• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.279-279
• /
• 2022

최근 이미지분석 기술은 하드웨어 및 소프트웨어 기술의 급격한 발전으로 인해 의학, 생물학, 지리학, 재료공학 등에서 수많은 연구 분야에서 광범위하게 활용되고 있으며, 이미지분석은 다량의 토사에 대하여 입경을 포함한 형상학적 특성을 간편하게 정량화 할 수 있기 때문에 매우 효과적인 분석 방법으로 판단된다. 현재 모래의 입도분석 방법으로는 신뢰성 있는 체가름 시험법(KSF2302) 등이 있으나, 번거로운 처리과정과 많은 시간이 소요된다. 또한 입자형상은 입경이 세립 할수록 직접 측정이 어렵기 때문에, 최근에는 이미지 분석을 이용하는 방법이 시도되고 있다. 본 연구에서는 75㎛ 이상의 조립질 하상 토사 이미지를 취득하여, 입자들의 장·축단 길이, 면적, 둘레, 공칭직경 및 종횡비 등의 형상학적 특성인자를 자동으로 측정하는 프로그램 개발을 수행하였다. 프로그램은 이미지 분석에 특화된 라이브러리인 OpenCV(Open Source Computer Vision)를 적용하였다. 이미지 분석 절차는 크게 이미지 취득, 기하보정, 노이즈제거, 객체추출 및 형상인자 측정 단계로 구성되며, 이미지 취득시 패널의 하단에 Back light를 부착해 시료에 의해 발생되는 음영을 제거하였다. 기하보정은 원근변환(perspective transform)을 적용했으며, 노이즈 제거는 모폴로지 연산과 입자간의 중첩으로 인한 뭉침을 제거하기 위해 watershed 알고리즘을 적용하였다. 최종적으로 객체의 외곽선 추출하여 입자들의 다양한 정보(장축, 단축, 둘레, 면적, 공칭직경, 종횡비)를 산출하고, 분포형으로 제시하였다. 본 연구에서 제안하는 이미지분석을 적용한 토사의 형상학적 특성 측정 방법은 시간과 비용의 측면에서 보다 효율적으로 하상 토사에 대한 다양한 정보를 획득 할 수 있을 것으로 기대한다.

• Broadcasting and Media Magazine
• /
• v.25 no.2
• /
• pp.27-35
• /
• 2020

최근 많은 연구 결과물에서 빅데이터를 이용하여 학습된 뉴럴 네트워크가 영상 내 노이즈를 제거하는데 매우 효과적임이 입증되었다. 여기에서 한 걸음 더 나아가, 입력으로 주어진 노이즈가 있는 영상의 특징을 분석하여, 사전에 학습된 네트워크의 파라미터를 테스트 타임에 동적으로 업데이트함으로써 주어진 입력 영상을 더욱 잘 처리할 수 있도록 하는 연구들이 시도되고 있다. 본 원고에서는 이와 같이 테스트 타임에 주어지는 입력 영상을 네트워크 학습에 사용하는(self-supervision) 이미지 복원 기법들을 소개한다. 다음으로, 기존의 self-supervision을 이용하는 기법들 대비 학습 효율성과 정확도를 더욱 향상시킬 수 있는 새로운 형태의 네트워크 파라미터 업데이트 기법을 설명하고, 제안하는 기법의 우수성을 다양한 실험 결과를 통해 분석 및 입증한다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.40 no.8
• /
• pp.1655-1666
• /
• 2015

In this paper, user-position estimation method is proposed by using a single camera for both indoor and outdoor environments. Conventionally, the GPS of RF-based estimation methods have been widely studied in the literature for outdoor and indoor environments, respectively. Each method is useful only for indoor or outdoor environment. In this context, this study adopts a vision-based approach which can be commonly applicable to both environments. Since the distance or position cannot be extracted from a single still image, the reference images pro-stored in image database are used to identify the current position from the single still image captured by a single camera. The reference image is tagged with its captured position. To find the reference image which is the most similar to the current image, the SURF algorithm is used for feature extraction. The outliers in extracted features are discarded by using RANSAC algorithm. The performance of the proposed method is evaluated for two buildings and their outsides for both indoor and outdoor environments, respectively.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.20 no.4
• /
• pp.333-341
• /
• 2008

A remote sensing technique to identify trajectories of breaking waves in the surf zone using oblique digital nearshore videos is proposed. The noise arising from white foam induced by wave breaking has hindered accurate remote sensing of wave properties in the surf zone. For this reason, this paper focuses on image processing to remove the noise and wave trajectory identification essential for wave property estimation. The nearshore video imagery sampled at 3 Hz are used, covering length scale(100 m). Original image sequences are processed through image frame differencing and directional low-pass image filtering to remove the noise characterized by high frequencies in the video imagery. The extraction of individual wave crest features is conducted using a Radon transform-based line detection algorithm in the processed cross-shore image timestacks having a two-dimensional space-time domain. The number of valid wave crest trajectories identified corresponds to about 2/3 of waves recorded by the in-situ sensors.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.10
• /
• pp.2261-2268
• /
• 2010

The information captured by imaging devices such as CCD or CIS may contain external noises through the processes of passing signals or storing images. In this paper, we propose a Modified Sigma Filter (MSF) algorithm to reduce such noises. In experiment, we verified that our MSF algorithm showed better performance in PSNR and 1D plot of simulation results compared with Gaussian Filter (GF), Local Sigma Filter (LSF). Tested images include random Gaussian Noises.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.16 no.2
• /
• pp.113-122
• /
• 2016

In this paper, we suggest a approach which comprises fast Fourier transform inversion by wavelet noise attenuation. It represents an inverse filtering by adopting a factor into the Wiener filtering, and the optimal factor is chosen to minimize the overall mean squared error. in order to apply the Wiener filter, we have to compute the power spectrum of original image from the corrupted figure. Since the Wiener filtering contains the inverse filtering process, it expands the noise when the blurring filter is not invertible. To remove the large noises, the best is to remove the noise using wavelet threshold. Wavelet noise attenuation steps are consisted of inverse filtering and noise reduction by Wavelet functions. experimental results have not outperformed the other methods over the overall restoration performance.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.4
• /
• pp.410-415
• /
• 2006

The SVDD(support vector data description) is one of the most important one-class support vector learning methods, which depends on the strategy of utilizing the balls defined on the feature space to discriminate the normal data from all other possible abnormal objects. This paper addresses on the extension of the SVDD method toward the problem of recovering the normal contents from the data contaminated with noises. The validity of the proposed de-noising method is shown via application to recovering the high-resolution images from the low-resolution images based on the high-resolution training data.

• Journal of IKEEE
• /
• v.21 no.4
• /
• pp.420-423
• /
• 2017

In this paper, we propose an implementation of a neural network accelerator for reducing the rendering noise. Among the rendering algorithms, we selects a ray tracing to assure a high-definition graphics. Ray tracing rendering uses ray to render. Less use of the ray will result in noise, and if used too much, it will produce a higher quality image, but will take longer. In order to quickly process such lace rendering, an algorithm is used that uses less rays and removes the noise generated. Among such algorithms, there is an algorithm using a neural network, and a neural network accelerator which obtains a filter parameter used in an operation is implemented in order to speed up the operation speed. The time it takes to calculate the parameters used for a pixel is 11.44us.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.141-142
• /
• 2008

본 논문은 텍스처된 3차원 점군데이터를 효율적으로 모델링하는 방법을 제안한다. 지상라이다로부터 획득한 3차원 점군데이터는 많은 노이즈를 가지고 있으며 이로 인해 자동적인 모델링이 어렵다. 3차원 모델링에 있어서 메쉬를 생성해야 3차원 랜더링이 가능하지만 3차원 메쉬 생성은 노이즈에 취약하기 때문에 디자이너들이 수작업으로 노이즈를 제거해야만 한다. 하지만 노이즈 자제가 지상 라이다로부터 들어온 데이터이기 때문에 자동적인 노이즈 제거가 어렵다. 본 논문에서는 텍스처된 지상 라이다 데이터로부터 칼라 영상의 정보를 이용한 윤곽선 정보 검출 방법을 제안한다. 대부분의 건물과 같은 구조물에서 최 외곽은 같은 색의 정보를 가지고 있다. 최 외곽 칼라의 정보를 이용하여 칼라 정보의 변화를 제한하고, 유사 칼라 정보를 가지고 있는 픽셀만 얻어냄으로써 최외각 정보를 얻어낸다. 칼라 이미지를 이용만 필터링 된 점군데이터는 xy, xz, yz 각각의 평면에서 윤곽선 데이터를 가지며 이는 구조물에 대한 모델링의 속도를 빠르게 해준다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.05a
• /
• pp.510-512
• /
• 2018

The proposed method enhances the resolution of images by removing noise using wavelet transform to remove noise from images generated by ultrasound diagnosis. We propose an algorithm to reduce the speckle noise and enhance the edge of the ultrasound image. The proposed algorithm can enhance edges of various sizes by using wavelet transform which can use both frequency and spatial information. Experimental results show that the performance of the algorithm for noise reduction of ultrasound images is about 0.45ms for $520{\times}440$ images.