• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2003년도 춘계학술대회 논문집 디스플레이 광소자분야
• /
• pp.92-95
• /
• 2003

초전형 센서의 특성 평가 방법에는 여러 가지 방법들이 존재하며, 이에 대한 표준화된 특성 평가방법의 개발이 필요로 한다. 측정 평가의 방법이나 조건 등에 따라서 평가 결과가 크게 변할 수 있는 사항들이며, 따라서 국내 뿐 아니라 대외적으로 다른 나라의 제품들과 신뢰성을 가지고 경쟁을 하기 위해서는 평가항목이나 평가방법의 표준화가 절실하게 요구된다. 초전형 적외선 센서를 평가하는 항목에는 기본적으로 입력에 대한 출력신호의 크기를 평가하는 감도(responsivity), 잡음과 관련되어 센서가 검출할 수 있는 최소의 신호를 나타내는 NEP(Noise Equivalent Power)와 이것을 센서의 감지 면적으로 정규화 시킨 검출능(detectivity), 응답 속도를 나타내는 시정수(time constant)가 있으며 이러한 항목들이 표준화의 대상이 된다. 본 실험에서는 기존의 상용화된 센서들을 가지고 초전형 적외선 센서의 특성을 측정 하였다. 특성을 측정할 때 다른 요인들 보다 노이즈로 인한 영향이 상당히 크므로 측정시 노이즈 발생 문제를 해결하는 방법으로 본 논문에서는 센서 측정에 사용되는 증폭 회로에서 노이즈를 해결하려고 하였다. 우리는 증폭 회로구성에서 노이즈를 제거하기 위해서 신호입력단과 전압 압력에 잡음제거 필터로 R, C를 사용하였다. 회로설계로 제작된 증폭회로와 측정 장치를 가지고 측정을 한 결과 센서의 감도는 $3.0mV_{p-p}$, 응답시간은 20ms정도의 값으로 가장 일반적인(typical) 값을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제25권4호
• /
• pp.37-45
• /
• 2020

딥러닝의 개발 프로세스는 대량의 수작업이 요구되는 반복적인 작업으로 그 중 학습 데이터 전처리는 매우 큰 비용이 요구되며 학습 결과에 중요한 영향을 주는 단계이다. AI의 알고리즘 연구 초기에는 주로 데이터 과학자들에 의해 완벽하게 정리하여 제공된 공개 DB형태의 학습데이터를 주로 사용하였다. 실제 환경에서 수집된 학습 데이터는 주로 센서들의 운영 데이터이며 필연적으로 노이즈가 많이 발생할 수 있다. 따라서 노이즈를 제거하기 위한 다양한 데이터 클리닝 프레임워크와 방법들이 연구되었다. 본 논문에서는 IoT환경에서 발생 될 수 있는 센서 데이터와 같은 시계열 데이터에서 노이즈를 감지하고 제거하는 방법을 제안하였다. 이 방법은 선형회귀 방법을 사용하여 시스템이 반복적으로 노이즈를 찾아내고, 이를 대체할 수 있는 데이터를 제공하여 학습데이터를 클리닝한다. 제안된 방법의 효과를 검증하기 위해서 본 연구에서 시뮬레이션을 수행하여, 최적의 클리닝 결과를 얻을 수 있는 인자들의 결정 방법을 확인하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2010년도 춘계학술대회 논문집
• /
• pp.742-743
• /
• 2010

• 대한방사선기술학회지:방사선기술과학
• /
• 제30권1호
• /
• pp.1-6
• /
• 2007

인위적으로 noise factor를 주고 그 위에 촬영을 하여 노이즈와 영상의 복합물을 만들었다. 그 후 Low Pass Filter(LPF)와 Median Filter(MF)의 두 종류의 필터를 통하여 노이즈를 제거하고 노이즈를 나타내는 지표로 Signal To Noise Ratio(SNR), Peak Signal to Noise Ratio(PSNR), Mean Square Error(MSE)를 비교하였다. 또한 Median Filter의 kernel size에 따라서도 노이즈제거효과를 평가하였다. 각각의 처리된 영상과 원 영상을 비교하여 원 영상에 가까운 영상을 찾아봄으로서 어떤 필터가 유용하며 어떤 주파수대를 제거해야 하는가를 알고자 실험하였다. Cutoff frequency가 다른 필터를 비교 했을 때 noise power 값에는 상관없이 cutoff frequency $2/3\pi{\sim}3/4\pi$까지가 원 영상에 가까우면서 SNR, PSNR이 좋다. 따라서 높은 filter 효과를 나타낸다고 할 수 있다. Median filter의 kernel size가 커짐에 따라서 SNR 값이 커지며 반대로 MSE의 값이 작아져 filter 효과는 좋아 짐을 알 수 있다. 의료 영상에 filter를 적용하는 것에 대해서 대부분의 영상들이 filter 적용 후에 왜곡된 상이 되곤 하였다. 의료 영상은 다른 영상과는 달리 공간 분해능을 유지하면서 평활화(노이즈 제거)하는 것이 중요한 문제이다. SNR 등 정량적 지표에 의한 비교와 함께 시각적 평가가 병행되어야 할 필요가 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.279-279
• /
• 2022

최근 이미지분석 기술은 하드웨어 및 소프트웨어 기술의 급격한 발전으로 인해 의학, 생물학, 지리학, 재료공학 등에서 수많은 연구 분야에서 광범위하게 활용되고 있으며, 이미지분석은 다량의 토사에 대하여 입경을 포함한 형상학적 특성을 간편하게 정량화 할 수 있기 때문에 매우 효과적인 분석 방법으로 판단된다. 현재 모래의 입도분석 방법으로는 신뢰성 있는 체가름 시험법(KSF2302) 등이 있으나, 번거로운 처리과정과 많은 시간이 소요된다. 또한 입자형상은 입경이 세립 할수록 직접 측정이 어렵기 때문에, 최근에는 이미지 분석을 이용하는 방법이 시도되고 있다. 본 연구에서는 75㎛ 이상의 조립질 하상 토사 이미지를 취득하여, 입자들의 장·축단 길이, 면적, 둘레, 공칭직경 및 종횡비 등의 형상학적 특성인자를 자동으로 측정하는 프로그램 개발을 수행하였다. 프로그램은 이미지 분석에 특화된 라이브러리인 OpenCV(Open Source Computer Vision)를 적용하였다. 이미지 분석 절차는 크게 이미지 취득, 기하보정, 노이즈제거, 객체추출 및 형상인자 측정 단계로 구성되며, 이미지 취득시 패널의 하단에 Back light를 부착해 시료에 의해 발생되는 음영을 제거하였다. 기하보정은 원근변환(perspective transform)을 적용했으며, 노이즈 제거는 모폴로지 연산과 입자간의 중첩으로 인한 뭉침을 제거하기 위해 watershed 알고리즘을 적용하였다. 최종적으로 객체의 외곽선 추출하여 입자들의 다양한 정보(장축, 단축, 둘레, 면적, 공칭직경, 종횡비)를 산출하고, 분포형으로 제시하였다. 본 연구에서 제안하는 이미지분석을 적용한 토사의 형상학적 특성 측정 방법은 시간과 비용의 측면에서 보다 효율적으로 하상 토사에 대한 다양한 정보를 획득 할 수 있을 것으로 기대한다.

• 한국정보과학회논문지:데이타베이스
• /
• 제36권4호
• /
• pp.327-340
• /
• 2009

본 논문에서는 윤곽선 이미지 매칭에서 노이즈 제거 정도를 제어하기 위해 시계열 매칭의 이동평균 변환을 이용한다. 이동평균 변환을 윤곽선 이미지 매칭에 적용하게 된 동기는 이동평균 변환이 시계열의 노이즈를 감소시키므로, 이를 사용하면 윤곽선 이미지 매칭에서도 노이즈 제어 효과를 얻을 수 있을 것이라는 직관에 기반한다. 본 논문에서는 우선 윤곽선 이미지 매칭에 이동평균 변환을 적용한 $\kappa$-계수 이미지 매칭($\kappa$-order image matching)을 제안한다. 제안한 $\kappa$-계수 이미지 매칭은 윤곽선 이미지가 변환된 시계열에 $\kappa$-이동평균 변환을 적용하여 시계열(이미지) 간의 유사성을 판단한다. 다음으로, 대용량 이미지 데이터베이스를 대상으로 $\kappa$-계수 이미지 매칭을 수행하기 위한 인덱스 기반 매칭 방법을 제안하고, 그 정확성을 정형적으로 증명한다. 또한, 계수 $\kappa$와 매칭 결과와의 관계를 정형적으로 분석하고, 이에 기반하여 계수 $\kappa$를 변화시키면서 노이즈 제거 정도를 제어하는 방안을 제시한다. 실험 결과, $\kappa$-계수 이미지 매칭이 노이즈 제거 효과를 가짐을 확인하였으며, 제안한 인덱스 기반 매칭 방법은 순차 스캔에 비해 수 배 에서 수십 배 빠른 성능을 보이는 것으로 나타났다.

• 한국지능시스템학회논문지
• /
• 제16권4호
• /
• pp.410-415
• /
• 2006

SVDD(support vector data description)는 가장 주요한 one-class 서포트 벡터 학습 방법론 중 하나로 비정상 물체에서 정상 데이터를 구분하기 위해서 특정 공간에서 정의된 구를 이용하는 전략을 쓰는 방법론이다. 본 논문에서는 SVDD를 이용해서 노이즈가 섞인 비정상 데이터를 노이즈가 제거된 정상 데이터로 복원하는 방법에 대해서 논한다. 그리고 고해상 도의 학습 데이터를 이용하여 저해상도로 주어진 시험 데이터 이미지를 고해상도의 이미지로 복원하는 문제에 적용함으로써 본 논문의 방법론이 어떻게 실용적으로 적용될 수 있는지에 대해서 다룬다.

• 한국컴퓨터정보학회논문지
• /
• 제8권4호
• /
• pp.7-12
• /
• 2003

본 연구는 이미지 디노이징을 위한 1-패스 공간 적응적 웨이블릿 임계화를 제안하였다. 웨이블릿 임계화를 이용한 디노이징은 최상의 기저함수와 임계치를 구하는 연구에 집중되어왔으나 이미지의 통계적 특성의 변화에 효과적으로 적용되는 방법은 아직 충분하지 않은 상태이다. 제안된 방법에 Overcomplete wavelet expansion을 사용하여 노이즈의 제거에 좋은 결과를 나타내었다. 그리고 실험 결과는 Wiener 필터링 방법과 Level dependent 임계치, 2-패스 공간적응적 웨이블릿 임계화 방법보다 좋은 결과를 나타내었다.

• 한국정보통신학회논문지
• /
• 제10권4호
• /
• pp.687-692
• /
• 2006

기존의 독립 요소 방법에 의한 얼굴인식에서는 주 요소 해석법으로 고유치 크기에 의해 특징을 추출하고 감소된 차원에서 특징 개선을 위한 독립 요소 해석법의 학습을 수행한다. 제거된 특징 공간 내에 필요한 요소가 있는 경우를 고려하지 못한 것이다. 새로운 방법은 독립 요소 해석에 의한 학습을 먼저 시행하고 분리된 데이터를 4차 중심 모멘트에 의한 축적 계수(cumulant)인 커토시스(kurtosis)의 절대값 크기에 의하여 특징을 추출한다. 하지만 독립 요소 방법은 효과적으로 노이즈를 제거하지 못한다. 두 방법의 결합효과는 주 요소 해석법을 노이즈 필터로 사용 할 때 극대화 될 수 있다. 즉 주 요소 해석법을 백색화와 노이즈 필터로 하고 독립 요소 해석법을 특징 추출 방법으로 사용하는 것이다. 실험 결과는 새로운 방법론이 기존의 방법론보다 우수함을 보여준다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.279-282
• /
• 2012

로컬 히스토그램 평활화(LHE)는 영상에서 로컬 정보를 강조하기 위한 효율적인 알고리즘 중 하나이다. 그러나 이 알고리즘은 스펙클 노이즈를 증폭시키는 단점을 가진다. 따라서, 기존의 로컬 히스토그램 평활화 기법을 확장한 다중 레이어 블록 오버랩 히스토그램 평활화 기법을 이용하여 기존 로컬 히스토그램 평활화 기법들의 문제점을 해결하고자 하였다. 이 방법은 3단계-컨트라스트 향상 단계, 노이즈 제거 단계, 통합 단계로 이루어진다. 제안된 방법에서는 기존 방법의 컨트라스트 향상 단계에서 일반적인 로컬 히스토그램 평활화 방법이 아닌 컨트라스트를 제한하는 적응적인 히스토그램 평활화 기법을 적용하고, 노이즈 제거 단계에서 새로운 바이레터럴 필터를 적용하였다. 즉, 기존 방법의 문제점들을 해결하도록 알고리즘을 변형하여 기존 알고리즘의 성능을 개선하였다. 실험 결과는 제안된 방법이 기존의 방법 및 잘 알려진 로컬 히스토그램 평활화 기법들과 비교하여 좋은 성능을 내는 것을 확인하였다.