• 스마트미디어저널
• /
• 제9권4호
• /
• pp.134-143
• /
• 2020

자동차 번호판 인식 기술은 도로의 교통상황 통제, 과속차량 단속, 도주 차량의 추적 등 현대 교통 시설 및 교통 안전망을 책임지고 있는 핵심 기술 중 하나이다. 이 기법은 과거에도 연구되었던 분야였으나 최근 딥러닝 기술의 발전으로 다양한 기법들을 적용하여 향상된 성능을 보이는 분야이며, 크게 자동차 번호판 검출과 번호판 인식으로 나뉜다. 본 연구에서는 다양한 객체 검출 모델과 WPOD-Net(Warped Planar Object Detection Network) 모델을 활용하여 자동차 번호판 검출 성능을 향상시키기 위한 실험을 진행하였으며, 객체 검출 모델을 활용하여 번호판을 검출하는 기존 방식들 대신 차량을 검출한 다음 번호판을 검출하는 방식을 택하여 정확도를 높였다. 특히 Super-Resolution 기법 중 하나인 Fast-SRGAN 모델을 활용하여 이미지 내에 존재하는 노이즈를 제거하는 처리를 통해 최종 성능을 향상시켰다. 결과적으로 92.38%에서 96.72%로 선행 연구 대비 평균 4.34% 향상된 성능이 실험을 통해 확인되었다.

• 한국정보통신학회논문지
• /
• 제23권10호
• /
• pp.1234-1239
• /
• 2019

본 논문에서는 추가 설비 없이 기존 CCTV 영상을 디지털 영상 처리를 통하여 미세먼지 농도를 측정하는 방법을 제안한다. 영상처리 알고리즘은 노이즈 제거, 샤프닝, ROI 지정, 엣지 강도 계산, HSV 변환을 통한 보정 순으로 구성되며 C++ OpenCV 라이브러리를 이용해 구현하였다. 한달동안 캡쳐한 CCTV 이미지들에 본 알고리즘을 적용한 결과 ROI 영역에 대해 계산된 엣지 강도는 미세먼지 농도와 밀접한 관계가 있는 것으로 나타났다. 두 데이터간 상관관계를 추론하고자 MATLAB을 이용하여 거듭제곱 방정식 형태의 추세선을 수립하였으며 그 추세선으로부터 이탈한 데이터 포인트들의 개수는 12.5% 내외로 나타나 전체적으로 약 87.5%의 정확도를 보였다.

• 융합신호처리학회논문지
• /
• 제2권3호
• /
• pp.93-101
• /
• 2001

본 논문에서는 DTV, TV-PIP, PC-video, camcorder, videophone 등에 널리 웅용되고 있는 영상 축소기를 제안한다. 제안된 영상 축소기는 2차원 위상 교정 디지털 필터를 이용한 고성능/고화질의 축소이미지를 제공하는 영상 축소기이다. 본 논문에서는 기존 제품에 웅용된 영상 축소기 방식인 Pixel-drop 방식, Upsampling 방식 및 Scaler32 방식의 문제점들을 모두 보완하는 엘리어싱 노이즈 제거 방법과 하드웨어 부담을 최소화한 방법인 디지털 필터의 위상 특성을 웅용한 축소원리를 설명할 것이다. 또한, 제안된 영상 축소기의 성능이 Scaler32 방식보다 우수함을 최종 시뮬레이션 결과(축소 영상)를 Scaler32 방식에 의한 결과와 비교하여 그 타당성을 증명할 것이다. 본 논문에서 제안된 영상 축소기는 라인메모리, 수직축 축소기, 수평축 축소기 및 FIFO로 크게 4블럭으로 구성되어 있다. 또한, 시스템 면적의 최소화를 위해 사용된 필터의 계수는 덧셈기와 천이기로 구현이 가능하며, 필터는 MUX-adder 형태의 구조를 가진다. 그리고, 보상 필터의 추가로 인한 필터의 대역제한폭이 영상 대역제한폭인 6MHz 까지 향상되어 원영상의 고주파 성분의 손실이 최소화된다. 제안된 영상 축소기는 하드웨어 언어인 Verilog-HDL로 설계되고, Cadence로 검증된다. 그리고, 회로 합성은 Synopsys 합성기로 합성되며, 레이아웃은 Mentor에서 수행된다. 사용되는 칩 마스터는 4,500$\mu\textrm{m}$$\times$4,500$\mu\textrm{m}$이며, 실제 레이아웃 크기는 2,528$\mu\textrm{m}$$\times$3,237$\mu\textrm{m}$이다.

• 대한임상검사과학회지
• /
• 제52권1호
• /
• pp.1-17
• /
• 2020

조직병리학에서 현미경을 이용한 삼차원적 접근법은, 이차원 단면의 조직 슬라이드에서 박절 과정 중 부차적으로 발생하는 공간정보의 손실로 인하여 확인하기 어려웠던, 조직 내부 분자들의 공간적 배열, 상호결합, 구조적인 형태와 이들의 통합적인 공간적 정보체로서, 조직 내에 복잡하게 얽혀진 다양한 정보를 풀어내는데 있어서 복합적인 데이터를 제시하여 준다. 이광자 현미경(two-photon microscope)과 자동화된 보정환(correction collar)이 탑재된 고성능 대물렌즈의 개발과 같은 광학장비 영역의 발전은 조직투명화 과정을 거치지 않은 두꺼운 시료의 이미징에 있어서 광학적인 이론과 실체 사이에 존재하는 격차를 줄이는데 기여하였다고 할 수 있다. 하지만, 대물렌즈의 길어진 작동범위(working distance)와 최적화된 고강도 레이저의 사용으로 얻게 되는 이점들은 세포 내 각 구성요소의 굴절률(refractive index) 차이로 인하여 증가되는 빛의 분산(light scattering) 현상으로 인해 자연스럽게 감소하게 된다. 조직투명화 기술이 처음 등장하였던 초창기 시도되던 간단한 굴절률 일치화(RI matching) 기법에서부터 현대의 최첨단 통합 조직 투명화 기술에 이르기 까지를 관찰하여 볼 때, 형태학적인 변화없이 조직의 투명도를 높이는 것과, 내재적으로 또는 고정과정 중에 유래되어 혼합된 자가형광 노이즈를 효과적으로 제거하는것이 선명한 이미지를 얻기 위한 주요한 고려대상이라고 할 수 있다. CLARITY는 장비에 기반한 조직투명화 기법으로서 임상 조직병리 실험실에서 처리되는 동결절편과 포르말린에 고정된 검체 모두의 투명화를 위한 실험실 작업흐름(workflow) 통합 및 일상적인 실험절차와 호환이 가능할 것으로 보여진다.

• 대한전자공학회논문지SP
• /
• 제42권5호
• /
• pp.55-62
• /
• 2005

본 논문에서는 인간의 인지학적인 두뇌 원리인 대뇌피질과 해마 신경망을 공학적으로 모델링하여 얼굴 영상의 특징 벡터들을 고속 학습하고, 각 영상의 최적의 특징을 구성할 수 있는 해마 신경망 모델링 알고리즘인 HNMA(Hippocampal Neuron Modeling Algorithm)을 이용한 얼굴인식 시스템을 제안한다. 시스템은 크게 특징추출 부분과 학습 및 인식 부분으로 구성 되어 있으며, 특징추출 부분에서는 PCA(Principal Component Analysis)와 LDA (Linear Discriminants Analysis)를 순차적으로 적용하여 분별력이 좋은 특징들로 구성한다. 학습부분에서는 해마 신경망 구조의 순서에 따라 입력되는 영상 데이터의 특징들을 치아 이랑 영역에서 호감도 조정에 따라서 반응 패턴으로 이진화 하고, CA3 영역에서 자기 연상 메모리 단계를 거쳐 노이즈를 제거한다. CA3의 정보를 받는 CAI영역에서는 신경망에 의해 학습되어 장기기억이 만들어 진다. 제안한 시스템의 성능을 평가하기 위하여 실험은 표정과 포즈변화 그리고 저 화질 이미지를 각각 구분하여 인식률을 확인하였다. 실험 결과, 본 논문에서 제안하는 특징 추출 방법과 학습 방법을 다른 방법들과 비교하였을 때, 학습시간비용과 인식률에서 우수함을 확인하였다.