• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.143-148
• /
• 2012

사이드 스캔 소나 이미지로부터 물체를 인식 및 식별하기 위해서 다양한 세그먼테이션에 관한 연구가 진행되고 있다. 그러나 기존 방법들은 성능은 거의 물체의 그림자 윤곽을 따라가고 노이즈도 특정방법에서는 많이 줄어들지만, 수행시간이 오래결려 실용화하기에는 문제가 있는 것이 현실이다. 본 논문에서는 그림자와 배경을 분리해 내는 세그먼테이션을 시도하는데, 배경의 노이즈의 분포에 대한 특성과 물체의 그림자의 특성을 모폴로지 기법을 이용하여 분석하여 분리해내어 세그먼테이션을 얻어 내었다. 이 방법은 배경만의 특성을 이용하여 적용하였기 때문에 배경의 평균이 그림자보다 낮아도 유용하며, 여러 가지 물체가 존재해도 가능한 방법이다. 또한 수행시간을 1초내로 현격이 줄이는 결과를 도출하였다.

• 한국융합학회논문지
• /
• 제6권1호
• /
• pp.7-16
• /
• 2015

바코드 검사기의 성능에 결정적인 영향을 미치는 것은 입력 영상으로부터 바코드 영역을 추출하는 세그먼테이션 과정이며, 기존의 세그먼테이션 기법에는 여러 가지 문제점이 존재한다. 첫째, 허프 직선 변환 방법은 길이 임계값에 매우 민감하여 임계값을 정하는데 어려움이 있다. 둘째, 모폴로지 변환은 영상을 수축, 팽창하는 과정에서 많은 지연시간이 발생한다. 따라서 본 논문에서는 이러한 바코드 검증에서 지연 현상을 해결하고 주변 영향을 적게 받는 해리스 코너 검출 기법 융합형 바코드 영역 검출 기법을 제안한다. 그리고 본 논문에서 제안한 알고리즘을 검증하기 위해 실제 라인과 유사한 실험 환경을 구성하고, 다양한 크기의 바코드 영상과 다양한 위치에서의 바코드 영역 추출실험을 하였다. 결과적으로 제안 기법은 기존의 알고리즘에 비해 주변 환경이나 임계값 설정의 어려움과 영상 처리의 지연 문제를 해결하였고 모든 테스트 영상에 대해 바코드 영역을 100% 추출하는 성능을 보였다.

• 한국음향학회지
• /
• 제42권4호
• /
• pp.370-376
• /
• 2023

수중영상은 수중 잡음과 낮은 해상도로 표적의 형상과 구분이 명확하지 않다. 그리고 딥러닝의 입력으로 수중영상은 전처리가 필요하며 Segmentation이 선행되어야 한다. 전처리를 하여도 표적은 명확하지 않으며 딥러닝에 의한 탐지, 식별의 성능도 높지 않을 수 있다. 따라서 표적을 구분하며 명확하게 하는 작업이 필요하다. 본 연구에서는 수중영상에서 표적 그림자의 중요성을 확인하고 그림자에 의한 물체 탐지 및 표적 영역 획득, 그리고 수중배경이 없는 표적과 그림자만의 형상이 담긴 데이터를 생성하며 더 나아가 픽셀값이 일정하지 않은 표적과 그림자 영상을 표적은 흰색, 그림자는 흑색, 그리고 배경은 회색의 3-모드의 영상으로 변환하는 과정을 제시한다. 이를 통해 딥러닝의 입력으로 명확히 전처리된 판별이 용이한 영상을 제공할 수 있다. 또한 처리는 Open Source Computer Vision(OpenCV)라이브러리의 영상처리 코드를 사용했으면 처리 속도도 역시 실시간 처리에 적합한 결과를 얻었다.