• 한국정보전자통신기술학회논문지
• /
• 제15권1호
• /
• pp.36-44
• /
• 2022

영상의 히스토그램을 시프트 시켜 영상에 기밀 데이터를 은닉하는 가역 데이터 은닉기법들이 개발되었다. 이러한 기법들은 은닉된 기밀 데이터의 보안이 취약한 단점이 있다. 본 논문에서는 이러한 단점을 해결하기 위하여 픽셀값 정보를 사용하여 기밀 데이터를 삼중으로 암호화한 후 커버 이미지에 은닉하는 기법을 제안하였다. 제안된 기법을 사용하여 기밀 데이터를 삼중으로 암호화하여 커버 이미지에 은닉하여 스테고 이미지를 생성하면, 픽셀 정보에 기반한 암호화가 삼중으로 수행되었으므로 삼중으로 암호화되어 은닉된 기밀 데이터의 보안성이 크게 향상된다. 제안된 기법의 성능을 측정하기 위한 실험에서, 스테고 이미지로부터 삼중으로 암호화된 기밀 데이터를 추출하여도 암호화 키 없이는 원본 기밀 데이터를 추출할 수 없었다. 그리고 스테고 이미지(stego-image)의 화질이 48.39dB 이상인 매우 우수한 영상이기 때문에 스테고 이미지에 기밀데이터가 은닉되어있는지 인지할 수 없었으며, 스테고 이미지에 30,487비트 이상의 기밀 데이터가 은닉되었다. 제안된 기법은 스테고 이미지에 은닉되어있는 삼중으로 암호화된 기밀 데이터로부터 원본 기밀 데이터를 손실 없이 추출할 수 있으며, 스테고 이미지로부터 원본 커버 이미지를 왜곡 없이 복원할 수 있다. 따라서 제안된 기법은 보안이 중요하고 원본 커버 이미지를 완벽하게 복원하는 것이 필요한 군사, 의료, 디지털 라이브러리 등의 응용 분야에 효과적으로 활용될 수 있다.

• International journal of advanced smart convergence
• /
• 제8권1호
• /
• pp.24-34
• /
• 2019

In this research, a practical deep learning framework to differentiate the lesions and nodules in breast acquired with ultrasound imaging has been proposed. 7408 ultrasound breast images of 5151 patient cases were collected. All cases were biopsy proven and lesions were semi-automatically segmented. To compensate for the shift caused in the segmentation, the boundaries of each lesion were drawn using Fully Convolutional Networks(FCN) segmentation method based on the radiologist's specified point. The data set consists of 4254 benign and 3154 malignant lesions. In 7408 ultrasound breast images, the number of training images is 6579, and the number of test images is 829. The margin between the boundary of each lesion and the boundary of the image itself varied for training image augmentation. The training images were augmented by varying the margin between the boundary of each lesion and the boundary of the image itself. The images were processed through histogram equalization, image cropping, and margin augmentation. The networks trained on the data with augmentation and the data without augmentation all had AUC over 0.95. The network exhibited about 90% accuracy, 0.86 sensitivity and 0.95 specificity. Although the proposed framework still requires to point to the location of the target ROI with the help of radiologists, the result of the suggested framework showed promising results. It supports human radiologist to give successful performance and helps to create a fluent diagnostic workflow that meets the fundamental purpose of CADx.

• 한국정보전자통신기술학회논문지
• /
• 제12권1호
• /
• pp.83-91
• /
• 2019

본 논문에서는 영상에 존재하는 곡면 특성과 지역적 유사성을 효과적으로 이용하고, 극히 일부 영상에서 발생하는 CZP(Closest Zero point)가 존재하지 않는 문제를 해결하여 히스토그램 이동을 통해 가역적으로 기밀데이터를 커버 이미지(cover image)에 은닉할 수 있는 기법을 제안하였다. 제안된 기법을 적용하면 커버 이미지에 비가시적으로 데이터를 은닉할 수 있으며, 데이터가 은닉된 스테고 이미지(stego-image)로부터 기밀 데이터를 손실 없이 추출하고, 원본 커버 이미지를 온전히 복원할 수 있다. 제안된 기법을 적용하여 구성한 스테고 이미지는 커버 이미지와 차이를 구별할 수 없을 정도로 시각적 화질이 우수하기 때문에 기밀 데이터가 스테고 이미지에 은닉되었는지를 알 수 없다. 제안된 기법은 기존의 APD(Adjacent Pixel Difference)기법에 비하여 다양한 레벨로 기밀 데이터를 은닉할 수 있으며, APD 기법 대비 최대 25.1% 많은 기밀 데이터를 커버 이미지에 은닉 할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제43권6호
• /
• pp.65-84
• /
• 2006

본 논문에서는 개선된 영상 생성 모델을 제시하고, 제시된 모델에 기반한 칼라 영상 향상을 제안한다. 제시된 영상 생성 모델에서는 입력 영상을 전역 조명 성분과 국부 조명 성분, 그리고 반사율 성분의 곱으로 표현한다. 제안된 칼라 영상 향상에서는 RGB 입력 칼라 영상을 HSV 칼라 영상으로 변환한 다음, 백색광 조명 상태라는 가정 하에 개선된 영상 생성 모델에 근거하여 V 성분 영상만을 향상한다. 전역 조명 성분은 입력 V 성분 영상에 유효 영역이 넓은 선형 저대역 필터를 적용하여 추정하고, 국부 조명 성분은 입력 V 성분 영상에서 추정된 전역 조명 성분이 제거된 영상에 유효 영역이 좁은 JND (just noticeable difference) 기반의 비선형 저대역 필터를 적용하여 추정한다. 그리고 반사율 성분은 입력 V 성분 영상에 추정된 전역 조명 성분과 국부 조명 성분을 나누어 추정한다. 이어서 이들 추정된 성분에 감마 수정을 각각 적용하고 그 결과들을 곱하여 출력 V 성분 영상을 얻은 다음 히스토그램 모델링을 적용하여 최종 출력 V 성분 영상을 얻는다. 마지막으로 최종 출력 V 성분 영상과 입력 H 성분 영상 및 S 성분 영상으로부터 출력 RGB 칼라 영상을 얻는다. 실험 결과 제안된 방법은 NASA 홈 페이지로부터 다운받은 칼라 영상과 MPEG-7 CCD 칼라 영상으로 구축한 시험 영상 데이터 베이스에 대하여 후광 효과가 거의 억제되고 색상 변화가 거의 없으면서 전역 대비와 국부 대비를 동시에 잘 증가시키는 것을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제7권11호
• /
• pp.1597-1609
• /
• 2004

립리딩은 잡음 환경에서 저하되는 음성 인식률의 보상과 음성을 청취하기 어려운 상황에서의 음성인식보조 수단으로 많은 연구가 시도되고 있다. 기존 립리딩 시스템은 인위적인 조명 환경이나 얼굴과 입술 추출을 위하여 미리 정해진 제한된 조건에서 실험되어 왔다. 본 논문에서는 화자의 움직임이 허용되고 컬러나 조명과 같은 환경 변화에 제한조건을 완화한 영상을 이용하여 실시간 립리딩 시스템을 구현하였다. 본 논문의 시스템은 범용으로 사용되는 PC 카메라를 통해 입력받은 영상에서 얼굴과 입술 영역을 실시간으로 검출한 후, 립리딩에 필요한 영상정보를 추출하고 이 입술 영상 정보를 이용하여 실시간으로 발성 단어를 인식할 수 있다. 얼굴과 입술 영역 검출을 위하여 조명환경에 독립성을 갖는 색도 히스토그램 모델을 이용하였고 움직이는 화자의 얼굴 추적을 위하여 평균 이동 알고리즘을 이용하였다. 검출된 입술 영역에서 학습과 인식에 필요한 영상 정보를 추출하기 위하여 PCA(Principal Component Analysis)를 사용하였고, 인식 알고리즘으로는 HMM을 이용하였다. 실험 결과 화자종속일 경우 90%의 인식률을 보였으며 잡음이 있는 음성과 합병하여 인식률 실험을 해 본 결과, 음성 잡음비에 따라서 음성 인식률을 약 40～85%까지 향상시킬 수 있었다.

• Radiation Oncology Journal
• /
• 제23권4호
• /
• pp.236-242
• /
• 2005

목적: 본 연구에서는 초기 유방암환자에서 보존적 수술 후 전자선을 이용한 추가방사선 조사 시 조사야의 범위 결정에 수술상흔 및 외과적 클립이 미치는 역할을 분석하였으며 이상적인 조사야 범위 결정방법을 제시하였다. 대상 및 방법: 조기 유방암 환자로 병소를 제거한 후 외과적 클립을 $4{\sim}7$개 삽입한 환자 20명을 대상으로 연구를 시행하였다. 전자선의 치료 에너지를 결정하기 위하여 피부에서부터 흉부벽까지의 거리(SCD)와 병변 조직의 가장 뒤쪽에 위치해 있는 클립까지의 거리를 측정하였다. 수술시 삽입된 클립들을 simulation 필름 상에서 연결하여 방사선학적 tumor bed로 정의하였다. 방사선 조사야의 범위는 3가지 방법에 의해 simulation 필름에 그렸다. 임상방사선 조사야(CF)는 수술 상흔 둘레로 3 cm의 여유를 주었고, 외과적방사선 조사야(SF)는 클립주위로 2 cm의 여유를 주었으며, 마지막으로 이상적 방사선조사야(IF)는 수술 상흔과 클립을 모두 포함하여 2 cm의 여유를 주었다. 그려진 조사야들의 면적을 측정하기 위하여 치료계획 컴퓨터에 입력되었고 측정된 면적을 비교하였다. 마지막으로 삽입된 클립들을 CT상에서 그려 넣었고 클립들의 3차원적인 선량분포를 알아보기 위해 선량체적표를 얻었다. 결과: SCD와 가장 깊이 삽입된 clip까지의 거리의 평균차이는 $0.7{\pm}0.56cm$이다. 12명의 환자의 경우 깊이의 차이가 있다. 수술 상흔과 클립들의 평균 위치의 변화는 상방으로 1.7 cm, 하방으로 1.2 cm, 내측으로 1.2 cm, 그리고 외측으로 0.9 cm이다. CF의 면적은 20명의 환자 중 6명의 경우 SF보다 크고 IF보다 크다. SF 와 IF의 면적 차이는 15의 환자에서 5%보다 작다. CF 조사야를 이용할 경우 15명의 환자들에 대해 1개 또는 3개의 클립들을 조사야 내에 포함하지 못하고 있다. 또한 클립들의 선량분포를 볼 때 17명의 환자들이 처방선량의 80% 미만을 받는 즉 선량적으로 부적절한 선량을 받는 클립들이 있었다. 결론: 수술 상흔을 중심으로 방사선 조사야 범위를 결정 할 경우 병변의 상하 부위를 적절히 포함하지 못하므로 병변 조직의 충분한 선량을 전달하지 못하였다. 외과적 클립만을 이용할 경우는 수술 상흔을 모두 포함하지 못하였다. 따라서 결론적으로 즉 수술 상흔과 외과적 클립을 모두 포함하는 본 기관에서 사용하는 방법으로 전자선 추가 조사야를 그린다면 정상조직의 부작용 및 지리상으로 병변조직의 빠트림을 최소화할 수 있을 것이다.