as heart, stomach, kidney, and spleen. In this paper, we propose an automatic segmentation of the liver using multi-planar anatomy and deformable surface model in portal phase of abdominal contrast-enhanced CT images. Method Our method is composed of four main steps. First, the optimal liver volume is extracted by positional information of pelvis and rib and by separating lungs and heart from CT images. Second, anisotropic diffusing filtering and adaptive thresholding are used to segment the initial liver volume. Third, morphological opening and connected component labeling are applied to multiple planes for removing neighbor organs. Finally, deformable surface model and probability summation map are performed to refine a posterior liver surface and missing left robe in previous step. Results All experimental datasets were acquired on ten living donors using a SIEMENS CT system. Each image had a matrix size of $512{\times}512$ pixels with in-plane resolutions ranging from 0.54 to 0.70 mm. The slice spacing was 2.0 mm and the number of images per scan ranged from 136 to 229. For accuracy evaluation, the average symmetric surface distance (ASD) and the volume overlap error (VE) between automatic segmentation and manual segmentation by two radiologists are calculated. The ASD was $0.26{\pm}0.12mm$ for manual1 versus automatic and $0.24{\pm}0.09mm$ for manual2 versus automatic while that of inter-radiologists was $0.23{\pm}0.05mm$. The VE was $0.86{\pm}0.45%$ for manual1 versus automatic and $0.73{\pm}0.33%$ for manaual2 versus automatic while that of inter-radiologist was $0.76{\pm}0.21%$. Conclusion Our method can be used for the liver volumetry for the pre-surgery planning of living donor liver transplantation.