• 대한전자공학회논문지SP
• /
• 제38권1호
• /
• pp.19-32
• /
• 2001

본 논문에서는 영상의 밝기 값을 마치 3차원 지형과 같은 개념으로 간주하여 여기에 물이 흐르는 개념을 적용하여 국부 적응 (locally adaptive) thresholding 방법을 제안하였다. 문자를 추출해내기 위해 제안한 방법에서는 지형 표면에 물을 붓는 과정을 수행하였다. 물은 지형의 낮은 곳으로 흐르게 되어 계곡 (valley)에 쌓인다. 이때 문자와 배경으로 구성된 문서영상에서 쌓인 물의 양을 기준으로 두 개의 영역을 구분을 하였다. 제안한 water flow model의 개념을 적용한 threholding 방법은 국부 적응 thresholding의 특성을 나타낸다. 합성 영상과 실제 영상을 이용하여 전산 모의 실험을 수행함으로써 제안한 방법이 문서 영상을 효과적으로 이진화할 수 있음을 보였다.

• 한국정보전자통신기술학회논문지
• /
• 제12권3호
• /
• pp.179-185
• /
• 2019

본 논문은 저전력 특징추출 알고리즘의 구현을 위한 블록 유형 분류 기반 영상 이진화 방법을 제안한다. 제안하는 방법은 영상 내에서 $64{\times}64$ macro block 크기로 영상을 나누고 각 블록 유형별 threshold 값을 한 번만 연산한 후 그 값을 re-use 하는 기법으로 구현될 수 있다. 알고리즘은 threshold 값이 같은 영상/블록 유형 내에서 최대 9%의 변화율만 발생하는 것을 정량적인 결과를 기반으로 검증했다. 기존 알고리즘은 $512{\times}512$ 이미지 기준으로 macro block을 $64{\times}64$로 나누었을 때 64개의 블록을 위해 threshold 값을 연산해야 하지만 제안하는 방법은 모두 같은 블록 유형이 출력되는 best case의 경우 threshold 연산을 한번만 수행하고, 나머지 63개의 블록에 대해서는 블록 유형 구분 과정만 수행하면 adaptive threshold calculation 연산을 98% 생략할 수 있다. 모든 블록 유형이 발생하는 worst case일 때 threshold calculation 연산은 다섯 번 수행되고, 나머지 59개의 블록에 대해서는 블록 유형 구분 과정만 수행할 수 있으므로 93%의 adaptive threshold calculation 연산을 생략할 수 있다.

• 대한전자공학회논문지SP
• /
• 제45권4호
• /
• pp.10-21
• /
• 2008

본 논문은 실시간 감시 시스템을 위한 웨이블릿(wavelet) 기반의 신경망과 불변 모멘트를 이용한 이동물체 인식과 추적 방법을 제안한다. 제안한 방법의 첫 번째인 움직임 후보영역 검출 단계에서는 연속된 두 프레임간의 차영상 분석 방법을 기반으로 하여 물체의 움직임에 의해 화소값 변화가 발생한 후보영역을 검출한다. 두 번째인 물체 인식 단계에서는 검출된 후보영역에 웨이블릿 신경망(wavelet neural network: WNN) 기반의 인식 방법을 사용하여 추적하고자하는 물체가 포함되어 있는지를 판별한다. 세 번째인 물체 추적 단계에서는 인식된 물체에 웨이블릿 불변 모멘트(invariant moments) 기반의 매칭 방법을 사용하여 인식된 이동 물체를 추적한다. 영상내에서 이동물체를 검출하기 위해 본 논문에서는 이전 영상과 현재 영상간의 화소밝기 차이에서 적응적 임계값(adaptive threholding)을 사용하여 주위 환경 변화에 강인한 이동물체 검출이 가능하였다. 또한 물체의 인식과 추적을 위해 웨이블릿 특징값을 사용함으로써, 계산 시간의 감소와 영상의 잡음에 의한 영향을 최소화시킬 수 있을 뿐만 아니라, 물체 인식 정확도가 향상되었다. 제안한 방법을 일반 도로에서 획득한 영상에서 실험한 결과, 자동차 검출율은 92.8%, 프레임당 처리 시간은 0.24초이다. 이것을 통해 제안한 방법은 실시간 지능형 교통 감시 시스템에 유용하게 적용될 수 있음을 알 수 있다.