• 한국측량학회지
• /
• 제37권3호
• /
• pp.209-219
• /
• 2019

위성영상은 취득 당시의 외부 환경적 요소에 의해 기하 및 방사오차가 발생하며, 이는 변화탐지에 있어 오탐지를 유발하는 원인이 된다. 이러한 기하 및 방사오차는 전처리과정인 기하보정 및 방사보정을 통해 제거해야 한다. 본 연구에서는 SURF (Speeded-Up Robust Feature)기법과 마스크필터를 활용하여 동시에 기하 및 방사보정을 자동으로 수행하는 방법론을 제안하고자 한다. SURF 기법을 통해 추출되는 정합쌍(MPs: Matching Points)은 자동 기하보정에 활용되며, 다시기 영상 간 불변특성을 보이는 지역에서 추출된다. 이러한 정합쌍의 특성을 바탕으로 상대방사보정에 활용되는 PIFs (Pseudo Invariant Features)를 선정하고, 선정된 PIFs를 중심으로 마스크필터를 생성하여 2차 PIFs를 추출했다. 추출된 정합쌍들을 활용하여 자동 기하보정을 수행한 후 기하보정된 영상에 PIFs를 활용하여 상대방사보정을 수행한 결과 기하 및 방사오차가 함께 제거된 것을 확인하였다.

• 한국추진공학회지
• /
• 제22권6호
• /
• pp.1-10
• /
• 2018

초음파 진동자에 의해 미립화된 탄화수소계 액체연료를 분사하는 버너에서 생성되는 화염의 거동을 고찰하기 위한 실험이 수행되었다. 고속카메라와 열화상 카메라를 이용하여 slit-jet 버너에서 생성된 화염과 연소장 이미지를 획득하였으며, 후처리 과정을 통해 화염과 연소장의 구조변이를 면밀히 분석하였다. 그 결과, 수송기체 유량이 증가하면 연소반응이 촉진되어 연소반응영역이 신장되고, 반응온도가 증가하였다. 또한, 시간 변화에 따른 가시화염과 IR 연소장의 거동변화 비교를 통해 화염의 진동원인을 고찰하였으며, 화염면적의 FFT분석을 통해 생성화염의 진동주파수도 확인하였다.

• 전자통신동향분석
• /
• 제34권4호
• /
• pp.15-22
• /
• 2019

Recent technological advances in three-dimensional (3D) sensing devices and machine learning such as deep leaning has enabled data-driven 3D applications. Research on artificial intelligence has developed for the past few years and 3D deep learning has been introduced. This is the result of the availability of high-quality big data, increases in computing power, and development of new algorithms; before the introduction of 3D deep leaning, the main targets for deep learning were one-dimensional (1D) audio files and two-dimensional (2D) images. The research field of deep leaning has extended from discriminative models such as classification/segmentation/reconstruction models to generative models such as those including style transfer and generation of non-existing data. Unlike 2D learning, it is not easy to acquire 3D learning data. Although low-cost 3D data acquisition sensors have become increasingly popular owing to advances in 3D vision technology, the generation/acquisition of 3D data is still very difficult. Even if 3D data can be acquired, post-processing remains a significant problem. Moreover, it is not easy to directly apply existing network models such as convolution networks owing to the various ways in which 3D data is represented. In this paper, we summarize technological trends in AI-based 3D content generation.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.798-801
• /
• 2014

현재, 디지털 시대의 급속 발전과 함께 멀티미디어 서비스에 대한 수요가 증가되고 있다. 그러나 영상 데이터를 처리, 전송, 저장하는 과정에서 여러 외부 원인에 의해 영상의 열화가 발생되며, 영상 열화의 주된 원인은 잡음에 의한 것으로 알려져 있다. 잡음을 제거하는 대표적인 방법은 CWMF(center weighted median filter), A-TMF(alpha-trimmed mean filter), AWMF(adaptive weighted median filter) 등이 있으며, 이러한 방법들은 복합잡음 환경에서의 잡음제거 특성이 다소 미흡하다. 따라서 본 논문에서는 복합잡음을 제거하기 위하여 잡음 판단을 거친 후, 마스크의 메디안 값 및 거리에 의해 적응 가중치를 설정하여 처리하는 영상복원 필터 알고리즘을 제안하였다. 그리고 객관적 판단을 위해 기존의 방법들과 비교하였으며, 판단의 기준으로 PSNR(peak signal to noise ratio)을 사용하였다.

• 농업과학연구
• /
• 제46권2호
• /
• pp.381-393
• /
• 2019

A smart farm is a system that combines information and communication technology (ICT), internet of things (IoT), and agricultural technology that enable a farm to operate with minimal labor and to automatically control of a greenhouse environment. Machine learning based on recently data-driven techniques has emerged with big data technologies and high-performance computing to create opportunities to quantify data intensive processes in agricultural operational environments. This paper presents research on the application of machine learning technology to diagnose the growth status of crops and predicting the harvest time of strawberries in a greenhouse according to image processing techniques. To classify the growth stages of the strawberries, we used object inference and detection with machine learning model based on deep learning neural networks and TensorFlow. The classification accuracy was compared based on the training data volume and training epoch. As a result, it was able to classify with an accuracy of over 90% with 200 training images and 8,000 training steps. The detection and classification of the strawberry maturities could be identified with an accuracy of over 90% at the mature and over mature stages of the strawberries. Concurrently, the experimental results are promising, and they show that this approach can be applied to develop a machine learning model for predicting the strawberry harvesting time and can be used to provide key decision support information to both farmers and policy makers about optimal harvest times and harvest planning.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.104-107
• /
• 2019

현대인들은 과거에 비해 풍부한 먹거리와 다양한 삶의 형태를 가지게 되었으나 바쁜 생활 속에 아침을 거르게 되고, 제 시간에 식사를 하지 못하는 등의 올바르지 못한 식습관을 형성하게 되었다. 이러한 식습관은 장기간 유지되면서 소화기관 장애로 이어지게 된다. 그에 가장 쉽게 발생하는 증상이 역류성 식도염과 삼킴 장애라고 불리는 연하 곤란이 있으며, 그 중 연하 곤란은 다양한 합병증의 형태로 발전하거나 위암, 후두암등의 전조증상으로 확인되기도 하여 빠르고 정확한 진단이 요구된다. 이에 따른 진단 결과는 현재도 의사가 수동적으로 판단하며 그 결과가 제각각이다. 여기서 말하는 진단 결과는 중증 정도를 말하는 것이며, 그에 따른 치료법이나 합병증을 파악할 때의 잘못된 진단으로 과한 치료나 부족한 대처로 이어지게 될 수도 있다. 본 논문에서는 연하 곤란의 심각 정도를 파악하기 위해 연하 곤란 진단 과정에서 식도로 이어지는 구간에 후두개곡과 이상와 부에 남는 잔여 음식물을 확인하기 위한 X-ray 이미지 처리에 K-means 알고리즘을 사용하는 프로그램을 개발하는 것을 연구하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권8호
• /
• pp.301-310
• /
• 2021

TATI 모델이란 Traffic Accident Text to RGB Image 모델로, 교통사고 심각 정도 예측을 위한 본 논문에서 제안하는 방법론이다. 교통사고 치사율은 매년 감소하는 추세이나 OECD 회원국 중 하위권에 속해있다. 교통사고 치사율 감소를 위해 많은 연구들이 진행되었고, 그 중에서 교통사고 심각 정도를 예측하여 발생 및 치사율을 줄이기 위한 연구가 꾸준하게 진행되고 있다. 이와 관련하여 최근에는 통계 모델과 딥러닝 모델을 활용하여 교통사고 심각 정도 예측을 하는 연구가 활발하다. 본 논문에서는 교통사고 심각 정도를 예측하기 위해서 교통사고 데이터를 컬러 이미지로 변환하고, CNN 모델을 통해 이를 수행한다. 성능 비교를 위해 제안하는 모델과 다른 모델들을 같은 데이터로 학습시키고, 예측결과를 비교하는 실험을 진행했다. 10번의 실험을 통해 4개의 딥러닝 모델의 정확도와 오차 범위를 비교하였다. 실험 결과에 따르면 제안하는 TATI 모델의 정확도가 0.85로 가장 높은 정확도를 보였고, 0.03으로 두 번째로 낮은 오차 범위를 보여 성능의 우수성을 확인하였다.

• 지적과 국토정보
• /
• 제51권1호
• /
• pp.125-136
• /
• 2021

최근 초경량무인비행장치(UAV)의 활용과 영상처리 기술 발달로 인해 정사영상과 수치모형 등을 활용한 응용 분야가 다양해지고 있다. 특히 토지측량분야에서도 이러한 결과물을 활용하여 위험지역분석과 같은 공간정보 활용이 활발해지고 있다. 본 연구에서는 UAV 고해상도 영상을 활용하여 고저차가 심한 경사지에서 정사영상의 위치정확도와 수치표면모델의 수직위치 정확도를 분석하고자 하였다. 연구 결과 대상지역 전역에 고르게 분포한 지상기준점(GCP)인 경우 2차원 정사영상에서 평면위치 오차는 크지 않았다. DSM의 수직위치의 경우 GCP의 선점위치를 점 간 고도차를 약 10m, 20m, 30m, 40m로 구분하여 전체를 포괄하는 각 8점의 GCP와 검사점을 대상으로 분석한 결과 비행코스별 고르게 분포되고 GCP 점 간 높이차가 30m일 경우(RMSEZ=0.07m) 가장 높은 정확도를 보였다. 본 연구지역과 유사한 대상지역을 UAV를 활용하여 수치모형을 제작할 경우 GCP 위치선정과 수직위치 정확도 향상에 도움이 될 수 있기를 기대한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권1호
• /
• pp.9-18
• /
• 2021

생성적 적대 신경망(Generative Adversarial Networks, GANs)은 컴퓨터 비전 분야와 관련 분야에서 큰 인기를 얻었으나, 아직까지는 오디오 신호를 직접적으로 생성하는 GAN이 제시되지 못했다. 오디오 신호는 이미지와 다르게 이산 값으로 구성된 생플링된 신호이므로, 이미지 생성에 널리 사용되는 CNN 구조로 학습하기 어렵다. 이러한 제약을 해결하고자, 최근 GAN 연구자들은 오디오 신호의 시간-주파수 표현을 기존 이미지 생성 GAN에 적용하는 전략을 제안했다. 본 논문은 이 전략을 따르면서 GAN을 사용해 생성된 오디오 신호의 충실도를 높이기 위한 개선된 방법을 제안한다. 본 방법은 공개된 스피치 데이터세트를 사용해 검증했으며, 프레쳇 인셉션 거리(Fréchet Inception Distance, FID)를 사용해 평가했다. 기존의 최신(state-of-the-art) 방법은 11.973의 FID를, 본 연구에서 제안하는 방법은 10.504의 FID를 보였다(FID가 낮을수록 충실도는 높다).

• 정보보호학회논문지
• /
• 제16권4호
• /
• pp.91-103
• /
• 2006

본 논문은 지문 인식 알고리즘의 신빙성 있는 성능 평가를 위해 실험에 사용되는 지문 영상 데이터베이스의 특성을 정량화하는 방법과 지문 영상 데이터베이스들의 난이도를 측정하는 방법을 제안하는 것을 목적으로 한다. 이를 위해 지문 영상 정합 시에 영향을 미치는 요소들을 정의하였으며, 두 지문 영상의 정합을 minutiae 기반이 아닌 orientation field을 사용하여 요소들을 평가한다. Orientation filed는 기존의 orientation 방법을 이용하되 계층적으로 측정함으로써 정합시의 속도와 정확성을 개선하였다. 실험 결과, 두 영상을 정합하여 얻어진 각각의 요소들의 측정수치는 데이터베이스들의 특성을 보여준다. 데이터베이스 난이도의 측정은 지문 인식 알고리즘들의 성능을 객관적이고 정량적으로 비교할 수 있게 해준다.