• 한국인공지능학회지
• /
• 제11권3호
• /
• pp.17-22
• /
• 2023

In this paper, we propose a black ice detection system using Convolutional Neural Networks (CNNs). Black ice poses a serious threat to road safety, particularly during winter conditions. To overcome this problem, we introduce a CNN-based architecture for real-time black ice detection with an encoder-decoder network, specifically designed for real-time black ice detection using thermal images. To train the network, we establish a specialized experimental platform to capture thermal images of various black ice formations on diverse road surfaces, including cement and asphalt. This enables us to curate a comprehensive dataset of thermal road black ice images for a training and evaluation purpose. Additionally, in order to enhance the accuracy of black ice detection, we propose a multi-scale dilation convolution feature fusion (MsDC-FF) technique. This proposed technique dynamically adjusts the dilation ratios based on the input image's resolution, improving the network's ability to capture fine-grained details. Experimental results demonstrate the superior performance of our proposed network model compared to conventional image segmentation models. Our model achieved an mIoU of 95.93%, while LinkNet achieved an mIoU of 95.39%. Therefore, it is concluded that the proposed model in this paper could offer a promising solution for real-time black ice detection, thereby enhancing road safety during winter conditions.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.505-508
• /
• 2005

Wavelet scheme can be applied to the various remote sensing problems: conventional multi-resolution image analysis, compression of large image sets, fusion of heterogeneous sensor image and segmentation of features. In this study, we attempted wavelet-based filtering and its analysis. Traditionally, statistical methods and adaptive filter are used to manipulate noises in the image processing procedure. While we tried to filter random noise from optical image and radar image using Discrete Wavelet Transform (DW1) and Stationary Wavelet Transform (SW1) and compared with existing methods such as median filter and adaptive filter. In result, SWT preserved boundaries and reduced noises most effectively. If appropriate thresholds are used, wavelet filtering will be applied to detect road boundaries, buildings, cars and other complex features from high-resolution imagery in an urban environment as well as noise filtering

• 한국지리정보학회지
• /
• 제5권2호
• /
• pp.16-24
• /
• 2002

원격탐사 응용분야 중 토지피복 분류를 통한 지구환경의 원격탐지기법은 환경 관리, 도시계획 및 지리정보시스템의 응용분야에 광범위하게 사용되고 있는 접근방식이다. 본 연구는 다목적 실용위성(Korea Multi-Purpose Satellite : KOMPSAT)의 전자광학카메라(electro-optical camera : EOC)를 통해 취득한 영상의 토지피복 정보를 추출하는 방안을 제시하였다. 사용영상은 다중 분광정보를 보유하고 있는 공간해상도 30m의 Landsat TM과 6.6m의 공간해상도와 단일밴드로 구성되어 있는 KOMPSAT EOC영상이며, 연구 대상지역은 청주시 미호천 수계이다. 영상합성은 IHS(intensity hue saturation), HPF(high pass filtering), CN(color normalization), 그리고 Wavelet 변환방식을 적용하여 결과를 비교하였다. 합성된 영상은 RBF-NN(radial basis function neural network)과 ANN(artificial neural network)법을 이용하여 피복분류를 실시하였으며, 이상의 과정을 통해 최적 결과를 도출하는 영상합성 및 분류기법을 제시하였다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.497-500
• /
• 2005

Research and development of remote sensing technique is necessary so that more accurate and extensive information may be obtained. To achieve this goal, the synthesized technique which integrates the high resolution optic and SAR image, and topographical information was examined to investigate the quantitative/qualitative characteristics of the Earth's surface environment. For this purpose, high-precision DEMs of Jeju-Island was generated and data fusion algorithm was developed in order to integrate the multi-spectral optic and polarimetric SAR image. Three dimensional land-cover and two dimensional soil moisture maps were generated conclusively so as to investigate the Earth's surface environments and extract the geophysical parameters.

• 전자공학회논문지CI
• /
• 제42권6호
• /
• pp.83-92
• /
• 2005

본 논문은 MRA(Multi-Resolution Analysis) 웨이블릿 변환을 이용하여 영상 데이터의 저작권 보호를 위해 필요한 워터마크로 $64{\ast}64$ 이진 로고 영상의 1 레벨 DWT(Discrete Wavelet Transform) 계수값을 대상 영상의 LL 대역 및 특정 주파수 대역에 삽입하는 워터마킹 방법을 제안한다. 대상 영상을 3 레벨 DWT한 후 LL 대역과 특정 주파수 대역에 동일 주파수 방향으로 이진 로고 영상의 DWT 계수값을 블록별로 삽입한다. 대상 영상의 화질 저하를 막기 위해 각 블록내 SCs(Significant Coefficients)를 조사하여 해당 SCs 부분에 대해서만 워터마크를 삽입한다. 그리고 대상 영상의 왜곡시 각 주파수 대역별로 왜곡 정도가 틀리므로 SCs 이용시 사용되는 임계값을 주파수 대역별로 설정하여 각 주파수 대역별로 워터마크가 완전히 삽입되도록 한다. 그리고 워터마크가 인간의 시각 시스템으로부터 감추어져야 하므로 워터마크에 HVS(Human Visual System)을 적용하였다. 실험에서는 각 주파수 대역별로 비교하여 적절한 삽입 방법을 결정한다. 따라서 본 워터마킹 기법은 워터마크를 빠르고 정확하게 검출할 수 있으며, 작은 크기의 워터마크를 HVS와 SCs를 이용하여 삽입함으로써 비가시성과 강건성이 뛰어나다는 장점이 있다.

• 대한원격탐사학회지
• /
• 제34권6_3호
• /
• pp.1351-1367
• /
• 2018

다중 센서 영상을 영상 융합, 변화 탐지, 시계열 분석에 활용하기 위해서는 두 영상 간의 영상 등록 과정이 필수적이다. 영상 등록을 위해서는 서로 다른 공간 해상도를 가지는 다중 센서 영상 사이의 스케일과 회전각도 차이를 정확히 검출해야 한다. 본 논문에서는 다중 해상도 영상 간의 영상 등록을 위하여 가변 원형 템플릿을 이용한 새로운 특징 정합 기법을 제안한다. 제안하는 정합 기법은 스케일이 작은 영상의 특징점을 중심으로 원형 템플릿을 설정하고 스케일이 큰 영상에서는 가변 원형 템플릿을 생성한다. 가변 원형 템플릿의 스케일을 일정한 스케일 단위로 변경한 후에 가변 원형 템플릿을 일정 각도 단위로 회전시키면서 두 원형 템플릿 사이의 상호 정보량이 최대가 될 때의 가변 원형 템플릿의 스케일, 회전 각도 그리고 중심 위치를 각각 검출한다. 제안한 방법을 서로 다른 공간 해상도를 가지는 Kompsat(Korea Multi-Purpose Satellite) 2호, 3호, 3A호 영상 조합에 적용한 결과, 스케일 팩터 오차는 0.004 이하, 회전 각도 오차는 $0.3^{\circ}$ 이하, 제어점의 위치 오차는 1 화소 이하의 정합 성능을 보였다.

• 한국측량학회지
• /
• 제35권3호
• /
• pp.125-132
• /
• 2017

IKONOS, QuickBird, Kompsat-2 등 서로 다른 고해상도 광학 센서로 취득된 다중시기 영상은, 취득 당시의 센서 자세나 환경의 차이에 의해 영상 등록(image registration)을 수행한 이후에도 여전히 지역적인 지형 불일치가 존재한다. 등록오차(registration noise)라고도 불리는 이러한 지형 불일치는 고해상도 다중시기 영상을 이용하여 공간정보를 추출하는 다양한 활용분야의 정확도를 떨어뜨리는 방해 요인으로 작용한다. 반대로, 등록오차를 추출하여 이를 효과적으로 제거한다면 결과적으로는 다중시기 고해상도 영상을 이용하여 추출되는 공간정보의 정확도를 높일 수 있다. 이에 본 연구에서는 지배적인 등록오차는 주로 영상 내 객체의 경계를 따라서 존재한다는 가정 하에, 경계강도 영상을 이용하여 등록오차를 추출한다. 추출된 등록오차의 지역적 분포특성을 고려하여 고해상도 영상 간 지형 불일치를 최소화하는 정밀 등록 기법을 제안한다. 제안 기법을 평가하기 위해, 고해상도 다중시기 광학위성 영상을 이용하여 실험지역을 구성한다. 등록오차 기반의 정밀 등록 기법 적용 결과와 수동으로 수행한 등록 결과와의 정량적/정성적 비교평가를 통해 제안 기법의 우수성을 판단하고자 한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권11호
• /
• pp.4290-4309
• /
• 2020

In recent years, advancements in machine learning capabilities have allowed it to see widespread adoption for tasks such as object detection, image classification, and anomaly detection. However, despite their promise, a limitation lies in the fact that a network's performance quality is based on the data which it receives. A well-trained network will still have poor performance if the subsequent data supplied to it contains artifacts, out of focus regions, or other visual distortions. Under normal circumstances, images of the same scene captured from differing points of focus, angles, or modalities must be separately analysed by the network, despite possibly containing overlapping information such as in the case of images of the same scene captured from different angles, or irrelevant information such as images captured from infrared sensors which can capture thermal information well but not topographical details. This factor can potentially add significantly to the computational time and resources required to utilize the network without providing any additional benefit. In this study, we plan to explore using image fusion techniques to assemble multiple images of the same scene into a single image that retains the most salient key features of the individual source images while discarding overlapping or irrelevant data that does not provide any benefit to the network. Utilizing this image fusion step before inputting a dataset into the network, the number of images would be significantly reduced with the potential to improve the classification performance accuracy by enhancing images while discarding irrelevant and overlapping regions.

• Nuclear Engineering and Technology
• /
• 제55권10호
• /
• pp.3844-3853
• /
• 2023

Although radiation and chemotherapy methods for cancer therapy have advanced significantly, surgical resection is still recommended for most cancers. Therefore, intraoperative imaging studies have emerged as a surgical tool for identifying tumor margins. Intraoperative imaging has been examined using conventional imaging devices, such as optical near-infrared probes, gamma probes, and ultrasound devices. However, each modality has its limitations, such as depth penetration and spatial resolution. To overcome these limitations, hybrid imaging modalities and tracer studies are being developed. In a previous study, a multi-modal laparoscope with silicon photo-multiplier (SiPM)-based gamma detection acquired a 1 s interval gamma image. However, improvements in the near-infrared fluorophore (NIRF) signal intensity and gamma image central defects are needed to further evaluate the usefulness of multi-modal systems. In this study, an attempt was made to change the NIRF image acquisition method and the SiPM-based gamma detector to improve the source detection ability and reduce the image acquisition time. The performance of the multi-modal system using a complementary metal oxide semiconductor and modified SiPM gamma detector was evaluated in a phantom test. In future studies, a multi-modal system will be further optimized for pilot preclinical studies.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1814-1828
• /
• 2021

Low-light image enhancement is a key technique to overcome the quality degradation of photos taken under scotopic vision illumination conditions. The degradation includes low brightness, low contrast, and outstanding noise, which would seriously affect the vision of the human eye recognition ability and subsequent image processing. In this paper, we propose an approach based on deep learning and Retinex theory to enhance the low-light image, which includes image decomposition, illumination prediction, image reconstruction, and image optimization. The first three parts can reconstruct the enhanced image that suffers from low-resolution. To reduce the noise of the enhanced image and improve the image quality, a super-resolution algorithm based on the Laplacian pyramid network is introduced to optimize the image. The Laplacian pyramid network can improve the resolution of the enhanced image through multiple feature extraction and deconvolution operations. Furthermore, a combination loss function is explored in the network training stage to improve the efficiency of the algorithm. Extensive experiments and comprehensive evaluations demonstrate the strength of the proposed method, the result is closer to the real-world scene in lightness, color, and details. Besides, experiments also demonstrate that the proposed method with the single low-light image can achieve the same effect as multi-exposure image fusion algorithm and no ghost is introduced.