• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 하계종합학술대회 논문집(4)
• /
• pp.215-218
• /
• 2002

The edges of an image hold much of the information in that image. The edges tell where objects are, their shape and size, and something about their texture. An edge is where the intensity of an image moves from a low value to a high value. We introduce the edge detection using the differential operator with Sobel operator and describe a nonparametric Wilcoxon test based on statistical hypothesis testing for the detection of edges. This paper proposes an efficient edge detection using Van der Waerden's statistic in original and noisy images. We use the threshold determined by specifying significance level a and an edge-height parameter. Comparison with our statistical test and Sobel operator shows that Van der Waerden method perform more effectively in both noisy and noise-free images.

• 한국표면공학회지
• /
• 제56권6호
• /
• pp.353-370
• /
• 2023

Corrosion detection and analysis is a very important topic in reducing costs and preventing disasters. Recently, image processing techniques have been widely applied to corrosion identification and analysis. In this work, we briefly introduces traditional image processing techniques and machine learning algorithms applied to detect or analyze corrosion in various fields. Recently, machine learning, especially CNN-based algorithms, have been widely applied to corrosion detection. Additionally, research on applying machine learning to region segmentation is very actively underway. The corrosion is reddish and brown in color and has a very irregular shape, so a combination of techniques that consider color and texture, various mathematical techniques, and machine learning algorithms are used to detect and analyze corrosion. We present examples of the application of traditional image processing techniques and machine learning to corrosion detection and analysis.

• 한국측량학회지
• /
• 제34권2호
• /
• pp.143-151
• /
• 2016

The distribution of seabed rock in the coastal area is relevant to navigation safety and development of ocean resources where it is an essential hydrographic measurement. Currently, the distribution of seabed rock relies on interpretations of water depth data or point based bottom materials survey methods, which have low efficiency. This study uses the airborne bathymetric Lidar data and the hyperspectral image to detect seabed rock in the coastal area of the East Sea. Airborne bathymetric Lidar data detected seabed rocks with texture information that provided 88% accuracy and 24% commission error. Using the airborne hyperspectral image, a classification result of rock and sand gave 79% accuracy, 11% commission error and 7% omission error. The texture data and hyperspectral image were fused to overcome the limitations of individual data. The classification result using fused data showed an improved result with 96% accuracy, 6% commission error and 1% omission error.

• Journal of Information Processing Systems
• /
• 제16권5호
• /
• pp.1008-1014
• /
• 2020

Aiming at the defect detection quality of denim fabric, this paper designs an improved algorithm based on the optimized Gabor filter. Firstly, we propose an improved defect detection algorithm of jean fabric based on the maximum two-dimensional image entropy and the loss evaluation function. Secondly, 24 Gabor filter banks with 4 scales and 6 directions are created and the optimal filter is selected from the filter banks by the one-dimensional image entropy algorithm and the two-dimensional image entropy algorithm respectively. Thirdly, these two optimized Gabor filters are compared to realize the common defect detection of denim fabric, such as normal texture, miss of weft, hole and oil stain. The results show that the improved algorithm has better detection effect on common defects of denim fabrics and the average detection rate is more than 91.25%.

• 한국지리정보학회지
• /
• 제9권4호
• /
• pp.129-141
• /
• 2006

인공위성을 이용한 원격탐사 기술의 비약적인 발전과 함께 지리, 해양 정보 등 사회전반에서 사용되는 영상 데이터량이 급속히 증가하고 있다. 따라서 대용량 원격탐사 영상의 해석을 위해서는 육안 검사보다 영상처리 기술을 이용한 자동화 방법이 필요하다. 본 연구에서는 인공위성 원격탐사 영상의 적조영역에 대해 GLCM(Gray Level Co-occurrence Matrix)을 이용하여 질감 정보를 취득하고, 이 데이터로부터 주성분 분석을 통해 적조영역을 자동으로 검출하는 방법에 대해 제안하였다. 기존의 적조영역 검출은 원격탐사 영상의 해색(sea color) 한 가지 특징에 의한 방법이 대부분이었으나 본 연구에서 GLCM의 질감 정보 8가지를 이용해서 2개의 주성분 누적 영상으로 변환시켰다. 연구결과 2개의 주성분 누적 영상의 백분율 분산 값은 90.4%였으며, 이를 해색 한 가지만을 이용한 적조영역 검출방법과 비교했을 때 보다 나은 결과를 나타내었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권3호
• /
• pp.91-98
• /
• 2018

집단으로 사육되는 돼지 농장에서 돼지 소모성 질환의 자동 탐지는 매우 중요한 문제이다. 특히, 밀집된 돈사에서 사육되는 돼지들의 호흡기 질환은 축산 농가의 막대한 경제적 손실을 야기하는 대표적 질병들 중 하나이다. 본 논문에서는 소리 신호 해석에 기반하여 돼지의 호흡기 질환을 조기 탐지 및 식별하는 잡음에도 강인한 시스템을 제안한다. 제안하는 시스템은, 먼저 1차원의 소리 신호를 2차원의 회색조 영상으로 변환한 후, DNS기법으로 질감 특징 정보를 갖는 이미지를 생성한다. 마지막으로, 이를 CNN에 입력함으로써 잡음에도 강인한 돼지 호흡기 질병 탐지 및 식별 시스템을 구현하고자 한다. 실제 국내 돈사에서 취득한 돼지의 발성음을 이용하여 제안하는 시스템의 성능을 실험적으로 검증한바, 제안된 시스템은 경제적인 비용(저가의 소리 센서)과 시스템 정확도(96.0% 정확도)로 다양한 잡음 환경에서도 돼지의 호흡기 질병들을 탐지할 수 있음을 실험적으로 확인하였다. 제안된 시스템은 독자적인 혹은 기존 방법들의 보완책으로 사용될 수 있다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권11호
• /
• pp.803-808
• /
• 2002

본 논문은 복부 컴퓨터단층촬영(CT) 영상에서의 자동화된 신장 및 신장암 추출에 관한 연구를 수행하였다. 필름으로 보관된 복부 CT 영상을 디지털화하여 영상분석을 수행하였으며, 명암값에 의한 임계값(Gray-Level Thresholding) 처리 기법을 사용하여 신장만을 분리하였다. 신장암의 샘플영상에 대한 텍스쳐(Texture)분석 결과를 토대로, 대표적인 통계적 모멘트 값인 평균 및 표준 편차값을 동질성 시험 기준으로 삼아 신장암의 SEED를 선택하였다. 선택된 SEED의 중앙 픽셀을 시작점으로 하여, 명암값을 동질성 시험기준으로 사용한 영역확장(Region Growing) 방법을 적용하여 신장암을 추출하였다. GE사의 Hispeed Advantage CT 스캐너를 사용하여 촬영된 9개의 예, 총 113매 영상을 Lumisys LS-40 필름 디지타이저로 디지털화 하여 적용한 결과, 85%의 신장암 추출 민감도를 가진다.

• 대한의생명과학회지
• /
• 제18권4호
• /
• pp.399-405
• /
• 2012

The brain is the body's most organized and controlled organ, and it governs various psychological and mental functions. A brain abnormality could greatly affect one's physical and mental abilities, and consequently one's social life. Brain disorders can be broadly categorized into three main afflictions: stroke, brain tumor, and dementia. Among these, stroke is a common disease that occurs owing to a disorder in blood flow, and it is accompanied by a sudden loss of consciousness and motor paralysis. The main types of strokes are infarction and hemorrhage. The exact diagnosis and early treatment of an infarction are very important for the patient's prognosis and for the determination of the treatment direction. In this study, texture features were analyzed in order to develop a prototype auto-diagnostic system for infarction using computer auto-diagnostic software. The analysis results indicate that of the six parameters measured, the average brightness, average contrast, flatness, and uniformity show a high cognition rate whereas the degree of skewness and entropy show a low cognition rate. On the basis of these results, it was suggested that a digital CT image obtained using the computer auto-diagnostic software can be used to provide valuable information for general CT image auto-detection and diagnosis for pre-reading. This system is highly advantageous because it can achieve early diagnosis of the disease and it can be used as supplementary data in image reading. Further, it is expected to enable accurate medical image detection and reduced diagnostic time in final-reading.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.

• Journal of the Optical Society of Korea
• /
• 제20권6호
• /
• pp.745-751
• /
• 2016

A detection algorithm, based on the combined local-global (CLG) optical-flow model and Gaussian pyramid for a moving target appearing against a dynamic background, can compensate for the inadaptability of the classic Horn-Schunck algorithm to illumination changes and reduce the number of needed calculations. Incorporating the hypothesis of gradient conservation into the traditional CLG optical-flow model and combining structure and texture decomposition enable this algorithm to minimize the impact of illumination changes on optical-flow estimates. Further, calculating optical-flow with the Gaussian pyramid by layers and computing optical-flow at other points using an optical-flow iterative with higher gray-level points together reduce the number of calculations required to improve detection efficiency. Finally, this proposed method achieves the detection of a moving target against a dynamic background, according to the background motion vector determined by the displacement and magnitude of the optical-flow. Simulation results indicate that this algorithm, in comparison to the traditional Horn-Schunck optical-flow algorithm, accurately detects a moving target undergoing illumination changes against a dynamic background and simultaneously demonstrates a significant reduction in the number of computations needed to improve detection efficiency.