• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권11호
• /
• pp.1121-1135
• /
• 2005

본 논문에서는 시공간 정보를 이용하여 동영상에서 움직이는 객체를 자동으로 추출하는 방법을 제안한다. 본 논문에서 제안하는 방법은 다른 영역과 구별되는 현저한 장소에 무의식적으로 집중되는 시각주의 특성을 컴퓨터 시스템에 도입한 대비 지도(contrast map)와 중요 특징점(salient point)을 적용한 것이 큰 특징이라고 할 수 있다. 대비 지도는 밝기(luminance), 색상(color) 그리고 방향성(direction) 3가지의 특징 정보 중 자기와 방향성의 특징을 나타내는 자기 지도(luminance map)와 방향성 지도(directional map)를 결합하여 대비 지도를 생성한다. 또한, 사람이 시각적으로 볼 때 의미 있다고 생각하는 중요 특징점을 웨이블릿 변환을 이용하여 찾아낸다. 이렇게 생성된 대비 지도와 중요 특징점을 이용하여 대략적인 집중윈도우(AW:Attention Window)의 위치와 크기를 결정한다. 다음으로, 동영상의 가장 큰 특징인 움직임 정보를 추정하여 집중윈도우를 객체에 가장 근사하게 축소시키고, 윤곽선 정보를 이용하여 객체를 추출한다. 윤곽선을 추출하기 위해 캐니에지(canny edge)를 사용하였으며, 배경의 윤곽선 제거를 위하여 윤곽선의 차이(DE:Difference of Edge)를 이용하여 가로 후보영역과 세로 후보영역을 추출한다. 추출된 2개의 후보영역을 AND연산과 모폴로지 연산을 이용하여 객체를 자동으로 추출하는 방법을 제안한다. 실험은 카메라가 고정된 상태에서 촬영한 동영상에 대해 이루어 졌으며, 객체와 배경이 효과적으로 분리되는 것을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제18권10호
• /
• pp.1-12
• /
• 2013

본 논문에서는 많은 연산량이 요구되는 화재 특징 추출 알고리즘을 위한 최적의 매니코어 프로세서에 대한 디자인 공간을 탐색한다. 최적의 매니코어 디자인 공간을 선택하기 위해 매니코어를 구성하는 프로세서 엘리먼트 (PE)의 개수와 로컬 메모리 사이즈를 변화시키면서 시뮬레이션을 수행하여 성능, 에너지 효율 및 시스템 면적 효율에서 최적인 매니코어 구조를 결정한다. 본 논문에서는 $256{\times}256$ 해상도의 30 프레임으로 구성된 화재/비화재 비디오 영상을 대상으로 하여 움직임 검출, 색상 분할 및 이산 웨이블릿 변환으로 구성된 화재 특징 추출 알고리즘을 여섯가지 매니코어 구조(PEs=16, 64, 256, 1,024, 4,096, 16,384)를 사용하여 모의 실험한 결과, 모든 화재/비화재 비디오 영상에 대해1,024개와 4,096개의 PE를 갖는 매니코어 구조가 각각 최적의 시스템 면적 효율과 에너지 효율을 보였다. 또한, 실험에서 사용한 여섯가지 매니코어 구조 모두가 실시간 비디오 처리에서 요구되는 초당 30 프레임 처리 기준을 만족하였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제28권1호
• /
• pp.82-89
• /
• 2024

블랙 아이스는 인지하기가 매우 어렵고 도로 노면의 마찰력이 감소하여 자동차 사고를 유발한다. 도로 노면의 블랙아이스 방지를 위한 다양한 연구가 수행되었으나, 실시간으로 블랙아이스를 식별하고 운전자에게 경고하는 시스템에 대한 연구는 매우 미흡한 실정이다. 본 논문에서는 아스팔트 도로 노면의 상태를 실시간적으로 식별하기 위해 이미지기반 분석 시스템을 개발하였다. 이를 위해 각 아스팔트 도로 노면 이미지에 대해 데이터 세트를 구축한 다음 딥러닝을 통해 노면의 상태를 건조, 젖음, 블랙아이스, 눈 노면 상태로 식별하였다. 또한, 이미지 분석결과와 더불어 도로 노면 상태의 최종판별을 위해 실제 노면에서 측정된 온도와 습도 데이터를 사용하였다. 도로 노면의 특성이 블랙아이스로 판정이 나면, 도로에 설치된 염수 분사장치가 자동으로 작동하도록 하였다. 본 연구에서 개발된 아스팔트 콘크리트 포장에 대한 노면 상태 식별 시스템과 블랙아이스 자동 예방 시스템은 운전자의 안전운행을 보장하고 교통사고 발생률을 낮출 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제29권5호
• /
• pp.21-29
• /
• 2024

CT 촬영 시 방사선량을 줄이면 피폭 위험성을 낮출 수 있으나, 영상 해상도가 크게 저하 될 뿐아니라 잡음(noise) 발생으로 인해 진단의 효용성이 떨어진다. 따라서, CT 영상에서의 잡음제거는 영상복원 분야에 있어 매우 중요하고 필수적인 처리 과정이다. 영상 영역에서 잡음과 원래 신호를 분리하여 잡음만을 제거하는 것은 한계가 있다. 본 논문에서는 웨이블릿 변환 기반 GAN 모델 즉, WT-GAN(wavelet transform-based GAN) 모델을 이용하여 CT 영상에서 효과적으로 잡음 제거하고자 한다. 여기서 사용된 GAN 모델은 U-Net 구조의 생성자와 PatchGAN 구조의 판별자를 통해 잡음제거 영상을 생성한다. 본 논문에서 제안된 WT-GAN 모델의 성능 평가를 위해 다양한 잡음, 즉, 가우시안 잡음(Gaussian noise), 포아송 잡음 (Poisson noise) 그리고 스펙클 잡음 (speckle noise)에 의해 훼손된 CT 영상을 대상으로 실험하였다. 성능 실험 결과, WT-GAN 모델은 전통적인 필터 즉, BM3D 필터뿐만 아니라 기존의 딥러닝 모델인 DnCNN, CDAE 모형 그리고 U-Net GAN 모형보다 정성적이고, 정량적인 척도 즉, PSNR (Peak Signal-to-Noise Ratio) 그리고 SSIM (Structural Similarity Index Measure) 면에서 우수한 결과를 보였다.

• 방송공학회논문지
• /
• 제22권3호
• /
• pp.295-312
• /
• 2017

디지털 영상 콘텐츠는 가장 정보 함축적이며 고부가가치의 콘텐츠이다. 따라서 이 콘텐츠들의 지적재산권을 보호할 필요가 있으며, 본 논문도 이것을 목적으로 한 디지털 워터마킹 방법을 제안한다. 제안하는 방법은 디지털 영상에 대한 2차원 이산웨이블릿변환(2-Dimensional Discrete Wavelet Transform, 2D-DWT)의 주파수 특성을 이용하며, 영상의 국부적 또는 특정 데이터를 사용하지 않고 전역적 데이터에 디지털 워터마크를 삽입하는 방법을 사용한다. 디지털 워터마크를 삽입하는 방법은 간단한 양자화 인덱스 변조(Quantization Index Modulation, QIM) 방법을 사용하며, 워터마크 데이터를 다중으로 삽입하는 다중 워터마킹 방식을 사용한다. 워터마크를 추출할 때 다중 워터마크를 모두 추출하여 간단한 통계적 방법으로 최종 워터마크 데이터를 결정한다. 이 방법은 워터마크 삽입과정에서의 파라미터들을 실험적으로 결정하는 실험적 방법이다. 제안하는 방법은 다양한 공격에 대해 다양한 영상을 대상으로 실험을 수행하며, 기존의 대표적인 방법들과 그 성능을 비교하여 제안한 방법의 우수성을 보인다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.55-64
• /
• 2013

디지털 고성능 영상장비의 대중화와 강력한 이미지 편집 소프트웨어의 출현으로 인해 고품질의 위 변조가 가능하게 되었다. 특히 화폐 위 변조 범죄가 급격히 증가하고 있지만, 일반인이 위 변조 지폐를 발견하는 비율은 낮은 수준이다. 본 논문에서는 범용 스캐너를 이용하여 위 변조 지폐를 판별할 수 있는 알고리즘을 제안한다. 본 알고리즘에서는 위 변조 지폐를 출력하는 과정에서 나타나는 인쇄물의 고유한 특징에 기반하여 위 변조 여부를 판별한다. 비지역적 평균 알고리즘을 이용하여 인쇄 과정에서 나타나는 노이즈 특성을 추출하고, 명암도 동시발생 행렬을 계산하여 지폐의 특징값을 추출하였다. 추출한 지폐의 고유한 특징값을 학습기반 데이터 분류기에 적용하여 위 변조 여부를 판별하였다. 제안한 알고리즘의 성능을 분석하기 위해 총 324장의 1만원권 지폐와 8대 프린터에서 출력한 위조지폐 이미지로 실험하였다. 또한 노이즈 추출에 있어 기존 프린터 판별 기술에서 사용되었던 위너필터와 이산웨이블릿변환 기반 알고리즘과 비교 분석을 수행하였다. 그 결과 제안한 알고리즘이 위 변조 판별에 있어서 94% 이상의 정확도를 보였으며, 위 변조 지폐 인쇄기기 식별에 있어서는 93% 이상의 정확도를 보여서 기존 프린터 판별 기술을 이용한 것보다 우수함을 보였다.