• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 하계종합학술대회 논문집(4)
• /
• pp.283-286
• /
• 2002

Most of the Automatic Fingerprint Identification Systems define the ridge endings and bifurcation points as the minutia for matching. Therefore, the precise extraction of the minutia is critical in raising the efficiency and reliability of the system. The fingerprint images produced through the preprocessing may have the false minutia happened over the process and they can be the factors to decrease the system efficiency This paper suggests the algorithm, which removes the false minutia after extracting the candidate minutia from the thinned binary images of fingerprint images.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1135-1147
• /
• 2021

고해상도 위성영상의 기하보정을 위해 촬영 당시의 위성 센서와 지표면과의 기하학적 관계를 복원하는 센서모델링 과정이 필요하다. 이를 위해 일반적으로 고해상도 위성은 RPC (Rational Polynomial Coefficient) 정보를 제공하고 있지만, 제공 RPC는 위성 센서의 위치와 자세 등에 의해 발생하는 기하왜곡을 포함하고 있다. 이러한 RPC 오차를 보정하기 위해 일반적으로 지상기준점(Ground Control Points)을 활용한다. 지상기준점을 수집하는 대표적인 방법으로 현장 측량을 통해 지상좌표를 취득하지만, 이는 위성영상의 품질이나 촬영 시기에 따른 토지피복의 변화, 기복변위 등으로 위성영상 내에서 지상기준점을 판독하기에 어려운 문제가 있다. 이에 최근에는 다양한 센서로부터 취득된 영상지도를 참조자료로 이용하여, 영상정합 기법을 통해 지상기준점 수집을 자동화할 수 있다. 본 연구에서는 무인항공기 영상을 활용하여 추출된 정합점을 통해 KOMPSAT-3A 위성영상의 RPC를 보정하고자 한다. 무인항공기 영상과 KOMPSAT-3A 위성영상의 정합점 추출을 위한 전처리 방법을 제안하고, 대표적인 특징기반 정합기법(Feature-based matching method)과 영역기반 정합기법(Area-based matching method)인 SURF (Speeded-Up Robust Features)와 위상상관(Phase Correlation) 기법을 각각 적용하여 추출된 정합점의 특성을 비교하였다. 각 기법을 통해 추출된 정합점을 활용하여 RPC 보정계수를 산출한 후, GNSS (Global Navigation Satellite System) 측량을 통해 직접 취득한 검사점에 적용하여 KOMPSAT-3A의 기하품질을 향상하였다. 제안기법의 성능 및 활용성 검증을 위해 GCP를 이용하여 보정한 결과와 비교하여 분석하였다. GCP 기반 보정 방법은 제공 RPC보다 Sample은 2.14 pixel, Line은 5.43 pixel 만큼 개선된 보정 정확도를 보였다. 그리고 SURF와 위상상관 기법을 활용한 제안기법은 제공 RPC보다 각각 Sample은 0.83 pixel, 1.49 pixel만큼 보정되었으며, Line은 4.81 pixel, 5.19 pixel만큼 개선되었다. 이를 통해 GCP 기반 위성영상 RPC 보정 방법의 대안으로 무인항공기 영상이 활용될 수 있음을 확인하였다.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2004년도 춘계학술발표회논문집
• /
• pp.275-278
• /
• 2004

The geo-referencing of satellite imagery is a key task in remote sensing. GCPs are points the position of which is known both in the image and in the supporting maps. Mapping function makes the determination of map coordinates of all image pixels possible. Generally manual operations are done to identify image points corresponding to the points on a digital topographic map. In order to accurately measure ground coordinates of GCPs, differential global positioning system (DGPS) surveying are used. To acquire the sufficient number of well distributed GCPs is one of the most time-consuming and cost-consuming tasks. This paper describes the procedure of automatically extracting GCOs using GCP database. GCP image chips and image matching technique are used for automatic extraction of GCPs. We developed image processing tool for making image chip GCPs and Web Server for management of GCPs.

• 대한공간정보학회지
• /
• 제13권2호
• /
• pp.65-69
• /
• 2005

GIS 분야에서 도심 건물 지역의 3차원 자료 생성에 대한 관심이 대두되면서 효율적인 3차원 자료 구축에 대한 연구가 활발히 진행되고 있다. 3차원 자료 생성과 관련된 연구는 대부분 항공사진, 위성영상, LIDAR자료를 이용한 건물 추출 및 건물 고도 복윈 기법 개발에 초점을 두고 있다. 항공사진 및 위성영상의 단일 자료를 이용한 건물 고도의 추출이나 복원은 광학 영상의 기하학적 왜곡으로 많은 어려움이 있다. 건물의 고도를 추출하기 위해서는 일반적으로 입체 영상을 이용하는데, 광학 영상의 기복 변위로 인해 영상정합 시 오정합이 발생할 수 있어 부정확한 결과를 초래할 수 있다. 건물의 고도 추출을 위해서 국내 외적으로 단일 자료만을 이용하지 않고 2차원 GIS 자료(예, 수치지형도)와 같은 기 구축된 자료를 함께 활용하는 기법 개발이 진행되고 있다. 본 연구에서는 항공사진(1/5,000)과 기 구축되어 활용되고 있는 수치지형도(1/1,000)를 이용한 건물 고도 추출 기법 개발에 관한 연구를 수행하였다. 영상정합 대상점을 제한하기 위해 건물 영상에서 관심점을 추출하여 이용하였으며, 본 연구 성과의 정확도를 검증하기 위해 수치도화 장비를 이용한 건물 고도 모형 성과와 비교 평가하였다.

• 한국측량학회지
• /
• 제17권4호
• /
• pp.421-429
• /
• 1999

21세기에는 전 세계인구의 70%가 도시에서 생활할 것으로 예상되며, 이러한 도시화는 도시관리를 위해 GIS와 더불어 건물 DEM과 정사투영영상에 대한 요구가 증대될 것이다. 건물 DEM을 생성하기 위해서는 건물의 형태를 나타내는 경계선을 검출해야 한다. 이를 위해서 일반적으로 자동과 반자동 건물 추출법을 사용한다. 그러나 자동 검출법을 항공사진에 직접 적용하면 지붕의 색깔이나 그림자 그리고 주변의 나무 등 때문에 정확한 건물 경계선을 추출하기 매우 어렵다. 이러한 문제점을 극복하기 위해 본 연구에서는 반자동 건물 추출법을 제시하였다. 건물 지붕의 색깔이 균일할 경우 지붕의 한 부분을 마우스로 클릭하여 건물경계를 찾도록 하였으며, 균일하지 않은 경우 건물의 모서리 부분을 클릭하여 건물 모서리점을 검출하도록 프로그램을 개발하였다. 건물 DEM은 영상정합에 의해 계산된 건물 높이와 건물 경계선을 이용하여 생성하였다.

• 전기학회논문지
• /
• 제58권5호
• /
• pp.1025-1034
• /
• 2009

In steel making production line, steel slabs are given a unique identification number. This identification number, Slab management number(SMN), gives information about the use of the slab. Identification of SMN has been done by humans for several years, but this is expensive and not accurate and it has been a heavy burden on the workers. Consequently, to improve efficiency, automatic recognition system is desirable. Generally, a recognition system consists of text localization, text extraction, character segmentation, and character recognition. For exact SMN identification, all the stage of the recognition system must be successful. In particular, the text localization is great important stage and difficult to process. However, because of many text-like patterns in a complex background and high fuzziness between the slab and background, directly extracting text region is difficult to process. If the slab region including SMN can be detected precisely, text localization algorithm will be able to be developed on the more simple method and the processing time of the overall recognition system will be reduced. This paper describes about the slab region localization using SIFT(Scale Invariant Feature Transform) features in the image. First, SIFT algorithm is applied the captured background and slab image, then features of two images are matched by Nearest Neighbor(NN) algorithm. However, correct matching rate can be low when two images are matched. Thus, to remove incorrect match between the features of two images, geometric locations of the matched two feature points are used. Finally, search rectangle method is performed in correct matching features, and then the top boundary and side boundaries of the slab region are determined. For this processes, we can reduce search region for extraction of SMN from the slab image. Most cases, to extract text region, search region is heuristically fixed [1][2]. However, the proposed algorithm is more analytic than other algorithms, because the search region is not fixed and the slab region is searched in the whole image. Experimental results show that the proposed algorithm has a good performance.

• 전자공학회논문지CI
• /
• 제48권1호
• /
• pp.1-7
• /
• 2011

3차원 지도(3D Map)를 구축하기 위해서는 지형정보와 지도상에서 건물 영역 및 건물 형상 정보가 필요하다. 이를 위해 본 논문에서는 개선된 스네이크(Snake) 알고리즘으로 건물 영역을 반자동으로 추출하는 방법을 제안한다. 본 방법은 전처리, 제어점의 초기화, 개선된 스네이크 알고리즘 적용 세 단계로 구성한다. 첫 번째 단계에서는 위생영상을 그레이 영상으로 변환 후 근사 에지를 추출하여 그레이 영상과 합성한다. 두 번째 단계에서는 사용자가 건물의 중심점을 설정한 후 원형 또는 사각형 모양의 초기 제어점을 계산하여 설정한다. 세번째 단계에서는 개선된 스네이크 알고리즘을 적용하여 건물영역을 추출한다. 이러한 과정에서 스네이크 에너지 계산식의 한 항을 새로운 방법으로 설정하여 건물영역 추출용으로 특화하였다. 그리고 스카이 뷰의 위성영상을 이용하여 제안된 방법을 건물영역 매칭율을 평가하였는데 75%의 매칭율을 보였다.

• 대한공간정보학회지
• /
• 제15권4호
• /
• pp.103-109
• /
• 2007

고해상도 위성영상으로부터 수치고도자료와 정사영상을 생성하기 위해서는 센서모델을 수립해야 한다. 센서모델 수립에 필요한 지상기준점은 실측을 통해서 획득할 수 있지만, 이를 위해서는 많은 시간과 비용이 소요된다. 본 연구에서는 기존의 정사영상과 위성영상 간의 정합을 통해서 얻은 지상좌표와 그에 대응하는 높이를 Digital Terrain Elevation(DTED) Level 2 자료로부터 추출하여 IKONOS 위성영상 센서모델을 수립하기 위한 기준점을 획득하였다. 획득한 기준점으로 IKONOS 센서 모델을 수립하고 그 결과를 분석하여 이로부터 추출한 기준점이 IKONOS 위성영상의 센서모델 수립에 적합한지 여부를 알아보았다. 본 연구를 위해서 사용된 DTED Level 2는 공간해상도가 약30m이고, 절대 수평 정확도는 원형오차로 23m(WGS84 기준)이하이고 절대 수직 정확도가 평균해수면 기준으로 18m 이하인 수치고도모델이다. 정합에 사용된 기존 정사영상의 공간해상도는 1m이다. 본 연구에서는 DTED와 정사영상을 이용해서 추출한 기준점으로 수립한 IKONOS 센서모델의 성능을 분석하였다. 실측 기준점을 검사점으로 했을 때 수립된 모델의 독립적 성능은 약 $4{\sim}5$ 픽셀 정도였다. 또한 수치고도모델을 생성하고 이를 실측 기준점으로 생성한 수치고도모델과 육안으로 비교했을 때 서로 유사함을 알 수 있었으며, DTED 자료를 기준으로 산출한 높이 RMS 오차는 약 9 m였다. 이 결과로 보아 DTED Level 2와 정사영상을 이용해서 추출한 기준점이 IKONOS 센서 모델 수립에 적용될 수 있음을 알 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제18권2호
• /
• pp.209-216
• /
• 2018

고해상도 위성영상은 기상관측, 지형관측, 원격탐사, 군사시설감시, 문화재보호 등 많은 분야에서 이용된다. 위성영상은 동일한 위성영상 시스템에서 획득한 영상이라 할지라도 하드웨어(광학장치, 위성의 운용고도, 영상 센서 등)의 조건에 따라서 해상도가 저하된 영상들이 발생한다. 따라서 위성이 발사된 이후에는 이러한 해상도가 저하된 영상들의 해상도 향상을 위해서 영상시스템의 하드웨어를 변경하는 것은 불가능하므로 위성영상 자체를 이용하여 해상도를 향상시키는 방법이 필요하다. 본 논문에서는 이러한 저해상도 위성영상을 이용하여 해상도를 향상시키는 방법으로 SR(Super Resolution) 알고리즘을 사용하였다. SR 알고리즘은 다수의 저해상도 영상들의 정합을 통해 영상의 해상도를 향상시키는 알고리즘이다. 하지만 위성영상에서는 동일 지역에 대한 여러 장의 영상을 획득하기 어렵다. 따라서 본 논문에서는 이러한 문제점을 해결하기 위해 특징점 자동추출과 투영 변환(Projection Transform)을 적용 후 영상에 대한 기하학적 변화를 보정하여 SR 알고리즘을 수행하였다. 그 결과 수동으로 특징점을 구한 SR 결과와 같이 에지 부분이 뚜렷하게 나타나는 것을 확인 할 수 있다.

• 대한핵의학회지
• /
• 제32권5호
• /
• pp.414-424
• /
• 1998

목적: PET과 MR 영상을 체계적으로 합성i분석하여 각각의 영상기법이 갖는 단점을 보완하고 기능을 향상시킴으로써 보다 정확하고 유용한 임상정보를 얻을 수 있다. 두 영상을 공간적으로 합성하기 위해서 머리 표피 경계점들 간의 거리를 최소화하는 알고리즘을 이용할 경우 경계점 추출의 정확성 및 견실성과 거리 계산 속도가 합성 알고리즘의 성능을 결정하는 중요한 요소가 된다. 본 연구에서는 PET 영상의 경계 추출과 거리 계산 방법을 개선하고 이를 이용하여 PET과 MR 영상을 3차원적으로 합성하였다. 대상 및 방법: 공간적인 합성을 위한 영상처리기법의 핵심인 경계점 추출을 위해 PET영상에서는 방출스캔 sinogram의 경계를 강조한 후 재구성한 횡단면으로부터 2 mm 간격으로 머리 표피 경계점들을 추출하였으며 MR 영상에서는 각 횡단면마다 약 2도 간격으로 경계점들을 추출하였다. 두 영상의 모든 경계점들 간의 평균 유클리디안 거리를 최소화하는 3차원 가상공간 상에서의 위치 이동과 회전 각도를 최소자승법을 이용하여 구한 후 PET영상을 역 전환하여 위치 정합을 하였다. 평균 거리의 계산 속도를 향상시키기 위하여 고정된 대상의 각 경계점을 중심으로 하여 주변 공간 정들에서의 거리를 순차적으로 계산하고 이들의 최소값을 취하는 방법으로 거리지도를 구성하였으며 최소자승법에서 경계점들 간의 위치가 변할 때마다 매번 평균거리를 다시 계산하지 않고 거리지도를 참조하여 평균 거리를 산출하는 방법을 사용하였다. 위치 정합된 두 영상의 동시 표현을 위하여 PET 영상의 화소값에 $0.4{\sim}0.7$부터 1사이의 범위로 정규화된 MR 영상의 화소 값으로 가중치를 주는 가중정규화 방법을 사용하였다. 결과: 방출스캔의 sinogram을 이용함으로써 PET영상의 경계를 견실하게 추출할 수 있었으며, 거리지도를 이용하여 거리 계산을 한 결과 계산 속도를 향상시킬 수 있었다. 정상인의 뇌영상에 대해 위치 정합을 실시한 결과 평균 거리 오차는 2mm 이하였다. 가중정규화 방법을 사용하였을 때 합성된 영상의 정성적인 식별 명확도가 향상하였다. 결론: 견실한 PET 영상 경계점 추출과 거리지도를 이용한 계산 속도의 향상을 통해 뇌 PET과 MR 영상 합성기법의 성능을 개선할 수 있었으며 이를 이용하며 개발한 영상정합 프로그램은 임상 환경에서 유용하게 사용될 수 있을 것이다.