• Journal of Digital Contents Society
• /
• v.18 no.8
• /
• pp.1635-1640
• /
• 2017

In this paper, a hierarchical image tree model for weather classification is defined in a single outdoor image, and a weather classification algorithm using image intensity and k-mean segmentation image is proposed. In the first level of the hierarchical image tree model, the indoor and outdoor images are distinguished. Whether the outdoor image is daytime, night, or sunrise/sunset image is judged using the intensity and the k-means segmentation image at the second level. In the last level, if it is classified as daytime image at the second level, it is finally estimated whether it is sunny or foggy image based on edge map and fog rate. Some experiments are conducted so as to verify the weather classification, and as a result, the proposed method shows that weather features are effectively detected in a given image.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.377-380
• /
• 2022

본 논문에서는 모바일 기반 AR 환경에서 RGB카메라로부터 얻은 영상 분석과 DB 기반의 특징점(Feature point) 매칭을 통하여 보다 정확하게 위험 상황을 알려줄 수 있는 프레임워크를 제안한다. 본 논문에서는 RANSAC(Random sample consensus)기반의 다중 평면 방식을 이용한 특징점을 추출하고 분석하여 영상에 존재하는 장애물을 감지한다. RGB카메라로 얻은 영상을 기반으로 장애물을 검출하는 접근법은 영상에 의존하기 때문에 조명에 따른 특징점 검출이 부정확하고, 조명이나 자연광 또는 날씨에 영향을 많이 받기 때문에 어둡거나 흐린 날씨에서는 장애물 검출이 어려워진다. 이 문제를 완화하기 위해 본 논문에서는 DB기반의 특징점 매칭을 통해 조명에 관계없이 장애물을 효율적이고 정확하게 감지한다. 특징점 매칭을 이용하려면 우선 영상에서 특징점이 안정적으로 추출될 수 있는 환경인, 조명이나 자연광이 충분한 환경에서 감지된 장애물 정보를 데이터베이스화 하여 저장한다. 조명이 충분하지 않은 환경에서 사용자가 사전에 저장된 지역에 근접할 경우 특징점 분석이 아닌 DB 기반 특징점 매칭을 통해 위험 요소를 감지한다. 우리의 방법은 조명의 여부의 관계없이 효과적으로 위험을 감지할 수 있기 때문에 다양한 분야에 활용될 수 있다.

• Proceedings of the Korea Contents Association Conference
• /
• 2016.05a
• /
• pp.293-294
• /
• 2016

이 연구는 바닷가에서 경험할 수 있는 시청각적 경험을 표현요소로 활용하여 일상생활에서 바다를 느낄 수 있도록 하는 인터랙티브 스크린세이버 제작에 관한 것이다. 특징적인 사항은 시스템의 시간에 따라 360도로 바다경관을 볼 수 있으며, 사용자의 감성은 날씨에 민감하다는 점에 착안하여 날씨의 표현을 다양화 하였고 바다의 소리를 동기화하여 호출하는 방식으로 제작하였다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2003.06a
• /
• pp.30-33
• /
• 2003

영상 검지기를 통한 차량 탐지 방법은 날씨와 같은 환경에 민감하게 반응하여 차량의 미탐지 및 오탐지가 발생하게 된다. 이를 해결하기 위해 다양한 일기조건하에서 차량 추적 방법에 대해 제안한다. 다양한 일기 조건하에서의 차량 추적은 눈, 비, 안개 환경에서 각 날씨의 특징을 분석, 반영하여 차량을 탐지하고 추적한다. 눈이 내리는 환경에서는 눈이 카메라 가까이에서 차량 blob으로 잘못 탐지되는 blob을 제거하기 위해 카메라와의 거리에 따른 실제 크기를 구하는 size filtering 방법을 사용한다. 비, 안개 환경에서는 흐릿해진 영상 때문에 차량이 교통신호등에 의해 차량 정체시 여러 차량이 하나의 blob으로 탐지되는 문제점을 해결하기 위해 이전 영상에서의 차량 위치 정보를 이용한 재 blob화 방법을 사용한다.

• KIPS Transactions on Software and Data Engineering
• /
• v.4 no.11
• /
• pp.521-528
• /
• 2015

Road-view object classification methods are mostly influenced by weather and illumination conditions, thus the most of the research activities are based on dataset in clean weathers. In this paper, we present a road-view object classification method based on color segmentation that works for all kinds of weathers. The proposed method first classifies the weather and illumination conditions and then applies the weather-specified color models to find the road traffic signs. Using 5 different features of the road-view images, we classify the weather and light conditions as sunny, cloudy, rainy, night, and backlight. Based on the classified weather and illuminations, our model selects the weather-specific color ranges to generate Gaussian Mixture Model for each colors, Green, Yellow, and Blue. The proposed method successfully detects the traffic signs regardless of the weather and illumination conditions.

• Journal of IKEEE
• /
• v.27 no.3
• /
• pp.340-344
• /
• 2023

In this paper, we propose a study on the development of deep learning structure to secure visibility of outdoor LED display board according to weather change. The proposed technique secures the visibility of the outdoor LED display board by automatically adjusting the LED luminance according to the weather change using deep learning using an imaging device. In order to automatically adjust the LED luminance according to weather changes, a deep learning model that can classify the weather is created by learning it using a convolutional network after first going through a preprocessing process for the flattened background part image data. The applied deep learning network reduces the difference between the input value and the output value using the Residual learning function, inducing learning while taking the characteristics of the initial input value. Next, by using a controller that recognizes the weather and adjusts the luminance of the outdoor LED display board according to the weather change, the luminance is changed so that the luminance increases when the surrounding environment becomes bright, so that it can be seen clearly. In addition, when the surrounding environment becomes dark, the visibility is reduced due to scattering of light, so the brightness of the electronic display board is lowered so that it can be seen clearly. By applying the method proposed in this paper, the result of the certified measurement test of the luminance measurement according to the weather change of the LED sign board confirmed that the visibility of the outdoor LED sign board was secured according to the weather change.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.7
• /
• pp.49-55
• /
• 2022

In this paper, we propose an obstacle detection method that can operate robustly even in external environmental factors such as weather. In particular, we propose an obstacle detection system that can accurately inform dangerous situations in AR through DB-based feature matching and RANSAC-based multiplane method. Since the approach to detecting obstacles based on images obtained by RGB cameras relies on images, the feature detection according to lighting is inaccurate, and it becomes difficult to detect obstacles because they are affected by lighting, natural light, or weather. In addition, it causes a large error in detecting obstacles on a number of planes generated due to complex terrain. To alleviate this problem, this paper efficiently and accurately detects obstacles regardless of lighting through DB-based feature matching. In addition, a criterion for classifying feature points is newly calculated by normalizing multiple planes to a single plane through RANSAC. As a result, the proposed method can efficiently detect obstacles regardless of lighting, natural light, and weather, and it is expected that it can be used to secure user safety because it can reliably detect surfaces in high and low or other terrains. In the proposed method, most of the experimental results on mobile devices reliably recognized indoor/outdoor obstacles.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.318-320
• /
• 1999

본 논문에서는 디지털 카메라를 통해 얻어진 자동차 영상으로부터 이산코사인변환(Discrete Cosin Transform : DCT)를 이용한 자동차번호판 추출방법을 제안한다. 번호판은 문자와 배경으로 이루어져 있으며 번호판 내에는 문자들이 조밀하게 모여 있다는 특징과 번호판 영역이 직사각형으로 되어 있다는 것을 이용하여 DCT에 의해서 자동차영상에서 수직, 수평, 대각선 성분만을 추출한후 이 추출된 에지영상에서 코릴레이션(Correlation)을 이용하여 번호판영역을 검출하고 이 검출된 번호판영역을 투영 히스토그램(Histogram)에 의해서 날씨가 흐리거나 아주 밝거나 밤에 찍은 영상들에 대해서는 번호판 추출이 힘들었다. 그러나 제안된 본 논문은 날씨와 납과 밤에 상관없이 일관된 번호판 영상을 추출할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.434-437
• /
• 2011

차세대 지능적 무기체계의 자동화를 목표로 SAR(Synthetic Aperture Radar) 영상 신호를 이용한 표적 인식률 향상을 위한 여러가지 방법들이 제안되어 왔다. 기존의 연구들은 SAR 영상의 고차원 특징을 그대로 사용했기 때문에 표적 인식의 성능저하가 있었다. 본 연구에서는 정보 획득 거리가 길고, 날씨에 제약이 없이 전천후 작전 운용이 가능하도록 레이더의 특징과 고해상도 영상을 결합한 SAR 이미지를 이용한 표적 인식률 향상 방법을 제안한다. 효과적인 표적 인식을 하기위해 고차원의 특징벡터를 저차원의 특징벡터로 축소하는 PCA(Principal Component Analysis)를 기반으로 하는 SVM(Support Vector Machine)을 사용한 표적 인식 기법을 사용하였고, PCA 기반의 SVM 분류기를 이용한 표적 인식이 SVM 만을 사용한 표적 인식보다 향상된 성능을 보인 것을 확인하였다.

• Proceedings of the KSRS Conference
• /
• 2001.03a
• /
• pp.38-41
• /
• 2001

본 연구는 2000년 9월4일 Landsat ETM+ 위성화상자료에 기초하여 산출된 연무지수(haze index)를 서울시 구별로 비교, 분석하였다. 태슬모자형 변환(Tesseled Cap transformation)의 제 4특징인 연무지수를 산출하기 위해 6개의 계수를 새로 구하였다. 시정거리가 21.5km인 비교적 좋은 날씨상태에서 강남구와 서초구의 경우 다른 구에 비해 월등히 연무지수가 높게 나타났다. 그리고 강북지역의 연무지수는 강남지역보다 낮다. 비교적 높은 연무지수를 갖는 강북지역의 구는 용산구, 종로구, 노원구이다.