객체 검출 및 인식 과정은 컴퓨터비전 분야에서 매우 중요한 과업으로써, 관련 연구가 활발하게 진행되고 있다. 그러나 실제 객체 인식 과정에서는 학습된 이미지 데이터와 테스트 이미지 데이터간 해상도 차이로 인하여 인식기의 정확도 성능이 저하되는 문제가 종종 발생한다. 이를 해결하기 위해 본 논문에서는 객체 인식 정확도 향상을 위한 이미지 초해상도 기법을 제안하여 객체 인식 및 초해상도 통합 프레임워크를 설계하고 개발하였다. 세부적으로는 11,231장의 차량 번호판 훈련용 이미지를 웹 크롤링, 인조데이터 생성 등을 통해 자체적으로 구축하고, 이를 활용하여 이미지 좌우 반전에 강인하도록 목적함수를 정의하여 이미지 초해상도 인공 신경망을 훈련시켰다. 제안 방법의 성능을 검증하기 위해 훈련된 이미지 초해상도 및 번호 인식기 1,999장의 테스트 이미지에 실험하였고, 이를 통해 제안한 초해상도 기법이 문자 인식 정확도 개선 효과가 있음을 확인하였다.
The 3-D Fast Gradient Echo (Turbo FLASH, Turbo Fast Low Angle Shot) sequence is optimized to achieve a good T1 contrast using variable excitation flip angles. In Turbo FLASH sequence, depending on the contrast preparation scheme, various types of image contrast can be established. While proton density contrast is obtained when using a short repetition time with a short echo time and small flip angles, T1 or T2 weighting can be obtained with proper contrast preparation sequences applied before the above proton density Turbo FLASH sequence. To maximize the contrast to noise ratio while retaining a sharp impulse response (smooth frequency domain response), the excitation flip-angle pattern is optimized through simulation and experiments. The TI (the delay after the preparation sequence which is a 180 degree inversion RF pulse in the IR T1 weighted imaging case), TD (the delay time between the Turbo FLASH sequence and the next preparation), and TR are also optimized fur the best image quality. The proposed 3-D Turbo FLASH provides $1mm\times1mm\times1.5mm$ high resolution images within a reasonable 5-8 minutes of imaging time. The proposed imaging sequence has been implemented in a Medison's Magnum 1.0T system and verified through simulations as well as human volunteer imaging. The experimental results show the utility of the proposed method.
Quality control is essential to the final product in BGA-type PCB fabrication. So, many automatic vision systems have been developed to achieve speedy, low cost and high quality inspection. A multiple threshold selection algorithm is a very important technique for machine vision based inspection. In this paper, an inspected image is modeled by using fuzzy sets and then the parameters of specified membership functions are estimated to be in maximum fuzzy entropy with the probability of the fuzzy sets, using the exhausted search method. Fuzzy c-partitions with the estimated parameters are automatically generated, and then multiple thresholds are selected as the crossover points of the fuzzy sets that form the estimated fuzzy partitions. Several experiments related to flip chip BGA images show that the proposed algorithm outperforms previous ones using both entropy and variance, and also can be successfully applied to AVI systems.
CdTe 멀티에너지 X선 영상센서와 ROIC를 패키징 하기 위한 flip chip bump bonding, Au wire bonding 및 encapsulation 공정조건을 개발하였으며 성공적으로 모듈화 하였다. 최적 flip chip bonding 공정 조건은 접합온도 CdTe 센서 $150^{\circ}C$, ROIC $270^{\circ}C$, 접합압력 24.5N, 접합시간 30s일 때이다. ROIC에 형성된 SnAg bump의 bonding이 용이하도록 CdTe 센서에 비하여 상대적으로 높은 접합온도를 설정하였으며, CdTe센서가 실리콘 센서에 비하여 쉽게 파손되는 것을 고려하여 접합압력을 최소화하였다. 패키징 완료된 CdTe 멀티에너지 X선 모듈의 각각 픽셀들은 단락이나 합선 등의 전기적인 문제점이 없는 것을 X선 3D computed tomography를 통해 확인할 수 있었다. 또한 Flip chip bump bonding후 전단력은 $2.45kgf/mm^2$ 로 측정되었으며, 이는 기준치인 $2kgf/mm^2$ 이상으로 충분한 접합강도를 가짐을 확인하였다.
본 연구는 FLASH 펄스파형을 이용하여 숙임각(flip angle ; FA)변화에 따른 T1 강조영상의 신호강도(signal intensity ; SI)와 대조도 대 잡음비(contrast to noise ratio ; CNR)를 비교함으로써 복부검사에서의 최적의 T1효과를 나타내기 위한 FA를 알아보고자 하였다. 2008년 9월부터 12월까지 본원을 내원하여 복부 MRI 검사를 시행한 환자 20명(남 : 12명, 여 : 8명, 연령 범위 : $28{\sim}63$세, 평균 : 51세)을 대상으로 하였다. 영상 장비는 3Tesla MR scanner(Magnetom Tim Trio, SIEMENS, Germany)였으며, 8 channel body array coil을 사용하였다. 사용된 영상변수는 FLASH 펄스파형과 TR : 120 ms, TE : minimum, FOV : $360{\times}300\;mm$, Matrix : $256{\times}224$, Slice : 6 mm, scan time : 15초로 Breath-hold 기법을 이용하였다. 복부 영상은 물 신호를 동시에 측정하기 위해 관심영역(FOV) 안에 물을 채운 50 ml syringe를 놓고 $10^{\circ}$부터 $90^{\circ}$까지 $10^{\circ}$ 간격으로 FA에 변화를 주면서 얻었다. 획득한 영상은 간(liver), syringe내부의 물(water), 비장(spleen), background의 신호강도(SI)와 대조도 대 잡음비(CNR)를 각각 측정하였으며 신호강도는 관심영역을 설정한 다음 각 부위에서 3번씩 측정하고 그 평균값을 구하였다. 영상 전체의 평가에서는 변이계수(coefficient of variation)를 적용하여 전체영상의 신호강도 균일도를 알아보았고 통계 분석은 SPSS for window version 17.0을 이용하였다. 간(liver)의 신호강도는 $475.54{\pm}81.76$으로 FA $40^{\circ}$에서 가장 높게 나타났으며 syringe내부의 물의 신호는 $475.97{\pm}68.98$로 FA $20^{\circ}$에서 가장 높았으며 FA가 높아짐에 따라 다른 조직의 신호보다 많은 감소를 보였다. 비장의 신호는 $443.02{\pm}55.77$로 FA $30^{\circ}$에서 가장 높은 신호강도를 보였으며 FA가 높아짐에 따라 신호가 감소하였다. 조직의 신호강도에서 Liver vs Water와 Liver vs Spleen은 FA $30^{\circ}$를 제외한 전 구간에서 통계적으로 유의한 차이를 보였고 Water vs Spleen은 FA $60^{\circ}$, FA $70^{\circ}$, FA $80^{\circ}$에서만 유의한 차이를 보였다(p < 0.01). 전체영상의 신호강도는 $175.42{\pm}57.93$으로 FA $10^{\circ}$에서 가장 낮게 나타났으며 FA가 높아짐에 따라 증가하다가 떨어지는 양상을 보였다. 또한 변이계수(coefficient of variation)는 FA $10^{\circ}$와 FA $20^{\circ}$에서 33.02와 31.43으로 가장 높게 나타났다. FA $10^{\circ}$와 FA $20^{\circ}$는 전체영상의 신호강도 균일도가 다소 떨어지는 영상으로 왜곡이 심하게 나타났다. CNR은 liver-water에서 FA $30^{\circ}$에서 12.73으로 가장 낮게 나타났고 FA $10^{\circ}$에서 -46.97, FA $80^{\circ}$에서 29.36으로 가장 높게 나타났다. liver-spleen의 CNR에서는 FA $10^{\circ}$에서 -3.18로 가장 낮게 나타났으며 FA $80^{\circ}$에서 9.65로 가장 높게 나타났다. 결론적으로 FLASH 펄스 파형을 사용한 복부 영상에서 최적의 T1효과를 나타내기 위해서는 FA $80^{\circ}$를 사용하는 것이 유용할 것으로 생각된다.
모바일 기기에 장착되는 CMOS 이미지 센서(CIS) 칩은 배터리 용량의 한계로 인해 저전력 소모를 요구한다. 본 논문에서는 전력소모를 줄일 수 있는 데이터 플립플롭 회로와 새로운 저전력 구조의 Single-Slope A/D Converter(SS-ADC)를 사용한 이미지 센서를 설계하여 모바일 기기에 사용되는 CIS 칩의 전력 소모를 감소시켰다. 제안하는 CIS는 $2.25um{\times}2.25um$ 면적을 갖는 4-Tr Active Pixel Sensor 구조를 사용하여 QVGA($320{\times}240$)급 해상도를 갖도록 설계되었으며 0.13um CMOS 공정에서 설계되었다. 실험 결과, CIS 칩 내부의 SS-ADC 는 10-b 해상도를 가지며, 동작속도는 16 frame/s 를 만족하였고, 전원 전압 3.3V(아날로그)/1.8V(Digital)에서 25mW의 전력 소모를 보였다. 측정결과로부터 제안된 CIS 칩은 기존 CIS 칩에 비해 대기시간동안 약 22%, 동작시간동안 약 20%의 전력이 감소되었다.
특징 추출 알고리즘은 영상 내에서 중요한 특징을 추출하기 위해 실시간 영상 처리 응용 분야에서 활용된다. 특히, 특징 추출 알고리즘은 추적 및 식별의 목적으로 다양한 영상처리 알고리즘에 특징 정보를 제공하기 위해서 활용되며, 주로 영상처리 전처리 단계에서 구현되고 있다. 광범위한 응용 분야에 이용되는 특징 추출 알고리즘의 처리 속도를 높인다면 혼합되어 사용될 다른 알고리즘 처리 소요 시간의 여유를 확보 할 수 있을 뿐만 아니라, 특징 추출 알고리즘이 적용된 영상 처리 응용 분야의 실시간 요건을 만족시키기 용이하기 때문에 중요하다. 본 논문에서는 특징 추출 기법을 고속으로 처리하기 위해 FPGA 기반의 하드웨어 가속기를 제안한다. 하드웨어 가속기 구현에 사용된 E. Rosten의 Feature from Accelerated Segment Test 알고리즘과 디지털 로직으로 구현한 하드웨어 가속기의 구조와 동작 절차에 대해 기술하였다. 설계한 하드웨어 가속기는 ModelSim을 이용해 동작 및 성능을 검증하였고, Xilinx Vertex IV FPGA 기반으로 로직을 합성해 구현 비용을 계산하였다. 제안한 하드웨어 가속기를 구현하기 위해 2,217개의 Flip Flop, 5,034개의 LUT, 2,833개의 Slice, 그리고 18개의 Block RAM을 사용하였으며, $640{\times}480$ 크기의 영상으로부터 954개의 특징을 추출하는데 3.06 ms의 시간이 소요되어 기존의 결과보다 구현 비용 면에서의 우월함이 확인되었다.
The more integrated and smaller SMD are needed, new solder joints packaging technologies are developed in these days such as BGA(Ball Grid Array), Flip Chip, J-lead etc. But, it's unable to inspect solder joints in those devices by visual inspection methods, because they are hided by it's packages. To inspect those new SMD packages, an X-ray system for acquiring a cross-sectional image of a arbitrary plane is necessary. In this paper, an analysis for designing X-ray cross sectional imaging system is presented including the way for correcting the distortion of image intensifier. And we show computer simulation of that system with a simple PCB model to show it's usefulness in applying PCB solder joint inspection.
CNN은 딥러닝의 한 종류로 이미지나 영상 데이터를 처리할 때 사용하는 신경망이다. 필터가 이미지를 순회하며 이미지의 특징을 추출하여 이미지를 구분한다. 딥러닝은 데이터가 많을수록 좋은 모델을 만들 수 있는 특징이 있고, CNN에서는 적은 데이터의 약점을 보완하기 위해 회전, 확대, 이동, 뒤집기 같은 방법의 데이터 증강이라는 기법으로 데이터의 양을 인위적으로 늘리는 방법을 사용한다. 외곽선 이미지 학습은 이미지 데이터에서 외곽선에 해당하는 영역을 추출하는 것이다. CNN 학습 시, 외곽선 이미지 학습이 기존의 데이터 증강기법과 비교하여 성능 향상의 도움이 되는지 확인하고자 한다.
본 연구는 Image J 프로그램을 사용하여 유속증가 자기공명영상기법의 숙임각 변화에 따른 SNR와 CNR을 측정하여 최적의 숙임각을 알아보기 위해 연구하였다. 총 30명의 정상인 지원자를 대상으로 1.5T 자기공명영상기기(Philips, Medical System, Achieva)를 이용하여 뇌동맥검사 후 평가를 실시하였다. 분석 방법으로 유속증가 자기공명 혈관 조영술에 대하여 4 부위에 관심영역을 설정하고 SNR와 CNR을 평가하였다. 5가지 숙임각에서의 정량적 분석으로 SNR과 CNR에 대한 통계적 유의성은 일원분산분석으로 계산되었으며, 사후 분석으로는 Bonferroni 법을 적용하였고, 통계에 사용된 프로그램은 SPSS 14.0을 이용하여 p 값을 0.05 이하일 때 유의성을 두었다. 본 실험에 대한 결과로서 전교통동맥(SNR:$876.59{\pm}14.22$, CNR:$1999.7{\pm}12.5$), 후교통동맥 (SNR: $863.48{\pm}13.29$, CNR:$1870.18{\pm}12.56$), ICA(SNR: $1116.87{\pm}08.34$, CNR:$2979.37{\pm}14.69$), 중대뇌동맥(SNR:$848.66{\pm}15.25$, CNR:$2199.25{\pm}13.48$)의 값으로 $25^{\circ}$에서 가장 높은 신호강도를 보였다(p<0.05). 작은 혈관 묘출로서 a1, a2, a3, p1, p2, p3, m1, m2, m3 값 또한 동일한 결과 이었다(p<0.05). 사후분석결과로, 숙임각에서 $25^{\circ}$ 기준으로 $10^{\circ}$, $15^{\circ}$, $20^{\circ}$에서 유의성 있는 결과를 얻었지만(p=0.000) $30^{\circ}$에서는 유의한 차이가 없었다(p>0.05). 결론적으로, 본 연구에서 $30^{\circ}$에서는 신호강도가 떨어지기 때문에 뇌혈관 자기공명조영술에서 최적의 숙임각은 $25^{\circ}$로 나타냈다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.