• 대한전자공학회논문지SP
• /
• 제41권3호
• /
• pp.163-174
• /
• 2004

치과 분야에서는 치아교정이나 수술 시뮬레이션을 위해서 각 치아를 개별적으로 조작할 수 있는 3차원 치아모델이 필요하다. 치아 CT 영상으로부터 이러한 치아모델의 재구성을 위해서는 각 치아를 이웃한 치아나 치조골로부터 정확하게 분리할 수 있어야 한다. 본 연구에서는 치아 영역을 효과적으로 분리하기 위한 영상정규화 방안과 최적임계화방안을 제안한다. 제안된 방법은 연속적인 CT 영상 슬라이스들에서 치아영역의 형태와 밝기는 점진적으로 변한다는 사실을 근거로 이전 슬라이스에서 추정된 임계치를 이용하여 현 슬라이스의 임시치아경계를 결정하고 이것을 바탕으로 보다 정확한 임계치를 계산한다.

• 한국정보통신학회논문지
• /
• 제22권5호
• /
• pp.734-739
• /
• 2018

생체 인식 방식 중 하나인 지문 인식과 홍채 인식 등은 태양광과 같은 외부 요소에 쉽게 영향을 받는다. 따라서 최근에는 생체 내부의 특징을 이용하는 방법으로 지정맥 인식을 이용하고 있다. 정확한 정맥 인식을 위해서는 정맥 영역과 배경 영역을 확실하게 분리하는 것이 중요하다. 하지만 입력 영상에 포함 된 불균일한 조명 성분의 영향으로 정맥 영역과 배경 영역을 분리하는 것이 어려웠기 때문에 입력 영상의 조명 성분을 정규화 시킨 후 정맥 영역과 배경 영역을 분리 할 수 있는 방법이 제안되었다. 본 논문에서는 기존의 조명 정규화 방법을 바탕으로 영상 스트레칭 과정이 포함 된 영상의 전처리 단계와 이진화, 레이블링 방법을 개선하여 기존의 정맥 인식 기법에 비해 더 나은 질적 개선을 이루고 처리 속도를 향상 시킬 수 있는 방법을 제안한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권2호
• /
• pp.213-223
• /
• 2004

본 논문에서는 실시간 응용을 위해 형판 정합 방법을 기반으로 하면서 동시에 외형 기반 (appearance_based) 방법에서 제시하는 학습 모델을 이용한 새로운 얼굴 검출 방법을 제안한다. 우선, 빛이나 조명의 영향에 의한 오류를 방지하기 위한 효과적인 전처리 과정으로 최소-최대 정규화(Min-max Normalization) 방법과 히스토그램 정규화 방법을 적용시킨다. 그런 뒤에 입력 영상과 형판을 PCA 변환하여 각각의 주성분(PC : Principal Component)을 생성하고 이를 LDA 변환한다. PCA 및 LDA 변환된 형판을 이용하여 입력 영상과의 거리 값을 구한 후 거리 값이 가장 작은 영역을 얼굴 영역으로 선택하고, 선택된 영역은 SVM을 이용하여 얼굴인지 아닌지를 검증하는 과정을 거친다. 또한, 본 논문에서는 실시간 얼굴 검출 방법을 위해 전체 영역이 아닌 $\pm$12 화소 크기의 탐색 윈도우를 이용하여 시스템의 속도 및 정확도를 고려하도록 하였다. 실제 환경과 같은 6개 부류의 동영상을 중심으로 실험한 결과, 본 논문에서 제안하는 방법이 기존의 PCA 변환만을 이용한 방법보다 좋은 성능을 보여줌을 알 수 있었고, 또한 SVM을 이용한 얼굴 검증 과정을 추가한 방법이 PCA 변환과 LDA 변환을 사용한 방법보다 좋은 성능을 보여줌을 알 수 있었다.

• 반도체디스플레이기술학회지
• /
• 제21권1호
• /
• pp.22-26
• /
• 2022

This paper proposes a new method for the recognition of road surface marks and numbers. The proposed method designates a region of interest on the road surface without first detecting a lane. The road surface markings are extracted by location and size using a connection component analysis. Distortion due to the perspective effect is minimized by normalizing the size of the road markings. The road surface marking of the connected component is recognized by matching it with the stored road marking templates. The proposed method is implemented using C language in Raspberry Pi 4 system with a camera module for a real-time image processing. The system was fixedly installed in a moving vehicle, and it recorded a video like a vehicle black box. Each frame of the recorded video was extracted, and then the proposed method was tested. The results show that the proposed method is successful for the recognition of road surface marks and numbers.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제5권1호
• /
• pp.43-50
• /
• 2016

본 논문에서는 ASM(Active Shape Model) 특징점(Landmark)을 이용하여 정밀한 얼굴영역을 획득하고, 외형기반 접근법으로 표정을 인식하는 방법에 대하여 제안한다. 외형기반 표정인식은 EHMM(Embedded Hidden Markov Model) 및 이진패턴 히스토그램 특징과 SVM(Support Vector Machine)을 사용하는 알고리즘으로 구성되며, 제안 방법의 성능평가는 공인 CK 데이터베이스와 JAFFE 데이터베이스를 이용하여 수행되었다. 더불어, 성능비교는 기존의 눈 거리 기반의 얼굴 정규화 방법과 비교를 통하여 수행되었고, 또한 ASM 전체 특징점 및 변형된 특징을 SVM으로 인식하는 기하학적 표정인식 방법론과 성능비교를 수행하였다. 실험 결과, 제안 방법은 거리기반 얼굴정규화 영상을 사용한 방법보다 CK 데이터베이스 및 JAFFE 데이터베이스 경우, 최대 6.39%와 7.98%의 성능향상을 보였다. 또한, 제안 방법은 기하학적 특징점을 사용한 방법보다 높은 인식 성능을 보였으며, 이로부터 제안하는 표정인식 방법의 효용성을 확인하였다.

• 대한전자공학회논문지SP
• /
• 제44권3호
• /
• pp.80-87
• /
• 2007

국부 통계치에 근거한 서양금석문 영상향상 기법을 고안한다. 영상데이터는 배경과 정보의 두 영역으로 구분한다. 통계 및 함수적 분석을 통해 서양금석문 영상 대부분이 가우스 회색도분포임을 규명하고 분포 및 영역특성을 고려한 모델을 구현한다. 모델을 대상으로 국부정규화처리 알고리즘을 수식화하고 파라미터를 추출하며 이동창에서의 기능과 특성을 논의한다. 파라미터와 이동창의 크기를 조정하여 화소 회색도의 공간 분포를 변형하고 영역을 선별한다. 이 때 국부통계치는 알고리즘을 실현하는 유용한 근거로 활용된다. 알고리즘 적용에 의해 영역의 잡음과 불규칙한 분포 상태가 평활되는 동시에 영역 사이의 회색도 격차를 증대시켜 영상을 향상한다. 실험결과는 제안된 방식이 기존의 영상향상 기법보다 우수한 효과가 있음을 보여준다.

• 대한의용생체공학회:의공학회지
• /
• 제23권1호
• /
• pp.39-47
• /
• 2002

본 연구의 목적은 선형 변환을 이용한 레지스트레이션의 정확도를 높이는데 있다. 서로 다른 개인간의 뇌영상을 비교분석하기 위해서는 공통된 좌표계로 각 영상을 변환하는 작업이 필요하다 정확한 변환을 위해서는 전체적인 뇌영상의 매치와 국소적 영역의 매치가 모두 중요하다 일반적으로 상호정보를 이용한 레지스트레이션은 전체적인 뇌영상을 매치시키는데 유리하다. 그러나 관심영역에 대한 매치는 특징기반 레지스트레이션 방법이 더 유리하다. 본 논문에서 제시하는 통합 레지스트레이션은 특징정보와 더불어 복셀기반의 상호정보를 함께 사용하였다. 이러한 접근 방법은 정신분열증을 판단하는 기준으로 많이 사용되는 뇌량을 포함하는 뇌의 중심부분의 매칭에 유리함을 실험을 통해 확인하였다 상호정보만을 사용하는 복셀기반 레지스트레이션이나 탈라이락 좌표계를 이용한 정규화에 비해 본 연구의 통합 레지스트레이션은 전체적 뇌영상 뿐만 아니라 관심 영역에서의 레지스트레이션 오차가 더 작았다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.496-498
• /
• 2001

Snake 모델(active contour model)은 초기값을 설정해주면 자동으로 임의의 물체의 윤곽을 찾아내는 알고리즘으로 영상에서 특정 영역을 분할하여 할 때 많이 이용되고 있다. 본 논문에서는 칼라 영상에서 얼굴과 얼굴의 특징점을 찾는 방법으로 이 알고리즘을 적용한다. 특히, 주어진 영상의 RGB 값을 정규화(normalization) 해주는 전처리 과정을 통해 얼굴의 특징점 후보 영역을 얻어내는 초기 값을 설정해주어야 하는 과정을 생략해주고 보다 정확한 값을 얻을 수 있도록 구현한다. RGB 값을 이용한 정규화 과정을 적용한 방법과 적용하지 않은 방법을 구현한 결과를 비교해줌으로써, 정규화 과정을 거친 방법의 성능이 더 우수함을 보여준다.

• 한국CDE학회논문집
• /
• 제13권6호
• /
• pp.403-411
• /
• 2008

The alignment of facial images is crucial for 2D face recognition. This is the same to facial meshes for 3D face recognition. Most of the 3D face recognition methods refer to 3D alignment but do not describe their approaches in details. In this paper, we focus on describing an automatic 3D alignment in viewpoint of quantitative analysis. This paper presents a framework of 3D face alignment and normalization based on feature points obtained by Active Shape Models (ASMs). The positions of eyes and mouth can give possibility of aligning the 3D face exactly in three-dimension space. The rotational transform on each axis is defined with respect to the reference position. In aligning process, the rotational transform converts an input 3D faces with large pose variations to the reference frontal view. The part of face is flopped from the aligned face using the sphere region centered at the nose tip of 3D face. The cropped face is shifted and brought into the frame with specified size for normalizing. Subsequently, the interpolation is carried to the face for sampling at equal interval and filling holes. The color interpolation is also carried at the same interval. The outputs are normalized 2D and 3D face which can be used for face recognition. Finally, we carry two sets of experiments to measure aligning errors and evaluate the performance of suggested process.

• 정보과학회 논문지
• /
• 제44권7호
• /
• pp.668-673
• /
• 2017

최근 몇 년간 딥러닝(deep learning)은 음성 인식, 영상 인식, 물체 검출을 비롯한 다양한 패턴인식 분야에서 혁신적인 성능 발전을 거듭해왔다. 그에 비해 네트워크가 어떻게 작동하는지에 대한 깊은 이해는 잘 이루어지지 않고 있다. 본 논문은 효과적인 신경망 네트워크를 구성하기 위해 네트워크 파라미터들이 신경망 내부에서 어떻게 작동하고, 어떤 역할을 하고 있는지 분석하였다. Faster R-CNN 네트워크를 기반으로 하여 신경망의 과적합(overfitting)을 막는 드랍아웃(dropout) 확률과 앵커 박스 크기, 그리고 활성 함수를 변화시켜 학습한 후 그 결과를 분석하였다. 또한 드랍아웃과 배치 정규화(batch normalization) 방식을 비교해보았다. 드랍아웃 확률은 0.3일 때 가장 좋은 성능을 보였으며 앵커 박스의 크기는 최종 물체 검출 성능과 큰 관련이 없다는 것을 알 수 있었다. 드랍아웃과 배치 정규화 방식은 서로를 완전히 대체할 수는 없는 것을 확인할 수 있었다. 활성화 함수는 음수 도메인의 기울기가 0.02인 leaky ReLU가 비교적 좋은 성능을 보였다.