• 한국게임학회 논문지
• /
• 제12권5호
• /
• pp.67-78
• /
• 2012

합산 영역 테이블은 모든 픽셀에 대해 임의의 크기 사각영역의 이미지 필터링 처리를 일정시간 안에 가능케 한다. 이러한 특성은 각각의 픽셀에 대해서 주변 픽셀의 밝기의 합 혹은 평균을 필요로 하는 이미지 처리 적용 분야에 유용하게 쓰일 수 있다. 합산 영역 테이블의 생성은 단지 행 혹은 열 단위의 합만을 구하는 메모리 바운드 작업임에도 불구하고 기존 연구들은 이미 존재하는 데이터 병렬성만을 활용하기 위하여 대기 시간이 긴 전역 메모리에 과도한 접근을 하여야만 했다. 본 논문에서는 입력 데이터를 정방의 서브 이미지로 분할하고 매개 데이터를 이들 간에 파급시킴으로써 GPGPU 환경 적합한 알고리즘을 제안하고자 한다. 이를 통하여 기존 방법 대비 전역 메모리 접근 량을 거의 반으로 줄임으로써 주어진 메모리 대역폭을 효율적으로 사용한다. 결과에서도 성능이 대폭 향상되었다.

• 대한기계학회논문집
• /
• 제18권5호
• /
• pp.1182-1191
• /
• 1994

This paper presents an enhanced method of slit beam projection intended for the rapid measurement of 3-dimensional surface profiles of dies and molds. Special emphasis is given to optimizing the design of optical system so that the measuring accuracy can be maximized by adopting two-plane camera calibration together with sub-pixel image processing techniques. Finally, several measurement examples are discussed to demonstrate that an actual measuring accuracy of $\pm$ 0.2 mm can be achieved over the measuring range of 500 mm{\times}300mm{\times}200mm$.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.365-366
• /
• 2007

본 워터마크를 삽입 할 수 있는 임베디드 시스템을 구현 하였다. 워터마크 삽입을 위해 DWT와 Data Matrix가 사용되었다. DWT(Discrete Wavelet Transform)는 주파수 공간에서 워터마크를 삽입하기 위해 사용되었고, Data Matrix는 워터마크로 사용되었다. 데이터 매트릭스는 미국의 Data Matrix사가 만든 이차원 바코드로 오류검출 및 복원 알고리즘을 가지고 있어 작은 에러는 복원이 가능하다. 시스템으로는 PDA를 사용하였고, 틀로는 EVC를 사용하였다. 삽입 알고리즘은 다음과 같다. DWT를 한 경우 4개의 서브밴드로 나누어지며, 그 중 cV(horizontal detail)와 cH(vertical detail)를 선택하여 4*4블록 단위로 나눈다. 나누어진 블록과 대응하는 워터마크의 픽셀 값에 의해 계수에 일정 값(가중치)을 더하거나 때주어 워터마크를 삽입한다. 추출 알고리즘은 역으로 이루어진다. 성능평가는 PDA에서 워터마크 삽입 알고리즘을 통하여 워터마크를 삽입, 추출된 영상을 가지고 Matlap을 이용하여 평가하였다.

• 한국게임학회 논문지
• /
• 제9권4호
• /
• pp.89-96
• /
• 2009

볼륨 데이터는 용량이 크고 논리적으로 3차원의 형태를 가지고 있어 처리 할 때 많은 비용을 필요로 한다. 따라서 볼륨데이터의 처리 속도를 높일 수 있는 여러 연구가 진행되고 있다. 본 논문에서는 시간 일관성을 적용해 이전 프레임에서 샘플링 한 일부 결과를 현재 프레임의 영상을 생성하는데 재활용함으로써 속도를 높이고 화질의 손실을 줄이는 방법을 제안한다. 일반적인 볼륨 광선 투사법에서 매 프레임마다 모든 픽셀에서 광선을 투사하여 렌더링 하는 것과 달리 영상 평면으로부터 투사 되는 광선을 n개씩 묶은 블록 단위로 나누고, 블록 내의 각 픽셀에서 광선을 프레임별로 나누어 투사한 후 이들을 모아서 현재 프레임의 영상에 반영한다. 따라서 n번의 프레임이 지날 때마다 1개의 완전한 영상이 만들어진다. 이 방법은 인간 시각의 잔상효과를 이용하여 단순한 화면공간 서브샘플링 방법보다 좋은 화질의 영상을 얻을 수 있으며, 처리속도는 기본 볼륨광선 투사법보다 n배 빨라진다.

• 정보처리학회논문지D
• /
• 제11D권3호
• /
• pp.691-702
• /
• 2004

본 문은 고속으로 이송되는 컨베이어 벨트 환경에서 획득된 대용량 소포 영상에서 다양한 관심영역(ROI：Region of Interest)을 고속 추출할 수 있는 방법을 제안한다. 제안된 방법의 친 번째 단계에서는 영상을 32${\times}$32 픽셀 크기의 마스크로 나누고 그 중 내부 픽셀의 최대값과 최소값의 차이값이 최저 동적 입계값보다 큰 경우에 1차 후보로 검출한다. 두 번째 단계에서는 1차 후보 마스크를 다시 8${\times}$8크기의 서브마스크로 나누고 적셀 값의 편차(deviation)을 기준으로 최저 임계값보다 큰 마스크만 남김으로서 불필요한 영역을 제거한다. 이러한 전처리 과정을 거쳐 1차원 바코드, 2차원 바코드, 소포의 외형 경계, 레이블 및 문자와 같은 소포의 정보가 기록되어 있는 영역(ROI)을 제외한 나머지 영역을 제거한다. 후처리 과정에서는 위의 ROI 중 2차원 바코드 영역만을 추출하기 위해서 각각의 ROI에 대하여 기준축을 생성한 결과를 이용하여 각각의 영역을 검증하였다. 이와 같은 방법으로 실험한 결과 대용량 소포영상에서 약 200msec 이내에 다양한 ROI를 추출하였으며 100%의 정확도로 2차원 바코드 영역을 지정할 수 있음을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제20권4호
• /
• pp.57-67
• /
• 2015

적외선 카메라를 이용하여 물체를 탐지하여 분류하는 개념은 군 운용 장비에 많이 적용되고 있다. 물체를 탐지하는 기술은 오래 전부터 연구되어 왔으며, 현재는 서브픽셀 단위로 물체를 탐지 할 수 있는 기술까지 발전해 왔다. 하지만 탐지된 물체를 분류하는 기술은 많은 연구가 필요하다. 본 논문에서는 적외선 카메라를 이용하여 물체(Target, Artillery, Missile등)의 복사량을 측정하고 이를 바탕으로 물체를 분류하는 방법을 제시하였다. 제시된 물체 분류 방법을 검증하기 위해 블랙바디를 이용한 실험으로 복사량을 측정하여 입증하였다. 또한 정확한 복사량 측정을 위해 측정 시 발생할 수 있는 오차는 모델링을 이용한 교정을 통하여 보정되었다. 점표적 및 면표적에 대한 복사세기의 이론적 배경을 기반으로 복사량 계측 후 복사량에 대한 모델링을 표준화 하였다. 본 연구를 기반으로 표준화된 모델은 대상물체를 실측하여 교정된 복사량과 비교하여 물체분류에 적용할 수 있다.

• 한국측량학회지
• /
• 제39권3호
• /
• pp.141-148
• /
• 2021

본 논문은 SegNet과 ResNet을 조합한 딥러닝을 이용하여 횡단보도를 검출하는 방법을 제안한다. 시각 장애인의 경우 횡단보도가 어디에 있는지 정확히 아는 게 안전한 교통 시스템에서 중요하다. 딥러닝에 의한 횡단보도 검출은 이 문제에 대한 좋은 해결책이 될 수 있다. 로봇 시각 기반 보조 기술은 지난 몇년 동안 카메라를 사용하는 특정 장면에 초점을 두고 제안되어 왔다. 이러한 전통적인 방법은 비교적 긴 처리 시간으로 의미있는 결과를 얻었으며 횡단보도 인식을 크게 향상시켰다. 그러나 전통적인 방법은 지연 시간이 길고 웨어러블 장비에서 실시간을 만족시킬 수 없다. 본 연구에서 제안하는 방법은 취득한 영상에서 횡단보도를 빠르고 안정적으로 검출하기 위한 모델을 제안한다. 모델은 SegNet과 ResNet을 기반으로 개선되었으며 3단계로 구성된다. 첫째, 입력 영상을 서브샘플링하여 이미지 특징을 추출하고 ResNet의 컨벌루션 신경망을 수정하여 새로운 인코더로 만든다. 둘째, 디코딩 과정에서 업샘플링 네트워크를 통해 특징맵을 원영상 크기로 복원한다. 셋째, 모든 픽셀을 분류하고 각 픽셀의 정확도를 계산한다. 이 실험의 결과를 통하여 수정된 시맨틱 분할 알고리즘의 적격한 정확성을 검증하는 동시에 결과 출력 속도가 비교적 빠른 것으로 파악되었다.

• 한국산학기술학회논문지
• /
• 제16권3호
• /
• pp.2192-2200
• /
• 2015

본 논문에서는 히스토그램 균등화 기반의 효율적인 차량용 영상 보정 알고리즘을 제안한다. 제안된 차량용 영상보정 알고리즘은 움직임 추정 및 움직임 보상을 통해 차량용 영상의 흔들림을 제거하였다. 그리고 영상을 보정하기 위해 영상을 일정 영역으로 분할하여 각각의 서브 영상에서 픽셀 값의 히스토그램을 계산하였다. 또한, 기울기를 조절하여 영상을 개선하였다. 제안된 알고리즘은 IP에 적용하여 성능 및 시간, 영상의 차이점을 평가하고, 차량용 카메라 영상의 흔들림 제거와 영상 개선을 확인하였다. 본 논문에서 제안된 차량용 영상 보정 알고리즘은 기존 차량 영상 안정화 기술과 비교하였을 때, 차량용 영상에 대한 흔들림 제거는 메모리를 사용하지 않고 실시간 처리를 했기 때문에 효율성을 입증하였다. 그리고 블록 정합을 통한 연산으로 계산 시간 감소 효과를 얻었고, 노이즈가 가장 적고 영상의 자연스러움이 더 뛰어난 복원 결과를 얻을 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2006년도 학술대회
• /
• pp.111-115
• /
• 2006

스케일러블 비디오 코딩(SVC, Scalable Video Coding)은 MPEG(Moving Picture Expert Group)과 VCEG (Video Coding Expert Group)의 JVT(Joint VIdeo Team)에 의해 현재 표준화 되고 있는 새로운 압축 표준 기술이며 시간, 공간 및 화질의 스케일러빌리티를 지원하기 위해 계층 구조를 가지고 있다. 특히 시간적 스케일러빌리티를 위해 계층적 B-픽처 구조를 채택하고 있다. 스케일러블 비디오 코딩의 기본 계층은 H.264|AVC와 호환적이므로, 모션 예측과 모드 결정과정에서 $16{\times}16,\;16{\times}8,\;8{\times}16,\;8{\times}8,\;8{\times}4,\;4{\times}8$ 그리고 $4{\times}4$와 같은 7개의 서로 다른 크기를 갖는 블록을 사용한다. 스케일러블 비디오 코딩에서 사용되고있는 계층적 B-픽처 구조는 키 픽처인 I와 P 픽처를 제외하고는 한 GOP (Group of Picture)내에서 모두 B-픽처를 사용하므로 H.264|AVC와 비교했을 때 연산량 증가와 함께 부호화 지연도 급격히 증가한다. B-픽처는 양방향 모션 벡터인 LIST0와 LIST1을 사용하고 양방향 모두에서 다중 참조 픽처를 사용하기 때문이다. 본 논문에서는 통계적 가선 검증을 이용하여 스케일러블 비디오 부호화에 적용 가능한 고속 프레임간 모드 결정 알고리듬 대해 소개한다. 제안된 방법은 $16{\times}16$ 매크로 블록과 $8{\times}8$ 서브 매크로 블록에 통계적 가설 감증 기법을 적용하여 실행되며, 현재 블록과 복원된 참조 블록간의 픽셀 값을 비교하여 RD(Rate Distortion) 최적화 기반 모드 결정을 빨리 완료함으로써 고속 프레임간 모드 결정을 가능하게 한다. 제안된 방법은 프레임 간 모드 결정을 고속화함으로써 스케일러블 비디오 부호화기의 연산량과 복잡도를 최대 57%감소시킨다. 그러나 연산량 감소에 따른 비트율의 증가나 화질의 열화는 최대 1.74% 비트율 증가 및 0.08dB PSNR 감소로 무시할 정도로 작다.

• 한국지능시스템학회논문지
• /
• 제15권2호
• /
• pp.149-162
• /
• 2005

본 논문에서는 실시간 폐쇄회로 화면으로 받은 컬러 이미지에서 얼굴영상을 추출하고 이미 지정된 특정인의 얼굴영상과 비교를 통해 지하철이나 은행 등 공공장소에서의 수배자 등 어떤 특정인을 검출하는 방법을 제안하고자 한다. 감시카메라의 특성상 화면속의 얼굴정보가 임의의 크기로 가변하고 영상 내에서 다수의 얼굴정보를 포함하고 있음을 가정할 때, 얼굴영역을 얼마나 정확하게 검색 할 수 있느냐에 초점을 맞추었다. 이를 해결하기 위하여F.Rosenblatt가 제안한 퍼셉트론 신경망 모델을 기초로 임의의 얼굴영상에 대한 $20{\times}20$ 픽셀로 서브샘플링을 사용한 규준화 작업을 통해서 전면얼굴에서와 같은 인식기법의 효과를 사용하고, 획득한 얼굴후보 영역에 대하여 조명이나 빛에 의한 외부환경의 간섭을 최소화하기 위하여 최적선형필터와 히스토그램 평활화 기법을 이용하였다. 그리고 불필요한 학습을 최소화하기 위하여 달걀형 마스크의 덧셈연산을 전 처리 과정에 추가하였다. 전 처리 과정을 마친 이미지는 각각 세 개의 수용필드로 쪼개어져 특정 위치에 존재하는 눈, 코, 입 능의 정보를 신경망 학습을 통해 최종 결정된다. 또한 각각 다른 초기값을 가지는 3개의 단일셋 네트워크시스템을 병력형태로 구성하여 결과의 정확도를 높여 구현하였다.