• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권9호
• /
• pp.335-344
• /
• 2018

모바일 AMOLED 디스플레이의 소모 전력을 소프트웨어 수준에서 참조하기 위해서는 소모 전력에 대한 모델이 필요하다. 하지만, 전력 모델을 얻기 위한 기존 연구들은 전력 측정 활동을 위한 실험 환경 및 장비가 필수적으로 요구되었다. 또한, 모델링을 위해 사용된 RGB 값의 조합이 무분별하고, 매우 적어 RGB 값들 간의 상호 영향을 모델에 반영하기 어려웠다. 본 연구는 이러한 문제점을 해결하기 위해 RGB 색 공간분할 기법 및 으로 구성된 맵핑 테이블 제공 방법을 제안한다. 제안된 분할 기법을 통해 색과 함께 전력을 고려하며 RGB 조합들을 샘플링하고, 제안된 맵핑 테이블 제공 방법에 따라 샘플링된 RGB 조합들로 구성된 맵핑 테이블을 생성한다. 실험을 통해 색 차원과 전력 차원에서의 분할 기법에 따른 샘플들의 특징을 분석하였고, 이를 바탕으로 AMOLED 디스플레이에 대한 맵핑 테이블을 생성하였다. 더불어, 맵핑 테이블을 활용하여 각기 다른 4개의 전력 모델을 평가함으로써 맵핑 테이블의 재사용 가능성을 확인하였다. 이러한 맵핑 테이블은 연구자들에게 제공되어 전력 측정 활동 없이도 전력 모델을 생성하는데 활용될 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2016년도 제54차 하계학술대회논문집 24권2호
• /
• pp.101-102
• /
• 2016

본 논문에서는 차량의 특징점들 사이의 간격과 크기의 비례식으로 자동차의 차종을 식별하는 방법을 제시한다. 자동차 관련 영상은 그 편의성을 위하여 기본 RGB모델에서 Gray색상 모델로 변환시켜 사용한다. 자동차의 배경 제거는 Canny Edge Direction을 통하여 수행하고 외곽선 검을을 통하여 원하는 특징 점을 얻는다.

• 한국정보통신학회논문지
• /
• 제26권8호
• /
• pp.1121-1129
• /
• 2022

RGB 이미지를 활용하는 다양한 객체 인식 분야에서 조도가 어둡거나 특정 물체에 의해 가려진 환경에서의 RGB 이미지는 객체 인식 성능 저하를 일으킨다. IR 이미지는 가시광선이 아닌 적외선 파동을 감지하기 때문에 이러한 환경에서 강인한 객체 인식 성능을 가질 수 있고, RGB-IR 이미지 쌍을 가지고 각자의 강점을 결합 하는 것을 통해 객체 인식 성능을 향상시킬 수 있다. 본 논문에서는 RGB-IR 이미지 쌍의 강점만을 결합하여 객체 인식 성능을 향상시키는 다중 스펙트럼 융합 모델인 high-frequency interchange network (HINet)을 제안한다. HINet은 RGB-IR 이미지 간 주요 정보를 교환하기 위해 두 가지 객체 인식 모델을 mutual high-frequency transfer (MHT)를 이용하여 연결하였다. MHT에서는 RGB-IR 이미지 쌍 각각을 discrete cosine transform (DCT) 스펙트럼 도메인으로 변환하여 고주파 정보를 추출한다. 추출된 고주파 정보는 서로의 네트워크에 전달되어 객체 인식성능 향상을 위해 활용되어 진다. 실험 결과는 제안하는 네트워크의 우수성을 보이며 다중 스펙트럼 객체 인식 성능을 향상시키는 것을 확인할 수 있다.

• 한국측량학회지
• /
• 제13권2호
• /
• pp.163-168
• /
• 1995

색은 칼라 모니터 상에서 삼원색에 대한 수치를 조합하여 나타내는 RGB칼라모델과 명도, 색도, 채도항의 IHS 칼라모델, CMY칼라모델, YIQ 칼라모델 등을 이용하여 나타낼 수 있다. IHS칼라모델은 RGB칼라모델보다 사용자가 색을 수학적으로 평가하여 쉽게 조정할 수 있는 이점이 있다. 본 연구에서는 Landsat TM의 밴드 3,2,1을 조합한 인공위성 영상과 스캐닝한 지도영상을 IHS 변환과 명도 조정 기법을 이용하여 색분해를 통한 재합성을 실시하므로서 천연색 지도 영상을 제작할 수 있었다. 그리고 인공위성영상과 지도영상을 합성할 때 발생하는 문제점과 그 해결방안을 제시하였다.

• 방송공학회논문지
• /
• 제25권3호
• /
• pp.439-448
• /
• 2020

본 논문에서는 다시점 RGB-D 카메라의 포인트 클라우드 정합을 위한 수정된 최적화 알고리즘을 제안한다. 일반적으로 컴퓨터 비전 분야에서는 카메라의 위치를 정밀하게 추정하는 것은 매우 중요하다. 기존의 연구에서 제안된 3D 모델 생성 방식들은 많은 카메라 대수나 고가의 3차원 Camera를 필요로 한다. 또한 2차원 이미지를 통해 카메라 외부 파라미터를 얻는 방식들은 큰 오차를 가지고 있다. 본 논문에서는 저가의 RGB-D 카메라를 8개 사용하여 전방위 자유시점을 제공할 수 있는 3차원 포인트 클라우드 및 매쉬 모델을 생성하기 위한 정합 기법을 제안하고자 한다. RGB영상과 함께 깊이지도 기반의 함수 최적화 방식을 이용하고, 초기 파라미터를 구하지 않으면서 고품질의 3차원 모델을 생성할 수 있는 좌표 변환 파라미터를 구하는 방식을 제안한다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제24권3호
• /
• pp.61-71
• /
• 2018

RGB-D 카메라 촬영 영상에 대한 카메라 포즈 추정을 통하여 복원한 3차원 전역 공간의 점 집합으로부터 삼각형 메쉬를 생성할 때, 일반적으로 메쉬의 크기가 커질수록 3차원 모델의 품질 또한 향상된다. 하지만 어떤 한계를 넘어서 삼각형 메쉬의 해상도를 높일 경우, 메모리 요구량의 과도한 증가나 실시간 렌더링 성능저하 문제뿐만 아니라 RGB-D 센서의 정밀도 한계로 인한 접 집합 데이터의 노이즈에 민감해지는 문제가 발생한다. 본 논문에서는 실시간 응용에 적합한 3차원 모델 생성을 위하여 비교적 적은 크기의 삼각형 메쉬에 대하여 3차원 점 집합의 촬영 색상으로부터 고화질의 텍스쳐를 생성하는 기법을 제안한다. 특히 카메라 포즈 추정을 통하여 생성한 3차원 점 집합 공간과 2차원 텍스쳐 공간 간의 매핑 관계를 활용한 간단한 방법을 통하여 RGB-D 카메라 촬영 영상으로부터 복원한 3차원 모델에 대하여 효과적으로 텍스쳐를 생성할 수 있음을 보인다.

• 한국항행학회논문지
• /
• 제28권2호
• /
• pp.238-245
• /
• 2024

본 논문에서는 농작물 다중 분광 이미지에 대해 특징 융합 기법을 이용하여 의미론적 분할 성능을 향상시키기 위한 프레임워크를 제안한다. 스마트팜 분야에서 연구 중인 딥러닝 기술 중 의미론적 분할 모델 대부분은 RGB(red-green-blue)로 학습을 진행하고 있고 성능을 높이기 위해 모델의 깊이와 복잡성을 증가시키는 데에 집중하고 있다. 본 연구는 기존 방식과 달리 다중 분광과 어텐션 메커니즘을 통해 모델을 최적화하여 설계한다. 제안하는 방식은 RGB 단일 이미지와 함께 UAV (unmanned aerial vehicle)에서 수집된 여러 채널의 특징을 융합하여 특징 추출 성능을 높이고 상호보완적인 특징을 인식하여 학습 효과를 증대시킨다. 특징 융합에 집중할 수 있도록 모델 구조를 개선하고, 작물 이미지에 유리한 채널 및 조합을 실험하여 다른 모델과의 성능을 비교한다. 실험 결과 RGB와 NDVI (normalized difference vegetation index)가 융합된 모델이 다른 채널과의 조합보다 성능이 우수함을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.107-108
• /
• 2016

특징점들 사이의 간격과 크기의 비례식으로 자동차의 차종을 식별하는 방법을 제시한다. 자동차 영상은 기본 RGB모델에서 Gray색상 모델로 변환시켜 사용한다. Canny Edge Direction을 통하여 자동차의 배경 제거를 수행한다. 윤곽선 검출을 통하여 원하는 특징 점을 얻는다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.15-16
• /
• 2021

본 논문에서는 RGB 영상 데이터를 입력으로 하여 mediapipe의 손 포즈 추정 알고리즘을 적용해 손가락 관절 및 주요 부위의 위치를 얻고 이를 기반으로 딥러닝 모델에 학습 후 손동작 인식 방법을 제안한다. 연속된 프레임에서 한 손의 손가락 주요 부위 간 좌표를 얻고 차분 벡터의 x, y좌표를 저장한 후 Conv1D, Bidirectional GRU, Transformer를 결합한 딥러닝 모델에 학습 후 손동작 인식 분류를 하였다. IC4You Gesture Dataset 의 한 손 동적 데이터 9개 클래스에 적용한 결과 99.63%의 손동작 인식 정확도를 얻었다.

• 방송공학회논문지
• /
• 제24권5호
• /
• pp.765-774
• /
• 2019

본 논문에서는 다중 RGB-D 카메라의 포인트 클라우드 정합 알고리즘을 제안한다. 일반적으로 컴퓨터 비전 분야에서는 카메라의 위치를 정밀하게 추정하는 문제에 많은 관심을 두고 있다. 기존의 3D 모델 생성 방식들은 많은 카메라 대수나 고가의 3D Camera를 필요로 한다. 또한 2차원 이미지를 통해 카메라 외부 파라미터를 얻는 기존의 방식은 큰 오차를 가지고 있다. 본 논문에서는 저가의 RGB-D 카메라 8대를 사용하여 전방위 3차원 모델을 생성하기 위해 깊이 이미지와 함수 최적화 방식을 이용하여 유효한 범위 내의 오차를 갖는 좌표 변환 파라미터를 구하는 방식을 제안한다.