• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.939-951
• /
• 2022

자율주행차에 있어 가장 중요한 요소는 차량 주변 환경과 정확한 위치를 인식하는 것이며, 이를 위해 다양한 센서와 항법 시스템 등이 활용된다. 하지만 센서와 항법 시스템의 한계와 오차로 인해 차량 주변 환경과 위치 인식에 어려움이 있다. 이러한 한계를 극복하고 안전하고 편리한 자율주행을 위해서 고정밀의 인프라 정보를 제공하는 정밀도로지도(high definition map, HD map)의 필요성은 증대되고 있다. 정밀도로지도는 모바일 매핑 시스템(mobile mapping system, MMS)을 통해 획득된 3차원 point cloud 데이터를 이용하여 작성된다. 하지만 정밀도로지도 작성에 많은 양의 점을 필요로 하고 작성 항목이 많아 수작업이 요구되어 많은 비용과 시간이 소요된다. 본 연구는 정밀도로지도의 필수 요소인 차선을 포함한 도로, 연석, 보도, 중앙분리대, 기타 6개의 클래스로 MMS point cloud 데이터를 유의미한정보로 분할하여 정밀도로지도의 효율적인 작성에 목적을 둔다. 분할에는 머신러닝 모델인 random forest (RF), support vector machine (SVM), k-nearest neighbor (KNN) 그리고 gradient boosting machine (GBM)을 사용하였고 MMS point cloud 데이터의 기하학적, 색상, 강도 특성과 차선 분할을 위해 추가한 도로 설계적 특성을 고려하여 11개의 변수를 선정하였다. 부산광역시 미남역 일대 5차선도로 130 m 구간의 MMS point cloud 데이터를 사용하였으며, 분할 결과 각 모델의 평균 F1 score는 RF 95.43%, SVM 92.1%, GBM 91.05%, KNN 82.63%로 나타났다. 가장 좋은 분할 성능을 보인 모델은 RF이며 클래스 별 F1 score는 도로, 보도, 연석, 중앙분리대, 차선에서 F1 score가 각각 99.3%, 95.5%, 94.5%, 93.5%, 90.1% 로 나타났다. RF 모델의 변수 중요도 결과는 본 연구에서 추가한 도로 설계적 특성의 변수 XY dist., Z dist. 모두 mean decrease accuracy (MDA), mean decrease gini (MDG)가 높게 나타났다. 이는 도로 설계적 특성을 고려한 변수가 차선을 포함한 여러 클래스 분할에 중요하게 작용하였음을 뜻한다. 본 연구를 통해 MMS point cloud를 머신러닝 기반으로 차선을 포함한 여러 클래스로 분할 가능성을 확인하고 정밀도로지도 작성 시 수작업으로 인한 비용과 시간 소모를 줄이는데 도움이 될 것으로 기대한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2010년도 제42차 하계학술발표논문집 18권2호
• /
• pp.145-148
• /
• 2010

본 논문에서 우리는 도로 영역과 하늘 영역, 그리고 도로와 하늘이 아닌 나머지 영역으로 분할하기 위해 동적인(dynamic) 패턴을 이용한 적응적인(adaptive) 병합 방법을 제안한다. 원본영상에서 Mean Shift 알고리즘과 라벨링(Labeling)을 수행하고 영역을 과분할 한다. 컬러에 의해서 도로와 하늘영역이 검출되지 못하는 영역을 위해서 도로 영역과 하늘 영역에서 동적인 패턴 추출한 후 매칭을 통해 유사 영역을 병합한다. 이것은 도로와 하늘의 정보를 현재 환경에서 적응적으로 추출하는 방법이다. 실험에서 정적인(static) 패턴을 사용해서 병합하는 방법과 동적인 패턴을 사용해서 병합하는 방법을 비교하였다. 그 결과, 동적인 패턴을 사용하였을 때 8.12%의 향상된 성능을 보였다.

• 한국정보기술학회논문지
• /
• 제16권12호
• /
• pp.85-92
• /
• 2018

복잡한 영상처리 알고리즘을 사용할 때 계산량을 줄이기 위해 슈퍼픽셀을 사용한다. 슈퍼픽셀은 특성이 유사한 픽셀들을 군집화하여 하나의 그룹으로 만드는 방법이다. 슈퍼픽셀은 영상처리의 전단계로 사용되기 때문에 빠르게 생성할 수 있어야 하고 영상의 에지 성분들을 잘 보존하여야 한다. 본 논문에서는 에지 성분을 잘 보존하면서도 계산량이 많지 않은 슈퍼픽셀 생성 방법을 제안한다. 제안하는 방법에서는 먼저 기존의 k-mean 방법을 이용하여 영상의 슈퍼픽셀을 충분히 생성하고, 생성된 슈퍼픽셀들을 분석하여 유사한 슈퍼픽셀을 병합하는 방식으로 최종 슈퍼픽셀을 생성한다. 슈퍼픽셀을 병합할 때는 슈퍼픽셀에 대해서만 유사도를 측정하기 때문에 추가되는 계산량은 많지 않다. 실험 결과는 제안하는 방법으로 생성된 슈퍼픽셀이 기존 방법에 의해 생성된 슈퍼픽셀에 비해 보다 정확하게 에지 성분들을 보존하는 것을 보여준다.

• 대한전자공학회논문지SP
• /
• 제44권4호통권316호
• /
• pp.78-85
• /
• 2007

영역들로 구성된 영상의 국부정규화처리 알고리즘에 내재된 분할 구도를 소개한다. 이동창에서 산출되는 국부통계치에 근거한 정규화적 접근은 선형 또는 비선형함수를 발생시켜 잡음 오염된 영역들의 화소분포와 근접유사 유형을 변형한다. 현재와 정규화된 영상신호 사이의 최근접 화소 이격거리에 대하여 평균과 표준편차를 조정하고 국부통계치와 파리미터 변동을 연계하여 영역간 분할 상태를 변화시킨다. 이러한 특성에 대하여 기존의 정규화 기법들과 본 연구에서 새로 고안한 국부정규화 기법이 비교 고찰된다. 그리고 실험결과는 국부정규화처리 실현에 의한 영역분할 성능을 보였다.

• 한국콘텐츠학회논문지
• /
• 제7권2호
• /
• pp.109-116
• /
• 2007

칼라 식별에 대한 칼라 왜곡 영향을 줄이려면 각 칼라 영역에서 가능한 한 많은 화소를 통계적으로 처리하는 게 바람직하다 여기에는 영역 분할이 필요하며, 따라서 일반적으로 에지 검출이 필요하다. 그러나, 칼라 코드의 에지들은 암전류, 색 간섭, 지퍼 효과, 반사, 그늘 등의 수많은 왜곡에 의해 끊기기 때문에 흔히 영역 분할이 불완전하게 되며, 그에 대한 에지 연결 작업도 쉽지가 않다. 이 논문에서는 에지 검출로 영역 분할을 할 수 없는 영상들에 대해 k-평균 클러스터링을 수행한다. 서로 다른 카메라로 서로 다른 환경에서 촬영된 311개의 영상에 대해 실험을 수행하였다. 일차 및 이차 칼라들 중에서 랜덤하게 선택해서 각 칼라 코드 영역에 사용하였다. 두 가지 에지 검출기들에 의한 영역 분할률은 89.4%였으며, 제안된 방법은 이를 99.4%로 증가시켰다. 칼라 인식은 hue, a*, b*의 세 성분들에 기반해서 수행되었으며, 성공적 영역 분할 경우들에 대해 100%의 정확도를 보였다.

• Journal of Biosystems Engineering
• /
• 제43권2호
• /
• pp.103-109
• /
• 2018

Purpose: This study has been conducted to develop a potato yield monitoring system, consisting of a segmentation algorithm to detect potatoes scattered on a soil surface and a counting system to count the number of potatoes and convert the data from two-dimensional images to masses. Methods: First, a segmentation algorithm was developed using top-hat filtering and processing a series of images, and its performance was evaluated in a stationary condition. Second, a counting system was developed to count the number of potatoes in a moving condition and calculate the mass of each using a mass estimation equation, where the volume of a potato was obtained from its two-dimensional image, and the potato density and a correction factor were obtained experimentally. Experiments were conducted to segment potatoes on a soil surface for different potato sizes. The counting system was tested 10 times for 20 randomly selected potatoes in a simulated field condition. Furthermore, the estimated total mass of the potatoes was compared with their actual mass. Results: For a $640{\times}480$ image size, it took 0.04 s for the segmentation algorithm to process one frame. The root mean squared deviation (RMSD) and average percentage error for the measured mass of potatoes using this counting system were 12.65 g and 7.13%, respectively, when the camera was stationary. The system performance while moving was the best in L1 (0.313 m/s), where the RMSD and percentage error were 6.92 g and 7.79%, respectively. For 20 newly prepared potatoes and 10 replication measurements, the counting system exhibited a percentage error in the mass estimation ranging from 10.17-13.24%. Conclusions: At a travel speed of 0.313 m/s, the average percentage error and standard deviation of the mass measurement using the counting system were 12.03% and 1.04%, respectively.

• 한국정보전자통신기술학회논문지
• /
• 제9권2호
• /
• pp.196-204
• /
• 2016

세계보건기구협회에의 통계에 따르면 심장 혈관 질환의 발병률이 가장 높은 것으로 알려져 있다. CTA영상을 사용하여 관상동맥 및 대동맥 질환을 치료 및 검사할 수 있다. 혈관을 3차원으로 복원하는 과정이 의사의 숙련도에 따라 결과가 상이하며 복원 시간이 길다는 단점이 있으며 이를 극복하고자 자동으로 정확한 혈관을 추출하는 연구들이 진행되어 왔다. 본 논문에서는 자동 및 반자동 분할 기법인 Region Competition, Geodesic Active Contour(GAC), Multi-atlas based segmentation, Active Shape Model(ASM) 알고리즘을 CTA영상에 적용하여 대동맥 기부를 추출하였으며 하우스도르프 거리, 볼륨, 영상처리속도, 사용자 관여 여부, 그리고 관상동맥 심문 검출률을 비교 및 분석하였다. 추출된 3차원 대동맥 모델 중 가장 높은 정확도를 나타낸 알고리즘은 GAC인 반면 사용자 관여가 가장 높았기 때문에 실제 시술에 적용하기 위해서는 자동 분할 알고리즘 개선이 필요하다

• Investigative Magnetic Resonance Imaging
• /
• 제21권1호
• /
• pp.9-19
• /
• 2017

Background: Normalized cerebral blood volume (nCBV) can be measured using manual or semiautomatic segmentation method. However, the difference in diagnostic performance on brain tumor differentiation between differently measured nCBV has not been evaluated. Purpose: To compare the diagnostic performance of manually obtained nCBV to that of semiautomatically obtained nCBV on glioblastoma (GBM) and primary central nervous system lymphoma (PCNSL) differentiation. Materials and Methods: Histopathologically confirmed forty GBM and eleven PCNSL patients underwent 3T MR imaging with dynamic susceptibility contrast-enhanced perfusion MR imaging before any treatment or biopsy. Based on the contrast-enhanced T1-weighted imaging, the mean nCBV (mCBV) was measured using the manual method (manual mCBV), random regions of interest (ROIs) placement by the observer, or the semiautomatic segmentation method (semiautomatic mCBV). The volume of enhancing portion of the tumor was also measured during semiautomatic segmentation process. T-test, ROC curve analysis, Fisher's exact test and multivariate regression analysis were performed to compare the value and evaluate the diagnostic performance of each parameter. Results: GBM showed a higher enhancing volume (P = 0.0307), a higher manual mCBV (P = 0.018) and a higher semiautomatic mCBV (P = 0.0111) than that of the PCNSL. Semiautomatic mCBV had the highest value (0.815) for the area under the curve (AUC), however, the AUCs of the three parameters were not significantly different from each other. The semiautomatic mCBV was the best independent predictor for the GBM and PCNSL differential diagnosis according to the stepwise multiple regression analysis. Conclusion: We found that the semiautomatic mCBV could be a better predictor than the manual mCBV for the GBM and PCNSL differentiation. We believe that the semiautomatic segmentation method can contribute to the advancement of perfusion based brain tumor evaluation.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.187-188
• /
• 2021

본 논문에서는 실시간으로 web-cam을 이용해, 후숙과일의 불량 여부를 판단, 분류하고 불량이 없는 후숙과일의 이미지 분석을 통하여 숙성도 예측하는 시스템을 소개한다. 실시간 다중 객체인식에 탁월한 yolo모델을 활용해, 과일의 불량여부 판단 후 분류하고, 이미지를 획득한 뒤, k-mean clustering 알고리즘을 이용해, 이미지를 segmentation 한다. segmentation된 이미지에 grabcut 알고리즘의 foreground-extraction을 사용해 배경 제거를 한 뒤, cluster의 중심색상값 색상값의 면적%, 전체 면적을 이용해 현재 숙성도를 계산하고 이를 이용해 과일의 후숙 시간 데이터와 비교, 숙성이 완료될 시간을 예측한다. 기존 수작업으로 이루어지고 있는 과일의 분류작업의 인력 감소 및 정확성을 높일 수 있는 알고리즘을 제안한다.

• 대한의용생체공학회:의공학회지
• /
• 제38권6호
• /
• pp.295-301
• /
• 2017

In this study, We subtracted the calcification blooming artifact from MDCT images of coronary atherosclerosis patients and verified their accuracy and usefulness. We performed coronary artery calcification stenosis phantom and a program to subtract calcification blooming artifact by applying 8 different image segmentation method (Otsu, Sobel, Prewitt, Canny, DoG, Region Growing, Gaussian+K-mean clustering, Otsu+DoG). As a result, In the coronary artery calcification stenosis phantom with the lumen region 5 mm the calcification blooming artifact was subtracted in the application of the mixture of Gaussian filtering and K- Clustering algorithm, and the value was close to the actual calcification region. These results may help to accurately diagnose coronary artery calcification stenosis.