• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.651-654
• /
• 2000

본 논문에서는 칼라 영역으로 확장된 블록단위 영상분할 알고리듬을 제안한다. 즉, 기존의 휘도 성분을 기반으로 한 블록단위 알고리듬을 HSV 칼라 성분을 기반으로 하는 칼라 영상분할로 확장한다. 기존의 수학적 형태학(mathematical morphology)에 기반한 영상분할기법이나 블록단위 영상분할 기법들이 밝기 정보만을 활용했던 것에 대해 제안된 블록단위 영상분할 기법은 밝기뿐만이 아니라 칼라 성분도 고려하여 영상분할의 정확도를 향상시켰다. 실험의 결과 휘도 성분만을 고려한 영상분할 결과 보다 칼라 성분을 사용한 영상분할의 결과가 더 정확함을 알 수 있었다.

• Broadcasting and Media Magazine
• /
• v.25 no.2
• /
• pp.44-51
• /
• 2020

동영상 프레임 내 객체 영역들을 배경으로부터 분할하는 기술인 동영상 객체 분할(video object segmentation)은 다양한 컴퓨터 비전 분야에 활용 가능한 연구 분야이다. 최근, 동영상 객체 분할과 관련된 연구 내용으로 CVPR, ICCV, ECCV의 컴퓨터 비전 최우수 학회에 매년 20편 가까이 발표될 정도로 많은 관심을 받고 있다. 동영상 객체 분할은 사용자가 제공하는 정보에 따라 비지도(unsupervised) 동영상 객체 분할, 준지도(semi-supervised) 동영상 객체 분할, 인터렉티브(interactive) 동영상 객체 분할의 세 카테고리로 분류할 수 있다. 본 고에서는 최근 연구가 활발하게 수행되고 있는 비지도 동영상 객체 분할과 준지도 동영상 객체 분할 연구의 최신 동향에 대해 소개하고자 한다.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.279-282
• /
• 2001

본 논문에서는 가상의 블루스크린(Virtual Blue Screens, VBS)을 이용한 반자동 영상분할 기법을 제안한다. 가상 블루스크린은 동영상에서 배경영역을 특정한 값으로 채워 만든 참조영상으로 정의한다. 반자동 영상 분할 기법은 크게 화면내 영상분할과 화면간 영상분할의 두 단계로 이루어진다. 화면내 영상분할은 VBS와 원영상의 형태학적 분할 기법을 사용하고, 화면간 영상 분할은 두개의 연속하는 화면에서 변화검출(Change Detection)로 이루어진다 [1]. 본 논문에서는 효과적인 변화검출을 위하여 제안된 VBS를 사용한다. VBS를 이용한 영상분할에서는 우선, 이전화면에서 만들어진 VBS를 참조하여 다음화면에서 움직임 영역을 예측한다. 이렇게 예측된 영상과 원영상에 대해 형태학적 분할 기법(Morphological Segmentation Technique)을 이용해서 각각에 대한 레이블 마스크(Label Mask)를 얻는다 [2]. 두개의 레이블 마스크 사이에는 서로 공통된 영역들이 존재하게 되는데, 이런 공통된 영역을 추출함으로써 움직임 객체를 검출한다. 현재화면에서 검출된 움직임 객체는 다음화면을 위한 가상의 블루 스크린을 만드는데 사용한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.41-44
• /
• 2022

Mean-Shift 영상 분할은 객체 검출을 위한 영상 전처리 방법으로써, 영상 처리 및 패턴 인식 분야에서 널리 사용되는 방법이다. 영상 분할은 영역 기반과 에지 기반 방식으로 나누어지며 대표적으로 FCM, Quickshift, Felzenszwalb, SLIC 알고리즘 등 이 있다. 언급한 영상 분할 방법들은 Mean-Shift 영상 분할에 비해서 빠른 속도로 실행시킬 수 있지만, 형태적 특징이 훼손되고 하나의 객체가 여러 세그멘테이션으로 분할된다는 단점을 가지고 있다. 본 논문에서는 소형 객체를 탐지하기 위한 고속화된 Mean-Shift 영상 분할과 객체의 형태적 특징을 이용하여 객체를 탐지하는 방법을 제안한다. 하드웨어 리소스가 제한된 신호처리기에 제안하는 알고리즘을 수행하기 위하여 Mean-Shift 영상 분할에서 필터링 과정을 고속화 하였고, 적외선 영상 내 영상 전처리 수행을 통해 잡음 제거 후 Mean-Shift 영상 분할 방법을 수행함으로써, 객체의 형태적 특징을 잘 살려서 영상 분할을 할 수 있도록 하였다. 또한 각 세그멘테이션의 크기, 너비, 높이, 밝기 정보와 형태적 특징점을 이용한 객체 탐지 방법을 제안한다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2001.06a
• /
• pp.233-236
• /
• 2001

본 논문에서는 가보필터를 이용한 복합무늬영상을 분할하는 알고리즘을 제안하였다. 영상을 분할하는데 있어 목적에 따라 다양한 방법이 있다. 그중 무늬(texture) 특징을 기반으로 영상을 분할하는 방법 중 가장 많이 알려진 것이 가보 필터이다. 이 필터는 탁월한 영상분할 결과를 얻을 수 있으나, 필터구현이 어렵다는 단점을 가지고 있다. 가보필터의 이 같은 반점인 복잡한 필터 처리를 단순히 하기 위해 전처리과정에서 필터를 영상에 맞게 선택하여 사용하였고, 영상 분할에 있어서도 histogram을 이용한 영상 분할을 수행함으로써 처리과정을 단순화 시켰다. 그 결과 간단한 알고리즘으로 빠른 수행이 이루어졌으며 좋은 결과를 가져올 수 있었다.

• Proceedings of the IEEK Conference
• /
• 2001.06c
• /
• pp.177-180
• /
• 2001

영상에 존재하는 객체들을 인식하기 위해서는 먼저 영상의 영역분할이 필요하다. 통계적 모델을 이용한 영상의 영역분할은 미리서 분할하고자 하는 클러스터의 수를 결정한 후 이를 토대로 영상을 분할하게 된다. 그러나 영상마다 특성상 분할하고자 하는 클러스터 수가 다를 경우 이를 수동적으로 해주는 것은 비능률적이다. 따라서 본 논문은 영상의 영역분할에 통계적 모델에서 미리 결정해줘야 하는 클러스터의 수 문제를 자동으로 검출하고 퍼지 c-Means 글러스터링 알고리즘을 통한 영상의 영역분할 시 노이즈문제를 이웃한 픽셀들의 멤버쉽 값을 평균화합으로써 해결하는 방법을 제안하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.598-600
• /
• 2000

영상에 존재하는 객체들을 인식하기 위해서는 먼저 영상의 영역 분할이 필요하다. 통계적 모델을 이용한 영상의 영역 분할은 미리서 분할하고자 하는 클러스터의 수를 결정한 후 이를 토대로 영상을 분할하게 된다. 그러나 영상마다 특성상 분할하고자 하는 클러스터 수가 다를 경우 이를 수동적으로 해주는 것은 비능률적이다. 따라서 본 논문은 영상의 영역 분할에 통계적 모델에서 미리 결정해줘야 하는 클러스터의 수 문제를 자동으로 검출하고 퍼지 c-Means 클러스터링 알고리즘을 통한 영상의 영역 분할 시 노이즈 문제를 이웃한 픽셀들의 멤버쉽 값을 평균화함으로써 해결하는 방법을 제안하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.07a
• /
• pp.349-351
• /
• 2012

영상분할은 입력 영상에서 특정 영역을 분할하는 처리로서 이동물체추적, 영상 감시, 영상 기반 제어등 다양한 분야에서 중요하게 다루는 기술 중 한 가지이다. 기존 영상 분할 방법은 영역을 기반으로 하는 방법과 경계선을 기반으로 하는 방법 등이 있으며 경계선을 기반으로 이동물체 영역을 분할하는 것이 연산량 감소등 의 많은 이점이 있다. 그러나 영상의 경계가 모호한 경우 적용이 곤란하다. 본 논문에서는 이동벡터를 추출한 후 이동벡터를 분할기법을 제안하고자 한다. 입력영상에 대하여 BMA기법을 적용하여 이동벡터를 추출하여 이동벡터 영상을 구한 후, 이동 벡터영상에 워터쉐이드 기법을 적용하여 영상 분할하였다. 기존 경계선을 이용한 영상 분할과 비교한 결과 노이즈가 적은 결과를 얻었다.

• Proceedings of the Korean Society of Medical Physics Conference
• /
• 2003.09a
• /
• pp.77-77
• /
• 2003

CT와 MRI의 단면 영상을 대상으로 영상분할 (Image segmentation)과 Image registration방법을 이용하여 인체 모델을 개발 하고자 한다. 우선 인체의 Head와 Neck부분의 CT와 MR 영상을 얻어 뼈, 근육, 인대, 그리고 그 밖의 장기의 해부학적 영상 특징을 분석하였다. 인체의 Head와 Neck 부분에 대한 CT와 MR 영상에 대해 각 부위별로 ROI(region-of-interrest)를 설정하였고, 각 volxel 마다 3차원 좌표를 계산할 수 있는 소프트웨어를 개발하였다. 특히 각 해부학적 영상에서 부위별로 CT 번호를 분석하고, pulse sequence에 따른 MRI 영상의 부위별 특정을 분석하였다. 이 분석한 자료를 바탕으로 영상 분할을 하였다. 영상 분할전에 각종 잡음(noise) 제거 및 영상 분할을 효과적으로 처리하기 위해 기본적인 영상처리 (filtering)를 구현하였고, 대조도(contrast) 및 밝기(brightness)를 조절할 수 있게 프로그램을 구현하였다. 영상 분할 방법 중 선(line) 및 에지(edge) 의 검출 방법, 문턱치화(threshold) 방법, 영역확대(region growing) 방법으로 영상 분할을 해봄으로써 우리의 인체 모델링 개발에 가장 적합한 영상 분할 알고리듬 방법을 찾도록 시도하였다. 결과적으로 말하면, 한가지 방법의 알고리듬을 쓰는 것보다는 인체의 부위에 따라 두 가지 이상의 알고리듬 방법을 쓰는 것이 원하고자 하는 부위를 영상 분할하는데 더 효과적이다는 것을 알게 되었다. 우리의 연구 과제에서는 영역확대(region growing) 방법과 문턱치화 방법, 모드법(피크니스, 밸리)의 알고리듬을 이용하여 영상 분할을 한 결과 우리가 얻고자 하는 인체 부위별 중 근육과 뼈를 구별하는데는 별 무리가 없었으나, 인대 및 기타 장기를 구별하는데는 어려움을 겪게 되었다. 이후에 좀더 알고리듬을 연구하여 이번 연구에서 구별하기 어려운 장기 부분도 구별 할 수 있도록 노력하겠다.

• Journal of the Korea Computer Graphics Society
• /
• v.10 no.4
• /
• pp.1-5
• /
• 2004

본 논문에서는 인체의 머리 부분을 촬영한 자기 공명 촬영 영상(MRI: Magnetic Resonance Imaging)에서 뇌 영역의 대뇌 피질 만을 분할하는 방법에 대해 제시하고자 한다. 뇌의 해부학적 구조를 파악할 경우에 영상 내에 함께 보여지는 두개골과 뇌척수액 등을 제외한 대뇌피질 영역을 분할하면 보다 효과적인 정보 분석 및 진단이 가능하게 된다. 본 논문에서는 3단계 알고리즘을 제시한다. 첫번째 단계에서는 Speckle reducing anisotropic diffusion (SRAD)를 이용하여 영상 내에 존재하는 잡음을 제거하기 위한 필터링이다. 두번째 단계에서는 필터링된 결과를 이용하여 추출된 임계값과 사용자의 인터렉션인 씨드 포인트를 통해 영상분할을 수행하고, 세 번째 단계에서는 후 처리를 통해 분할 결과를 보완한다. 영상분할 결과의 정확성을 측정하기 위하여 현재 병원의 의료진들이 사용하고 있는 Mayo clinic사의 Analyze를 이용하여 분할된 결과와의 오류를 측정하였다. 또한 최종 결과에 대해 ultravis를 이용한 볼륨 렌더링으로 영상분할의 최종 결과를 제시하였다.