• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.524-526
• /
• 1999

본 논문은 환경에 독립적인 자동차 영상에서 자동차 번호판 영역을 추출하는 방법을 제안하고 실험 결과를 기술한다. 번호판 주위환경에는 다양한 조건이 존재하며 이에 적응성을 가지고 빠른 추출을 수행하는 것은 매우 중요한 문제이다. 본 논문은 이러한 문제를 해결하기 위해 HSI 컬러 모델에 기반하여 번호판을 면밀히 분석하여 번호판을 유형별로 그룹화하고, 지역 분할 및 병합을 통해 빠른 시간안에 번호판 후보 영역을 검색한다. 그리고 번호판이 갖는 특성을 이용하여 후보 영역에서 번호판 영역임을 검증함으로써 자동차 번호판 영역을 찾는다.

• 전자공학회논문지
• /
• 제53권12호
• /
• pp.105-110
• /
• 2016

디지털 카메라의 생산 비용을 낮추며 작게 만들기 위하여 부표본화된 컬러 필터 배열 영상이 사용되고, 이러한 컬러 필터 배열 영상에 비어 있는 컬러 값을 추정하는 컬러 보간 과정이 수행된다. 그러나 신호들이 부표본화 되면서 주파수 영역에서 보았을 때, 신호가 겹치는 에일리어싱이 발생한다. 이 문제가 컬러 보간 과정에서 제대로 해결되지 못하면 가색상과 지퍼 현상과 같은 에일리어싱 아티팩트가 발생한다. 본 논문에서는, 컬러 영상에 존재하는 에일리어싱 아티팩트를 제거하는 알고리즘을 제안한다. 컬러 필터 배열 영상의 부표본화된 신호들을 사용하여 에일리어싱 영역 지도를 추정한다. 에일리어싱 영역 지도와 추정된 휘도 영상을 이용하여, 영상 획득 모델의 최소 자승 추정 방법으로 에일리어싱 아티팩트를 제거하여 고해상도의 컬러영상을 추정하도록 하였다. 실험에서는 제안하는 알고리즘이 컬러 영상에 존재하는 에일리어싱 아티팩트를 효과적으로 제거한 것을 보여준다.

• 한국컴퓨터정보학회논문지
• /
• 제19권3호
• /
• pp.37-43
• /
• 2014

본 논문에서는 색상 군집화를 이용한 입술탐지 알고리즘을 제안한다. RGB 색상 모델로 주어진 입력영상에서 AdaBoost 알고리즘을 이용하여 얼굴영역을 추출한 후, 얼굴영역을 Lab 컬러 모델로 변환한다. Lab 컬러 모델에서 a 성분은 입술과 유사한 색상을 잘 표현할 수 있는 반면 b 성분은 입술의 보색을 표현할 수 있기 때문에 Lab 컬러로 표현된 얼굴영역에서 a와 b 성분을 기준으로 최단 이웃(nearest neighbour) 군집화 알고리즘을 이용하여 피부 영역을 분리한 후, K-means 색상 군집화를 통해 입술 후보 영역을 추출하고, 마지막으로 기하학적 특징을 이용하여 최종적인 입술영역을 탐지하였다. 실험 결과는 제안된 방법이 강건하게 입술을 탐지함을 보인다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 추계학술대회
• /
• pp.240-243
• /
• 2022

본 논문에서는 네일 아트를 한 손 이미지가 주어졌을 때 손톱에 있는 네일 아트의 컬러를 자동으로 분류해주기 위한 시스템을 제안한다. 네일 아트 컬러 자동 분류기는 Object Detection 모델을 이용하여 인풋으로 들어오는 손 이미지에서 손톱 영역을 찾고, 각 손톱에 대하여 13 가지 컬러 중 하나로 분류한 결과를 아웃풋으로 반환한다. 본 프로젝트에서는 사용자가 요청하는 네일 아트 손 이미지에 대하여 컬러 라벨링 결과를 반환해주는 API 형태의 서비스를 제안하며, 반응형 웹을 통해 시연 가능하도록 시스템을 설계 및 구현하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권2호
• /
• pp.1-9
• /
• 2018

본 논문에서는 손상된 흑백 얼굴 이미지를 컬러로 복원하는 방법을 제안한다. 기존 연구에서는 오래된 증명사진처럼 손상된 흑백 사진에 컬러화 작업을 하면 손상된 영역 주변이 잘못 색칠되는 경우가 있었다. 이와 같은 문제를 해결하기 위해 본 논문에서는 입력받은 사진의 손상된 영역을 먼저 복원한 후 그 결과를 바탕으로 컬러화를 수행하는 방법을 제안한다. 본 논문의 제안 방법은 BEGAN(Boundary Equivalent Generative Adversarial Networks) 모델 기반 복원과 CNN(Convolutional Neural Network) 기반 컬러화의 두 단계로 구성된다. 제안하는 방법은 이미지 복원을 위해 DCGAN(Deep Convolutional Generative Adversarial Networks) 모델을 사용한 기존 방법들과 달리 좀 더 선명하고 고해상도의 이미지 복원이 가능한 BEGAN 모델을 사용하고, 그 복원된 흑백 이미지를 바탕으로 컬러화 작업을 수행한다. 최종적으로 다양한 유형의 얼굴 이미지와 마스크에 대한 실험 결과를 통해 기존 연구에 비해 많은 경우에 사실적인 컬러 복원 결과를 보여줄 수 있음을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2011년도 추계학술대회
• /
• pp.223-226
• /
• 2011

본 논문은 웹 카메라로부터 입력받은 영상을 이용하여 손 영역을 추출하여 마우스를 대체할 수 있는 핸드마우스를 구현한다. 먼저 웹 카메라를 이용하여 입력받은 영상에서 손 영역을 추출한다. 손영역을 추출하기 위해서 HSV 컬러 모델에서 조도 변화에 강인한 Hue값과 피부색 특징이 잘 나타나는 YcbCr 컬러 공간을 이용하여 손 후보 영역을 획득한다. 손 후보 영역에서 레이블링(labeling) 알고리즘을 적용하여 정확한 손 영역을 추출한다. 추출한 손 영역에서 무게 중심점을 구한 후, 무게 중심점으로부터 거리를 이용하여 손 영역을 분리한다. 분리된 손 영역에서 무게 중심점으로부터 거리 정보를 이용하여 손 영역의 최종 특징 점을 추출한다. 본 논문에서 제안한 방법은 추출한 손 모양의 손끝 정보를 이용하여 마우스 이벤트를 수행함으로써 사용자가 사용하기 편리한 핸드마우스를 구현하였다.

• 인포메이션 디스플레이
• /
• 제24권1호
• /
• pp.28-32
• /
• 2023

• 한국정보처리학회논문지
• /
• 제7권12호
• /
• pp.3995-4003
• /
• 2000

본 논문은 자가용과 영업용 차량의 컬러 영상에서 번호판 영역을 찾는 방법에 대한 연구이다. 번호판 영역 추출을 위해 차량 영상에서 번호판 영역은 차종에 따라 일정한 색상을 가지고 있다는 특징을 이용하였다. 본 논문에서는 단일 색상 정보에만 의존하지 않고, HSI 컬러모델의 색상 성분 H와 YIQ 컬러 모델의 색상 성분 Q를 결합하는 방식을 제안한다. 또한 처리 과정의 효율성을 높이기 위하여 입력 영상 전체를 처리하지 않고, 수평 라인별 탐색을 통해 번호판의 높이 구간을 찾도록 한다. H 성분과 Q 성분을 각각 사용한 경우와 두 색상 성분을 결합하여 추출한 경우를 비교 실험한 결과, H 성분에만 의존한 경우는 53.6%, Q 성분에만 의존한 경우는 82.1%, 결합 색상 성분에 의한 경우에는 94.6%의 추출률을 보였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2011년도 제43차 동계학술발표논문집 19권1호
• /
• pp.173-174
• /
• 2011

본 논문에서는 마우스 제어를 위한 손 인식 시스템을 제안한다. 이를 위하여 배경영상과 입력영상의 차영상을 이용하여 움직임 영역을 구하고, RGB 컬러모델을 HSV 컬러모델로 변환하여 피부색상과 유사한 영역을 얻는다. 이 둘 사이의 교집합을 통하여 손 후보 영역을 추출하고 모폴로지 연산을 통해 잡음을 제거한 후 손 영상을 추출한다. 추출한 손 영상을 모폴로지 연산을 이용하여 손바닥 영역과 손가락 영역으로 분리한 다음 손바닥 영역의 위치정보를 마우스의 좌표로, 손가락의 개수를 마우스 이벤트로 정의하여 마우스를 제어한다. 실험 결과는 제안된 시스템이 마우스 제어에 효과적으로 사용될 수 있음을 보이고 있다.

• 디지털콘텐츠학회 논문지
• /
• 제10권2호
• /
• pp.291-298
• /
• 2009

본 논문에서는 비전 기반의 실시간 손 모양 인식을 위한 알고리즘을 제안하였다. 먼저 피부색을 검출하기 위해 RGB 컬러모델을 YCbCr 컬러모델로 변환하고, 색차성분인 CbCr을 이용하여 피부색을 검출한다. 검출 후 피부색은 흰색, 그 이외의 색은 검은색으로 이진화 하였다. 이진화 후 팔 영역과 얼굴영역을 제거하고, 손 영역만 검출하여 손의 무게중심을 구하기 위해 가로, 세로로 프로젝션을 수행한다. 손의 무게중심을 찾은 후에 손의 궤적을 추적하기 위해 칼만필터를 이용하였다. 손의 궤적 추적 후에 손 모양을 인식시키기 위해 HMM(Hidden Markov Model)을 이용하여 6가지 손의 모양을 학습한 후 인식하였다. 실험을 통하여 제안한 알고리즘의 효과를 입증하였다.