• 한국정보처리학회논문지
• /
• 제3권5호
• /
• pp.1337-1345
• /
• 1996

에지추출은 영상인식의 첫 단계임과 동시에 영상인식의 성능을 좌우하는 아주 중 요한 단계이다. 기존의 기울기연산자나 표면집합에 의한 에지추출과 달리 본 논문에서 는 에지의 구조적 정보를 이용한 에지추출 알고리즘을 제안하였다. 먼저 에지의 구조 적 특성인 에지의 정확한 위치, 에지의 연속성, 에지의 두께와 에지의 길이에 대한 정의를 제시하였다. 이와같은 에지의 구조적 특성을 기본으로 $3\times3$ 윈도우에서의 적합한 화소구조와 화소구조에 일치하는 이상적인 에지위치를 정의하였다. 또한 적합 한 에지구조와 이상적인 에지위치에 의한 12개의 특성 불일치 강조윈도우를 제안하 였다. 제안된 12개의 윈도우는 모든 형태의 에지를 추출할 수 있는 에지추출알고리즘에서 사용되는 윈도우로써 잡음이 많은 영상에서 일반적으로 많은 사용되고 있는 기울기 연산자나 0점교차 연산자인 LoG 연산자 보다 놓은 에지추출 성능을 보여 주었다. 특 히, 잡음의 표준편차$(\sigma=30)$가 30인 잡음이 아주 많은 영상에서 더 좋은 성능을 보여 주었다.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2004년도 춘계학술대회
• /
• pp.197-201
• /
• 2004

We describe a new edge detector based on the robust rank-order (RRO) test which is a useful alternative to Wilcoxon test, using $r{\times}r$ window for detecting edges of all possible orientations in noisy images. Some experiments of statistical edge detectors based on the Wilcoxon test and T test with our RRO detector are carried out on synthetic and real images corrupted by both Gaussian and impulse noise. We also implement these edge detectors using Java on the Web.

• 한국정보통신학회논문지
• /
• 제8권3호
• /
• pp.748-753
• /
• 2004

에지는 영상에서 위치와 모양 등에 대한 다양한 정보를 포함하고 있다. 그러므로, 이러한 에지를 검출하기 위한 많은 연구가 이루어져 왔으며, 초기에 사용한 에지 검출 연산자는 인접한 화소를 조사하고, 각 화소들 사이에 대한 관계를 이용하는 것이었다. 그러나, 이러한 방법들은 노이즈가 존재하는 영상에서는 우수한 성능을 나타내지 못하며, 선택적인 에지 검출이 불가능하다. 따라서, 본 논문에서는 라인 폭에 의존하지 않는 웨이브렛 함수를 사용하여, AWGN에 훼손된 영상으로부터 라인-에지 성분을 검출하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.244-246
• /
• 2014

에지검출은 영상의 특징 정보를 화소값들의 밝기 변화로 취득하는 기술이며, 여러 영상처리 분야에서 전처리 과정으로 활용되고 있다. 기존의 에지 검출 방법에는 소벨(Sobel), 프리윗(Prewitt), 로버츠(Roberts) 방법 등이 있으며, 이러한 방법들은 영상의 전체 영역에서 동일한 가중치를 적용하여 처리하므로 에지검출 결과가 다소 미흡하다. 따라서 본 논문은 변형된 방향성 마스크를 적용하여 화소들의 방향 및 크기를 고려한 에지검출 알고리즘을 제안하였다.

• 한국정보통신학회논문지
• /
• 제24권1호
• /
• pp.138-140
• /
• 2020

As the IoT is applied to home and industrial networks, data generated by the IoT is being processed at the cloud edge. Intrusion detection function is very important because it can be operated by invading IoT devices through the cloud edge. Data delivered to the edge network in the cloud environment is traffic at the application layer. In order to determine the intrusion of the packet transmitted to the IoT, the intrusion should be detected at the application layer. This paper proposes the intrusion detection function at the application layer excluding normal traffic from IoT intrusion detection function. As the proposed method, we obtained the intrusion detection result by decision tree method and explained the detection result for each feature.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권4호
• /
• pp.980-997
• /
• 2024

To improve the brightness of images and reveal hidden information in dark areas is the main objective of low-light image enhancement (LLIE). LLIE methods based on deep learning show good performance. However, there are some limitations to these methods, such as the complex network model requires highly configurable environments, and deficient enhancement of edge details leads to blurring of the target content. Single-scale feature extraction results in the insufficient recovery of the hidden content of the enhanced images. This paper proposed an edge detection-based multi-scale feature enhancement network for LLIE (EDMFEN). To reduce the loss of edge details in the enhanced images, an edge extraction module consisting of a Sobel operator is introduced to obtain edge information by computing gradients of images. In addition, a multi-scale feature enhancement module (MSFEM) consisting of multi-scale feature extraction block (MSFEB) and a spatial attention mechanism is proposed to thoroughly recover the hidden content of the enhanced images and obtain richer features. Since the fused features may contain some useless information, the MSFEB is introduced so as to obtain the image features with different perceptual fields. To use the multi-scale features more effectively, a spatial attention mechanism module is used to retain the key features and improve the model performance after fusing multi-scale features. Experimental results on two datasets and five baseline datasets show that EDMFEN has good performance when compared with the stateof-the-art LLIE methods.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권3호
• /
• pp.877-893
• /
• 2022

With the development of deep learning, face inpainting has been significantly enhanced in the past few years. Although image inpainting framework integrated with generative adversarial network or attention mechanism enhanced the semantic understanding among facial components, the issues of reconstruction on corrupted regions are still worthy to explore, such as blurred edge structure, excessive smoothness, unreasonable semantic understanding and visual artifacts, etc. To address these issues, we propose a Learnable Structure Knowledge of Fusion Network (LSK-FNet), which learns a prior knowledge by edge generation network for image inpainting. The architecture involves two steps: Firstly, structure information obtained by edge generation network is used as the prior knowledge for face inpainting network. Secondly, both the generated prior knowledge and the incomplete image are fed into the face inpainting network together to get the fusion information. To improve the accuracy of inpainting, both of gated convolution and region normalization are applied in our proposed model. We evaluate our LSK-FNet qualitatively and quantitatively on the CelebA-HQ dataset. The experimental results demonstrate that the edge structure and details of facial images can be improved by using LSK-FNet. Our model surpasses the compared models on L1, PSNR and SSIM metrics. When the masked region is less than 20%, L1 loss reduce by more than 4.3%.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권10호
• /
• pp.2658-2681
• /
• 2023

In edge computing scenarios, IoT end devices play a crucial role in relaying and forwarding data to significantly improve IoT network performance. However, traditional routing mechanisms are not applicable to this scenario due to differences in network size and environment. Therefore, it becomes crucial to establish an effective and reliable data transmission path to ensure secure communication between devices. In this paper, we propose a trusted path selection strategy that comprehensively considers multiple attributes, such as link stability and edge cooperation, and selects a stable and secure data transmission path based on the link life cycle, energy level, trust level, and authentication status. In addition, we propose the Stability-based On-demand Multipath Distance Vector (STAOMDV) protocol based on the Ad hoc AOMDV protocol. The STAOMDV protocol implements the collection and updating of link stability attributes during the route discovery and maintenance process. By integrating the STAOMDV protocol with the proposed path selection strategy, a dependable and efficient routing mechanism is established for IoT networks in edge computing scenarios. Simulation results validate that the proposed STAOMDV model achieves a balance in network energy consumption and extends the overall network lifespan.

• 한국컴퓨터정보학회논문지
• /
• 제15권10호
• /
• pp.35-47
• /
• 2010

본 논문은 에지를 이용한 차량 검출 시 검출률 향상을 위해 부정확한 에지 정보를 보완하는 확장 에지 분석 기법을 제안한다. 차량은 영상에서 차량이 지면과 닺는 경계면과 좌우 경계선을 이용하여 검출한다. 제안하는 확장 에지 분석기법은 차량과 지면의 경계선을 표현하는 수평 에지가 조명이나 잡음 등으로 인해 부정확하게 얻어지는 문제를 해결하기 위해 수평에지를 양방향으로 확장하여 차량 양쪽의 경계선인 두 개의 수직에지 성분과 교차하는 점을 찾는 방법이다. 즉, 미리 설정된 관심영역 내에서 인접한 수평에지 정보를 이용하여 에지를 융합하거나 분리하는 방법을 통해 수평에지를 추출하고 추출된 수평에지 영역에서 차량 그림자 영역을 검출하여 차량 바닥선을 결정한다. 차량의 폭은 수평에지와 교차하는 수직에지들 중에서 좌우 대칭을 형성할 수 있는 에지들과 차간 거리를 고려하여 결정한다. 확장 에지 분석기반 차량 검출 기법은 복잡한 배경을 갖는 도로 영상에서 기존의 에지 정보를 이용한 차량 검출 방식보다 효율적이다. 본 논문에서 제안하는 차량 검출 기법의 우수성은 복잡한 도로 영상에서 차량 검출 실험을 통해 검증하였다.

• Journal of information and communication convergence engineering
• /
• 제8권2호
• /
• pp.185-190
• /
• 2010

In this paper we propose the CBIR algorithm which is based on a novel image block method that combined both color and edge feature. The main drawback of global histogram representation is dependent of the color without spatial or shape information, a new image block method that divided the image to 8 related blocks which contained more information of the image is utilized to extract image feature. Based on these 8 blocks, histogram equalization and edge detection techniques are also used for image retrieval. The experimental results show that the proposed image block method has better ability of characterizing the image contents than traditional block method and can perform the retrieval system efficiently.