• 한국항공우주학회지
• /
• 제49권3호
• /
• pp.243-249
• /
• 2021

별추적기는 우주공간에서 미세한 별 빛을 감지한 후 저장된 별 목록과 비교하여 관성좌표계상에서 위성의 자세 정보를 제공한다. 별 이외에 태양이나 지구와 같은 다른 빛이 광학계(OH : Optical Head)로 들어가게 될 경우 별을 인식할 수 없음으로 별추적기를 운영할 수 없다. 특히, 태양과 같은 강한 빛이 들어올 경우 별추적기 운영뿐 아니라 성능에도 영향을 미친다. 별추적기의 태양 차폐각(SEA : Sun Exclusion Angle)은 별추적기의 성능을 결정하는 중요한 요소 중 하나이다. 본 논문에서는 별추적기의 태양 차폐각에 대한 검증을 수행하였다. 태양 차폐각 검증을 위해서 별추적기의 태양 차폐 시간을 예측하였으며 실제 천리안 2A호 별 추적기에서 발생한 태양 차폐 시간과 비교하였다. 또한, 광학계에 태양에 의한 차폐가 발생할 경우 별추적기가 정상적으로 동작하는지에 대한 분석을 수행하였다. 분석 결과 별추적기는 성능 요구사항인 26° 이내에서 태양 차폐가 발생하였으며 태양 차폐가 발생할 경우에도 정상 동작함을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권6호
• /
• pp.267-274
• /
• 2023

본 논문에서는 입력 영상에 대한 촬영 장면의 조명 색도를 추정하는 방법을 제안한다. 조명 기준영역을 이용하여 입력영상의 촬영 장면에 가장 근접한 조명 색도를 추정한다. 기존의 방법은 일정한 수의 기준조명 정보를 이용한다. 입력 영상으로부터 화소의 색도분포 정보와 기준 조명에 대한 미리 준비된 색도 집합을 대조하여 겹치는 면적이 가장 큰 기준 조명을 해당 입력 영상에 대한 장면 조명으로 간주한다. 겹치는 면적을 계산하는 과정에서 각 기준 조명에 대한 가중치를 가우시안 분포 형태로 적용하였으나, 분산 값에 대하여 명확한 기준을 제시하지 못하였다. 제안한 방법은 주어진 기준조명으로부터 독립적인 기준색도 영역을 추출하고, 입력영상의 모든 화소에 대하여 RGB 칼라좌표계의 r-g 색도 평면에서의 특징치를 계산한 다음, 독립적인 색도영역과 입력영상으로부터의 특징치를 이용하여 유사도를 평가한다. 유사도가 가장 높게 나타나는 조명을 해당 영상의 조명 색도 성분으로 추정하였다. 데이터베이스의 영상과 기준조명 색도를 이용한 성능평가에서 제안한 방법은 기존의 기본 방법에 비하여 평균 60% 정도의 개선을 보였고, 기존의 가우시안 분산 값이 0.1인 경우에 비하여 53% 내외의 개선 성능을 보였다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1309-1320
• /
• 2023

모바일 기기의 기술 발전과 대중화는 어디서든 사용자의 위치를 확인할 수 있으며 인터넷을 사용할 수 있도록 발전되었다. 그러나 실내의 경우 인터넷은 끊김없이 사용할 수 있지만 global positioning system (GPS) 기능은 활용하기 어렵다. 실내 공공장소인 백화점, 박물관, 컨퍼런스장, 학교, 터널 등 GPS가 수신되지 않는 음영 지역에서 실시간 위치정보 제공의 필요성이 증가하고 있다. 이에 따라 최근의 실내 측위 기술은 랜드마크 데이터베이스를 구축하기 위해 light detection and ranging (LiDAR) 장비를 기반으로 연구가 증가하고 있다. 본 연구에서는 랜드마크 데이터베이스 구축의 접근성에 초점을 두어 모바일 기기를 기반으로 랜드마크를 촬영한 단일 이미지와 사전에 구축된 랜드마크 데이터베이스 정보를 이용하여 사용자의 위치를 추정하는 기법을 개발하고자 하였다. 첫 번째로, 랜드마크 데이터베이스를 구축하였다. 랜드마크를 촬영한 모바일 이미지만으로 사용자 위치를 추정하기 위해서는 모바일 이미지에서 랜드마크 검출이 필수적이고, 검출된 랜드마크에서 고정적인 성격을 가진 지점의 지상좌표 취득이 필수적이다. 두 번째 단계에서는 bag of words (BoW) 영상 검색 기술을 적용해 랜드마크 데이터베이스 중 모바일 이미지가 촬영한 랜드마크를 유사한 4위까지 검색하였다. 세 번째 단계에서는 scale invariant feature transform (SIFT) 특징점 추출 기법과 Homography random sample consensus (RANSAC)을 통해 검색된 4개의 후보 랜드마크들 중 가장 유사한 하나의 랜드마크를 선정하였고, 이때 임계값 설정을 통해 정합점 수를 기반으로 한 차례 더 필터링을 수행하였다. 네 번째 단계에서는 대응된 랜드마크와 모바일 이미지간의 Homography 행렬을 통해 랜드마크 이미지를 모바일 이미지에 투사하여 랜드마크의 영역과 코너(외곽선)점을 검출하였다. 마지막으로, 위치추정 기법을 통해 사용자의 위치를 추정하였다. 해당 기술의 성능을 분석한 결과, 랜드마크 검색 성능은 약 86%로 측정되었다. 위치추정 결과와 사용자의 실제 지상좌표를 비교한 결과, 약 0.56 m의 수평 위치 정확도를 갖는 것이 확인되어 별도의 고가 장비 없이 랜드마크 데이터베이스를 구축하여 모바일 영상으로 사용자 위치 추정이 가능한 것을 확인하였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.139-156
• /
• 2021

이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.

• 대한의용생체공학회:의공학회지
• /
• 제21권3호
• /
• pp.321-331
• /
• 2000

색상 배열 검사법은 기준 색편을 시작으로 다수의 색편을 가장 유사한 것들로 서로 인접하게 배열하도록 하여 피검사자의 색각 능력 (색력)을 평가하는 방법이다. 본 논문에서는 색각 능력을 신속히, 정량적으로 평가하기 위한 다중 15-색상 배열 검사법을 구성하여 PC에 구현하였다. 검사의 난이도는 인접한 색편간의 색상 차 (CDBACC: color difference between adjacent color chips)의 크기로 조정하였다. CDBACC는 국제조명 위원회에서 추천한 식을 사용하여 계산하였다. 본 연구에서는 CDBACC가 0.75, 1.1. 1.8, 2.5. 3.5, 7.5. 11, 14의 값을 가지는 8단계 난이도의 색상 배열 검사법 (test 3-10)과 빨강, 녹색, 청색의 채도 변화를 등간격으로 분할하여 15 개의 색편을 구성한 3 가지 기본색 배열 검사법(test 11(R), 12(G), 13(B))을 설계하였다. PC에 구현된 다중 15-색상 배열 검사의 평가를 위해 이시하라식 검사법으로 색맹인 아닌 30 명을 대상으로 실험을 수행하였다. 실험 결과 피검사자의 색상 배열 정확도는 CDBACC가 2 - 4.5인 영역에서 급격히 변하고 있으며, CDBACC 값이 5 이상에서는 대부분의 피검사자들이 오차 없이 색편을 배열한 반면, 2 이하에서는 아무도 정확히 색편을 배열하지 못한 것으로 나타났다. 기본색배열 검사 (CDBACC : 6.87. 7.27. 7.86)에서는 CDBACC가 5 이상임에도 불구하고 색편 배열에 대한 매우 낮은 정확도를 보였다. 색력의 척도라 할 수 있는 피검사자의 색편 배열 정확도가 급격히 변화하는 검사의 색상 차의 평균값은 3으로 나타났으며, 이때의 ERCCA (error rate of color chips arrangement)은 $20\%$로 나타났다. 븐 연구에서 PC에 구현한 다중 15-색상 배열 검사법은 피검사자의 색각 능력을 신속히 세밀하게 정량적으로 평가하는 경제적인 도구로 사용될 것으로 기대하며, 향후 후천성 색각 이상을 유발하는 질환 (예 diabetes, glaucoma)을 집단 검진하는데 유용하게 활용될 수 있을 것으로 기대된다.