• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.507-509
• /
• 2015

본 논문에서는 지방종 초음파 영상에서 지방종을 자동적으로 추출하는 방법을 제안한다. 제안된 방법은 초음파 영상에 Monotone Cubic Spline 보간법을 이용하여 ROI영역을 추출한다. 추출된 ROI 영역에 Fuzzy Stretching 기법을 적용하여 명암 대비를 강조한 후, ART2 알고리즘과 8방향 윤곽선 추적 알고리즘을 적용하여 잡음을 제거한 후에 지방종의 후보 영역을 추출한다. 추출된 지방종의 후보 영역 중에서 형태학적으로 타원 형태를 띠거나 가장 큰 후보 영역의 정보를 이용하여 Labeling 기법을 적용하여 최종적으로 지방종 영역을 추출한다. 제안된 방법을 지방종 초음파 영상에 실험한 결과, 지방종 영역이 비교적 정확히 추출되는 것을 실험을 통하여 확인하였다.

• 전자공학회논문지CI
• /
• 제37권1호
• /
• pp.11-20
• /
• 2000

본 논문은 도로영상에서 움직이는 물체 추적을 위한 윤곽선 및 형태 파라미터 추출방법을 제안코자 한다. 축소영상에서 차영상 방법을 이용하여 윤곽선을 추출하고 원영상에서 특징을 추출함으로써 추적의 정확성을 높이고자 한다. 사용된 특징은 물체화소의 원분포, 중심모멘트, 최대${\cdot}$최소비이다. 이를 이용하여 데이터 연상문제를 해결하였으며, 실시간 추적을 위하여 칼만필터를 사용하였다. 제안된 알고리즘에 의해 추출된 특징 벡터는 다중 차량 추적에 적합함을 실험을 통해 보였다.

• 한국전자통신학회논문지
• /
• 제5권3호
• /
• pp.321-326
• /
• 2010

본 논문에서는 세라믹을 비파괴 검사를 통하여 얻어진 영상에서, 조직의 이상이나 결함의 정도를 자동으로 확인하는 방법을 제안한다. 비파괴 검사를 통하여 얻어진 영상에서 소벨 마스크를 적용하여 윤곽선을 추출하고, 추출된 윤곽선의 방향 정보를 $9{\times}9$ 마스크에 적용하여 영역을 분류한다. 그리고 분류된 각 영역을 히스토그램 스트레칭을 적용하여 영상을 보정하고, 4-방향 윤곽선 알고리즘을 적용하여 객체를 추출한다. 그리고 추출된 객체의 영역에 대해 형태학적 정보를 이용하여 잡음을 제거한 후, 손상된 영역을 추출한다. 본 논문에서 제안한 방법을 비파괴검사를 통하여 얻어진 영상을 대상으로 실험한 결과, 손상된 영역이 정확히 검출되는 것을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.1867_1868
• /
• 2009

본 논문에서는 다양한 조명 조건 및 배경 조건하에서도 정확하게 얼굴의 윤곽선 영역을 검출하기 위한 방법을 제안한다. 입력영상은 조명 조건과 배경 조건에 따라 색상 분포나 에지의 분포가 다르기 때문에 정확한 윤곽선 검출을 위해서는 입력 영상 마다 얼굴 윤곽선을 검출하기 위한 기준을 설정하여야 한다. 이를 위해 입력 영상의 히스토그램을 분석하여 얼굴 후보 영역을 추출하기 위한 임계값을 계산하고 이들의 임계값을 사용하여 얼굴 윤곽선 영역을 검출하였다. 그 결과 제안된 방법은 기존의 방법 보다 뛰어난 성능으로 얼굴 윤곽선을 검출함을 보여 주었다.

• 인지과학
• /
• 제17권3호
• /
• pp.151-175
• /
• 2006

운동 중첩에 의해 배경의 유도 요소들이 차례로 사라질 때 유도 요소들이 사라지는 순서와 이들이 이루는 각도는 직선적 윤곽의 방위가 존재할 수 있는 범위를 한정시켜 준다. 이러한 제약 범위의 시간적 통합에 의해 운동중첩에 의한 윤곽 추출 과정을 설명하는 공통 제약 범위 모형을 제안하고 그것의 타당성을 검증하기 위해 다섯 편의 실험을 수행하였다. 실험 결과 윤곽 방위에 대한 공통 제약 범위 각의 크기가 작을수록 윤곽 방위 지각의 정확율이 높은 것으로 나타났다. 운동 중첩 요소의 수를 증가시키거나 요소들 사이의 거리를 변화시키더라도 제약 범위가 일정하다면 윤곽지각의 정확율은 높아지지 않는 것으로 나타났다. 이러한 실험 결과는 윤곽 방위에 대한 공통 제약 범위 모형을 지지해주는 것으로 해석될 수 있으며 운동 중첩에 의해 윤곽을 지각하는 과정에 배경 텍스쳐의 밀도 자체보다 운동 중첩에 의해 결정되는 공통 제약 범위 각의 크기가 더 중요한 역할을 할 수 있다는 것을 시사한다.

• 한국정보통신학회논문지
• /
• 제14권11호
• /
• pp.2429-2434
• /
• 2010

본 논문에서는 퍼지 방법을 적용하여 손금을 추출하고 분석하는 방법을 제안한다. 본 논문에서는 영상으로부터 손금을 추출하기 위해서 획득된 영상을 YCbCr 컬러 공간으로 변환한다. YCbCr 컬러 공간에서 Y:65~255, Cb:25~255, Cr:130~255에 해당되는 피부색 정보를 추출하고 이 피부색 정보를 임계치로 설정하여 손 영역을 추출한다. 추출된 손 영역에서 내부 픽셀의 3:1 이상, 전체 영상의 2:1 이상인 손의 형태학적 정보와 8 방향 윤곽선 추적기법을 이용하여 잡음을 제거한다. 잡음이 제거된 영상에서 손금을 추출하기 위해서 스트레칭 기법과 소벨 마스크를 이용하여 에지를 추출한다. 추출된 에지 영상에서도 미세한 잡음이 존재하므로 퍼지 이진화 기법을 적용하여 이진화 한다. 이진화된 영상에서 손금의 형태학적 정보를 이용하여 손의 윤곽선을 제외한 손금 영역을 추출한다. 추출된 손금 영역은 동치 테이블을 이용하는 연결 영역 검색 기법과 퍼지 추론 기법을 적용하여 개별 손금의 중요선을 추출하고 분석한다. 다양한 손금 영상을 대상으로 실험한 결과 제안된 방법 이 기존의 손금 추출 방법보다 손금을 분석하는데 효율적인 것을 확인하였다.

• 대한원격탐사학회지
• /
• 제40권4호
• /
• pp.387-396
• /
• 2024

대부분의 고해상도 위성영상은 rational polynomial coefficients (RPC) 정보를 제공하여 지상좌표와 영상좌표 간 변환을 수행한다. 그러나 초기 RPC에는 기하학적 오차가 존재하여 ground control points (GCPs)와의 정합을 통해 보정을 수행하여야 한다. GCP chip은 항공정사영상에서 추출한 높이 정보가 포함된 작은 영상 패치(patch)이다. 많은 선행연구에서는 영역 기반 정합 기법을 사용하여 고해상도 위성영상과 GCP chip 간 정합을 수행하였다. 계절적 차이나 변화된 지역이 존재하는 영상에서는 화소값에 의존하는 정합이 어렵기 때문에 윤곽 정보를 추출하여 정합을 수행하기도 한다. 그러나 일반적으로 사용하는 canny 기법으로 정합에 용이한 윤곽을 추출하기 위해서는 위성영상의 분광 특성에 적절한 임계치를 설정해주어야 하는 문제가 존재한다. 따라서 본 연구에서는 위성영상의 지역별 특성에 둔감한 윤곽 정보를 활용하여 RPC 보정을 위한 정합을 수행하고자 한다. 이를 위해 딥러닝 기반 윤곽 정보 추출 네트워크인 pixel difference network (PiDiNet)를 활용하여 위성영상과 GCP chip의 윤곽맵(edge map)을 각각 생성하였다. 그 후 생성된 윤곽맵을 normalized cross-correlation과 relative edge cross-correlation의 입력데이터로 대체하여 영역 기반의 정합을 수행하였다. 마지막으로 RPC 보정에 필요한 변환모델 계수를 도출하기 위하여 data snooping 기법을 반복적으로 적용하여 참정합쌍을 추출하였다. 오정합쌍을 제거한 참정합쌍에 대해 root mean square error (RMSE)를 도출하고 기존에 사용하던 상관관계 기법과 결과를 정성적으로 비교하였다. 실험 결과, PiDiNet은 약 0.3~0.9 화소의 RMSE 값 분포를 보였으나 canny 기법에 비해 두꺼운 윤곽을 나타내어 일부 영상에서 미세하게 정확도가 저하되는 것을 확인하였다. 그러나 위성영상 내 특징적인 윤곽을 일관적으로 나타냄으로써 정합이 어려운 지역에서도 정합이 잘 수행되는 것을 확인하였다. 본 연구를 통해 윤곽 기반 정합 기법의 강인성을 개선하여 다양한 지역에서의 정합을 수행할 수 있을 것으로 예상된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 제13회 춘계학술대회 및 임시총회 학술발표 논문집
• /
• pp.896-901
• /
• 2000

차량 번호판 인식 시스템은 크게 번호판 영역의 추출과 인식 단계로 구분된다. 본 논문에서는 전처리단계로써 임계화 방식을 이용하여 번호판 영역을 추출한다. 차량 영상을 임계화하고 영상에서 발생되는 잡음을 제거한다. 잡음이 제거된 차량 영상에서 각 라인의 밀도비율을 계산하여 번호판 영역에서 나타나는 밀도의 비율과 비슷하게 나타나는 영역을 후보영역으로 설정한다. 설정된 후보영역이 번호판 영역의 특징과 유사하게 나타나는 부분을 추출한다. 그리고 추출된 번호판 영역은 코호넨 알고리즘의 2${\times0}$2마스크에 적용시켜서 윤곽선을 추출하고, 번호판의 문자와 숫자를 인식한다. 코호넨 알고리즘의 2${\times0}$2마스크를 이용하게 되면, 윤곽선의 잡음을 최대한으로 줄여주는 특성을 가진다. 잡음이 제거된 후에, 번호판의 문자와 숫자들을 코호넨 알고리즘을 이용하여 인식하였다. 실험 결과에서는 임계화 작업을 이용한 번호판 추출과 코호넨 알고리즘을 이용한 번호판 인식이 우수하는 것을 알 수 있다.

• 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.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 제14회 신호처리 합동 학술대회 논문집
• /
• pp.333-336
• /
• 2001

본 논문에서는 영상 시퀀스 상에서 물체의 가려짐을 고려하여 상대적인 깊이 순서에 의해 정렬되는 계층을 분리하기 위한 새로운 움직임 분할 방법을 제안한다. 블록을 기반으로 한 움직임 추정 및 클러스터링 과정을 통하여 각 계층에 대한 블록영역을 구하고, 이 블록영역에 대하여 윤곽선 추출을 이용하여 각 계층에 대한 정확한 객체를 분리할 수 있다. 이러한 움직임 분할방법을 통한 동영상의 계층적인 표현은 영상에서 원하지 않는 물체, 전경, 배경의 제거나 기존의 영상을 이용한 새로운 영상의 합성에 이용될 수 있으며, 분할을 통해 얻어진 객체는 영상 압축, 영상 합성 등을 위한 데이터베이스에 저장되어 응용될 수 있다.