• 대한디지털의료영상학회논문지
• /
• 제9권1호
• /
• pp.53-65
• /
• 2007

PACS has been run at the Kyung Hee University Medical Center(KHMC) since 2001, and the installation and operation of PACS have contributed to automation and quantification of KHMC's medical environment During these five years our greatest concern is how to make our own guiding principle of diagnostic monitor QA which is adapted to international standards. In accordance with the terms of 'KHMC QA Guideline', 'AAPM TG18', 'SMPTE RP133', 'DICOM Part14', 'DIN V 6868-57', 'JESRA X-0093', 'JIS Z4752-2-5' and 'KCARE', concern about quality assurance of medical images are on the increase. With the investigation of acceptance testing and quality control of international standards for medical display devices, and data collection and analysis for recommended guideline, it is reported that acceptance testing(quality control), including geometrical distortion, display reflection, luminance response, luminance uniformity, display resolution, display noise, veiling glare and color chromaticity being adequate and effective to domestic hospital environments for medical display devices and assessment methods according to each performance. Accordingly, KHMC classified the checkpoint items by period, at the time of monitor setting, monthly, quarterly, half-yearly and annually. Periodic classification of checkpoint items for monitor QA makes a good guideline for image QA/QC and useful guideline for persistent good quality of monitor.

• 비파괴검사학회지
• /
• 제31권2호
• /
• pp.165-173
• /
• 2011

음향방출기법은 대형 구조물의 구조건전성감시(SHM)를 위한 매우 효율적인 방법이지만, 롤러코스터 지지구조물처럼 승용물의 운행으로 인한 매우 큰 잡음이 일상적으로 존재하는 경우에는 균열 진전 신호만을 분류하여 실시간 감시를 수행하기가 쉽지 않다. 이와 같은 문제의 해결을 위해 본 연구에서는 실시간으로 음원의 분류가 가능한 파형 파라미터 필터링 기법을 제안하였다. 파형 파라미터 필터링 기법은 음향방출 신호의 파형 파라미터를 이용하여 음향방출 히트를 사전에 필터링함으로써 실시간으로 감시하고자 하는 대상 음원만을 분류해내는데 매우 유리한 점이 있다. 다양한 음원에 대해 음향방출 파형 파라미터를 측정 및 분석하여 제안한 기법의 타당성을 살펴보았다. 또한 파형 파라미터 필터가 내장된 음향 방출 시스템을 구축하고 이를 실제 롤러코스터 지지구조물에 적용하여 실시간 균열진전 감시를 위한 가능성을 타진하였다.

• 한국정보전자통신기술학회논문지
• /
• 제11권3호
• /
• pp.229-234
• /
• 2018

텍스춰는 영상을 분류하거나 분할하는데 사용되는 유용한 특징이다. 기존에 제안되었던 LBP는 텍스춰 영상의 지역적인 특징을 간단한 연산을 통해 성공적으로 추출하는 기법으로서 많은 응용 분야에서 높은 성능을 보인 것으로 확인되었지만 오직 화소값의 차이만을 토대로 특징을 기술하기 때문에 잡음에 약하고 특히 이웃화소의 수가 증가함에 따라 특징벡터의 차원이 기하급수적으로 증가하는 문제점으로 인해 멀티스테일 텍스춰 기술자로서 사용하기에는 제약이 크다. 본 논문은 이런 LBP의 단점을 극복하기 위하여 화소값의 범위를 구간별로 양자화하여 양자화영상의 화소값의 상관관계를 3차원 히스토그램으로 표현하는 기법을 제시한다. 이와 같이 3차원 히스토그램을 이용하여 화소값 사이의 상관 관계를 추출하면 특징벡터의 차원이 선형적으로 증가하는 특성을 가지므로 멀티스케일 텍스춰 기술자로 다양하게 응용될 수 있다. 제안하는 방법을 텍스춰 실험영상을 통해 실험한 결과 텍스춰를 분류하는 문제에 있어서 LBP와 비교하여 유의 수준의 성능의 향상을 확인하였다.

• 디지털콘텐츠학회 논문지
• /
• 제18권7호
• /
• pp.1323-1331
• /
• 2017

오늘날 저작권 관련 산업이 사회, 경제적으로 큰 영향을 미치는 대규모 산업으로 성장하였음에도 불구하고 저작물에 대한 소유권 및 저작권에 대한 문제가 끊임없이 발생하고 있으며 특히 이미지 저작권과 관련된 연구는 거의 진행되지 않는 상태이다. 본 연구에서는 기존의 문서 영상처리 기술과 딥 러닝 기술을 융합하여 교육용 도서 영상에서의 객체 자동 추출 및 분류 기술 시스템을 제안한다. 제안된 기술은 먼저 잡음을 제거한 후, 시각적 주의(visual attention) 기반 영역 추출 과정을 수행한다. 추출된 영역을 기반으로 블록화 작업을 수행하고, 각 블록을 그림인지 아니면 문자 영역인지를 분류한다. 마지막으로 추출된 그림 영역 주위를 검색하여 캡션 영역을 추출한다. 본 연구에서 진행한 성능 평가 결과, 그림 영역은 최대 97% 정확도를 보이며, 그림 및 캡션 영역 추출에 있어서는 평균 83%의 정확도를 보여 준다.

• 융합정보논문지
• /
• 제10권6호
• /
• pp.41-48
• /
• 2020

수중 IoT 네트워크에서 센서 노드는 지속적인 전력 공급이 어렵기 때문에 제한된 상황에서 소비 전력과 네트워크 처리량의 효율성이 매우 중요하다. 이를 위해 기존의 무선 네트워크에서는 SNR(Signal Noise Rate)과 BER(Bit Error Rate)의 높은 연관성을 기반으로 적응적으로 통신 파라미터를 선택하는 AMC(Adaptive Modulation and Coding) 기술을 적용한다. 하지만 본 논문의 실험 결과, 수중에서 SNR과 BER 사이의 상관 관계가 상대적으로 감소함을 확인하였다. 따라서 본 논문에서는 SNR과 함께 다중 파라미터를 동시에 사용하는 딥러닝 기반 BER 예측 모델(MLP, Multi-Layer Perceptron)을 적용한다. 제안하는 BER 예측 모델은 처리량이 가장 높은 통신 방법을 찾아낼 수 있고, 시뮬레이션 결과 85.2%의 높은 정확도와 네트워크 처리량은 기존 처리량보다 4.4배 높은 성능을 보여주는 우수한 성능을 확인하였다.

• 대한전자공학회논문지SP
• /
• 제42권2호
• /
• pp.37-48
• /
• 2005

본 논문에서는 적외선 영상에서 밝기변화를 예측하기 어려운 일정한 크기의 관심 물체를 검출하기 위하여, 밝기순위 특징과 이론 이용한 물체식별기법을 제안한다. 제안하는 밝기순위 특징은 밝기값의 분포가 균일하도록 영상을 정규화하여 나타낸 것으로, 적외선 영상과 같이 검출대상 물체의 밝기분포를 쉽게 예측하기 어려운 경우에 적합한 특징이다. 제안하는 식별기법은 주어진 후보영역이 검출대상 물체의 학습영상들에 대해 밝기순위가 부합하는 정도를 수치화하여 각각의 후보영역을 물체와 비물체로 식별한다 제안하는 기법을 통하여 별도의 후보영역 선정과정 없이도 일정한 크기의 관심 물체에 대해 화소단위의 검출결과를 획득할 수 있다. 실험에서는 적외선 자동차 영상을 이용하여 밝기순위특징이 적외선 영상 내 물체식별에 적합함을 보이고, 잡음 및 물체의 크기변화, 기울어짐이 존재하는 상황에서의 검출결과를 보인다.

• 전자공학회논문지B
• /
• 제33B권1호
• /
• pp.144-152
• /
• 1996

대규모 병렬처리가 가능하고 칩당 뉴론 집적도가 높은 펄스형 디지털 다계층 신경망 구조를 제안하였다. 제안된 신경망에서는 대수적인 신경망연산이 의사-랜덤 펄스 시퀀스(pseudo-random pulse sequences)와 단순 디지털 논리 게이트를 이용하여 확률적 프로세스로 대치되었다. 확률적 프로세스의 결과로 나타나는 신경망 연산의 통계적 모델을 제시하였으며 이를 바탕으로 랜덤잡음의 영향과 연산의 정확도를 분석하였다. 이진인식 문제를 적용하여 제안된 신경망의 성능을 평가하고 제시한 통계적 분석결과의 정당성을 검증하였다. Gate 레벨과 register transfer 레벨로 기술된 신경망의 VHDL 모델의 시뮬레이션 결과는 개발된 통계적모델로 예측된 인식추정치와 실제 인식률이 거의 일치함을 보였으며, 또한 숫자인식률에 있어서도 일반 Back-Propagation 신경망의 인식률과 거의 차이가 없음을 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권10호
• /
• pp.3955-3971
• /
• 2020

Due to the significant increase in the use of autonomous car technology, it is essential to integrate this technology with high-precision digital map data containing more precise and accurate roadway information, as compared to existing conventional map resources, to ensure the safety of self-driving operations. While existing map technologies may assist vehicles in identifying their locations via Global Positioning System, it is however difficult to update the environmental changes of roadways in these maps. Roadway vision algorithms can be useful for building autonomous vehicles that can avoid accidents and detect real-time location changes. We incorporate a hybrid architectural design that combines unsupervised classification of vision data with supervised joint fusion classification to achieve a better noise-resistant algorithm. We identify, via a deep learning approach, an intelligent hybrid fusion algorithm for fusing multimodal vision feature data for roadway classifications and characterize its improvement in accuracy over unsupervised identifications using image processing and supervised vision classifiers. We analyzed over 93,000 vision frame data collected from a test vehicle in real roadways. The performance indicators of the proposed hybrid fusion algorithm are successfully evaluated for the generation of roadway digital maps for autonomous vehicles, with a recall of 0.94, precision of 0.96, and accuracy of 0.92.

• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.509-514
• /
• 2015

본 논문에서는 인공 신경망의 일종인 Extreme Learning Machine의 학습 알고리즘을 기반으로 하여 노이즈에 강한 특성을 보이는 퍼지 집합 이론을 이용한 새로운 패턴 분류기를 제안 한다. 기존 인공 신경망에 비해 학습속도가 매우 빠르며, 모델의 일반화 성능이 우수하다고 알려진 Extreme Learning Machine의 학습 알고리즘을 퍼지 패턴 분류기에 적용하여 퍼지 패턴 분류기의 학습 속도와 패턴 분류 일반화 성능을 개선 한다. 제안된 퍼지패턴 분류기의 학습 속도와 일반화 성능을 평가하기 위하여, 다양한 머신 러닝 데이터 집합을 사용한다.

• 한국인터넷방송통신학회논문지
• /
• 제15권6호
• /
• pp.291-296
• /
• 2015

주행 중인 차량의 타이어와 노면 사이에서 발생하는 랜덤성 초음파신호의 주기성을 검출하여 타이어의 손상을 분별하는 방법에 대하여 연구하였다. 잡음으로부터 타이어손상에 의한 유효한 펄스를 검출하기 위해 적응 임계치를 설정하는 방법을 제안하였고, 이를 위한 전처리로서 신호의 랜덤성을 감소시키는 저역통과필터를 사용하였다. 자동차의 속도에 따라 검출된 펄스의 시간간격을 밀도함수화하고 피크점의 시간을 측정하여 타이어 손상물질을 검출하는 방법을 제안하였다. 손상물질이 한 개이고, 주행속도가 50km/h, 80km/h, 100km/h 일 때, 시간밀도함수의 제 1 피크시간 측정결과는 각각 169.8ms, 97.9ms, 81.8ms로 주행속도에 따라 계산한 타이어 회전주기의 오차범위내로 측정되었으며, 한개 이상의 손상물질의 경우에는 각 피크시간의 합이 타이어 회전주기의 오차범위내로 측정되는 결과를 얻을 수 있었다.