• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1987년도 전기.전자공학 학술대회 논문집(II)
• /
• pp.1418-1421
• /
• 1987

An important problem in edge detection is to select a proper threshold that transforms the gradient picture to e two level picture containing optimum edges between regions, Such a threshold is determined depending on some measures of errors in tresholding. In this paper, an error criterion on extracting edges by thresholding the block gradient image is presented. Based on the error measure, the optimum threshold is chosen for the detection of acceptable edges.

• 한국컴퓨터그래픽스학회논문지
• /
• 제25권2호
• /
• pp.19-29
• /
• 2019

본 논문에서는 임계값 자동 설정 기능을 지원하는 효과적인 뉴로피드백 시스템을 제안한다. 실시간 뇌파의 신호 처리를 통해 보상 주파수와 억제 주파수에 대한 정확한 피드백을 생성하는 알고리즘을 설계하고, 이를 기반으로 치료사가 정한 목표 성공률을 얻기 위해 자동으로 임계값을 계산하는 기술을 제시한다. 본 논문에서 제시한 자동 임계값 설정 기술은 피험자의 이전 뇌파 패턴을 분석하여 목표 성공률과의 차이를 최소로하는 최적의 임계값을 계산한다. 다양한 조건의 실험을 통해 제안된 기법의 효율성과 안정성을 입증한다.

• 생물환경조절학회지
• /
• 제20권2호
• /
• pp.63-71
• /
• 2011

영상처리는 정확한 오이의 형상 및 위치를 인식하기 위하여 형상인식 알고리즘에 대한 연구를 수행하였다. 다양한 오이형상을 인식하기 위한 방법으로는 신경회로망의 연상 메모리 알고리즘을 이용하여 오이의 특정형상을 인식하였다. 형상인식은 실제영상에서 오이의 형상과 위치를 판정할 수 있도록 알고리즘을 개발한 결과, 다음과 같은 결론을 얻었다. 본 알고리즘에서는 일정한 학습패턴의 수를 2개, 3개, 4개를 각각 기억시켜 샘플패턴 20개를 실험하여 연상시킨 결과, 학습패턴으로 복원된 출력패턴의 비율은 각각 65.0%, 45.0%, 12.5%로 나타났다. 이는 학습패턴의 수가 많을수록 수렴할 때, 다른 출력패턴으로 많이 검출되었다. 오이의 특정형상 검출은 $30{\times}30$간격으로 자동검출 되도록 처리하였다. 실제영상에서 자동 검출로 처리한 결과, 오이인식의 처리시간은 약 0.5~1초/1개(패턴) 빠르게 검출되었다. 또한, 다섯 개의 실제 영상에서 실험한 결과, 학습패턴에 대한 다른 출력패턴은 96~99%의 제거율을 나타내었다. 오이로 인식된 출력패턴 중에서, 오검출된 출력패턴의 비율은 0.1~4.2%를 나타내었다. 본 연구에서는 신경회로망을 이용하여 오이의 형상 및 위치를 인식할 수 있도록 알고리즘을 개발하였다. 오이의 위치측정은 실제영상에서 학습패턴과 유사한 출력패턴의 좌표를 가지고, 오이의 위치좌표를 추정할 수 있었다.