• 지적과 국토정보
• /
• 제50권1호
• /
• pp.75-85
• /
• 2020

본 연구는 토지피복 분류에 사용 가능한 ROI 생성 과정에서 기계학습 기반 교차검증을 활용하였다. 연구지역은 세종시를 포함한 2019년 10월 28일 단시기 KOMPSAT-3A 영상을 활용하였다. 연구 과정에서 4개의 밴드(Red, Green, Blue, Near Infra-red)를 독립변수로 교차검증 과정에서 학습시켰다. 또한 SVM의 4가지 기법(Linear, Polynomial, RBF, Sigmoid)을 활용하여 추출된 ROI를 기반으로 토지피복 분류를 실시하였다. 교차검증 과정에서 훈련된 3,500개의 데이터 중 1,813개의 데이터가 추출되었으며 건물, 도로, 그리고 초지에서 약 60%의 데이터가 제거되었다. 추출된 ROI를 기반으로 다른 SVM기법에 비해 SVM Linear 기법이 91.77%로 가장 높은 분류 정확도를 나타냈다. 분류 클래스 중 초지의 경우 산림과의 오분류가 가장 많이 발생하며 79.43%의 생산자 정확도로 가장 낮은 분류 정확도를 보여주었다. 연구 결과에 따라 교차검증에서 추출된 ROI는 산림, 수역, 그리고 농업지역에 대해서는 90%이상의 분류정확도를 보여주며 효과적인 분류결과를 도출할 수 있었으나, 80%의 분류정확도를 보여주는 건물, 도로, 나대지, 그리고 초지 지역을 분류하는 방법에 대해서는 추가적인 연구가 진행되어야 할 필요성이 존재한다.

• 한국컴퓨터정보학회논문지
• /
• 제14권3호
• /
• pp.93-101
• /
• 2009

본 논문에서는 웨이블릿 변환 된 고주파 서브밴드들의 에지 정보를 이용하여 관심 객체 영역을 고속으로 자동 검출해주는 새로운 알고리즘을 제안하였다. 제안된 방법에서는 에지정보를 이용하여 블록단위의 4-방향 객체 윤곽탐색 알고리즘(4-DOBS)을 수행하여 관심객체를 검출한다. 전체 이미지는 $64{\times}64$또는 $32{\times}32$ 크기의 코드 블록으로 먼저 나누어지고, 각 코드 블록 내에 에지들이 있는지 없는지에 따라 관심 코드블록 또는 배경이 된다. 4-방향은 바깥쪽에서 이미지의 중앙으로 탐색하고, 피사계 심도가 낮은 이미지는 중앙으로 갈수록 에지가 발견된다는 특징을 이용한다. 에지를 모두 발견하면 내부의 이미지 블록은 모두 관심영역으로 간주하고, 이 블록들은 빠르게 마스킹되어 서버로 전송되어 동적 ROI를 제공한다. 이는 기존 방법들의 문제점이였던 복잡한 필터링 과정과 영역병합 문제로 인한 높은 계산 복잡도를 상당히 개선시킬 수 있었고, 블록 단위의 처리로 인하여 실시간 처리를 요하는 응용에서도 적용 가능하였다.

• 전자공학회논문지
• /
• 제51권4호
• /
• pp.110-122
• /
• 2014

최근 사용자에게 직접 입체감을 제공하는 3차원 영상기술에 대한 관심이 증대함에 따라 스테레오스코픽 비디오 화질 측정기술개발은 중요한 주제로 많은 연구자에게 관심을 받고 있다. 특히, 스테레오스코픽 비디오 화질 측정에 중요한 역할을 하는 인간시각특성을 고려한 연구가 활발히 진행되지 않고 있어 본 논문에서 스테레오스코픽 비디오를 시청할 때 자극되는 다수의 인간시각특성 요소인 깊이, 움직임, 컬러, 휘도, 대조 등을 고려하여 3차원 시각 주의 모델을 제안한다. 또한, 본 논문에서는 실제 3차원 영상 특정 영역의 화질 열화 정도를 측정하는데 제안된 3차원 시각 주의 모델을 사용하여 무참조 스테레오스코픽 비디오 화질 측정 방법을 제안하였다. 제안 방법을 검증하기 위해 주관평가를 실시하여 기존의 스테레오스코픽 비디오 화질 측정 방법보다 평균 평가점에서 더 높은 연관성을 보였다. 게다가, 3차원 시각 주의 모델을 이용하여 스테레오스코픽 비디오의 관심영역 추출 결과는 공간적, 시간적 요소를 고려하여 추출된 관심영역에 비해 실제 관심영역과 더욱 유사함을 주관적으로 보여 제안 방법의 효율성을 보였다.

• 방송공학회논문지
• /
• 제17권4호
• /
• pp.670-675
• /
• 2012

정지영상 및 동영상내의 화면에서 관심영역이 설정되고, 비관심영역에 비하여 관심영역에 높은 화질이 제공되면 전체적으로 주관적 화질이 증대하게 된다. 관심영역은 색상 카메라만을 이용하여 추출하게 되면 계산이 복잡해질 뿐만아니라 추출의 정확도도 떨어지게 된다. 따라서 본 논문에서는 관심영역을 설정하기 위하여 깊이 카메라를 이용하며, 카메라와 관심영역 객체별 거리를 산출하고, 거리에 따라 객체의 화질을 차별적으로 제어하는 방법을 제안한다. 즉, 거리가 먼 객체에는 높은 양자화 계단크기를 적용하지만, 상대적으로 거리가 가까운 객체에는 낮은 양자화 계단크기를 적용하여 화질을 좋게 한다. 본 논문에서 제안된 방법에 의해 객체의 거리별로 양자화계단의 크기를 차등적으로 적용함으로써 주관적 화질의 개선이 이루어졌으며 모의실험을 바탕으로 확인할 수 있다.

• 한국지능시스템학회논문지
• /
• 제26권6호
• /
• pp.493-497
• /
• 2016

적외선 영상은 야간에 표적의 탐지가 가능하여 보완과 감시분야에 활용도가 높다. 그러나 가시광선 영상에 비하여 해상도가 낮고 잡음의 영향이 크다는 단점이 있다. 본 논문에서는 적외선 영상의 표적을 분할하는 방법을 연구한다. 표적을 포함하는 다수의 관심영역(Region of Interest)을 다단계 분할 방법을 이용하여 추출하고 관심영역을 입력영상으로 다단계 분할방법을 다시 적용하여 표적을 분할한다. 다단계 분할 방법의 각 단계는 가우시안 혼합모델의 파라미터를 초기화 하고 추정하는 k-means 클러스터링(Clustering)과 EM(Expectation-Maximization) 알고리즘과 추정된 사후확률을 이용하여 각 화소의 클러스터를 결정하는 단계로 구성된다. 본 논문에서 추출된 관심영역을 선택하고 통합하는 방법을 제안한다. 관심영역의 통합은 근접한 모든 관심영역의 윈도우를 포함하도록 이루어진다. 실험에서는 야간의 보행자로부터 획득한 적외선 영상에 제안된 방법을 적용하고 다른 분할 방법과 비교하여 제안한 방법이 우수함을 보인다.

• 한국멀티미디어학회논문지
• /
• 제9권12호
• /
• pp.1588-1595
• /
• 2006

In this paper, we proposed a liver extracting procedure for computer aided liver diagnosis system. Extraction of liver region in an abdominal CT image is difficult due to interferences of other organs. For this reason, liver region is extracted in a region of interest(ROI). ROI is selected by the window which can measure the distribution of Hounsfield Unit(HU) value of liver region in an abdominal CT image. The distribution is measured by an existential probability of HU value of lever region in the window. If the probability of any window is over 50%, the center point of the window would be assigned to ROI. Actually, liver region is not clearly discerned from the adjacent organs like muscle, spleen, and pancreas in an abdominal CT image. Liver region is extracted by the watershed segmentation algorithm which is effective in this situation. Because it is very sensitive to the slight valiance of contrast, it generally produces over segmentation regions. Therefore these regions are required to merge into the significant regions for optimal segmentation. Finally, a liver region can be selected and extracted by prier information based on anatomic information.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 추계학술대회
• /
• pp.494-496
• /
• 2017

본 논문에서는 기존의 회전근개 건 파열 추출 방법을 개선하기 위하여 초음파 영상에서 환자 정보를 제거하여 ROI 영역을 추출한다. 추출된 ROI 영역에서 명암 대비를 강조하기 위해 기존의 사다리꼴 형태의 퍼지 스트레칭 기법에서 소속 함수를 개선한 퍼지 스트레칭 기법을 적용하여 힘줄과 연골 영역을 효과적으로 강조한다. 강조된 ROI 영역에서 Max-Min 이진화와 8방향 윤곽선 추적 기법 및 Monoton Cubic Spline 기법을 적용한 후에 라벨링 기법을 적용하여 힘줄 및 연골 영역을 추출한다. 추출된 힘줄과 연골 영역을 이용하여 회전근개 영역을 추출한다. 추출한 회전근개 영역에 SOM 기반 양자화 기법을 적용하여 회전근개 건 파열 영역을 추출한다. 제안된 회전근개 건 파열 영역 추출 방법을 다양한 초음파 회전근개 건 파열 영상을 대상으로 실험한 결과, 제안된 회전근개 건 파열 영역이 기존의 추출 방법보다 TPR 값이 증가되어 회전근개 건 파열 분석에 효과적인 것을 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.239-241
• /
• 2015

본 논문에서는 클러스터 개수를 동적으로 생성하는 개선된 FCM을 적용하여 초음파 영상에서 충수염을 추출하는 방법을 제안한다. 초음파 영상에서 ROI 영역을 추출한 후, Max-Min 기반 이진화 기법을 적용한다. 이진화된 영상에서 근막 영역의 크기가 ROI 영역의 1/3이상을 차지한다는 정보를 이용하여 Labelling 기법을 적용하여 근막 영역을 추출한다. 근막의 최하단 좌표를 이용하여 근막의 하단 영역을 추출한 후, 근막의 하단 영역에서 객체들의 선명도를 높이기 위해 Blurring 기법과 Sharpening 기법을 적용한다. 충수염의 후보 영역을 추출하기 위해 FCM 알고리즘을 개선하여 양자화를 수행한다. 개선된 FCM 알고리즘으로 양자화를 수행하여 충수염의 후보 영역을 추출한다. 추출된 충수염의 후보 영역에서 8방향 윤곽선 추적 기법을 적용하여 객체들을 추출한다. 추출된 객체들 중에서 낮은 명암도를 가지고 초음파 전체 영상 크기의 1/3이하 되는 객체를 충수염으로 추출한다. 초음파 영상을 대상으로 제안된 방법을 적용하여 실험한 결과, 기존의 방법보다 충수염 영역의 추출률이 개선된 것을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.507-509
• /
• 2015

본 논문에서는 지방종 초음파 영상에서 지방종을 자동적으로 추출하는 방법을 제안한다. 제안된 방법은 초음파 영상에 Monotone Cubic Spline 보간법을 이용하여 ROI영역을 추출한다. 추출된 ROI 영역에 Fuzzy Stretching 기법을 적용하여 명암 대비를 강조한 후, ART2 알고리즘과 8방향 윤곽선 추적 알고리즘을 적용하여 잡음을 제거한 후에 지방종의 후보 영역을 추출한다. 추출된 지방종의 후보 영역 중에서 형태학적으로 타원 형태를 띠거나 가장 큰 후보 영역의 정보를 이용하여 Labeling 기법을 적용하여 최종적으로 지방종 영역을 추출한다. 제안된 방법을 지방종 초음파 영상에 실험한 결과, 지방종 영역이 비교적 정확히 추출되는 것을 실험을 통하여 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.611-614
• /
• 2003

본 논문에서는 컨베이어 벨트상에서 이송되는 대용량 소포영상의 획득과정을 통해 ROI(Region of Interest) 고속추출하기 위한 개념모델을 제시하고, 바코드와 같은 정규패턴을 고속으로 추출하여 단계적으로 검증한 것이다. 불필요한 영역을 검사하기 위한 조건과 유사한 패턴을 단계적으로 제거하는 방법을 적용한 것이다. $4,096{\times}4,096$이상의 대용량 영상에서 여러 종류의 2차원 바코드 ROI를 추출에 대해 약 200msec 이내에 완료되고, 거의 100%에 가까운 신뢰도로 바코드 영역을 추출할 수 있도록 한 것이다.