• 한국멀티미디어학회논문지
• /
• 제12권11호
• /
• pp.1692-1700
• /
• 2009

본 논문에서는 메쉬 법선 벡터들의 방향 분포를 3차원 모델의 특징 기술자로 제안한다. 특징 기술자로써 요구되는 회전 불변을 주성분 분석법(PCA)으로 처리하고 잡음첨가에 강건하도록 메쉬 간략화를 수행한다. 표면적이 작은 면에 대한 정보가 특징 기술자를 구성하는데 더 적게 반영되도록 법선 벡터의 분포를 각 다각형의 면적에 비례하게 표본을 뽑아 법선 벡터에 가중치를 적용하고 보간하여 변별력을 높인다. 모델간의 유사도는 특징 기술자의 거리를 정규화한 확률 밀도 히스토그램의 L1-norm으로 측정한다. 제안한 방법이 기존 방법에 비해 검색 순위 평균(ANMRR)으로 나타낸 검색 성능이 약 17.2%, 정량적 변별 척도로 나타낸 검색 성능이 최소 9.6%에서 최대 17.5%까지 향상되었음을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.164-168
• /
• 2008

일반적으로 확률강우량은 관측지점에서 관측된 연최대 강우량자료를 바탕으로 빈도해석을 적용하여 산정한다. 그러나 국내에서는 매시각별로 관측된 자료가 대부분이기 때문에 단기간 혹은 장기간의 지속기간에 대한 확률강우량을 산정하는 것은 쉽지 않다. 따라서 본 연구에서는 매시각단위의 지속기간 강우자료를 바탕으로 다양한 지속기간에 대한 확률 강우량을 산정할 수 있는 스케일 성질을 적용하여 확률강우량을 산정하여 정확성을 판단하였다. 강우자료는 비교적 신뢰성이 높고 자료기간이 긴 기상청 지점 22개 자료를 사용하였으며, 2003년까지의 관측된 자료를 이용하여 확률강우량을 산정한 후 지점빈도해석 프로그램인 FARD2006과 비교하여 지점빈도해석의 결과 값을 참값으로 절대상대오차를 산정하여 비교하였다. 산정한 방법은 기준이 되는 확률강우량을 산정한 후 그보다 긴 지속기간에 대한 확률강우량을 산정하는 방법인 상향스케일링 (Up-scaling)과 그 보다 짧은 지속기간에 대한 확률강우량을 산정하는 방법인 하향스케일링(Down-scaling)의 두 가지 방법으로 확률강우량을 산정하였다. 두 방법 모두 1시간$\sim$24시간의 지속기간에 대한 확률강우량을 2년$\sim$500년의 재현기간에 대하여 확률강우량을 산정하였으며, 빈도해석으로 산정한 FARD2006의 결과값과 비교하여 절대상대오차를 산정하였다. 그 결과, 시간단위자료를 사용할 경우 대부분 절대상대오차가 10% 미만인 결과를 얻을 수 있었으며, 14개의 재현기간 중에서 8개 이상의 재현기간에 대해 적용이 가능한 것으로 나타났다. 지속기간 1시간 강우자료를 기준 지속기간으로 1시간 미만의 지속기간에 대한 확률강우량을 추정한 결과 10분을 제외하고는 대부분 절대상대오차가 10% 내외의 정확도를 가지는 것으로 나타났다. 따라서 스케일 성질을 이용하여 미계측 강우지속기간의 확률강우량을 추정할 수 있을 것으로 판단된다.

• 대한전자공학회논문지SP
• /
• 제39권4호
• /
• pp.370-380
• /
• 2002

전방 관측 적외선 영상에서 가려짐이 없거나 가려짐이 있는 군용차량을 인식할 수 있는 자동 표적인식 알고리즘을 제안한다. 표적을 배경으로부터 분리한 후에 광역적인 형상 특징을 찾기 위해 표적의 경계선에 대해 물체의 중심을 기준으로 방사함수 (radial function)를 정의한다. 또한, 형상 정보가 집중되어 있는 표적의 윗 부분으로부터 국부적인 형상 특징을 찾기 위해 두 개의 특징점과 경계선으로부터 거리함수를 정의한다. 두 개의 함수와 경계선으로부터 4개의 광역적 형상 특징과 4개의 국부적 형상 특징을 제안한다. 이 특징들은 병진, 회전 그리고 크기변화에 대해 기존의 특징 벡터들 보다 좋은 불변성을 가진다. 이 특징들을 이용하여 가려짐이 있는 표적과 가려짐이 없는 표적을 구분하여 인식하기 위한 새로운 분류 방식을 제안한다. 실험을 통해 제안한 특징들의 불변성과 인식 성능을 기존의 특징벡터들과 비교하여 제안한 표적 인식 알고리즘의 우수성을 입증한다.

• 한국항행학회논문지
• /
• 제16권2호
• /
• pp.394-400
• /
• 2012

SURF(Speeded Up Robust Features)는 다양한 상태 변화에 강인한 기술자 추출 방법으로 객체 인식과 같은 분야에서 유용하게 사용되는 알고리즘이다. 이 알고리즘은 대표적인 특징점 추출 알고리즘인 SIFT(Scale Invariant Feature Transform)와 비슷한 성능을 보이면서도 수행 시간이 훨씬 빠르다는 장점이 있다. 하지만 이러한 기술자들은 회전 불변한 특징 보장을 위해서, 추출한 특징점 간의 위치 정보를 고려하지 않는다. 또한, 원본 영상을 흑백 영상으로 변환하여 사용하기 때문에, 원본 이미지의 색상 정보도 이용하지 않는다. 본 논문에서는 특징점들 간의 상대적인 위치 정보 및 색상 정보를 이용하여 SURF 기술자의 정합 성능을 개선하는 방안을 제안한다. 상대적인 위치 정보는 특징점들의 중심을 연결하는 선분과 특징점 중심에서부터 생성되는 orientation 선분 사이의 각을 기반으로 한다. 색상 정보의 경우 각 특징점이 포함하고 있는 영역에 대해 color histogram을 생성하여 사용한다. 실험을 통하여 제안된 기법의 성능 개선을 보인다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권9호
• /
• pp.4467-4486
• /
• 2018

Trying to deal with the problem of low robustness of Copy-Move Forgery Detection (CMFD) under various transformation and degradation attacks, a novel CMFD method is proposed in this paper. The main advantages of proposed work include: (1) Discrete Analytical Fourier-Mellin Transform (DAFMT) and Locality Sensitive Hashing (LSH) are combined to extract the block features and detect the potential copy-move pairs; (2) The Euclidian distance is incorporated in the pixel variance to filter out the false potential copy-move pairs in the post-verification step. In addition to extracting the effective features of an image block, the DAMFT has the properties of rotation and scale invariance. Unlike the traditional lexicographic sorting method, LSH is robust to the degradations of Gaussian noise and JEPG compression. Because most of the false copy-move pairs locate closely to each other in the spatial domain or are in the homogeneous regions, the Euclidian distance and pixel variance are employed in the post-verification step. After evaluating the proposed method by the precision-recall-$F_1$ model quantitatively based on the Image Manipulation Dataset (IMD) and Copy-Move Hard Dataset (CMHD), our method outperforms Emam et al.'s and Li et al.'s works in the recall and $F_1$ aspects.

• 한국물환경학회지
• /
• 제34권4호
• /
• pp.391-398
• /
• 2018

The main purpose of this study is to suggest and recommend the more reliable flow direction methods within the framework of DEM and power law distribution, by investigating the existing methodologies. To this end SFD (single flow direction method), MFD (multiple flow direction method) and IFD (Infinite flow direction method) are applied to analyze the determination of a flow direction for the water particles as seen in the Jeonjeokbigyo basin, and then assessed with respect to the variation of flow accumulation in that region. As the main results revealed, the study showed the different patterns of flow accumulation are found out from each applications of flow direction methods utilized in this study. This brings us to understand that as the flow dispersion on DEM increases, in this case the contributing areas to the outlet grow in sequence of SFD, IFD, MFD, but it is noted that the contribution of individual pixels into outlet decreases at that time. In what follows, especially with the MFD and IFD, the result tends to make additional hydrologic abstraction from rainfall excess, as noted due to the flow dispersion within flow paths on DEM. Based on the parameter estimation for a power law distribution, which is frequently used for identify the aggregation structure of complex system, by maximum likelihood flow accumulation can be thought of as a scale invariance factor. In this regard, the combination of flow direction methods could give rise to the more realistic water flow on DEM, as revealed through the separate flow direction methods as utilized for dispersion and aggregation effects of water flow within the available different topographies.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.195-195
• /
• 2018

기상청에서는 영국 전지구기후모델인 HadGEM2-AO 기반의 영국 지역기후모델 HadGEM3-RA로부터 생산된 기후변화 시나리오를 기후변화예측을 위한 국가표준시나리오 자료로 제공하고 있다. 하지만, 기후모델의 특성상, 관측자료와 모의자료 간에는 통계적인 차이가 존재하며, 이러한 차이를 무시하고 원자료를 그대로 분석에 사용하는 것은 무의미 하다. 따라서 이러한 보정하기 위해서 주로 Quantile Mapping, Quantile Delta Mapping, Detrended Quantile Mapping 방법이 주로 사용된다. 하지만 어떠한 편의보정 방법이든 극값이 다수 존재하는 미래기간 모의자료를 보정할 때에는 외삽법(extrapolation)의 적용이 필요하다. 외삽법의 경우 constant correction 방법이 주로 적용된다. 본 연구에서는 기상청의 국가표준시나리오를 대상으로 이러한 편의보정 방법의 적용에 따른 미래 극한강우량의 차이를 분석하고자 하였다. 우선, 모의자료에서 우리나라 주요 기상관측지점에 해당하는 격자로부터 강우량자료를 추출하고 연최대강우시계열을 산정하였다. 그 후, 위의 세 가지 편의보정 방법을 이용하여 강우자료의 편의보정을 수행하였으며, constant correction 방법을 적용하여 이상치를 보정하였다. 그 후, 보정된 미래기간 모의자료의 추세를 분석하고, 이를 미래 확률강우량 산정방법인 scale-invariance 기법에 적용하여 미래 확률강우량을 산정하였다. 그 결과, 외삽법의 적용에 따라 편의보정 방법에 따라 미래 자료의 추세 또는 확률강우량의 변화패턴은 큰 차이를 나타내지 않았지만, 그 값 자체는 다소 차이가 있는 것으로 나타났다. 이러한 차이는 사용된 GCM과 RCM 조합으로 인한 오차와 더해져, 미래 예측결과의 불확실성으로 나타나기에 미래 극한강우량 예측을 위해서는 다수의 GCM, RCM 조합뿐만 아니라 다수의 편의보정 방법에 따른 결과도 함께 고려(ensemble)하여 결과를 나타내는 것이 필요할 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제14권4호
• /
• pp.47-57
• /
• 2009

최근 컴퓨터비젼 분야에서 이벤트 검출 및 인식이 활발히 연구되고 있으며, 도전적인 주제들 중 하나이다. 본 논문에서는 사무실 환경에서 발생할 수 있는 이벤트의 검출 및 인식을 위한 방법을 제안한다. 제안된 방법은 MHI(Motion History Image) 시퀀스(sequence)를 이응한 인간의 모션을 분석하며, 사람의 처형과 착용한 옷의 종류와 색상, 그리고 카메라로부터의 위치관계에 불변한 특성을 가진다. 제안된 방법은 기존의 방법들 중, 칼라 정보를 이용한 방법에 비해 조명의 변화에 민감하지 않은 장점이 있으며, 관심의 대상이 되는 객체의 외형과 같은 사전지식에 의존하는 방법에 비해 스케일에 민감하지 않은 장점이 있다. 에지검출 기술을 HMI 순서 영상 정보와 결합하여 사람 모션의 기하학적 특징을 추출한 후, 이벤트 인식의 기본정보로 활용한다. 제안된 방법은 단순한 이벤트 검출 프레임웍을 사용하기 때문에 검출하고자 하는 이벤트의 설명만을 첨가하는 것으로 확장이 가능하다. 또한, 제안된 방법은 컴퓨터비젼 기술에 기반한 많은 감시시스템 뿐 아니라 상황인식 기반의 이벤트 검출 시스템에 핵심기술이다.

• 융합신호처리학회논문지
• /
• 제5권4호
• /
• pp.256-262
• /
• 2004

로봇이 자율주행을 하는데 있어 중요한 요소는 로봇 스스로 위치를 추정하고 동시에 주위 환경에 대한 지도를 작성하는 것이다. 본 논문에서는 어안렌즈를 이용한 비전 기반 위치 추정 및 매핑 알고리즘을 제안한다. 로봇에 어안렌즈가 부착된 카메라를 천정을 바라볼 수 있도록 부착하여 스케일 불변 특징을 갖는 고급의 영상 특징을 구하고, 이 특징들을 맵 빌딩과 위치 추정에 이용하였다. 전처리 과정으로 어안렌즈를 통해 입력된 영상을 카메라 보정을 행하여 축방향 왜곡을 제거하고 레이블링과 컨벡스헐을 이용하여 보정된 영상에서 천정영역과 벽영역으로 분할한다. 최초 맵 빌딩시에는 분할된 영역에 대해 특징점을 구하고 맵 데이터베이스에 저장한다. 맵 빌딩이 종료될 때까지 연속하여 입력되는 영상에 대해 특징점들을 구하고 맵과 매칭되는 점들을 찾고 매칭되지 않은 점들에 대해서는 기존의 맵에 추가하는 과정을 반복한다. 위치 추정은 맵 빌딩 과정과 맵 상에서 로봇의 위치를 찾는데 이용된다. 로봇의 위치에서 구해진 특징점들은 로봇의 실제 위치를 추정하기 위해 기존의 맵과 매칭을 행하고 동시에 기존의 맵 데이터베이스는 갱신된다. 제안한 방법을 적용하면 50㎡의 영역에 대한 맵 빌딩 소요 시간은 2분 이내, 위치 추정시 위치 정확도는 ±13cm, 로봇의 자세에 대한 각도 오차는 ±3도이다.

• 전자공학회논문지
• /
• 제50권8호
• /
• pp.187-195
• /
• 2013

차량 번호판 검출의 기존 연구들은 대부분 높은 성능을 얻기 위해 영상 획득 환경을 제한한다. 본 논문은 제약사항이 적은 환경에서 다양한 종류의 차량 번호판을 검출하기 위해 SIFT와 신경망을 이용한 새로운 방법을 제안한다. SIFT는 영상의 크기, 회전 변화에 불변하는 지역특징으로서 처리해야 할 환경이 고정되지 않은 경우에도 분별력이 뛰어나다. 영상에서 추출한 SIFT를 번호판 내부의 것(내부 부류)과 외부의 것(외부 부류)으로 나누어 2부류 분류기를 학습한다. 분류기는 신경망을 사용하며, 찾고자 하는 번호판의 종류를 학습 집합에 포함하는 것으로 다양한 종류의 번호판을 동일한 알고리즘으로 검출할 수 있다. 제안하는 방법은 입력 영상에서 지역특징을 추출하고 미리 학습한 분류기로 번호판 내부 부류를 가려낸다. 분류기의 성능이 높지 않더라도 분류 결과 내부 부류는 번호판 내부에 밀집하여 나타나고 번호판 외부에서는 흩어져 나타난다. 이러한 특성을 이용해 지역특징 맵을 만들고, 이 맵에서 임계값 이상인 전역 최댓값을 번호판 영역으로 검출한다. 다양한 환경에서 데이터 베이스를 수집하고 지역특징 분류와 번호판 검출 알고리즘을 실험한다. 지역특징을 분류기로 분류한 결과 정인식률은 97.1%, 정확률은 62.0%, 재현율은 50.2%를 보였다. 정인식률에 비해 정확률과 재현율은 낮았지만, 번호판 검출 결과 98.6%의 높은 검출 성능을 보였다.