본 논문은 Convolutional Neural Network(CNN) 모델을 이용하여 선박 소음의 로파그램 분석을 통한 선박 식별 시 허프 변환을 적용함으로써 성능을 향상시키는 방안을 제안한다. 수동소나에 수신된 신호를 처리하면 시간-주파수 영역인 로파그램이 생성된다. 로파그램에는 선박이 방사하는 기계류 소음이 토널 신호로 나타나고 이를 분석하면 선박의 클래스를 특정할 수 있다. 그러나 로파그램의 분석은 숙달된 인원에 의해 진행되는 전문적이고 오랜 시간이 소요되는 작업이다. 또한, 로파그램에는 수중환경 특성 상 다양한 배경소음이 같이 전시되기 때문에 표적 식별을 위한 분석이 매우 어렵다. 이 문제를 해결하기 위해 로파그램에 허프 변환을 적용하여 선을 추가함으로써 토널 신호를 강조하였다. 원본 로파그램과 허프 변환을 적용한 로파그램에 대해 CNN 모델을 이용해 식별을 시도한 결과, CNN 모델의 정확도와 매크로 F1 점수를 통해 허프 변환을 적용한 것이 로파그램 식별 성능을 향상시켰음을 보여주었다.
Previous studies on image processing techniques for panicle size measurement usually have focused on a single panicle or weakly overlapped particles. In the present work, the image processing algorithm for particle size measurement has been improved to process heavily-overlapped spherical-particle images. The algorithm consists of two steps; detection of boundaries which separate the images of the overlapped panicles from the background and the panicle identification process. For the first step, Sobel operator (using gray-level gradient) and the thinning process was adopted, and compared with the gray-level thresholding method that has been widely adopted. In the second, Hough transform was used. Hough transform is the detection algorithm of parametric curves such as straight lines or circles which can be described by several parameters. To reduce the measurement error, the process of finding the true center was added. The improved algorithm was tested by processing an image frame which contains heavily overlapped spherical panicles. The results showed that both the performances of detecting the overlapped images and separating the panicle from them were improved.
In this paper, we propose a new fast Hough transform to improve the processing time and line detection of Hough transform that is widely used in various vision systems. First, for the fast processing time, we reduce the number of features by using multi-statistical methods and also reduce the dimension of angle through six separate directions. Next, for improving the line detection, we effectively detect the lines of various directions by designing the line detection method which detects line in proportion to the number of features in six separate directions. The proposed method was evaluated with previous methods and obtained the excellent results. The processing time was improved in about 20% to 50% and line detection was performed better in various directions than conventional methods with experimental images.
눈동자 검출은 운전 부주의 검출, 졸음 검출, 시선 검출 등 다양한 상황 인지에 이용되고 있다. 이러한 상황 인지를 위해 본 논문에서는 원 허프 변환(Hough Circle Transform)을 이용한 눈동자 검출방법을 제안한다. 이것은 영상 내 원을 검출하는 방법으로 연산량이 많아 실시간 처리에 문제가 된다. 이러한 문제를 해결하기 위해 눈 검출 후 눈 영역의 크기를 일정한 눈 크기로 정규화 하고 눈의 양쪽 끝점간 거리에 따른 대략적인 눈동자의 반지름 값 범위를 추정한다. 그 추정된 반지름 값 범위 내에서 Hough Circle Transform을 수행하면 연산량의 축소가 가능하며 그 결과 초당 21frames 정도의 눈동자 검출이 가능하였다.
차선 검출을 위한 영상처리연구는 Hough Transform을 이용하는 방법과 주파수 변환 방법, 히스토그램을 이용하는 방법, 템플릿을 이용하는 방법등이 사용되고 있다. 차선 검출에 가장 많이 사용되는 Hough Transform은 연산 과정이 복잡하여 차량의 속도가 증가하면 실제 상황과 오차가 생길 확률이 높다. 이러한 문제를 해결하기 위해 영상을 분할하여 최소한의 영역을 처리하여 처리량을 줄였으며, 차선 이외의 선이 추출될 경우 그 선의 각도와 위치를 고려하여 연산에 방해되는 선을 삭제한다. 또한 고속으로 진행하는 차량의 경우, 점선으로 이루어져 선이 보이지 않는 부분에서는 차선의 인식이 불가능하여 위험한 상황을 초래한다. 따라서 최소한의 차선을 이용하여 차선을 연장하고, 여러 직선으로 곡선을 표현하여 차량 진행 방향을 예측할 수 있다.
New morphological positioning algorithm and inspection method are presented and compared with a method by means of the Hough transform. The positioning algorithm is the process of finding the center and the rotated angle of the surface mounted device (SMD). The inspection method is capable of detecting the location of broken or bent leads. In order to obtain the center and the orientation of the SMD rapidly, the Hough transform method utilizes feature points (concave points) and is executed on a DSP board. The proposed morphological method is implemented by using the morphological skeleton subsets, and an ultimate orientation is decided by the Hit-or-Miss transform (HMT). In the inspection process, two inspection methods also are presented. The first method utilizes the morphological methods, i.e., opening and closing. It is performed before the positioning process and called an initial inspection. The second method follows the positioning process and is performed by an inspection of intersections of rulers and the lead edge (or the skeleton). It is a ruling technique which is referred to as a detailed inspection. We find the morphological approach is preciser and faster than the Hough approach by the comparison of the proposed algorithms.
In this research, a mesh connected VLSI structure is proposed for the real time computation of the generalized Hough transform(GHT). The purpose of the research is to design a generalized Hough transformer that can be realized as a single chip processor. The GHT has been modified to yield a highly parallel structure consisting of simple processing elements(PEs) and communication networks. In the proposed structure, the GHT can be computed by first assigning an image pixel to a PE and performing shift and add operations. The result of the CAD circuit simulation shows that it can be computed in the time proportional to the number of pixels in the pattern. In addition to the Hough transformer, the peak detector has been designed to reduce 1)the number of the I/O operations between the transformer and the host computer and 2) the host computer's burden for peak detection by transmitting only the local peaks detected from the transformed accumulator. It is expected that the proposed single chip Hough transformer with peak detector makes a fast and inexpensive edge based object recognition systems possible for many industrial and military applications.
본 논문에서는 디지털 영상의 배포에서, 위 변조에 사용되는 미디언 필터링 (Median Filtering : MF)을 분류하는 포렌식 검출 알고리즘을 제안한다. 이러한 문제를 해결하기 위한 특징벡터는 영상의 에지 검출량 정보 32, 64, 128에 대한 허프변환(Hough Transform)에 의하여, 각 허프라인 (Hough Line)의 양끝 좌표값과 Angle-Distance 좌표상의 허프픽크치 (Hough Peaks)를 조합하여 42-Dim.으로 구성하였다. 변조된 영상들 중에서 미디언 필터링을 분류하는 검출기는 SVM (Support Vector Machine)에서 특징벡터를 학습하여 구현되었다. 제안된 미디언 필터링 검출 알고리즘은 특징벡터의 길이가 10-Dim.의 MFR (Median Filtering Residual) 스킴 및 686-Dim.의 SPAM (Subtractive Pixel Adjacency Matrix) 스킴과 비교하여 원영상, 평균필터링 ($3{\times}3$), JPEG (QF=90, 70) 압축, 가우시안 필터링 ($3{\times}3$, $5{\times}5$) 영상 모두에서 미디언 필터링의 포렌식 분류율이 99% 이상의 성능을 확인하였다.
본 논문은 레이돈(Radon) 변환식으로부터 유도된 투사 근거 허프(Hough) 변환 방식을 사용하여 시간연속 영상상의 이동물체의 궤적을 추정하는 기법을 제안한다. 이때 이동비행물체는 시간연속되는 각 영상 프레임에 몇 개의 화소로 나타나며 그 궤적은 삼차원 직선으로 간주한다. 근래에 제시된 방법들은 합성영상 입단일 궤적도면을 여러 종류의 허프변환 방식을 사용하여 그 궤적을 추정하여 왔으나 본 논문의 방식은 시간연속 영상을 여러 방향에서 투사하여 얻어지는 이차원적 비행체 궤적 지식을 효과적으로 비행체 궤적 재구성에 이용함으로 비행체 탐지 능력은 물론 궤적 추정 능력을 향상하였다. 아울러 투사 근거 허프 변환방식을 평가, 사정하기 위하여 영상 공간의 소음 등으로 야기된 투사 공간상의 허프 파라미터의 추정 error를 분석, 유도하였다. HiCamps라 명칭된 실제 적외선 시간연속 영상 데이타를 대상으로 시뮬레이션한 결과 비행체 궤적 추정이 아주 낮은 SNR 에서도 가능함을 보여준다.
광학적 Hough 변환 필터 배열을 이용하여 입력영상의 특징을 추출할 수 있는 방법을 제안한다. 여기서는 입력 영상의 부분들이 대용되는 필터 배열의 요소들에 의해 독립적으로 동시에 Hough 변환된다. 하나의 광학적 Hough 변환 필터를 사용하여 입력영상 전체에 대한 변환 결과를 얻는 기존의 방식에 비해, 제안한 방법은 입력 영상에 존재하는 선소 특징의 대략적 위치 정보를 함께 얻을 수 있고 복잡한 입력영상에 대해서도 광학적 정확성을 높일수 있다. 이 방식을 실험적으로 입증하기 위해 $5\times5$ Hough 변환 필터 배열을 제작하고 기초적인 실험을 수행하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.