• 한국의학물리학회지:의학물리
• /
• 제25권4호
• /
• pp.193-198
• /
• 2014

본 연구의 목적은 새로 개발된 2차원 토모테라피 선량측정 시스템의 가능성을 알아보는 것이다. 방사선이 조사되면 가시광성을 내보내는 인광판을 원통형 물팬텀에 삽입하였다. 치료계획장치에서 원 모양, C자 모양, 다중표적 3종류의 가상의 표적을 만들고 각 표적에 10 Gy의 방사선을 전달하도록 하였다. 원통형 팬텀을 토모테라피 치료테이블위에 올려놓고 치료계획대로 방사선을 조사하였다. CCD카메라로 쵤영된 모든 프레임은 누적되었고 각 픽셀은 선량으로 변환되었다. 인광판으로부터 나온 영상은 치료계획장치에서 계산된 선량분포와 비교하였다. 선량기울기(dose rate)와 픽셀값의 관계그래프는 선량기울기 900 MU/min 까지 포화(saturated)되지 않았다. 인광판의 선형성 보정이 개선된다면 인광판과 CCD카메라를 이용한 토모테라피의 2차원 선량측정이 유용할 것으로 기대한다.

• 정보처리학회논문지B
• /
• 제18B권2호
• /
• pp.51-56
• /
• 2011

흑체의 온도 변화에 대한 영상의 색차를 줄이는 본질 영상은 단일 불변 방향을 검출하고 백색 장면 조명체를 기반으로 하기 때문에 실영상에 존재하는 다수의 불변 방향과 유색 장면 조명체에 취약하다. 이러한 문제를 해결하기 위해 본 논문에서는 ${\chi}$-색도 공간에서 ROI의 전방향프로젝션과 백색패치의 평행이동을 통해 불변 방향을 검출하는 본질 영상 획득 기법을 제안한다. 3차원 RGB 공간 분석의 어려움으로 인하여, 본 논문 또한 밝기가 고려되지 않은 ${\chi}$-색도 공간을 사용한다. 이 공간에서 유색 조명체의 효과는 백색패치의 평행이동을 통해 감소시키고, 색차에 따라 가상의 선분으로 나타나는 불변 방향은 ROI의 전방향 프로젝션을 통해 검출한다. 다수의 불변 방향을 고려하여 ROI 선택은 3D 히스토그램에서 빈도수에 의해 결정한다. 검출 후, 본질 영상은 불변 방향의 직교 방향으로의 프로젝션과 RGB영상으로의 역변환 과정을 통해 획득된다. 실험에서 Ebner가 제안한 데이터집합을 실험 영상으로 이용하였고, 불변 방향의 표준편차와 색항등성 측도를 평가 측도로 사용하였다. 제안한 기법의 실험 결과는 엔트로피 기법보다 불변 방향의 표준 편차가 낮았으며, 기존의 기법에 비해 색항등성이 2배 이상 높았다.

• 한국정보과학회논문지:시스템및이론
• /
• 제31권3_4호
• /
• pp.224-238
• /
• 2004

다중 모달리티 영상정합은 서로 다른 성격의 두 영상의 중요정보를 결합하여 복합적 정보를 얻기 위해 널리 사용되는 영상처리 기법이다. 본 연구에서는 정합 대상 객체의 초기위치 및 방향에 종속적이지 않고, 낮은 정합오차 범위 내에서의 안정적인 정합을 지원하기 위하여 기존의 표면기반 정합 기법을 개선한 모멘트 정보 및 표면거리 기반의 정합 기법을 제시한다. 제안방법에서는 우선 정합대상객체의 표면 윤곽 점을 추출하고, 이를 기반으로 대상객체의 모멘트 정보를 추출하여, 표면거리 기반 상세 정합 이전에 모멘트 정보를 일치시키는 변환을 수행함으로써, 정합이전 대상객체의 위치 및 방향이 상이한 경우에 있어서도 정합이 안정적으로 수행되도록 한다. 또한 테스트 영상에 대한 표면 대표점 추출 시, 표면 코너추출법을 적용함으로써, 기존 표면 정보 기반 정합기법에서 일반적으로 사용하고 있는 무작위 샘플링 및 일정간격 샘플링에 의한 취약점을 보완한다. 본 논문에서 제안기법의 검증을 위하여 뇌 부위 자기공명단층영상(MRI)과 양자 방출 단층 촬영 영상(PET)을 적용하고, 정합오류율과 정합결과에 대한 2,3차원 가시화 영상의 육안평가를 통하여 정확성 및 안정성 측면을 검증한다.

• 한국항행학회논문지
• /
• 제27권2호
• /
• pp.182-189
• /
• 2023

깊이 추정은 차량, 로봇, 드론의 자율주행을 위한 3차원 지도 생성의 핵심 기술이다. 기존의 센서 기반 깊이 추정 방식은 정확도는 높지만 가격이 비싸고 해상도가 낮다. 반면 카메라 기반 깊이 추정 방식은 해상도가 높고 가격이 저렴하지만 정확도가 낮다. 본 연구에서는 무인항공기 카메라의 깊이 추정 성능 향상을 위해 Self-Attention 기반의 비지도 단안 카메라 영상 깊이 추정을 제안한다. 네트워크에 Self-Attention 연산을 적용하여 전역 특징 추출 성능을 향상시킨다. 또한 카메라 파라미터를 학습하는 네트워크를 추가하여 카메라 칼리브레이션이 안되어있는 이미지 데이터에서도 사용 가능하게 한다. 공간 데이터 생성을 위해 추정된 깊이와 카메라 포즈는 카메라 파라미터를 이용하여 포인트 클라우드로 변환되고, 포인트 클라우드는 Octree 구조의 점유 그리드를 사용하여 3D 맵으로 매핑된다. 제안된 네트워크는 합성 이미지와 Mid-Air 데이터 세트의 깊이 시퀀스를 사용하여 평가된다. 제안하는 네트워크는 이전 연구에 비해 7.69% 더 낮은 오류 값을 보여주었다.

• 한국측량학회지
• /
• 제32권4_1호
• /
• pp.319-326
• /
• 2014

고해상도 위성영상을 성공적으로 활용하기 위해서는 지상기준점 등을 활용한 좌표등록 및 보정 과정이 필수적이다. 작업자의 수작업을 통한 기준점 획득의 경우 작업 시간이 오래 걸리므로, 자동화된 좌표 등록 방법에 대한 요구가 증대하고 있다. 보정하고자 하는 위성 영상을 정확한 좌표를 가진 참조 데이터에 영상 매칭을 수행하는 기법이 많이 소개 되었는데, 참조 데이터 중 라이다 데이터의 경우 공간 해상도 및 정확도가 높고 무엇보다 3차원 데이터이기 때문에 기복 변위 등을 내포하고 있지 않는 등의 장점을 보인다. 최근 라이다 데이터와 고해상도 위성영상간의 매칭을 위한 기법이 연구, 발표되었으나, 라이다 데이터의 특성상 대용량이기 때문에 처리에 많은 시간이 소요되는 등의 단점이 있었다. 따라서 본 논문에서는 일부의 공간만을 라이다 칩으로 추출 및 저장하여 위성영상의 좌표 등록에 활용하는 연구를 수행하였다. 이를 위해, 전체 라이다 포인트 데이터를 반사강도 정사영상 및 수치표고모델의 두 가지 형태로 변환하고 에지 추출을 통해 의미 있는 양의 에지 정보만을 포함하는 지역을 영상형태의 라이다 칩으로 추출, 저장하였으며, 용량이 현저히 줄어든 것을 확인할 수 있었다. 마지막으로 라이다 칩을 아리랑2호 및 아리랑3호 영상의 자동 좌표등록에 활용 해본 결과 평균 한 픽셀가량의 정확도 또한 확보할 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권4호
• /
• pp.422-431
• /
• 2000

본 논문에서는 주성분 해석 기법에 기반한 새로운 벡터 양자화 코드북 설계 방법을 제안한다. 주성분 해석 알고리즘은 입력 영상벡터를 더 작은 차원의 특징 벡터로 변환시키는데 사용되며, 변환된 영역에서 특징 벡터의 군집을 최적으로 결정된 분할 초평면을 이용하여 두 군집으로 분할하는 과정을 반복 함으로써 코드북을 생성한다. 본 논문에서는 연산 시간이 오래 걸리는 최적 분할 초평면 탐색을 (1) 분할 초평면은 특징 벡터의 주축에 수직이며, (2) 좌우측 부군집의 오차의 균형점과 일치하며, (3) 좌우측 부군집의 오차를 점진적으로 조정함으로서 연산 수행 시간을 크게 단축시켰다. 제안한 주축 연속 분할은 분할전후의 오차의 감축이 가장 큰 군집에 대해, 전체 군집의 오차가 설정한 수준보다 작을 때까지 연속적으로 수행된다. 실험 결과 제안한 주성분 해석 기반 벡터 양자화 방법은 SOFM을 이용한 방법보다 수행시간이 빠르며 K-mean 알고리즘을 이용한 방법보다 복원 성능이 뛰어남을 볼 수 있다.

• 한국의학물리학회지:의학물리
• /
• 제23권1호
• /
• pp.62-69
• /
• 2012

적응 방사선 치료(Adaptive Radiation Therapy, ART)를 실행하기 위한 매 치료 마다 획득되는 Megavoltage cone-beam CT (MVCBCT) 영상을 이용한 재 선량 계산 과정은 필수적이다. 본 연구의 목적은 intensity 보정 방법을 적용한 MVCBCT 영상 기반의 선량 계산 결과와 kilo-voltage CT (kV CT) 영상 기반의 선량 계산 결과의 비교 및 MVCBCT 영상 기반의 선량계산 정확성의 향상이다. MVCBCT 영상의 intensity 교정을 위해 kV CT와 MVCBCT을 이용하여 12 종류의 전자밀도 바를 제공하는 Cheese 팬텀 영상을 획득하고, Cheese 팬텀 영상의 동일한 전자밀도 바에서 표현되는 kV CT 영상과 MVCBCT 영상의 intensity 관계를 도출하였다. 이후 kV CT, MVCBCT를 이용한 Rando 팬텀 영상을 획득하여 MVCBCT 영상은 3차원 강체 정합을 수행하였고 본 과정을 통해 MVCBCT 영상은 kV CT 영상과 마치 동일한 모달리티에서 획득한 영상과 같은 위치 및 intensity 분포로 변환되었고, MVCBCT 영상의 잡음을 없애기 위한 Gaussian smoothing 필터를 적용하였다. 위의 과정을 거친 MVCBCT 영상을 토대로 intensity 교정을 적용한 영상과, intensity 교정을 적용하지 않은 영상, kV CT영상을 기반으로 방사선 치료 계획 시스템을 이용한 선량 계산을 시행 하였다. 선량 계산의 결과는 선량 분포의 차이 및 Percentage difference로 평가되었다. Intensity 보정을 적용한 MVCBCT 영상의 선량 계산 결과의 경우 kV CT 영상 기반의 선량 계산 결과와의 Percentage difference가 두경부 영상의 경우 1.08%, 흉부 영상의 경우 2.44%였다. 본 연구에서 적용한 intensity 변환을 통해 MVCBCT 영상을 이용한 선량 계산의 정확성이 향상됨을 확인하였고, 본 연구 방법은 실제 선량 계산에 적용 및 사용의 편리성을 확인하였다. 차후 연구 계획도 본 연구 내용에 의해 제안되었다.

• 한국광학회지
• /
• 제11권1호
• /
• pp.58-64
• /
• 2000

홀로그램 기록 매질의 성능이 이상적이라 가정할 때, 각다중이나 회전다중 또는 그 두 가지를 모두 사용하는 경우에 있어서, 디스크형 홀로그래픽 메모리에서의 면적 저장 밀도를 산출하여 비교하였다. 이때 면적 저장 밀도는 신호빔에 사용되는 Fourier 변환 렌즈의 f 수(초점거리/직경, $F/#_2$)와 각다중을 위한 기준빔의 입사각 범위(또는 이 각 범위에 대응하는 등가적인 f수, $F/#_1$)에 크게 의존된다. Fourier 면 홀로그램을 기록할 경우, 면적 저장밀도는 공간 광 변조기의 픽셀 크기에는 큰 영향을 받지 않지만, 영상면 홀로그램을 기록할 경우, 이 픽셀 크기에 직접적으로 영향을 받는다. 일반적으로 높은 면적 저장 밀도는 얻기 위해서는 영상면보다 Fourier 면(또는, 적어도 Fourier면 근처)에서 홀로그램을 기록하는 것이 유리하다. 또 저장 매질의 두께가 대략 $500\mu\ extrm{m}$이하일 때에는 각다중보다 회전다중 방식이 더 높은 면적 저장 밀도를 주었다. 그러나, 저장매질의 두께와 관계없이 면적 저장밀도를 더욱 높이기 위해서는, 각다중과 회전다중 방식을 복합적으로 사용할 필요가 있음을 알 수 있었다.

• 방송공학회논문지
• /
• 제23권3호
• /
• pp.351-360
• /
• 2018

인간 감정 인식은 컴퓨터 비전 및 인공 지능 영역에서 지속적인 관심을 받는 연구 주제이다. 본 논문에서는 wild 환경에서 이미지, 얼굴 특징점 및 음성신호로 구성된 multi-modal 신호를 기반으로 여러 신경망을 통해 인간의 감정을 분류하는 방법을 제안한다. 제안 방법은 다음과 같은 특징을 갖는다. 첫째, multi task learning과 비디오의 시공간 특성을 이용한 준 감독 학습을 사용함으로써 영상 기반 네트워크의 학습 성능을 크게 향상시켰다. 둘째, 얼굴의 1 차원 랜드 마크 정보를 2 차원 영상으로 변환하는 모델을 새로 제안하였고, 이를 바탕으로 한 CNN-LSTM 네트워크를 제안하여 감정 인식을 향상시켰다. 셋째, 특정 감정에 오디오 신호가 매우 효과적이라는 관측을 기반으로 특정 감정에 robust한 오디오 심층 학습 메커니즘을 제안한다. 마지막으로 소위 적응적 감정 융합 (emotion adaptive fusion)을 적용하여 여러 네트워크의 시너지 효과를 극대화한다. 제안 네트워크는 기존의 지도 학습과 반 지도학습 네트워크를 적절히 융합하여 감정 분류 성능을 향상시켰다. EmotiW2017 대회에서 주어진 테스트 셋에 대한 5번째 시도에서, 제안 방법은 57.12 %의 분류 정확도를 달성하였다.

• 방송공학회논문지
• /
• 제22권3호
• /
• pp.295-312
• /
• 2017

디지털 영상 콘텐츠는 가장 정보 함축적이며 고부가가치의 콘텐츠이다. 따라서 이 콘텐츠들의 지적재산권을 보호할 필요가 있으며, 본 논문도 이것을 목적으로 한 디지털 워터마킹 방법을 제안한다. 제안하는 방법은 디지털 영상에 대한 2차원 이산웨이블릿변환(2-Dimensional Discrete Wavelet Transform, 2D-DWT)의 주파수 특성을 이용하며, 영상의 국부적 또는 특정 데이터를 사용하지 않고 전역적 데이터에 디지털 워터마크를 삽입하는 방법을 사용한다. 디지털 워터마크를 삽입하는 방법은 간단한 양자화 인덱스 변조(Quantization Index Modulation, QIM) 방법을 사용하며, 워터마크 데이터를 다중으로 삽입하는 다중 워터마킹 방식을 사용한다. 워터마크를 추출할 때 다중 워터마크를 모두 추출하여 간단한 통계적 방법으로 최종 워터마크 데이터를 결정한다. 이 방법은 워터마크 삽입과정에서의 파라미터들을 실험적으로 결정하는 실험적 방법이다. 제안하는 방법은 다양한 공격에 대해 다양한 영상을 대상으로 실험을 수행하며, 기존의 대표적인 방법들과 그 성능을 비교하여 제안한 방법의 우수성을 보인다.