• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.1067-1087
• /
• 2018

기존의 LiDAR 자료 기반의 건물 외곽선 추출 연구에서는 고정밀 포인트클라우드를 사용하여 자동으로 건물 지붕 영역을 분류하고 이를 입력자료로 하여 건물 외곽선을 추출했다. 반면에 스테레오 영상 정합을 통해 생성된 DSM은 고정밀 포인트클라우드 자료와 달리 원시 자료인 포인트클라우드에 잡음과 비어있는 격자가 존재하기 때문에 완전한 자동으로 건물 지붕 영역을 분류하는데 어려움이 있다. 따라서 본 논문에서는 스테레오 영상 정합을 통해 생성된 DSM에 사용자 입력을 통한 watershed segmentation 기법을 적용하여 반자동으로 건물의 3차원 외곽선을 추출하는 기법을 제안한다. 제안된 기법은 DSM 내 건물 영역을 표시하는 단순한 마커 정보만을 입력하기 때문에 사용자 입력을 최소화한 방식으로 건물의 3차원 외곽선을 생성할 수 있다.

• Journal of International Society for Simulation Surgery
• /
• 제1권1호
• /
• pp.27-31
• /
• 2014

In this paper, an overview of segmentation and 3D visualization methods are presented. Commonly, the two kinds of methods are used to visualize organs and vessels into 3D from medical images such as CT(A) and MRI - Direct Volume Rendering (DVR) and Iso-surface Rendering (IR). DVR can be applied directly to a volume. It directly penetrates through the volume while it determines which voxels are visualizedbased on a transfer function. On the other hand, IR requires a series of processes such as segmentation, polygonization and visualization. To extract a region of interest (ROI) from the medical volume image via the segmentation, some regions of an object and a background are required, which are typically obtained from the user. To visualize the extracted regions, the boundary points of the regions should be polygonized. In other words, the boundary surface composed of polygons such as a triangle and a rectangle should be required to visualize the regions into 3D because illumination effects, which makes the object shaded and seen in 3D, cannot be applied directly to the points.

• 한국멀티미디어학회논문지
• /
• 제23권8호
• /
• pp.965-976
• /
• 2020

We present in this work a segmentation method of E. coli bacterial images generated via phase contrast microscopy using a deep learning based hybrid feature generation. Unlike conventional machine learning methods that use the hand-crafted features, we adopt the denoising autoencoder in order to generate a precise and accurate representation of the pixels. We first construct a hybrid vector that combines original image, difference of Gaussians and image gradients. The created hybrid features are then given to a deep autoencoder that learns the pixels' internal dependencies and the cells' shape and boundary information. The latent representations learned by the autoencoder are used as the inputs of a softmax classification layer and the direct outputs from the classifier represent the coarse segmentation mask. Finally, the classifier's outputs are used as prior information for a graph partitioning based fine segmentation. We demonstrate that the proposed hybrid vector representation manages to preserve the global shape and boundary information of the cells, allowing to retrieve the majority of the cellular patterns without the need of any post-processing.

• 응용통계연구
• /
• 제24권2호
• /
• pp.335-345
• /
• 2011

본 논문에서는 레벨 셋 방법을 이용하여 영상분할을 수행하는데 필요한 새로운 하이브리드 속도함수를 제안한다. 새롭게 제안하는 속도함수는 정확한 분할 결과를 위하여 영상의 객체가 가지고 있는 영역정보와 윤곽선정보를 함께 이용한다. 영역정보는 관심이 있는 물체영상내의 픽셀들의 밝기에 대한 확률분포의 정보를 이용하였고, 윤곽선정보는 영상의 에지의 기울기로부터 주어지는 기울기 벡터장을 이용하였다. 제안된 방법을 이용한 분할결과의 정확성을 확인하기 위하여 가상영상과 실제 사용되는 의료영상에 대하여 다양한 실험을 실시하고, 분할된 결과를 통하여 제안된 방법의 우수성을 입증하였다.

• 자연과학논문집
• /
• 제4권
• /
• pp.191-220
• /
• 1991

Human Visual System(HVS)의 특성과 image의 textural regions의 roughness을 이용하여 image segmentation을 행하여 high compression에서도 고화질을 나타내는 새로운 image coder를 이 논문에서 논한다. 제안된 image coder는 constant segments를 가진 segmentation-based image coding technique의 문제들을 다음과 같은 방법론을 제안함으로써 해결하였다. Image를 HVS으로 보았을 때 degree of roughness에 관하여 textually homogeneous regions으로 segmentation하였다. Fractal dimension을 roughness of textural regions을 측정하기 위하여 사용하였다. Segmentation은 fractal dimension을 thresholding하여 textural regions이 three texture classes로 분류하였다(perceived constant intensity, smooth texture, and rough texture). High compression을 가지는 고질화의 image coder는 각각의 segment boundary와 각각의 texture class에 효율적인 coding technique를 적용 함으로 얻었다.

• 말소리와 음성과학
• /
• 제2권3호
• /
• pp.115-124
• /
• 2010

The current study investigated the role of acoustic correlates of domain-initial strengthening in lexical segmentation of a non-native language. In a series of cross-modal identity-priming experiments, native Korean listeners heard English auditory stimuli and made lexical decision to visual targets (i.e., written words). The auditory stimuli contained critical two word sequences which created temporal lexical ambiguity (e.g., 'mill#company', with the competitor 'milk'). There was either an IP boundary or a word boundary between the two words in the critical sequences. The initial CV of the second word (e.g., [$k_{\Lambda}$] in 'company') was spliced from another token of the sequence in IP- or Wd-initial positions. The prime words were postboundary words (e.g., company) in Experiment 1, and preboundary words (e.g., mill) in Experiment 2. In both experiments, Korean listeners showed priming effects only in IP contexts, indicating that they can make use of IP boundary cues of English in lexical segmentation of English. The acoustic correlates of domain-initial strengthening were also exploited by Korean listeners, but significant effects were found only for the segmentation of postboundary words. The results therefore indicate that L2 listeners can make use of prosodically driven phonetic detail in lexical segmentation of L2, as long as the direction of those cues are similar in their L1 and L2. The exact use of the cues by Korean listeners was, however, different from that found with native English listeners in Cho, McQueen, and Cox (2007). The differential use of the prosodically driven phonetic cues by the native and non-native listeners are thus discussed.

• 한국컴퓨터그래픽스학회논문지
• /
• 제28권1호
• /
• pp.11-19
• /
• 2022

본 논문에서는 특징 추출 하모닉 필드(harmonic field)와 비등방 측지선(anisotropic geodesic)을 이용하여 메쉬의 특징 영역을 분할하는 새로운 기법을 제안한다. 기존 대부분의 메쉬 분할 기법들은 경계 영역에 대한 사용자의 명시적인 입력을 요구하지만, 제안된 기법에서는 사용자가 관심 영역의 임의의 정점을 선택하여 직관적이고 편리하게 특징 영역을 분할한다. 사용자가 선택한 정점을 중심으로 오목한(concave) 영역에서 큰 변화를 갖는 하모닉 필드를 생성한다. 생성된 하모닉 필드에서 하나의 등위선(isoline)을 선택하여 초기 분할 경계선을 정하고, 선택된 등위선에서 최적의 특징점을 추출하여 비등방 측지선으로 연결함으로써 최종적인 분할 경계선을 생성한다. 다양한 실험을 통해 제안된 기법이 사용자의 입력에 민감하지 않으며, 특징 영역 분할에 효과적으로 사용될 수 있음을 보인다.

• 음성과학
• /
• 제13권1호
• /
• pp.29-41
• /
• 2006

This study investigates the degree to which various prosodic cues at the boundaries of prosodic phrases in Korean contribute to word segmentation. Since most phonological words in Korean are produced as one Accentual Phrase (AP), it was hypothesized that the detection of acoustic cues at AP boundaries would facilitate word segmentation. The prosodic characteristics of Korean APs include initial strengthening at the beginning of the phrase and pitch rise and final lengthening at the end. A perception experiment utilizing an artificial language learning paradigm revealed that cues conforming to the aforementioned prosodic characteristics of Korean facilitated listeners' word segmentation. Results also indicated that duration and amplitude cues were more helpful in segmentation than pitch. Nevertheless, results did show that a pitch cue that did not conform to the Korean AP interfered with segmentation.

• 정보처리학회논문지B
• /
• 제13B권4호
• /
• pp.361-368
• /
• 2006

본 논문에서는 스네이크 기반의 객체 윤곽선 검출 방법을 제안한다. 기존의 방법들은 스네이크 에너지 함수의 제약으로 오목한 윤곽을 갖는 복잡한 모양의 객체에 대해서는 윤곽선 검출의 정확도가 떨어지고, 고정된 스네이크 포인트 수를 이용하기 때문에 효율적으로 객체 윤곽을 표현하는데 문제점이 있다. 이러한 문제점을 해결하기 위해 스네이크 포인트의 추가 및 제거를 통해 객체의 윤곽을 검출하는 방법을 제안한다. 제안한 방법은 크게 두 단계로 구성된다. 먼저, 제안하는 스네이크 모델로 초기 관심객체의 윤곽을 검출하고, 두번째 단계로 부족한 포인트는 추가하고 잉여 포인트는 제거하여 객체의 윤곽선을 잘 검출할 수 있게 한다. 제안한 방법은 복잡한 윤곽을 갖는 객체에 대해 윤곽선 검출이 기존의 방법보다 좋은 결과를 보이는 것을 실험을 통해 확인하였다.

• 대한임베디드공학회논문지
• /
• 제16권5호
• /
• pp.209-214
• /
• 2021

Panoptic segmentation, which is now widely used in computer vision such as medical image analysis, and autonomous driving, helps understanding an image with holistic view. It identifies each pixel by assigning a unique class ID, and an instance ID. Specifically, it can classify 'thing' from 'stuff', and provide pixel-wise results of semantic prediction and object detection. As a result, it can solve both semantic segmentation and instance segmentation tasks through a unified single model, producing two different contexts for two segmentation tasks. Semantic segmentation task focuses on how to obtain multi-scale features from large receptive field, without losing low-level features. On the other hand, instance segmentation task focuses on how to separate 'thing' from 'stuff' and how to produce the representation of detected objects. With the advances of both segmentation techniques, several panoptic segmentation models have been proposed. Many researchers try to solve discrepancy problems between results of two segmentation branches that can be caused on the boundary of the object. In this survey paper, we will introduce the concept of panoptic segmentation, categorize the existing method into two representative methods and explain how it is operated on two methods: top-down method and bottom-up method. Then, we will analyze the performance of various methods with experimental results.