• 한국음향학회지
• /
• 제42권4호
• /
• pp.370-376
• /
• 2023

수중영상은 수중 잡음과 낮은 해상도로 표적의 형상과 구분이 명확하지 않다. 그리고 딥러닝의 입력으로 수중영상은 전처리가 필요하며 Segmentation이 선행되어야 한다. 전처리를 하여도 표적은 명확하지 않으며 딥러닝에 의한 탐지, 식별의 성능도 높지 않을 수 있다. 따라서 표적을 구분하며 명확하게 하는 작업이 필요하다. 본 연구에서는 수중영상에서 표적 그림자의 중요성을 확인하고 그림자에 의한 물체 탐지 및 표적 영역 획득, 그리고 수중배경이 없는 표적과 그림자만의 형상이 담긴 데이터를 생성하며 더 나아가 픽셀값이 일정하지 않은 표적과 그림자 영상을 표적은 흰색, 그림자는 흑색, 그리고 배경은 회색의 3-모드의 영상으로 변환하는 과정을 제시한다. 이를 통해 딥러닝의 입력으로 명확히 전처리된 판별이 용이한 영상을 제공할 수 있다. 또한 처리는 Open Source Computer Vision(OpenCV)라이브러리의 영상처리 코드를 사용했으면 처리 속도도 역시 실시간 처리에 적합한 결과를 얻었다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제30권1호
• /
• pp.11-17
• /
• 2024

폐암은 크기가 다양하고 유사한 밝기값을 갖는 주변 구조물이 존재하기 때문에 흉부 CT 영상에서 폐암을 정확하게 분할하는 것이 어렵다. 이러한 문제를 해결하기 위해 본 논문에서는 심층 감독을 포함하고 UNet3+를 백본으로 사용하는 폐암 분할 네트워크를 제안한다. 또한, 픽셀 기반, 영역 기반 및 형태 기반의 3가지 구성 요소로 이루어진 하이브리드 병변 초점 손실함수를 제안한다. 이를 통해 배경에 비해 작은 영역을 차지하는 폐암 부분에 집중하고, 불명확한 경계를 처리하는데 도움이 되는 형태 정보를 고려할 수 있다. 제안 방법을 UNet 및 UNet3+와 비교 실험을 통해 검증하였고, 제안 방법은 모든 폐암 크기에서 DSC 측면에서 가장 우수한 성능을 보였다.

• 대한원격탐사학회지
• /
• 제33권6_1호
• /
• pp.931-946
• /
• 2017

본 연구는 토양의 수분 상태를 고해상으로 관측 및 분석하고 농업분야에의 응용 가능성을 평가하기 위한 연구이다. 이를 위하여 Landsat-8 OLI(Operational Land Imager)/TIRS(Thermal Infrared Sensor)의 광학 및 열적외선 위성영상을 연구자료로 전라북도 농업지역을 포함(연구자료 내 46%)하는 2015, 2016, 및 2017년 5-6월에 촬영된 영상 세 장을 이용하였다. 연구지역의 각 영상 촬영일의 토양의 수분 상태는 SPI(Standardized Precipitation Index)3 가뭄지수를 통하여 효과적으로 획득할 수 있으며, 각 영상은 보통, 습윤, 및 건조한 토양 수분 조건을 갖는다. 이러한 각기 다른 토양수분 조건을 갖는 영상을 대상으로 토양의 수분 상태를 관측하고 SPI3 가뭄지수로부터 획득한 토양의 수분 상태와 비교/분석을 수행기 위하여, TVDI(Temperature Vegetation Dryness Index)를 계산하였다. TVDI는 Landsat-8 OLI/TIRS 위성영상으로부터 계산한 LST(Land Surface Temperature) 및 NDVI(Normalized Difference Vegetation Index)의 관계로부터 추정하여 계산된다. LST-NDVI의 형상 공간 내 픽셀의 분포에서 NDVI에 따른 LST의 최대/최소값을 추출하고 이를 대상으로 각각 선형회귀분석(linear regression analysis)을 통하여 NDVI에 따른 LST의 Dry/Wet edge를 결정할 수 있으며, 최종적으로 NDVI에 따른 두 edge 사이에서의 LST 값의 비율을 계산하여 TVDI 값을 계산한다. TVDI 값으로부터 관측된 영상 내 상대적인 토양의 수분 상태를 매우 습윤, 습윤, 보통, 건조, 매우 건조의 5단계로 분류하여 SPI3로부터 획득한 각각의 토양수분 상태와 비교하였다. 연구자료 획득시기인 5-6월 시기의 특성상 모내기로 인하여 영상 내 가장 많은 비율을 차지하는 논 지역의 영향으로 영상 전체 중, 약 62% 이상이 습윤 및 매우 습윤한 상태로 분류되었다. 또한, 보통으로 분류되는 픽셀은 영상 내 밭 지역의 영향 때문으로 분석되었다. 영상 전체에 대해서는 대략적으로 SPI3의 토양수분 상태와 대응하였지만 매우 건조, 습윤, 및 매우 습윤에 해당하는 세분류 결과에서는 SPI3 토양수분 상태와 대응하지 않았다. 또한, 영상에서 논과 밭의 농업지역을 추출 및 분류한 후, SPI3 토양수분 상태와 비교하였을 때, 논 지역의 토양수분 상태 관측 분류 결과는 매우 건조, 보통 및 매우 습윤에서, 밭 지역은 보통의 분류에서만 SPI3 가뭄지수와 대응하지 않았다. 이는 매우 건조한 나지 및 매우 습윤한 모내기로 인한 논 지역, 수계, 구름 및 산지 지형효과 등의 이상치로 인하여 잘못된 Dry/Wet edge 추정의 문제로 사료되어진다. 그러나 5-6월 시기의 농업지역 중, 밭 지역에서는 세분류된 토양의 수분 상태를 효과적으로 관측할 수 있었다. 고해상 광학위성 기반 농업지역에 대한 토양수분 상태의 시 공간적 변화를 관측하여 농업지역의 농업생산량예측 등 그 응용이 가능할 것으로 사료된다.

• 한국지리정보학회지
• /
• 제22권3호
• /
• pp.82-98
• /
• 2019

정보화 사회로 진입하면서 공간정보의 중요성은 급격하게 부각되고 있다. 특히 스마트시티, 디지털트윈과 같은 Real World Object의 3차원 공간정보 구축 및 모델링은 중요한 핵심기술로 자리매김하고 있다. 구축된 3차원 공간정보는 국토관리, 경관분석, 환경 및 복지 서비스 등 다양한 분야에서 활용된다. 영상기반의 3차원 모델링은 객체 벽면에 대한 텍스처링을 생성하여 객체의 가시성과 현실성을 높이고 있다. 하지만 이러한 텍스처링은 영상 취득 당시의 가로수, 인접 객체, 차량, 현수막 등의 물리적 적치물에 의해 필연적으로 폐색영역이 발생한다. 이러한 폐색영역은 구축된 3차원 모델링의 현실성과 정확성 저하의 주요원인이다. 폐색영역 해결을 위한 다양한 연구가 수행되고 있으며, 딥러닝을 이용한 폐색영역 검출 및 해결방안에 대한 연구가 수행되고 있다. 딥러닝 알고리즘 적용한 폐색영역 검출 및 해결을 위해서는 충분한 학습 데이터가 필요하며, 수집된 학습 데이터 품질은 딥러닝의 성능 및 결과에 직접적인 영향을 미친다. 따라서 본 연구에서는 이러한 학습 데이터의 품질에 따라 딥러닝의 성능 및 결과를 확인하기 위하여 다양한 영상품질을 이용하여 영상의 폐색영역 검출 능력을 분석하였다. 폐색을 유발하는 객체가 포함된 영상을 인위적이고 정량화된 영상품질별로 생성하여 구현된 딥러닝 알고리즘에 적용하였다. 연구결과, 밝기값 조절 영상품질은 밝은 영상일수록 0.56 검출비율로 낮게 나타났고 픽셀크기와 인위적 노이즈 조절 영상품질은 원본영상에서 중간단계의 비율로 조절된 영상부터 결과 검출비율이 급격히 낮아지는 것을 확인할 수 있었다. F-measure 성능평가 방법에서 노이즈 조절한 영상품질 변화가 0.53으로 가장 높게 나타났다. 연구결과로 획득된 영상품질별에 따른 폐색영역 검출 능력은 향후 딥러닝을 실제 적용을 위한 귀중한 기준으로 활용될 것이다. 영상 취득 단계에서 일정 수준의 영상 취득과 노이즈, 밝기값, 픽셀크기 등에 대한 기준을 마련함으로써 딥러닝을 실질적인 적용에 많은 기여가 예상된다.

• 인터넷정보학회논문지
• /
• 제22권6호
• /
• pp.25-32
• /
• 2021

미래 해상 환경 변화에 맞춰 해상 항로표지가 다양한 분야에 걸쳐 활용되며 쓰임이 증대되고 있다. 해상 항로표지는 항행하는 선박의 위치, 방향 및 장애물의 위치를 알려주는 항행보조시설로, 현재는 단순히 선박의 안전 항해를 도울 뿐 아니라, 여러 센서와 카메라를 탑재하여 해양 기상환경을 파악하고 기록하는 수단으로 변모하고 있다. 하지만 주로 선박과의 충돌로 인해 소실되며 특히 해무로 인한 관측 시야 저하로 안전사고가 발생한다. 해무 유입은 항만, 해상교통 등에 위험을 초래하고 시간과 지역에 따라 발생 가능성의 차이가 커 예측이 쉽지 않다. 또한, 전 해역에 분포되어있는 항로표지의 특성상 개별 관리가 어렵다. 이를 해결하고자 본 논문에서는 항로표지에 설치된 카메라에서 촬영한 영상으로 해무 강도를 측정하는 방안을 통하여 해양 기상환경을 파악해 보완하고 날씨로 인한 항로표지 안전사고를 해결하는 것을 목적으로 한다. 설치가 어렵고 높은 비용이 드는 광학 및 온도 센서 대신 항로표지에 설치된 카메라의 일반 영상을 사용하여 해무 강도를 측정한다. 덧붙여 다양한 해역에서의 실시간 해무 파악을 위한 선행 연구로, 안개 모델(Haze Model), Dark Channel Prior(DCP)를 이용해 해무 강도 측정 기준을 제시한다. DCP를 적용한 영상에서 특정 픽셀값의 문턱값(Threshold value)을 설정하고, 이를 기준으로 전체 영상에서 해무가 존재하지 않는 픽셀의 수를 통해 해무 강도를 추정한다. 합성 해무 데이터셋과 실제 해무 동영상을 캡처해 만든 실제 해무 데이터셋으로 해무 강도 측정 여부를 검증했다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.637-654
• /
• 2023

최근 지구관측 위성이 급격히 발전함에 따라 사용자의 수가 증가하고 있다. 이에 따라 지구관측위성위원회(Committee on Earth Observation Satellites, CEOS)에서는 분석준비자료(Analysis Ready Data, ARD)라는 개념을 제안하고 분석준비자료의 요구 조건을 CEOS ARD for Land (CARD4L)로 정의하여 사용자 친화적인 위성영상을 제공하기 위해 노력하고 있다. 분석준비자료에는 육상분석에 불필요한 픽셀이 식별된 마스크(Unusable Data Mask, UDM)가 영상과 함께 제공되어야 한다. UDM의 종류는 구름, 구름 그림자, 지형그림자 등이 있다. 지형그림자는 지형기복이 큰 산악지형에서 발생되며 지형그림자가 생긴 지역은 복사조도가 낮기 때문에 분석 결과에 오류를 야기시킨다. 기존 지형그림자 탐지연구는 지형그림자 보정을 위해 지형그림자 픽셀을 탐지하는데 목적을 두었지만, 이것은 지형보정 기법으로 대체 가능하다. 따라서 지형그림자 탐지 목적을 확장할 필요가 있다. 산림과 농업분석을 목적으로 한 차세대중형위성 4호(CAS500-4)의 활용을 위해 본 연구에서는 지형그림자 탐지 범위를 태양의 영향을 적게 받는 지역까지 확장하였다. 본 논문은 남북한을 대상으로 지형그림자 마스크 생성을 위해 지형그림자 탐지 가능성을 분석하는데 목적이 있다. 지형그림자 탐지를 위해서 태양의 위치, 지표면의 경사와 경사방향을 이용한 음영기복 알고리즘을 사용하였다. 한반도를 촬영한 5 m급 공간해상도의 RapidEye 영상과 10 m급 공간해상도의 Sentinel-2 영상들을 대상으로 참값과 비교하며 최적의 음영기복 임계값을 결정하였다. 결정된 임계값을 사용하여 지형 그림자 탐지를 수행하고 결과를 분석하였다. 정성적 결과로는 전체적으로 참값과의 형상이 유사함을 확인하였다. 정량적 실험결과는 F1 score가 대부분 0.8에서 0.94 사이인 것을 확인하였다. 본 연구 결과를 바탕으로 남북한을 대상으로 자동적인 지형그림자 탐지가 잘 수행됨을 확인하였다.

• Journal of Yeungnam Medical Science
• /
• 제16권2호
• /
• pp.237-243
• /
• 1999

연구목적: 연구목적: $^{99m}Tc$ d,l-hexamethylpropyleneamine oxime(HMPAO)와 $^{99m}Tc$ ethyl cysteinate dimer(ECD)의 뇌세포에 의한 섭취는 뇌혈류량에 비례를 한다. 그러나 뇌혈류량이 아주 높은 경우에는 뇌세포에 의한 섭취가 그 만큼 증가를 하지 않기 때문에 뇌혈류량이 과소평가 될 수 있다. 이를 보안하기 위하여 Lassen이 linearization algorithm을 만들었다. 그러나 이 방정식은 뇌의 상태에 따라 사용되는 알파값으로 표현되는 변수가 변할 수 있다. 저자들은 뇌경색이 있는 10명의 환자를 대상으로 가장 적절한 ${\alpha}$값을 구하고자 하였다. 재료 및 방법: 10명의 환자들은 모두 0.1에서 10까지의 알파값을 이용하여 교정한 $^{99m}Tc$-HMPAO와 $^{99m}Tc$-ECD 뇌관류 단일광자방출 단층촬영(single photon emission computed tomography: SPECT) 영상을 구하고, 양전자방출단층촬영술로 뇌혈류영상을 구하였다. 그리고 상호정보의 최대화에 의한 multi-modal volume registration을 이용하는 컴퓨터프로그램으로 양전자방출단층촬영술로 구한 뇌혈류와 SPECT 영상에서 다양한 알파값을 대입하여 Lassen의 linearization algorithm으로 구한 뇌혈류값을 픽셀단위로 서로 비교하였다. 결과: Lassen의 linearization algorithm을 이용하여 구한 $^{99m}Tc$-HMPAO와 $^{99m}Tc$-ECD 뇌관류 SPECT의 국소 뇌혈류량은 알파값이 각각 1.4와 2.1일때 양전자방출전산화단층촬영술로 구한 뇌혈류량과의 상관관계가 가장 높았다. 결론: Lassen의 linearization algorithm을 이용하여 뇌혈류량을 정량화하는 경우에는 $^{99m}Tc$-HMPAO의 경우는 1.4, $^{99m}Tc$-ECD의 경우는 2.1을 사용할 때 뇌혈류량을 가장 잘 반영할 것으로 생각된다.

• 정보처리학회논문지B
• /
• 제15B권4호
• /
• pp.307-314
• /
• 2008

본 논문에서는 이미지의 선에 대하여 워터마크 정보를 삽입 및 추출하는 기술을 제안한다. 기존의 워터마킹 기술이 이미지의 픽셀 밝기값을 이용하는 것과 달리 제안된 알고리즘은 이미지의 곡선들을 B-스프라인 곡선으로 모델화하여 B-스프라인 제어점을 추출하고 이를 주파수 영역으로 변환하여 워터마크를 삽입한다. 제어점에 Delaunay 삼각화를 적용하여 메시를 생성하고, 메시-스펙트럼 분석을 통하여 주파수 영역의 메시-스펙트럼 계수를 계산한다. 워터마크는 이 계수의 중간 주파수 성분에 스프레드 스펙트럼 방식으로 삽입한다. 워터마크가 삽입된 계수를 메시-스펙트럼 역변환을 통하여 제어점을 계산하고 이를 통하여 워터마크가 삽입된 B-스프라인 곡선을 재구성할 수 있다. 삽입된 워터마크는 원본 선 이미지를 사용하여 검출이 이루어진다. 먼저 대상 선 이미지를 B-스프라인 모델화하고 곡선의 굴곡점을 이용하여 원본 선 이미지와 동기화를 수행한다. 동기화된 이미지에서 워터마크 삽입과정과 같이 메시-스펙트럼 계수를 추출하고 원본 메시-스펙트럼 계수와의 차이값을 계산하여 워터마크를 추출한다. 마지막으로 랜덤 워터마크와 추정된 워터마크의 상관 계수를 계산하여 삽입된 워터마크를 확인할 수 있다. 실험을 통하여 제안된 워터마킹 알고리즘이 기존 알고리즘보다 기하학적 공격과 프린트-스캔 공격에 강인함을 보였다.

• 한국의학물리학회지:의학물리
• /
• 제20권4호
• /
• pp.199-207
• /
• 2009

Computed Radiography (CR) 시스템에서 영상의 신뢰성과 재현성을 높이기 위해서는 영상 획득 과정의 마지막 단계에서 이루어지는 나트륨램프의 소거에 의한 Image Plate (IP)의 완전한 초기화가 매우 중요하다. 본 연구에서는 CR (Agfa CR 25; Agfa, BELGIUM)을 이용하여 잠상의 소거 후 지연시간에 따른 노이즈의 평가, 소거량에 따른 잠상의 소거 후 노이즈의 평가, 그리고 American Association of Physicist in Medicine (AAPM) Report 93 (2006)의 CR acceptance test 중 erasure thoroughness 평가를 시행하였다. 임상에서 주로 쓰이는 Chest postero-anterior (PA), Hand PA, L-spine lateral을 촬영 후 스캔하였다. Chest PA와 L-spine lateral은 Chest phantom (3D-torso; CIRS, USA)을 이용하여 촬영했고 Hand PA는 피검자를 통해 촬영되었다. 실험 결과 Hand PA를 제외한 나머지 unexposed image에서 지연시간이 길어질수록 전반적으로 ghost image를 비롯한 noise가 증가하였으며, overexposure된 부분을 따라 ghost image가 나타났다. 지연시간에 의해 야기된 noise에 의한 영향은 육안으로 확인되지 않았다. 픽셀 값의 standard deviation (SD)은 overexposure 된 부분이 상대적으로 높게 측정되었다. 잠상의 소거 정도에 따른 영상의 noise평가 결과 Hand PA, Chest PA는 소거 정도 값이 높아져도 noise는 증가하지 않았다. 그러나 상대적으로 조사선량이 큰 L-spine lateral은 기준 소거 정도보다 낮을 경우 noise가 발생하였다. Erasure thoroughness 평가 결과 학과 내 CR 장비의 잠상소거능력은 기준치에 부합함을 확인하였다. 본 연구가 IP 초기화에 기초적인 자료를 제공함으로써 신뢰성 있는 영상을 획득하는데 기여할 것으로 기대한다.

• Investigative Magnetic Resonance Imaging
• /
• 제11권2호
• /
• pp.110-118
• /
• 2007

목적: 확산텐서자기공명영상(DT-MRI: Diffusion Tensor Image)을 이용하여 확산의 주축을 구성하는 세 성분에 대한 고유치 (eigefvalue)의 영상을 구현해 보고자 하였다. 대상 및 방법: 고유치 영상을 구현하기 위해서 3.0 테슬러 MRI(Magnetic Resonance Imaging)를 이용하여 확산텐서영상을 얻었으며, Moore-Penrose pseudo-inverse 방법과 SVD(single value decomposition) 방법을 이용하여 확산 주축을 계산하였다. 이 과정을 픽셀단위로 반복적으로 계산하여 새로운 확산 주축 영상들을 만들었으며, 이 확산 주축 영상들과 분할 비등방성 영상의 관계를 조사하였다. 결과: 확산텐서영상 기법으로 얻어진 확산텐서영상을 이용하여, 세 방향의 확산 주축에 대한 고유치 영상을 구성하였으며, 고유치 영상들과 분할 비등방성 영상을 함께 분석함으로써, 뇌의 해부학적 구조물에 따른 분할 비등방성 값의 차이를 확인할 수 있었다. 또한, 확산 주축에 대한 고유치의 변화에 대한 컴퓨터 모의실험에서, 변화하는 고유치에 따른 분할 비등방성 값의 변동 추이를 알아볼 수 있었다. 그리고 확산 주축의 크기가 비등방성을 좌우하는 것이 아니라, 세 확산 주축의 조합으로 비등방성의 정도를 표현한다는 것을 확인할 수 있었다. 확산 주축 방향의 고유치들을 분리하여 영상화 함으로써, 뇌의 병변에 의한 비등방성의 변화의 원인이 확산 주축의 어떠한 변화에 의해 발생하는 것인지 확인할 수 있을 것으로 기대된다.