Camera calibration is an important part of machine vision and close-range photogrammetry. Since current calibration methods fail to obtain ideal internal and external camera parameters with limited computing resources on mobile terminals efficiently, this paper proposes an improved fast camera calibration method for mobile terminals. Based on traditional camera calibration method, the new method introduces two-order radial distortion and tangential distortion models to establish the camera model with nonlinear distortion items. Meanwhile, the nonlinear least square L-M algorithm is used to optimize parameters iteration, the new method can quickly obtain high-precise internal and external camera parameters. The experimental results show that the new method improves the efficiency and precision of camera calibration. Terminals simulation experiment on PC indicates that the time consuming of parameter iteration reduced from 0.220 seconds to 0.063 seconds (0.234 seconds on mobile terminals) and the average reprojection error reduced from 0.25 pixel to 0.15 pixel. Therefore, the new method is an ideal mobile terminals camera calibration method which can expand the application range of 3D reconstruction and close-range photogrammetry technology on mobile terminals.
This paper presents an effective Markov transition matrix (EMTM), which will be used to calculate the wind speed at the target site in a wind farm to accurately predict wind energy production. The existing MTS prediction method using a Markov transition matrix (MTM) exhibits a limitation where significant prediction variations are observed owing to random selection errors and its bin width. The proposed method selects the effective states of the MTM and refines its bin width to reduce the error of random selection during a gap filling procedure in MTS. The EMTM reduces the level of variation in the repeated prediction of wind speed by using the coefficient of variations and range of variations. In a case study, MTS exhibited better performance than other MCP models when EMTM was applied to estimate a one-day wind speed, by using mean relative and root mean square errors.
Unsupervised deep learning methods have shown impressive results for the challenging monocular depth estimation task, a field of study that has gained attention in recent years. A common approach for this task is to train a deep convolutional neural network (DCNN) via an image synthesis sub-task, where additional views are utilized during training to minimize a photometric reconstruction error. Previous unsupervised depth estimation networks are trained within a fixed depth estimation range, irrespective of its possible range for a given image, leading to suboptimal estimates. To overcome this suboptimal limitation, we first propose an unsupervised adaptive depth estimation method guided by minimum and maximum (min-max) depth priors for a given input image. The incorporation of min-max depth priors can drastically reduce the depth estimation complexity and produce depth estimates with higher accuracy. Moreover, we propose a novel network architecture for adaptive depth estimation, called the AdaMM-DepthNet, which adopts the min-max depth estimation in its front side. Intensive experimental results demonstrate that the adaptive depth estimation can significantly boost up the accuracy with a fewer number of parameters over the conventional approaches with a fixed minimum and maximum depth range.
In this paper, a new modified conjugate gradient (MCG) method is presented which is based on a new gradient regularizer, and this method is used to identify the dynamic load on airfoil structure without and with considering random structure parameters. First of all, the newly proposed algorithm is proved to be efficient and convergent through the rigorous mathematics theory and the numerical results of determinate dynamic load identification. Secondly, using the perturbation method, we transform uncertain inverse problem about force reconstruction into determinate load identification problem. Lastly, the statistical characteristics of identified load are evaluated by statistical methods. Especially, this newly proposed approach has successfully solved determinate and uncertain inverse problems about dynamic load identification. Numerical simulations validate that the newly developed method in this paper is feasible and stable in solving load identification problems without and with considering random structure parameters. Additionally, it also shows that most of the observation error of the proposed algorithm in solving dynamic load identification of deterministic and random structure is respectively within 11.13%, 20%.
Commonly deep learning methods for enhancing the quality of medical images use unpaired dataset due to the impracticality of acquiring paired dataset through commercial imaging system. In this paper, we propose a supervised learning method to enhance the quality of ultrasound images. The U-net model is designed by incorporating a divide-and-conquer approach that divides and processes an image into four parts to overcome data shortage and shorten the learning time. The proposed model is trained using paired dataset consisting of 828 pairs of low-quality and high-quality images with a resolution of 512x512 pixels obtained by varying the number of channels for the same subject. Out of a total of 828 pairs of images, 684 pairs are used as the training dataset, while the remaining 144 pairs served as the test dataset. In the test results, the average Mean Squared Error (MSE) was reduced from 87.6884 in the low-quality images to 45.5108 in the restored images. Additionally, the average Peak Signal-to-Noise Ratio (PSNR) was improved from 28.7550 to 31.8063, and the average Structural Similarity Index (SSIM) was increased from 0.4755 to 0.8511, demonstrating significant enhancements in image quality.
전 지구적인 기후변화에 따라 산림 및 토양탄소의 역할은 탄소 저장고로서 매우 중요하며, 이들의 동태를 연구하기 위해서는 기존의 현장연구뿐만 아니라 적용 가능한 산림모델 연구가 필요하다. 본 연구에서는 산림토양탄 소모델인 Yasso의 주요 입력자료인 과거의 연간 낙엽량 자료를 연륜연대학적 자료구축과정을 통해 생산하고, 위 모델을 이용하여 광릉지역 천연소나무림(Pinus densiflora)의 토양탄소동태를 모의하였다. 연륜연대학적 자료구축과정을 통해 계산된 임분 내 낙엽(침엽, 가지, 줄기, 세근)의 생산량은 1971년부터 2006년까지 지속적으로 증가해왔다. 또한 2006년 낙엽 생산량(침엽, 가지)의 실측값과 추정값을 비교한 결과 유의적인 오차는 없었다. 모의된 30 cm 깊이까지의 토양탄소 저장량의 임분 전체평균은 $46.30{\pm}4.28tCha^{-1}$로 산림의 임목 내 탄소 저장량의 약 53%를 차지했으며, 실측값과 비교하여 유의한 차이 및 오차가 없었다. IPCC A1B 시나리오에 따른 한반도 기후변화추세를 반영한 이 지역의 모의된 토양탄소 추정량은 1971년부터 2041년까지 지속적으로 증가한 후 2100년까지 감소되는 것으로 나타났다. 기후변화를 고려하지 않는 시나리오의 결과와 비교하면 2100년에 이르러 최고 7.58%까지 토양탄소량이 감소될 수 있다. 본 연륜연대학적 자료 구축방법과 Yasso 모델을 이용한 모의과정은 천연소나무림의 토양탄소동태를 추정하는데 유용한 것으로 판단되었다. 향후 더욱 신뢰성 있는 결과를 생산할 수 있도록 연륜연대학적 방법 및 Yasso 모델의 개선과 다양한 환경에서의 적용 및 타당성평가와 같은 후속연구가 필요한 것으로 사료된다.
SPECT영상에서 산란계수는 정량적 계수오차와 영상품질 저하의 요인이다. 이에 다양한 산란보정(Scatter Correction, SC)방법이 연구되어 왔으며, 본 연구에서는 기존의 에너지창(Energy Window, EW) 기반 SC(EWSC)와의 비교로 SPECT/CT에서 사용되는 CT 기반 SC(CTSC)의 정확성을 평가하고자 한다. 중앙에 열소막대(hot rod, 74.0 MBq)를 설정한 Triple line insert 팬텀의 내부에 산란계수의 영향이 없는 기준영상의 획득을 위하여 공기를 채운 후 SPECT /CT영상을 획득하였고, 같은 조건에서 산란계수의 영향을 유도하기 위하여 공기대신 물을 채운 후 SPECT/CT영상을 각각 별도로 획득하였다. 두 조건 모두 Astonish(iterative : 4, subset : 16) 재구성 방법과 CT감쇠보정을 공통 적용하였고, 물을 채운 영상에 비산란보정(NSC), EWSC, CTSC 3가지 유형의 산란보정방법을 사용하였다. EWSC를 위하여 주(=peak) 에너지창(140 keV, 20%) 이외에 보조 에너지창 9개를 추가 설정한 후 영상을 동시 획득하였고, EWSC의 종류는 DPW(dual photopeak window) 10%, DEW (dual energy window)20%, TEW(triple energy window)10%, TEW5.0%, TEW2.5% 5가지를 사용하였다. 일차(primary)계수의 변동이 없는 조건하에, 두 조건의 영상에 VOI를 그려 총계수를 측정한 후 총계수 중 산란계수의 비를 %SF(percent scatter fraction)로 구하고, 공기를 채운 영상을 기준으로 물을 채운 영상과의 계수차이를 %NMSE (per cent normalized mean-square error)로 평가하였다. 공기를 채운 영상을 기준으로 각 산란보정방법이 적용된 물을 채운 영상의 %SF는 NSC 37.44, DPW 27.41, DEW 21.84, TEW10% 19.60, TEW5% 17.02, TEW2.5% 14.68, CTSC 5.57로 CTSC에서 제거된 산란계수가 가장 많았으며, %NMSE는 NSC 35.80, DPW 14.28, DEW 7.81, TEW10% 5.94, TEW5% 4.21, TEW2.5% 2.96, CTSC 0.35로 CTSC에서 가장 낮게 나타났다. SPECT/CT영상에서 실험에 사용된 각 산란보정 방법의 적용은 산란계수의 영향으로 발생된 정량적 계수오차를 개선시킬 수 있었다. 특히, CTSC의 경우 기존의 EWSC방법들과 비교하여 가장 낮은 %NMSE (=0.35)를 보여 비교적 정확한 산란보정이 가능하였다.
본 연구에서는 콘빔 단층촬영영상(cone beam CT; CBCT) 및 다엽 콜리메이터(multileaf collimator;MLC) 로그데이터를 이용한 적응형 방사선치료기법의 체계를 구축하고, 그 과정에서의 선량 계산 오차의 양상을 팬텀을 이용하여 분석하고자 하였다. Catphan-600 (The Phantom Laboratory, USA) 팬텀을 CT와 CBCT 촬영 후 CT 영상을 이용하여 간단한 단계별조사(step-and-shoot) 방식의 세기조절방사선치료(intensity-modulated radiation therapy; IMRT) 계획을 수립하였다. 이후 빔전달 시 생성된 MLC 로그데이터(Dynalog)를 이용하여 실제 전달된 세그먼트 별 모니터단위(MU) 가중치와 MLC 엽(leaf)의 위치를 구한 후 이를 다시 Pinnacle3에 넣고 선량을 재계산하였다. 초기 치료 계획은 치료 계획용 CT 영상($CT_{plan}$) 및 CBCT 영상($CBCT_{plan}$)에 대하여 계산되었으며, 재구성된 선량 역시 치료 계획용 CT 영상($CT_{recon}$) 및 CBCT 영상($CBCT_{recon}$)에 대하여 계산되었다. 각 선량 계산을 $CT_{plan}$을 기준으로 하여 2차원 선량분포, 감마 인덱스, 선량-부피 히스토그램(dose-volume histogram; DVH)을 이용하여 분석하였다. 2차원 선량분포 및 DVH 분석 모두에서 원래의 치료 계획보다 실제 전달된 선량이 다소 많은 것으로 나타났으나 임상적인 의미는 미미했다. 감마 인덱스의 경우 CBCT에 선량을 계산했을 때 치료 계획 정보나 재구성된 선량 정보를 이용한 경우 모두 오차가 크게 발생했다. 재구성된 선량은 빔의 경계 부분에서 오차가 크게 발생하였으나 그 영향은 CT 및 CBCT 영상 간 차이에 의한 것보다 작았다. CBCT 영상에 전달된 선량을 재구성하게 되면 두 영향이 복합적으로 작용하여 오차는 더 줄어들게 되지만 $CT_{plan}$과 $CBCT_{plan}$의 차이에 비하여 $CBCT_{plan}$과 $CBCT_{recon}$ 차이는 상대적으로 작아 전달된 선량의 오차를 평가할 때 불확실성이 커졌다. 그러므로 선량 계산 오차의 양상은 셋업 오차, CBCT 영상을 이용한 선량 계산 오차 및 재구성된 선량 계산의 오차로 나누어 분석될 필요가 있을 것이다.
1994년 9월부러 1995년 8월까지 일년동안 부천 세종병원에서 시행된 승모판막질환 수술은 총 136례였으 며 이중 인공판륜을 사용하여 판막성형술을 시행된 44례를 대상으로 평가하였다 이 44례의 평균 연령은 38.2세(범위: 5세~63세)였으며 남성이 18례 여성이 26례였다, 사용된 인공판륜은 Carpentier ring이 32례, Dmm ring 이 12례였다. 판막질환의 원인은 류마치스가 30례(68%), 퇴행성 질환에 기인한 것이 13례(30%)였으며, 1례는 선천성 승 모판 부전증이었다. 판막질환의 형태로 보면 승모판막부전증이 33례(76%),승모판 협착증이 2 례(5%), 승모판 협착부전증이 9례(19%) 있었다. Carpentier의 기능적 분류는 I형이 5례(11%), II형이 24례(55%), III형이 4례(9%) 있었으며, II형과 III형의 혼합형이 11례(25%)에서 관찰되었고, 매 환자당 평균 3.7가지의 병변이 있었다. 승모판에 시행한 수술 수기는 전례에서 인공판륜성형술을 시행하였으며 한 환자 당 평균 3.4가지의 수기 를 사용하였다. 수술 사망은 2례에서 발생하였으며, 수술 후 승모판 부전증이 진행되어 2주에 시행한 재수술이 일 례 있 었다. 12개월의 추적 관찰에서 수술 전후의 NYHA 기능적 鈞畢\ulcorner평균 3.0에서 1.3으로 개선되었다. 심장 초음파 검사에서 술후의 승모판 면적은 2.07$\pm$0.11 cm2(평균 $\pm$ 표준오차)이었으며, 좌심실 수축력의 호전을 보였고, 판막부전의 정도는 전혀 판막부전 소견이 없어진 경우가 23례(53%), 경미한 폐쇄부전이 있는 경우가 18례(42%)였고, II도 부전의 소견을 보인 례가 2례(5%) 있었다.
영상 해상도 개선은 영상 복원이나 확대 같은 응용 분야에서 널리 사용되는 기술로서, 결과 영상에서의 블록 현상이나 인공물 발생과 같은 화질 열화를 제거하는 것이 중요하다. 본 논문에서는 영상의 손실 정보를 이용하는 영상 해상도 개선 방법을 제안한다. 제안하는 방법은 획득 저해상도를 하위 레벨 보간을 통해서 손실 정보를 계산 및 추정하고 이를 보간된 고해상도 영상에 적용함으로서 1차적인 보간을 수행하고 획득 저해상도 영상과의 에러를 계산한 후 다시 보간된 영상에 적용하는 과정을 반복하여 최종적인 보간 영상을 생성한다. 동일한 영상을 이용한 시험을 통해서 비교 방법들보다 평균 PSNR에서 3.2㏈ 이상 향상된 것을 확인하였고, 주관적 화질도 개선된 것을 알 수 있었다. 또한 계산복잡도를 85% 이상 감소시킬 수 있었다. 제안한 해상도 개선 방법은 영상 처리의 다양한 분야에서 기반 기술로 사용될 수 있다.
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.