• 한국컴퓨터정보학회논문지
• /
• 제18권4호
• /
• pp.13-18
• /
• 2013

디지털 카메라의 보급으로 카메라만 있으면 누구나 손쉽게 파노라마 사진을 찍을 수 있다. 파노라마 사진이란 카메라를 삼각대에 고정시킨 후, 일부분을 중첩시키면서 회전하여 얻어진 이미지를 수평으로 이동하여 이미지를 결합시키는 사진이다. 이때 수동으로 사진을 찍을 경우에는 각도가 틀어져 겹쳐지는 부분을 자연스럽게 정합하기 어렵다. 기존의 방법에서는 라벨링을 이용하여 객체를 비교한 후에 결합시키는 방법을 적용하였으나 시간이 많이 소요되고 각각의 이미지를 라벨링하는 과정에서 개체 간의 불일치가 발생하여 정확히 영상을 결합할 수 없는 경우가 발생한다. 따라서 본 논문에서는 처리 속도 개선을 위하여 전체 이미지의 1/3만 라벨링한 후에 객체 간을 비교하여 결함시킨다. 그리고 각도가 틀린 경우에는 특징점을 찾아내는 SURF 알고리즘을 적용하여 각각의 이미지에서 라벨링한 사각형의 4개의 포인터에 대해 1개의 중심점을 구하여 호모그래피를 이용하여 2개의 영상을 자연스럽게 정합한다. 본 논문에서 제안한 파노라마 영상 재구성 방법의 성능을 평가하기 위하여 다양한 이미지를 대상으로 실험한 결과, 기존의 방법보다 영상을 재구성하는데 효과적인 것을 확인하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제35권12호
• /
• pp.560-567
• /
• 2008

본 논문에서는 비디오 영상에서 추출한 이미지를 이용하여, 흑백 만화로 변환하기 위한 알고리즘에 대해 논의한다. 대부분의 흑백 만화는 사람의 얼굴이나 손과 같은 살색 계통은 흰색 내지 엷은 색상으로 표현되며, 이미지의 어두운 영역은 해칭과 같이 규칙적이면서도 불규칙한 형태로 묘사한다. 그러므로 단순한 임계값을 이용한 이진화 알고리즘으로 흑백 만화를 렌더링 할 경우, 원본 색상 영상의 다양한 색상과 흑백 만화에서 사용되는 다양한 패턴을 렌더링 할 수 없다. 이러한 흑백 만화의 특징을 반영한 카투닝을 수행하기 위해서, 본 논문에서는 다음과 같은 작업을 수행한다. 먼저, 원본 이미지 영상의 미세한 색상변화를 제거하기 위해서, 1) Bilateral 필터를 적용한다. 그 후, 영상의 각 영역을 유사한 색상 정보로 클러스터링 하기 위해서, 2) Mean shift 세그멘테이션을 적용하였으며, 각 영역별 확장 작업을 수행하였다. 이때 각 영역의 색상이 유사한 정도를 계산하기 위해서, 사람의 색상인지 능력과 유사한 특성을 가진 HSV 색상 모델을 사용하여, 각 영역의 색상 유사정도를 계산하였다. 최종적으로 세그멘테이션된 색상정보를 바탕으로 흑백만화에서 일반적으로 활용되는 색상과 프레임 이미지의 픽셀값을 고려한 3) 이진화를 수행하고, 4) 스트록을 추가해 흑백 만화의 컷 이미지를 완성한다.

• 융합신호처리학회논문지
• /
• 제11권3호
• /
• pp.189-196
• /
• 2010

본 논문에서는 이미지 센서에 의해 발생하는 노이즈를 제거하기 위한 적응적 로컬 시그마 필터 장치를 제안하였다. 이미지 센서에 의해 발생하는 작은 노이즈는 이미지 센서의 아날로그 게인과 노출시간의 증가로 인해 영상 정보와 함께 증폭되며 이러한 노이즈 제거를 목표로 시스템을 설계 하였다. Flatness Index Map 알고리즘을 사용해 영상의 윤곽선을 추출하였으며, 임계치가 영상의 휘도에 따라 적응적으로 변화하도록 설계하여 고조도 영상에서는 윤곽선 추출을 수행하지 않으며, 저조도에서만 윤곽선을 추출하도록 하였다. 추출된 윤곽선을 판단하여 그에 해당하는 픽셀에 대해서만 Local Sigma Filter 알고리즘을 사용하여 노이즈 제거를 수행 하였다. 설계된 필터의 성능 검증을 위해 윈도우 테스트 프로그램을 제작하였다. 그리고 HDL을 사용해 하드웨어로 설계하였으며, FPGA Demonstration board와 $1280{\times}720$ 이미지 사이즈, 30 frame/sec의 성능을 갖는 HD급 CMOS 이미지 센서를 사용해 하드웨어로 설계된 로컬 시그마 필터의 동작을 검증하였다.

• 한국전산구조공학회논문집
• /
• 제32권4호
• /
• pp.265-272
• /
• 2019

본 연구에서는 영상기반 딥러닝 및 이미지 프로세싱 기법을 이용한 볼트풀림 손상검출 기법을 제안하였다. 이를 위해 먼저, 딥러닝 및 이미지 프로세싱 기반 볼트풀림 검출 기법을 설계하였다. 영상기반 볼트풀림 검출 기법은 볼트 이미지 검출 과정 및 볼트풀림 각도 추정 과정으로 구성된다. 볼트 이미지의 검출을 위하여 RCNN기반 딥러닝 알고리즘을 이용하였다. 영상의 원근왜곡 교정을 위해 호모그래피 개념을 이용하였으며 볼트풀림 각도를 추정을 위하여 Hough 변환을 이용하였다. 다음으로 제안된 기법의 성능을 검증을 위하여 거더의 볼트 연결부 모형을 대상으로 볼트풀림 손상검출 실험을 수행하였다. 다양한 원근 왜곡 조건에 대하여 RCNN 기반 볼트 검출기와 Hough 변환 기반 볼트풀림 각도 추정기의 성능을 검토하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.169-171
• /
• 2021

자율주행, CCTV, 휴대폰 보안, 주차시설 등 카메라를 통한 이미지 처리는 실생활의 많은 문제를 해결하기 위해 사용되고 있다. 간단한 구분의 경우는 이미지 처리를 통해 해결하지만, 복잡하게 섞인 물체의 이미지 또는 이미지 내 특징을 찾아내기 어렵다. 이런 특징점 해결을 위해 사람에 가깝게 생각하고 판단할 수 있도록 영상데이터에 분류, 탐지, 분할에서 딥러닝 기술을 도입하고 있다. 물론 이미지 처리만 수행하는 것보다 결과가 좋지만, 딥러닝을 사용한 영상 분할의 방법에서 판단된 결과물이 실제 객체와 편차가 있는 것을 확인하였다. 본 논문에서는 영상 분할의 정밀도를 높이기 위해 딥러닝 영상 분할의 결과물을 출력하기 직전 간단한 이미지 처리를 통하여 정확도 향상을 수행하는 방법에 관해 연구하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.137-138
• /
• 2018

이미지의 픽셀 기반 처리는 한 픽셀의 값을 변환하고 다른 픽셀의 값에 관계없이 현재 픽셀의 값에 따라 변환하는 프로세스를 의미한다. 픽셀 기반 처리는 이미지 변환, 이미지 향상 및 이미지 합성과 같은 많은 분야에서 가장 기본적인 작업이다. 본 논문에서는 히스토그램 연산과 같은 영상의 전처리 과정이 경계 검출 결과에 미치는 상호 연관성에 대해 알아보고 픽셀 기반의 처리를 이용하여 효과적으로 영상의 윤곽을 찾는 방법을 제안한다.

• 전기전자학회논문지
• /
• 제18권4호
• /
• pp.603-611
• /
• 2014

이미지 센서와 렌즈를 모듈 상에 고정할 때, 기계적인 오차로 인해 취득된 영상의 기울임 또는 회전이 발생하기도 하고 화각이 좁아지기도 한다. 따라서 테스트 장비에서 이미지 센서 모듈의 광학적 특성을 테스트하여야 한다. 본 논문에서는 이미지 센서 모듈의 광학적 특성을 테스트하는 방법을 설명하고, 이를 영상 취득 특성과 유사한 방식으로 표준화한 기술 방법을 제안한다. 제안된 방법은 테스트 장비가 영상 취득 특성과 광학적 특성을 함께 테스트하는데 도움이 된다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2007년도 하계종합학술대회 논문집
• /
• pp.273-274
• /
• 2007

영상 신호에서 Dynamic Range는 이미지가 포함하고 있는 휘도의 최소 레벨과 최대 레벨의 비이다. 이미지 촬상 장치가 표현할 수 있는 Dynamic Range는 한정되어 있기 때문에 한정된 범위를 벗어나는 영역에 대해서는 이미지의 왜곡 혹은 손실이 발생한다. 본 논문에서는 Line별로 다른 Integration Time을 적용하는 방법으로 영상의 계조 표현 범위를 넓게 향상시켜 Wide Dynamic Range를 갖는 영상을 얻는 방법을 기술한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 학술회의 논문집 정보 및 제어부문 B
• /
• pp.758-761
• /
• 2003

금석문의 영상데이터를 디지털 형태로 검출하고, 영상신호처리 알고리즘을 사용하여 신호의 특성을 분석하고 그 결과를 제시하였다. 대상체는 비석에 음각된 문자로 하였다. 대전 주변의 백제권에서 몇몇 유형의 음각 문자를 형태별로 분류하여 디지털 이미지화한 다음, 문자가 각인된 정보영역과 바탕영역의 신호패턴을 추출하였다. 먼저 칼라 이미지를 grey tone으로 변환한 후, 전처리 과정을 거쳐 이미지의 노이즈나 불명확성을 제거하고 히스토그램 전 영역에 걸쳐 스케일 확장시켰다. 문자가 각인된 정보영역과 바탕영역을 구분하여 무작위로 소이미지 샘플을 취득하고 각 소이미지의 신호패턴을 분석하였다. 그 결과를 중첩의 원리를 이용하여 합성한 후 영역별 신호분석 패턴을 정형화하였다. 유형별로 다소 차이를 보이나 두 영역의 이미지 분석 결과는 차별성을 보였다. 문자 영역은 grey level 범위가 좁고 한정되며 일관성을 보이는데 비해, 바탕영역은 범위가 넓고 광범위하였다. 두 영역의 교차 레벨 범위는 극히 제한적이었으며 패턴 분리에 큰 영향을 끼치지 못하였음이 밝혀졌다. 이 일련의 과정은 알고리즘화되어, 1-2분 정도의 사전 작업만 하면 프로그램에 의해 문자를 추출할 수 있다. 이러한 사실들은 종래 무리한 탁본 작업에만 전적으로 의존하던 금석학 분야의 디지털화를 가능케 할 수 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.283-286
• /
• 2021

4차 산업혁명을 맞이해 최근 산업 및 기술 영역에서는 인공지능을 이용한 생산력 향상, 자동화 등 딥러닝의 보편화가 빠르게 진행되고 있다. 또한, 딥러닝의 성능을 도출하기 위해서는 수많은 양의 학습용 데이터가 필요하며 그 데이터의 양은 딥러닝 모델의 성능과 정비례한다. 이에 본 작품은 최신형 영상처리 Library인 Albumentations를 이용하여 영상처리 알고리즘을 이용하여 이미지를 증강하고, 이미지 데이터 크롤링 기능을 통해 Web에서 영상 데이터를 수집을 자동화하며, Label Pix를 연동하여 수집한 데이터를 라벨링 한다. 더 나아가 라벨링 된 데이터의 증강까지 포함하여 다양한 증강 자동화를 한 인터페이스에 집적시켜 딥러닝 모델을 생성할 때 데이터 수집과 전처리를 수월하게 한다. 또한, Neural Net 기반의 AdaIN Transfer를 이용하여 이미지를 개별적으로 학습하지 않고 Real time으로 이미지의 스타일을 옮겨올 수 있도록 하여 그림 데이터의 부족 현상을 해결한다.