• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2003년도 춘계종합학술대회
• /
• pp.171-174
• /
• 2003

본 논문은 스테레오 알고리즘을 적외선 스테레오 정지영상에 적용시켜 입체감을 갖는 3차원 적외선 이미지로 향상시키는 연구이다. 적외선 이미지 향상 기댐에 적용한 스테레오 알고리즘은 특징기반의 에지 검출 방법으로 좌우영상의 길이를 비교 검출하고 스테레오 특징기반 정합을 실현하여 향상된 3D 적외선 영상을 구현하였다. 실험결과로 에지 경계가 보다 자연스러운 3차원 적외선 입체영상이 투영되었다.

• 한국정보통신학회논문지
• /
• 제7권3호
• /
• pp.577-581
• /
• 2003

본 논문은 스테레오 알고리즘을 적외선 스테레오 정지영상에 적용시켜 입체감을 갖는 3차원 적외선 이미지로 향상시키는 연구이다. 적외선 이미지 향상 기법에 적용한 스테레오 알고리즘은 특징기반의 에지검출 방법으로 좌우영상의 깊이를 비교 검출하고 스테레오 특징기반 정합을 실현하여 향상된 3D 적외선 영상을 구현하였다. 실험결과로 에지 경계가 보다 자연스러운 3차원 적외선 입체영상이 투영되었다.

• 대한교통학회:학술대회논문집
• /
• 대한교통학회 1998년도 제34회 추계 학술발표회
• /
• pp.150-150
• /
• 1998

본 연구는 최근에 대두되는 첨단 교통체계(Intelligent Transportation Systems : ITS)중 첨단교통 관리체계(Advanced Traffic Management Systems : ATMS)에서 자동단속체계(Automatic Traffic Enforcement Systems : ATES)에 사용되는 자동차량번호판인식시스템의 핵심기술인 자동차량 번호판 추출에 관한 연구이다. 일반적으로 번호판익식시스템(License Plate Recogition System : LPRS)가 번호판을 인식하는데 있어서 번호판 추출과 문자인식, 크게 2개의 Process로 구분되어 수행된다. 본 연구에서는 도로상에 설치된 영상 카메라에서 얻은 차량의 영상을 바탕으로 차량의 번호판을 추출하는 새로운 영상처리기법을 제시하고 있다. 본 연구에서 제시한 영상처리기법은 메쉬와핑으로 차량번호판영역의 특징을 이용하여 추출해내는 방법이다. 메쉬란 직교하는 선들로 이루어진 그물 모양의 제어선을 말하는데 이 제어선은 가로와 세로로 한번씩 이미지를 왜곡하여 최종 이미지를 만들어낸다. 이 메쉬와핑기법은 정교하면서도 빠른 속도로 이미지를 처리할 수 있기 때문에 실시간 처리하는데 사용할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 추계학술발표대회
• /
• pp.197-200
• /
• 2007

본 논문에서는 로봇 컨트롤 시스템을 위해 입력 받은 영상부터 몇 가지의 손 제스처를 인식하는 비전기반 손 제스처 인식방법을 제안한다. 로봇으로부터 입력 받은 이미지는 로봇의 위치, 주변환경, 조명 등 여러 요인에 따라 다양하게 존재한다. 본 논문은 다양한 환경에서 입력되는 영상으로부터 시스템이 로봇 컨트롤을 위해 미리 지정한 몇 가지 제스처를 인식하도록 한다. 먼저 이미지 조명 변화에 강한 손 제스처 인식을 위하여 레티넥스 이미지 정규화를 적용한 후, YCrCb 공간 상에서 입력된 영상에서 손 영역을 검출 후 위치를 추정한다. 인식된 손 영역에서 특징벡터를 추출함으로서 입력 영상내의 존재할 수 있는 손의 크기나 손의 회전각도 등에 상관없이 필요로 하는 제스처를 인식하도록 한다. 제안된 제스처 인식 결과는 로봇컨트롤을 위한 기존의 제스처인식과 비교하여 성능을 측정하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 하계학술대회
• /
• pp.343-344
• /
• 2018

본 논문에서는 관심 영역 보존을 고려한 이미지 리사이징 최적화 기법을 제안한다. 이미지 리사이징은 입력 영상을 다양한 비율의 디스플레이나 하드웨어 플랫폼에 적용이 가능한 비율의 영상으로 변환하는 것에 목적을 둔다. 변환 과정에서 인지적 특성을 고려하여 관심 영역 검출을 통해 주요 객체의 왜곡을 최소화하고자 한다. 목표 비율로의 리사이징 시 각 영역별 변환 비율이 상이하게 결정되어야 하고, 이 과정에서 관심 영역 왜곡과 영상 보간 불가능의 문제가 발생한다. 관심 영역 왜곡과 보간 불가능 상태를 최소화하기 위해 영역별 변환 비율을 결정하는 최적화 기법을 제안하여 관심 영역이 보존된 최적화된 결과 영상을 획득하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.544-546
• /
• 2020

의료 데이터를 이용하여 인공지능 기계학습 연구를 수행할 때 자주 마주하는 문제는 데이터 불균형, 데이터 부족 등이며 특히 정제된 충분한 데이터를 구하기 힘들다는 것이 큰 문제이다. 본 연구에서는 이를 해결하기 위해 GAN(Generative Adversarial Network) 기반 고해상도 의료 영상을 생성하는 프레임워크를 개발하고자 한다. 각 해상도 마다 Scale 의 Gradient 를 동시에 학습하여 빠르게 고해상도 이미지를 생성해낼 수 있도록 했다. 고해상도 이미지를 생성하는 Neural Network 를 고안하였으며, PGGAN, Style-GAN 과의 성능 비교를 통해 제안된 모델이 양질의 고해상도 의료영상 이미지를 더 빠르게 생성할 수 있음을 확인하였다. 이를 통해 인공지능 기계학습 연구에 있어서 의료 영상의 데이터 부족, 데이터 불균형 문제를 해결할 수 있는 Data augmentation 이나, Anomaly detection 등의 연구에 적용할 수 있다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅲ
• /
• pp.1689-1692
• /
• 2003

본 논문에서는 홍채인식 시스템에서 효율적인 영상을 획득을 위한 이미지 기반 자동초점 계산방법을 제안한다. 제안된 방법은 동공 영역을 중심으로 Block단위로 이미지 기반 초점 계수를 조합하여 Out-of-Focusing 현상이나 노이즈의 간섭을 줄여줄 수 있다. 22800장의 홍채 영상을 이용한 실험 결과를 통해 제안하는 방법이 약 95%의 효율성을 가짐을 증명하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (B)
• /
• pp.214-216
• /
• 2003

이 논문은 그래픽스 API인 OpenGL에서 제공하는 기존의 빌보드 기법을 좀 더 사실적으로 표현하기 위한 방법에 대해서 고찰한다. 빌보드 기법은 다각형에 텍스처 이미지를 매핑하여 이 다각형이 항상 시점을 바라보도록 표시하여 어느 정도의 사실성을 유지하는 3차원 영상을 빠르게 생성한다. 그러나, 기존의 빌보드 기법은 물체의 위치에 관계없이 항상 동일한 이미지를 사용하여 사실성이 떨어지는 단점이 있다. 이 논문에서는 기존의 빌보드 기법과 관측 방향에 따라 다른 이미지를 생성하는 뷰 모핑 기법을 조합하여 관측 방향에 따라 물체가 변화하여 보다 사실적인 3차원 영상을 생성하는 빌보드 기법을 제안한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2000년도 추계학술발표논문집
• /
• pp.155-158
• /
• 2000

본 논문에서는 컴퓨터 비젼의 기술을 이용하여 생태학적인 실험을 위한 기반으로 물고기를 추적하는 방법을 보여준다. 특히 최적의 배경 이미지를 구하여서 그것을 바탕으로 차영상의 기법을 사용하여 인하는 물체(object), 여기서는 물고기만을 얻는다. 그리고 나서 기존의 신경회로망 기법인 ART2를 사용하여서 그 물고기의 영역을 클러스터링하여서 Object의 좌표를 획득한다. 배경이미지를 이용하여 배경을 제외한 object만 난은 영상을 얻는 방법은 기존의 연구에도 많다. 그러나 이 논문의 방식은 더욱더 그 물체의 윤곽을 뚜렷하게 나타내고, 간단한 방법을 소개하고 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.684-685
• /
• 2020

영상의 세부 분류 인식에 대한 연구는 계속적으로 발전하고 있지만, 다형성의 성질을 갖는 동물에 대한 객체인식 연구는 더디게 진행되고 있다. 본 논문은 개와 고양이에 해당하는 애완동물 이미지만을 이용하여, 세부 분류인 동물의 종을 분류하는 것을 목표로 한다. 이를 위해 본 논문에서는 기계학습으로 여러 분야에서 좋은 성과를 얻고 있는 딥러닝을 이용하였으며, 그 중에서도 이미지 인식 분야에서 뛰어난 성능을 보인 Convolutional Neural Network(CNN)과 구글에서 제공하는 오픈소스 기반 딥러닝 프레임워크인 Tensorflow를 활용하였다. 제안하는 방법에 대해 37종의 애완동물 이미지, 총 7390장에 대하여 학습 및 실험하여 그 효과를 검증하였다.