• 한국군사과학기술학회지
• /
• 제22권5호
• /
• pp.599-606
• /
• 2019

The Arena Fragmentation Test(AFT) is one of the important tasks for designing a high-explosive warhead. In order to measure the statistics of a warhead in the test, fragments of a warhead that penetrate steel plates are detected by using complex and expensive measuring equipment. In this paper, instead of using specific hardware to measure the statistics of a warhead, we propose to use an image processing based object detection algorithm to detect fragments in AFT. To this end, we use a hard-thresholding method with a brightness feature and apply a morphology filter to remove noise components. We also propose a simple yet effective temporal filtering method to detect only the first penetrating fragments. We show that the performance of the proposed method is comparable to that of a hardware system under the same experimental conditions. Furthermore, the proposed method can produce better results in terms of finding exact positions of fragments.

• 한국산업정보학회논문지
• /
• 제23권6호
• /
• pp.21-27
• /
• 2018

본 논문에서는 수평 방향의 경계선 정보를 이용한 마모 정도 및 편마모 검출 알고리즘을 제안한다. 입력 이미지의 노이즈는 양방향 필터로 제거한 다음 제안된 마스크를 사용하여 필터링된 이미지에서 경계선이 추출된다. 타이어가 마모됨에 따라, 타이어 숄더 또는 타이어 바퀴의 바닥에 팬 홈이 수직 홈보다 더 많이 바뀐다. 그러므로 타이어 숄더 또는 타이어 홈의 모서리는 수직 홈의 모서리보다 타이어 장착에 대한 정보가 더 많다. 제안 된 마스크는 이 특징을 반영하여 수평 모서리 추출에 사용된다. 경계선 추출 후, 경계선 이미지는 두 가지 레벨 시스템으로 표현된다. 이진화 이미지의 경계선 화소는 착용도 및 불균일한 착용을 결정하는 데 사용된다. 이 제안 된 방법은 다른 장비 없이 쉽게 사용할 수 있다. 제안 된 방법은 실제 차량을 사용하여 수행되었으며, 실험 결과는 착용도 및 착용 불균일성을 검출하는데 있어 제안 된 방법의 우수한 성능을 보여준다.

• 한국정보통신학회논문지
• /
• 제23권12호
• /
• pp.1542-1550
• /
• 2019

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경회로망(Artificial Neural Network), 퍼지(Fuzzy), 기계학습(Machine Learning) 등을 이용한 방법이 연구되어 왔다. 특히 딥러닝은 신경회로망의 문제인 은닉층 개수의 한계를 해결함으로 인해 오류 역전파 알고리즘을 이용한 부정맥 분류에 가장 많이 사용되고 있다. 딥러닝 모델을 심전도 신호에 적용하기 위해서는 적절한 모델선택과 파라미터를 최적에 가깝게 선택할 필요가 있다. 본 연구에서는 심실 조기 수축 비트 검출을 위한 딥러닝 기반의 최적 파라미터 검출 방법을 제안한다. 이를 위해 먼저 잡음을 제거한 ECG신호에서 R파를 검출하고 QRS와 RR간격 세그먼트를 추출하였다. 이후 딥러닝을 통한 지도학습 방법으로 가중치를 학습시키고 검증데이터로 모델을 평가하였다. 제안된 방법의 타당성 평가를 위해 MIT-BIH 부정맥 데이터베이스를 통해 각 파라미터에 따른 딥러닝 모델로 훈련 및 검증 정확도를 확인하였다. 성능 평가 결과 R파의 평균 검출 성능은 99.77%, PVC는 97.84의 평균 분류율을 나타내었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권6호
• /
• pp.2168-2187
• /
• 2021

The smart grid replaces the traditional power structure with information inventiveness that contributes to a new physical structure. In such a field, malicious information injection can potentially lead to extreme results. Incorrect, FDI attacks will never be identified by typical residual techniques for false data identification. Most of the work on the detection of FDI attacks is based on the linearized power system model DC and does not detect attacks from the AC model. Also, the overwhelming majority of current FDIA recognition approaches focus on FDIA, whilst significant injection location data cannot be achieved. Building on the continuous developments in deep learning, we propose a Deep Learning based Locational Detection technique to continuously recognize the specific areas of FDIA. In the development area solver gap happiness is a False Data Detector (FDD) that incorporates a Convolutional Neural Network (CNN). The FDD is established enough to catch the fake information. As a multi-label classifier, the following CNN is utilized to evaluate the irregularity and cooccurrence dependency of power flow calculations due to the possible attacks. There are no earlier statistical assumptions in the architecture proposed, as they are "model-free." It is also "cost-accommodating" since it does not alter the current FDD framework and it is only several microseconds on a household computer during the identification procedure. We have shown that ANN-MLP, SVM-RBF, and CNN can conduct locational detection under different noise and attack circumstances through broad experience in IEEE 14, 30, 57, and 118 bus systems. Moreover, the multi-name classification method used successfully improves the precision of the present identification.

• 인터넷정보학회논문지
• /
• 제21권4호
• /
• pp.109-116
• /
• 2020

고속철도의 출현과 함께 철도는 국내외에서 자주 사용하는 교통수단 중 하나이다. 또한, 환경적인 측면에서도 다른 교통수단에 비해 이산화탄소 배출량도 적은 편이며 에너지 효율성은 높다. 철도에 관한 관심이 높아질 수록 철도의 안전과 관련된 문제는 중요한 관심사 중 하나이다. 그 중 시각적 이상현상은 철도 앞에 동물이나 사람 등 다양한 장애물이 갑자기 나타나 사고가 발생한다. 이러한 사고들을 예방하기 위해 철도 레일을 탐지하는 것은 기본적으로 탐지해야하는 영역 중 하나이다. 철도에 설치된 카메라를 통해 영상을 수집할 수 있으며 철도 레일 탐지 방법은 전통적인 방식과 딥러닝 알고리즘을 이용한 방식이 있다. 전통적인 방식은 레일 주변의 다양한 노이즈로 인해 정확한 탐지가 어려우며 딥러닝 알고리즘을 이용하면 정확도 높게 탐지할 수 있으며 두 알고리즘을 융합하여 정확한 철도 레일을 탐지한다. 제안하는 알고리즘은 수집한 데이터를 기반으로 철도 레일 탐지에 대한 정확도를 판단한다.

• 한국정보전자통신기술학회논문지
• /
• 제4권4호
• /
• pp.250-257
• /
• 2011

본 연구는 발생률 2위에 머무르고 있는 위암의 자동검출 알고리즘을 제시하였다. 증상이 진행된 염증과 암은 비교적 쉽게 판단 가능하지만 초기의 경우 주의 깊게 보지 않는 이상 병변의 진단이 쉽지 않다. 이에 본 연구는 진행 중인 위암 뿐 아니라 조기 진단에 효과적인 자동검출 알고리즘 네 가지를 제시하였다. 연구엔 정상인의 위, 조기 위암과 진행성 위암 환자의 내시경 영상을 사용하였다. 첫 번째, 우선 연구에 사용될 각각의 내시경 영상에 표면 음영 기법의 유무를 결정한다. 기본영상에 표면 음영 기법을 넣거나 제거함으로써 종양의 유무를 색으로 쉽게 판별가능하게 한다. 이 때 각각의 수치 값은 동일하게 유지한다. 표면 음영의 제거, 추가는 각자의 기호에 달렸으나 연구에서는 음영을 넣은 것으로 진행한다. 두 번째, 표면 음영을 추가한 영상에 침식 필터를 거쳐 잡음을 제거하여 진찰에 유의하게 한다. 세 번째, 표면 음영을 추가한 영상에 특정 부위의 선 윤곽 그래프 검출하여 증상 정도에 따른 RED 값을 추출한다. 네번째, 각 환자의 내시경 영상을 세분화 그래프로 나타내 RED 그래프 값을 포함한 후 색을 반전시켜 종양의 위치를 붉게 표시하는 알고리즘을 제안함으로써 위암 뿐 아니라 나아가 타 암과 염증의 진단에도 도움이 되고자 했다.

• 정보처리학회논문지C
• /
• 제15C권3호
• /
• pp.149-156
• /
• 2008

JPEG2000은 차세대 이미지 압축 포맷으로 JPEG에 비하여 우수한 압축률과 화질을 제공할 수 있다. JPEG2000 이미지를 커버 오브젝트로 사용하는 lazy-mode 스테가노그라피는 압축과정에서 발생하는 정보 손실에 의해 메시지가 손실되지 않도록 제안된 알고리즘으로 많은 양의 메시지 삽입이 가능하다. 그러나 이 방법은 메시지 삽입으로 인하여 코드블럭 노이즈 분산의 변화를 발생하게 되고, 이러한 특징을 기반으로 하는 Hilbert-Huang 변환 (HHT) 기반의 스테거낼리시스에 의하여 메시지 삽입여부가 탐지될 수 있다. 본 논문에서는 코드블럭 노이즈 분산의 변화를 예측하고, 이를 최소화하도록 메시지를 삽입하여 HHT 기반 스태거낼리시스에 의해 탐지되지 않는 새로운 JPEG2000 스테가노그라피 알고리즘을 제시한다. 코드블록 노이즈 분산의 변화를 예측하기 위하여 low precision code-block variance와 low precision code-block noise variance를 활용하였다. 또한 메시지 삽입 후의 높은 영상 화질을 유지하기 위하여 JPEG2000의 quality layer 정보를 활용하였다. 제안한 알고리즘의 성능을 보이기 위하여 2048장의 다양한 영상에 대하여 분석을 수행하였고, 이를 통하여 HHT 기반 스태거낼리시스 방법에 안전함을 증명하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권5호
• /
• pp.73-79
• /
• 2020

한반도에서 점차 증가하는 지진으로 지진을 빠르고 정확하게 감지하기 위한 연구가 활발하게 이루어지고 있다. 기상청에서 운영하는 기존 관측소는 설치와 운영에 많은 비용이 요구되어 오늘날 저가의 센서를 사용하여 지진을 감지하기 위한 연구가 이루어지고 있다. 논문에서는 스마트폰에 설치된 저가의 MEMS 가속도 센서를 활용하여 지진 관측자료 생성 및 지진 감지 체계를 구축할 수 있는지에 대해 평가한다. 가속도 센서 분석을 위하여 국내의 여러 위치에 설치하여 가속도 데이터를 수집하였으며, PSD 계산을 통하여 각 센서의 바닥 잡음 수준을 파악한다. 분석 결과를 바탕으로 기존 MEMS 가속도 센서의 바닥 잡음 수준과 지진 감지를 위한 노이즈 모델과 비교하여 MEMS 센서가 감지할 수 있는 지진의 규모를 파악한다. 다양한 종류의 건물에 부착된 280 여 개의 가속도 센서 중 200 개의 센서로부터 데이터를 지난 수 개월 간 수집 하였으며 PSD 계산을 통하여 설치된 스마트폰의 MEMS 가속도 센서는 10Km 이내에서 발생하는 규모 3.5 이상의 지진을 관측 할 수 있음을 파악하였다. 지난 몇 개월간의 운영 기간 동안, 스마트폰 가속도 센서는 2019년, 12월 30일 밀양에서 발생한 규모 3.5의 지진을 기록하였으며 지진 감지 기법 중 하나인 STA/LTA 기법에 의해서 지진이 감지됨을 확인할 수 있었다. 제안하는 MEMS 가속도 센서를 사용한 지진 감지 체계는 점차 증가하는 지진을 더욱 빠르고 정확하게 감지할 수 있을 것으로 기대한다.

• 한국콘텐츠학회논문지
• /
• 제11권12호
• /
• pp.552-559
• /
• 2011

본 논문에서는 신분증에 활용되는 사진의 위변조를 방지하기 위해서 사진 이미지에 신분증 소유자의 특정 정보를 은닉할 수 있는 새로운 워터마킹 알고리즘을 제안한다. 제안된 알고리즘은 이미지 분할과 확산 스펙트럼의 상관도 피크 위치를 변조하는 위치 코딩 기법을 이용하였다. 사진에 삽입된 워터마트는 인쇄와 스캔과정에서도 깨지지 않도록 강인성을 확보하였으며, 작은 사진에 주민등록번호와 같은 고유번호를 숨길 수 있는 충분한 삽입 용량을 확보하였다. 제안 알고리즘의 또 하나의 장점은 정보의 삽입과 추출을 $1{\times}1$ 화소 단위가 아닌 $2^h{\times}2^w$ 샘플 단위로 함으로써, 일정 범위내의 회전에 대해 보정없이 정보를 정확하게 추출할 수 있다는 장점을 가지고 있다. 22명의 사진에 대해 300dpi의 스캐너와 프린터를 이용한 실험에서 $256{\times}256$ 크기의 신분증 사진에 40 비트의 정보가 0% BER로 삽입되고 추출될 수 있었다. 결론적으로, 제안 알고리즘은 인쇄, 스캔 과정에서 발생되는 잡음과 회전 에러에 대해 강인성을 보여준다.

• 디지털콘텐츠학회 논문지
• /
• 제15권4호
• /
• pp.449-455
• /
• 2014

이동 물체의 검출은 비디오 감시, 보행자의 행동 분석과 같은 컴퓨터 시각 분야에서 매우 중요한 전처리 작업이다. 이는 실제 외부 환경을 대상으로 할 때, 영상 시퀀스에 존재하는 배경의 불규칙한 움직임, 조명 변화, 그림자, 배경 물체의 위상 변화 및 잡음 등으로 인하여 매우 어려운 작업이다. 본 논문에서는 코드북 기반의 전경 검출 알고리즘을 제안한다. 코드북은 입력 영상으로부터 얻어지는 배경화소에 대한 정보 데이터베이스이다. 먼저, 첫 번째 프레임을 배경 영상으로 가정하고 이를 입력 영상과 비교하여 차 영상을 구한다. 구해진 차 영상에는 순수한 이동 물체뿐만 아니라, 잡음까지 포함된다. 둘째로, 전경으로 검출된 화소의 색상과 밝기 값을 가지고 코드북을 조사하여 존재하는 경우 잘못 추출된 전경 화소로 판단하고 전경에서 제거한다. 마지막으로, 다음번 입력되는 프레임을 반복 처리하기 위하여 배경 영상을 새롭게 갱신하는데, 배경 화소로 검출된 화소의 경우에는 현재의 입력 영상으로부터 추정되며, 전경 화소로 검출된 경우에는 이전 배경 영상의 화소 값을 복사하여 사용한다. 제안한 알고리즘을 PETS2009 데이터에 적용한 결과를 GMM 알고리즘과 표준 코드북 알고리즘의 결과와 비교하여 보인다.