• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년 학술대회 논문집 정보 및 제어부문
• /
• pp.148-150
• /
• 2006

In this paper, we propose a new method for detection of mass-type breast cancer in dense mammogram. As the proposed method analyzes texture of the breast tissue using method by fusing Homogeneity and Ranklets, improve problem of traditional method. Homogeneity gives the measure of uniform density, and Ranklets determine orientation selective property at vertical, horizontal and diagonal in mass region. The proposed method is suitable to dense mammogram with tangled normal tissue and cancer tissue. SVM(Support Vector Machine) classifier is used for effective detection of mass-type breast cancer in dense mammogram.

• 대한의용생체공학회:의공학회지
• /
• 제19권1호
• /
• pp.1-8
• /
• 1998

X-선 유방영상에서 군집성 미세석회화는 유방암의 조기 검출에 중요한 징후로 이용된다. 본 논문은 X-선 유방영상에서 군집성 미세석회를 검출하여 그것의 위치를 표시하는 컴퓨터 보조 검출 방법을 제안한다. 제안된 검출방법의 구성도는 ROI9region of interest)선택, 필름흠제거, srdm(surrounding region dependence method), 분류기, 그리고 위치 표시로 구성되어 있다. SRDM은 이미 저자들에 의해 제안되었으며, 이것은 현재의 픽셀을 둘러싸고 있는 두 개의 영역에서의 2차 히스토그램에 근거한 통계적인 텍스처(texture)분석 방법이며 X-선 유방영상에서 군집성 미세석회화의 검출을 위해 제안되었다. 또한, 본 논문에서 제안된 필름흠 제거 필터의 효과는 ROC (receiver operating-characteristics) 분석에 의한 분류 성능 측면에서 평가되어진다. 정상조직(normal tissue)과 군집성 미세석회화를 포함한 조직을 분류하기 위해 3계층 backpropagation 신경망이 분류기로 이용되었다. 검출된 군집성 미세석회화의 위치와 적절한 표시를 함으로써 진단방사선의사에게 더 많은 주의를 상기시킬 수 있다

• 융합신호처리학회논문지
• /
• 제16권2호
• /
• pp.44-49
• /
• 2015

텍스처가 부족한 장면이나 카메라 포즈 변화가 클 경우, 기존의 텍스처 기반의 특징 추적 방법의 신뢰도는 크게 떨어진다. LLAH와 같은 특징 사이의 기하 정보를 활용하는 토폴로지 기반 특징 기술 방법이 좋은 대안이 될 수 있으나, 특징 검출방법의 성능에 크게 영향을 받는다. 본 논문에서는 토폴로지 기반 특징 기술을 위한 효과적인 특징 검출 방법을 마련하기 위한 기초 연구로, OpenCV 라이브러리에서 제공되는 특징 검출 방법들의 반복성(repeatability) 분석을 통해 토폴로지 기반 특징 기술에의 적용 가능성을 살펴본다. 실험을 통해, FAST의 성능이 가장 우수함을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.268-269
• /
• 2008

Moving object detection is a fundamental technique in visual surveillance. Robust technique to enhance performance of moving object detection is required for several bad conditions in real external circumtance. In case of sudden illumination change in outdoor condition, many objects are determined as moving object though they are not really moving, but just their illumination changes. This makes the detection result untrustworthy. In this paper, robust moving object detection to sudden illumination change using gaussian mixture background model and new texture information using background from the weighted sum of recent images is proposed.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권12호
• /
• pp.5485-5506
• /
• 2016

In this article, a video based fire detection framework for CCTV surveillancesystems is presented. Two novel features and a novel image type with their corresponding algorithmsareproposed for this purpose. One is for the slow-smoke detection and another one is for fast-smoke/flame detection. The basic idea is slow-smoke has a highly varying chrominance/luminance texture in long periods and fast-smoke/flame has a highly varying texture waiting at the same location for long consecutive periods. Experiments with a large number of smoke/flame and non-smoke/flame video sequences outputs promising results in terms of algorithmic accuracy and speed.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권1호
• /
• pp.245-265
• /
• 2022

In response to problems such as insufficient extraction information, low detection accuracy, and frequent misdetection in the field of Thangka image defects, this paper proposes a YOLOv5 prediction algorithm fused with the attention mechanism. Firstly, the Backbone network is used for feature extraction, and the attention mechanism is fused to represent different features, so that the network can fully extract the texture and semantic features of the defect area. The extracted features are then weighted and fused, so as to reduce the loss of information. Next, the weighted fused features are transferred to the Neck network, the semantic features and texture features of different layers are fused by FPN, and the defect target is located more accurately by PAN. In the detection network, the CIOU loss function is used to replace the GIOU loss function to locate the image defect area quickly and accurately, generate the bounding box, and predict the defect category. The results show that compared with the original network, YOLOv5-SE and YOLOv5-CBAM achieve an improvement of 8.95% and 12.87% in detection accuracy respectively. The improved networks can identify the location and category of defects more accurately, and greatly improve the accuracy of defect detection of Thangka images.

• 한국컴퓨터정보학회논문지
• /
• 제19권4호
• /
• pp.55-62
• /
• 2014

본 논문에서는 유도 전동기 결함 중 가장 많은 비중을 차지하는 베어링의 복합 결함을 검출하기 위해 음향 방출 신호와 이를 영상화하여 질감 분석을 이용한 결함 검출 방법을 제안한다. 영상화된 결함 신호가 갖는 엔트로피, 픽셀의 동질성 및 에너지 특징을 분석하고, 그레이-레벨 동시발생 행렬을 통해 영상의 에너지, 동질성 및 다양성의 세 가지 질감 특징을 추출한다. 추출된 세 가지 질감 특징을 퍼지-ARTMAP(Fuzzy-ARTMAP)의 입력으로 사용하여 베어링의 외륜-내륜, 내륜-롤러 및 외륜-롤러에 대한 복합 결함을 분류한다. 총 10회에 걸쳐 제안한 방법의 분류 성능을 평가한 결과, 100%의 분류 정확성을 보였다.

• 전자공학회논문지SC
• /
• 제47권5호
• /
• pp.62-68
• /
• 2010

적외선영상에서 표적을 효율적으로 탐지하는 새로운 자동표적탐지 알고리즘을 제안한다. 이 연구의 목적은 실제 야지환경에서 획득된 적외선영상에서 낮은 오경보 확률로 표적의 위치를 정확히 찾는 것이다. 제안한 방법이 기존의 방법과 다른 점은 초기 탐지단계에서 사용되는 모폴로지 필터링 기법을 밝기정보를 갖고 있는 원래 입력 영상이 아닌 가버(Gabor) 응답 영상에 적용한 것과 표적과 클러터를 구분하기 위해 표적의 정확한 윤곽선 추출을 필요로 하지않는 것이다. 제안한 방법은 크게 3단계로 구성된다. 첫째로, 영상에서 돌출된 영역을 찾기 위해 입력영상으로부터 4 방향의 가버 응답을 구하고 픽셀별로 가버응답 합 영상을 구한다. 이 영상에 모폴로지 기법을 적용하여 돌출된 영역의 위치를 찾는다. 둘째로, 원래의 입력영상의 돌출된 영역에서 지역적인 질감특징 정보들을 찾는다. 마지막 단계로, 찾아진 지역적 특징 정보들이 신경회로망인 다층퍼셉트론 (Multi-Layer Perceptron)으로 입력되어 학습된 훈련 데이터들과의 비교를 통해 실제 표적과 클러터를 구분한다. 실험에서는 제안한 방법을 군사용 적외선 영상장비를 사용하여 실제 야지 환경에 획득된 영상에 적용하여 우수성과 실용가능성을 확인한다.

• Journal of Forest and Environmental Science
• /
• 제40권1호
• /
• pp.15-23
• /
• 2024

This research aimed to assess the possibility of detecting forest degradation using time-series satellite imagery and three different deep learning-based change detection techniques. The dataset used for the deep learning models was composed of two sets, one based on surface reflectance (SR) spectral information from satellite imagery, combined with Texture Information (GLCM; Gray-Level Co-occurrence Matrix) and terrain information. The deep learning models employed for land cover change detection included image differencing using the Unet semantic segmentation model, multi-encoder Unet model, and multi-encoder Unet++ model. The study found that there was no significant difference in accuracy between the deep learning models for forest degradation detection. Both training and validation accuracies were approx-imately 89% and 92%, respectively. Among the three deep learning models, the multi-encoder Unet model showed the most efficient analysis time and comparable accuracy. Moreover, models that incorporated both texture and gradient information in addition to spectral information were found to have a higher classification accuracy compared to models that used only spectral information. Overall, the accuracy of forest degradation extraction was outstanding, achieving 98%.

• 전자공학회논문지CI
• /
• 제46권6호
• /
• pp.70-78
• /
• 2009

본 논문에서는 눈 영역의 질감 및 구조적 특성을 고려한 두 가지 질감 필터들을 이용하여 눈 영역을 효과적으로 검출하는 방법을 제안한다. 인간의 눈 형태는 외형적으로 수평 방향으로 길고, 원형의 눈동자로 구성된 구조적 특성을 갖고 있다. 이 두가지 특성을 효율적으로 기술하는 질감 필터(Texture Filters)들로서 가보 필터(Gabor Filter)와 ART 기술자(Descriptor)가 사용된다. 가보 필터는 방향성 정보를 포함하고 있기 때문에, 수평 방향의 눈 형태 특성을 효과적으로 검출할 수 있다. 그리고 ART 기술자는 원형 모양의 특성을 갖는 눈동자를 검출하기 위해 사용되어진다. 본 논문에서는 효과적인 눈 영역을 검출하기 위하여, 첫 번째 단계에서 AdaBoost 분류기를 이용하여 얼굴 영역을 검출한다. 두 번째 단계는 검출된 얼굴 영역에 대해서 지역적인 조명 정규화 과정을 수행한다. 세 번째 단계에서는 두 가지의 질감 필터들을 이용하여 수평 방향과 원형 형태의 구조적 특성을 갖는 눈 후보영역을 검출하고, 마지막 단계에서는 검출된 눈 후보영역들 중에서 얼굴의 구조적인 특성을 가장 잘 표현하는 영역을 최적화된 눈 영역으로 추출한다. 제안한 알고리즘의 성능을 실험적으로 확인한 결과, 제안된 눈 검출 방법은 기존의 방법에 비해 정확률에서 2.9~4.4%의 향상된 검출 결과를 보인다.