• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 추계학술대회
• /
• pp.171-174
• /
• 2010

본 논문에서는 렌즈의 흠집을 추출할 수 있는 퍼지 기법을 이용한 렌즈 흠집 검출 방법을 제안한다. 제안된 방법은 렌즈 영상을 그레이 영상으로 변환한 후, 캐니 마스크를 이용하여 렌즈의 경계선을 추출한다. 추출된 렌즈의 경계선에 대해 평균 이진화와 모폴로지를 이용하여 렌즈 경계선을 보정한다. 렌즈 경계선이 보정된 영상에서 Seed Fill 알고리즘을 적용하여 렌즈의 내부 영역만을 추출한다. 추출된 렌즈의 내부 영역에 해당하는 원 영상에서 소벨 마스크를 적용하여 렌즈 내부 영역의 에지를 추출한다. 렌즈 내부 영역에서 추출된 에지 객체들의 정보를 이용하여 흠집과 비흠집을 분류하는 퍼지 기법을 적용하여 흠집 영역을 추출한다. 본 논문에서 제안된 렌즈의 흠집 검출 방법의 성능을 평가하기 위해 CHEMI, MID, HL, HM 시력 보정용 렌즈를 대상으로 실험한 결과, 제안된 방법이 흠집을 효과적으로 검출하는 것을 확인하였다.

• 한국산업정보학회논문지
• /
• 제18권2호
• /
• pp.19-25
• /
• 2013

본 논문에서는 실 도로 환경에서 획득한 영상으로부터 도로 영역을 추적하는 방법을 제안한다. 제안된 방법은 이전 처리 결과로부터 미리 알려진 정보를 이용하여 현재 영상에서 도로를 검출하고 추적하는 방법이다. 제안된 방법은 시스템의 효율을 위해 연속적인 입력 영상에서 하위 60%이내에 도로가 있다고 가정하여 관심의 대상이 되는 영역(Region of Interest, ROI)을 설정하고 이 영역에서만 도로를 검출하고 추적한다. 최초 분할은 플러드필 알고리즘(Flood-fill algorithm)을 수행한 결과로부터 주위 영역과의 유사성을 평가한 후 병합하여 분할한다. 사전 정보로 사용되는 이전 영상에서 분할 결과에서 시드점(Seed Point)을 추출하고 이 시드점을 기준으로 현재 영상을 분할한다. 이전 영상에서 분할된 도로 영역과 현재 영상에서 분할된 결과를 변형된 자카드 계수(Jaccard coefficient)를 이용한 유사도 측정 결과에 따라 다음 영상에서 도로영역을 정제하고 추적한다. 연속적인 입력 영상을 대상으로 실험한 결과는 잡음이 존재하는 영상에서도 도로를 추적하는데 효과적임을 보여준다.

• 한국광학회지
• /
• 제33권6호
• /
• pp.245-251
• /
• 2022

타일형 결맞음 빔결합 연구를 위하여 시드 공유형 다채널 광섬유 레이저 및 출력단, 다중 빔 정렬 기술을 개발하였다. 광섬유 레이저는 7개의 채널을 갖고, 각각의 채널당 출력 10 W 이상으로 시드, 전치 증폭기, 광 분배기, 주 증폭기로 구성된 master oscillator power amplifier 구조이다. 레이저 빔 시준 및 정렬을 위하여 틸팅 기능이 가능한 출력단을 개발하였다. 출력단은 채움값을 높이기 위하여 원통형 구조로 제작하였으며, 광섬유 엔드캡의 결합이 가능하게 하였고, 출력단 내부에 PZT를 장착하여 틸팅 기능을 구현하였다. 다중 채널 레이저의 각 채널 빔을 표적의 한 점으로 정렬하기 위하여 stochastic parallel gradient decent (SPGD) 알고리즘을 적용하였다. SPGD 알고리즘을 이용한 PZT 제어를 통해 다중 빔 정렬을 성공적으로 구현하였다. 다중 빔 정렬 기술을 이용한 결맞음 빔결합 기술 개발이 기대된다.

• 한국멀티미디어학회논문지
• /
• 제16권9호
• /
• pp.1031-1043
• /
• 2013

영상에서 배경을 제거하고 손을 분리하는 기술은 손 인식 연구에서 가장 먼저 수행되는 기술이며, 분리된 결과 영상의 성능에 따라 이후의 인식 단계의 성능이 결정되는 중요한 기술이다. 기존의 연구는 조명 및 배경의 변화에 취약하거나 다수의 사용자와 상호작용에 한계가 있었다. 본 논문에서는 컬러 영상과 깊이 영상을 혼용하여 손을 분리하는 기술을 제안한다. 먼저 입력된 컬러 영상을 이용하여 복잡한 환경에서도 정확하게 영역 채움을 위한 초기 위치를 설정하였다. 이 위치를 기준으로 영역 채움 연산을 위한 한계 영역을 재설정하여 조명 변화로 침식된 영역을 포함하도록 하고, 깊이 영상에서 영역 채움 연산을 수행함으로써 조명과 환경의 변화에도 강인하게 손의 영역을 분리하도록 하였다. 또한, 이렇게 분리된 손의 영역을 이용하여 실시간으로 피부 모델을 학습함으로써 조명 환경에 적응적으로 피부 모델을 갱신하여 보다 강인한 인식 성능을 얻을 수 있었다. 이를 다양한 조명 및 배경 환경에서 기존의 알고리즘과 비교 실험을 수행하여 강인한 인식 성능을 확인할 수 있었으며, 특히 역광 환경과 같이 조명 변화가 극심한 환경에서 강인한 성능을 보여주었다.