• 대한공간정보학회지
• /
• 제12권1호
• /
• pp.63-68
• /
• 2004

20세기 후반부터 급속한 경제발전과 자연훼손을 야기시키는 무분별한 사회기반시설물 건설은 엘니뇨(지구온난화)현상을 유발시켰다. 이런 이유로, 자연재해로부터 중대한 문화재를 보호하기 위한 문화재보존계획의 수립이 필요한 실정이다. 본 연구에서는, 수치사진측량 프로그램을 이용하여 석조문화재(석탑)로부터 3D-dxf파일과 VRML-wrl(3차원 이미지를 지원하는)파일을 얻었다. 이 두 파일과 다른 기타 제반사항의 속성정보들을 이용하여 데이터베이스를 구축하였다. 그리고 기존의 문화재 정보 자료형태를JAVA와HTML, 그리고 Cosmo Player를 사용하여 일원화하였다. 그리하여, 문화재의 효율적인 관리뿐 아니라 전문가 및 일반인의 손쉬운 문화재 정보 사용을 위한 문화재관리 정보 시스템을 구축할 수 있었다. 또한, VRML을 이용한 가상 현실상에서 실제와 같은 질감표현을 할 수 있었다.

• 패션비즈니스
• /
• 제7권5호
• /
• pp.108-118
• /
• 2003

Surface properties, including the texture and the luster, of cotton fibers and yarns thereof play an important role in textile technology. The convolutions and the cross-sectional shape of the cotton fiber affect the fabric texture and the luster accordingly. Mercerization of the cotton fabric affects the luster, strength, and other properties of the fabric. In this study, the effect of mercerization was examined on the luster of the cotton fabric, together with the effect of polishing treatment. One of the traditional methods determining the fabric luster is the use of glossmeter or goniometric glossmeter. The use of glossmeter gives successful results in determining the gloss of rather flat and continuous surface such as plastic sheet, painted surface, or paper products. Since the textile fabrics have diverse surface structures and textures, these could be regarded as having three-dimensional surface. Such complexity imposes some difficulties for differentiating subtle surface luster properties of diverse textile fabrics. The advancement in the area of imaging technologies has enabled the micro-scale analysis of the surface textures and the fabric luster recently. Using a CCD camera, the surface luster images were taken at various incident illumination conditions. Microscale analysis, including the blob analysis, of the images could differentiate the subtle luster properties present in a group of cotton fabric samples comprising mercerized cotton fabric, non-mercerized cotton fabric, polished cotton fabric, and a 'standard' cotton fabric. The glossmeter measurement gave satisfactory but limited differentiation among the samples, whose luster differences are easily recognizable with visual observation, except for the mercerized cotton fabric sample and the non-mercerized cotton fabric. The microscale analysis of the fabric luster could, therefore, help understand the nature of diverse textile fabric luster.

• 한국멀티미디어학회논문지
• /
• 제16권1호
• /
• pp.11-18
• /
• 2013

본 논문에서는 정확한 깊이를 추출하기 위해 고차 통계기반 초점 척도를 이용한 SFF(shape from focus) 알고리즘을 제시한다. 기존의 SFF기반 3차원 깊이 복원 기법들은 초점 척도로 SML(sum of modified Laplacian)을 사용하기 때문에, 성능이 영상의 특성에 크게 의존하여 초점이 정밀하거나 질감이 풍부한 영상에서만 효율적이다. 그러므로, 본 논문에서는 비교적 질감과 초점이 빈약한 영상에서도 초점 값을 추출할 수 있도록 고차 통계(HOS:higher order statistics)를 이용한 알고리즘을 제안한다. 이 초점 척도에 의해 초점 영역 맵이 생성되고 국부적으로 최적의 초점 값을 갖는 화소를 추출하기 위해 영역개선, 세선화, 모서리 검출과정이 순서적으로 적용된다. 최종적으로 추출된 점에 대해서 Delaunay 삼각화를 사용하여 3차원 모델정보를 생성한다.

• Investigative Magnetic Resonance Imaging
• /
• 제25권2호
• /
• pp.118-128
• /
• 2021

Purpose: To investigate the value of MR textural analysis, including use of diffusion-weighted imaging (DWI) to differentiate malignant from benign soft-tissue tumors on 3T MRI. Materials and Methods: We enrolled 69 patients (25 men, 44 women, ages 18 to 84 years) with pathologically confirmed soft-tissue tumors (29 benign, 40 malignant) who underwent pre-treatment 3T-MRI. We calculated MR texture, including mean, standard deviation (SD), skewness, kurtosis, mean of positive pixels (MPP), and entropy, according to different spatial-scale factors (SSF, 0, 2, 4, 6) on axial T1- and T2-weighted images (T1WI, T2WI), contrast-enhanced T1WI (CE-T1WI), high b-value DWI (800 sec/mm²), and apparent diffusion coefficient (ADC) map. We used the Mann-Whitney U test, logistic regression, and area under the receiver operating characteristic curve (AUC) for statistical analysis. Results: Malignant soft-tissue tumors had significantly lower mean values of DWI, ADC, T2WI and CE-T1WI, MPP of ADC, and CE-T1WI, but significantly higher kurtosis of DWI, T1WI, and CE-T1WI, and entropy of DWI, ADC, and T2WI than did benign tumors (P < 0.050). In multivariate logistic regression, the mean ADC value (SSF, 6) and kurtosis of CE-T1WI (SSF, 4) were independently associated with malignancy (P ≤ 0.009). A multivariate model of MR features worked well for diagnosis of malignant soft-tissue tumors (AUC, 0.909). Conclusion: Accurate diagnosis could be obtained using MR textural analysis with DWI and CE-T1WI in differentiating benign from malignant soft-tissue tumors.

• 한국화예디자인학연구
• /
• 제43호
• /
• pp.3-17
• /
• 2020

국내외 대표적 상업공간인 백화점과 호텔, 판매장의 플라워 소재를 사용한 계절별 디스플레이 사례의 색채분석과 설문조사를 통해, 플라워 디스플레이를 진행하는 과정에서 소재의 출시 계절, 형태, 질감에 의존하던 기존의 방식에서 벗어나 계절에 적합한 배색과 감성형용사를 적용한 색채계획 필요성을 인식하고 효과적인 배색을 적용하도록 하는데 있다. 연구방법은 수집한 48개의 국내외 상업공간 플라워 디스플레이 사례에 사용된 색채를 분석하였다. 이를 토대로 1차 전문가 설문을 통해 사례에서 연상되는 형용사 추출 및 계절감 좌표를 수집한 뒤 2차 일반인 설문으로 추출한 감성형용사의 적합성을 검토하였다. 봄, 여름, 가을, 겨울의 대표적인 색상, 톤을 추출하였고 계절별 감성형용사 언어도 알아보았다. 이러한 결과를 바탕으로 플라워 소재의 형태나 질감에만 의존하여 진행되던 플라워 디스플레이에서 색채계획이 선(先) 진행되어야 목적한 감성디자인을 연출할 수 있다는 것을 알 수 있었다.

• 대한토목학회논문집
• /
• 제28권5D호
• /
• pp.749-757
• /
• 2008

최근 집중호우나 태풍에 의한 홍수피해가 급증하면서, 댐방류시 하류하천의 홍수범람지역에 대한 가시화 정보가 요구되고 있다. 본 연구에서는 남강댐 하류지역을 대상으로 홍수범람지역을 가시화할 수 있는 3차원 GIS 시스템을 개발하였다. 먼저, TextureMaker와 HeightMaker 모듈을 이용하여 NGIS 수치지형도에서 추출한 DEM과 IKONOS 위성영상을 iWorld 엔진에 탑재 가능한 형태로 최적화 하였으며, 홍수분석모형(COSFIM)과 FLDWAV 수리모델을 이용하여 예측한 하천 횡단측선별 실시간 홍수위정보를 기반으로 댐하류 지역에 대한 홍수범람지역을 효과적으로 추출할 수 있게 되었다. 이러한 홍수범람 가시화 정보는 실시간 댐운영에 필요한 침수취약지역 파악 및 신속한 홍수재해 대처계획 수립에도 효과적으로 이용될 수 있다.

• 대한토목학회논문집
• /
• 제26권2D호
• /
• pp.311-316
• /
• 2006

지형공간정보체계가 공간분석 및 의사결정을 위한 뛰어난 도구로서 다양한 분야에서 활용되고 있지만 세밀한 도시환경을 3차원으로 묘사할 수 있는 기능은 아직 제한적이다. 본 연구에서는 3차원 모델링 및 시각화의 최근 기술을 GIS의 3차원 구현능력을 향상시키기 위하여 기존의 GIS 상용 프로그램과 통합하였다. 현실과 매우 근사한 3차원 모형을 하기 위하여 입체항공사진으로부터 빌딩 모형을 제작하였으며 또한 건물의 지붕과 벽의 텍스쳐는 각각 정사항공영상 및 지상사진을 이용하여 생성하였다. 본 연구는 ArcGIS, ArcObjects 및 Visual Basic을 이용하여 구현되었으며 3차원 기하학적 모형과 자료 구조, 텍스쳐 생성 및 이들을 병합한 3차원 도심 모형의 생성 기법을 제시하였다. 그 결과 미국 퍼듀대학 캠퍼스를 현실감있는 3차원 시각화를 구현하였다.

• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.93-101
• /
• 2024

Accurate field crop classification is essential for various agricultural applications, yet existing methods face challenges due to diverse crop types and complex field conditions. This study aimed to address these issues by combining support vector machine (SVM) models with multi-seasonal unmanned aerial vehicle (UAV) images, texture information extracted from Gray Level Co-occurrence Matrix (GLCM), and RGB spectral data. Twelve high-resolution UAV image captures spanned March-October 2021, while field surveys on three dates provided ground truth data. We focused on data from August (-A), September (-S), and October (-O) images and trained four support vector classifier (SVC) models (SVC-A, SVC-S, SVC-O, SVC-AS) using visual bands and eight GLCM features. Farm maps provided by the Ministry of Agriculture, Food and Rural Affairs proved efficient for open-field crop identification and served as a reference for accuracy comparison. Our analysis showcased the significant impact of hyperparameter tuning (C and gamma) on SVM model performance, requiring careful optimization for each scenario. Importantly, we identified models exhibiting distinct high-accuracy zones, with SVC-O trained on October data achieving the highest overall and individual crop classification accuracy. This success likely stems from its ability to capture distinct texture information from mature crops.Incorporating GLCM features proved highly effective for all models,significantly boosting classification accuracy.Among these features, homogeneity, entropy, and correlation consistently demonstrated the most impactful contribution. However, balancing accuracy with computational efficiency and feature selection remains crucial for practical application. Performance analysis revealed that SVC-O achieved exceptional results in overall and individual crop classification, while soybeans and rice were consistently classified well by all models. Challenges were encountered with cabbage due to its early growth stage and low field cover density. The study demonstrates the potential of utilizing farm maps and GLCM features in conjunction with SVM models for accurate field crop classification. Careful parameter tuning and model selection based on specific scenarios are key for optimizing performance in real-world applications.

• 방송공학회논문지
• /
• 제17권4호
• /
• pp.625-633
• /
• 2012

카메라로부터 획득한 여러 장의 영상에서 3차원 정보를 얻어내기 위한 Extended Depth of Focus(EDF) 알고리듬은 최근 많은 연구가 이루어지고 있다. 피사물체의 깊이정보에 따른 제한된 초점으로 인해 초점이 일부분 맞는 여러 장의 이미지를 가지고 EDF알고리듬은 각 영상들의 focus 영역에서 하나의 focused 영상과 depth영상을 취득한다. 대부분의 영상처리 알고리듬이 그렇듯, EDF 알고리듬에 사용되는 파라메타들의 초기설정에 따라 결과에 큰 영향을 준다. 본 논문에서는 EDF알고리듬을 적용하기 전 입력영상의 기반으로 pyramid, wavelet transform, complex wavelet transform을 사용하였으며 EDF알고리즘에서 사용되는 파라메타들의 설정에 따른 각 알고리즘의 성능을 분석하였다. 본 논문에서 제시한 파라메타들은 입력영상의 크기에 따른 down sampling의 단계, 영상의 기반 알고리듬의 영상 복원에 사용되는 최하위 레벨의 이미지에 대한 취득 형태, 연산에 쓰이는 window size의 크기이다. 우리는 실험을 통해 제시한 입력영상에 따라 각 파라메타들이 미치는 영향에 대해 분석하였고, 기존에 사용되었던 일반적인 파라메타 선정방식보다 최적화된 파라메타 선정방식을 통해 얻어진 결과영상이 3dB ~ 19dB정도 개선된 것을 확인하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권1호
• /
• pp.1-12
• /
• 2008

본 논문에서는 야외 및 실내에서 촬영된 차량 영상에 대해 실시간으로 차량 색상을 인식할 수 있는 GPU(Graphics Processing Unit) 기반의 알고리즘을 제시한다. 전처리 과정에서는 차량 색상의 표본 영상들로부터 특징벡터를 계산한 뒤, 이들을 색상 별로 조합하여 GPU에서 사용할 참조 텍스쳐(Reference texture)로 저장한다. 차량 영상이 입력되면, 특징벡터를 계산한 뒤 GPU로 전송하고, GPU에서는 참조 텍스쳐 내의 표본 특징리터들과 비교하여 색상 별 유사도를 측정한 뒤 CPU로 전송하여 해당 색상명을 인식한다. 분류의 대상이 되는 색상은 가장 흔히 발견되는 차량 색상들 중에서 선택한 7가지 색상이며, 검정색, 은색, 흰색과 같은 3가지의 무채색과 빨강색, 노랑색, 파랑색, 녹색과 같은 4가지의 유채색으로 구성된다. 차량 영상에 대한 특징벡터는 차량 영상에 대해 HSI(Hue-Saturation-Intensity) 색상모델을 적용하여 색조-채도 조합과 색조-명도 조합으로 색상 히스토램을 구성하고, 이 중의 채도 값에 가중치를 부여함으로써 구성한다. 본 논문에서 제시하는 알고리즘은 다양한 환경에서 촬영된 많은 수의 표본 특징벡터를 사용하고, 색상 별 특성을 뚜렷이 반영하는 특징벡터를 구성하였으며, 적합한 유사도 측정함수(likelihood function)를 적용함으로써, 94.67%에 이르는 색상 인식 성공률을 보였다. 또한, GPU를 이용함으로써 대량의 표본 특징벡터의 집합과 입력 영상에 대한 특징벡터 간의 유사도 측정 및 색상 인식과정을 병렬로 처리하였다. 실험에서는, 색상 별로 1,024장씩, 총 7,168장의 차량 표본 영상을 이용하여 GPU에서 사용하는 참조 텍스쳐를 구성하였다. 특징벡터의 구성에 소요되는 시간은 입력 영상의 크기에 따라 다르지만, 해상도 $150{\times}113$의 입력 영상에 대해 측정한 결과 평균 0.509ms가 소요된다. 계산된 특징벡터를 이용하여 색상 인식의 수행시간을 계산한 결과 평균 2.316ms의 시간이 소요되었고, 이는 같은 알고리즘을 CPU 상에서 수행한 결과에 비해 5.47배 빠른 속도이다. 본 연구에서는 차량만을 대상으로 하여 색상 인식을 실험하였으나, 일반적인 피사체의 색상 인식에 대해서도 제시된 알고리즘을 확장하여 적용할 수 있다.