• 제어로봇시스템학회논문지
• /
• 제16권5호
• /
• pp.469-475
• /
• 2010

This paper presents a method of classifying discolored defects of metal pads using geometric texture for AFVI (Automated Final Vision Inspection) systems. In PCB manufacturing process, the metal pads on PCB can be oxidized and discolored partly due to various environmental factors. Nowadays the discolored defects are manually detected and rejected from the process. This paper proposes an efficient geometric texture feature, SUTF (Symmetry and Uniformity Texture Feature) based on the symmetric and uniform textural characteristics of the surface of circular metal pads for automating AFVI systems. In practical experiments with real samples acquired from a production line, 30 discolored images and 1232 roughness images are tested. The experimental results demonstrate that the proposed method using SUTFs provides better performance compared to Gabor feature with 0% FNR (False Negative Rate) and 1.46% FPR (False Positive Rate). The performance of the proposed method shows its applicability in the real manufacturing systems.

• 지능정보연구
• /
• 제18권3호
• /
• pp.1-12
• /
• 2012

길 옆이나 공원 또는 조경시설에는 많은 나무들을 포함하고 있다. 비록 많은 나무들이 쉽게 우리 주변에서 보이지만, 일반인들이 그 나무의 이름, 종류 및 정보들을 얻기가 힘든 경우도 있다. 나무의 이름이나 정보를 얻기 위하여 인터넷이나 서적을 이용하여 찾아 분류하여야 한다. 나무의 구성 요소는 잎, 꽃, 수피 등이 있는데, 일반적으로 나무의 잎을 이용하여 분류할 수 있다. 이는 잎이 형태, 잎맥 등의 정보를 포함하고 있기 때문이다. 잎의 형태는 나무의 종류를 결정하는데 중요한 역할을 하며, 또한 잎맥을 포함한 텍스쳐도 나무의 종류를 분류하는데 유용하게 사용된다. 본 논문에서는 형태와 텍스쳐를 조합한 특징들을 이용한 잎 분류 시스템에 대한 성능을 평가하였다. 형태 특징으로는 푸리에 기술자를 이용하였고, 텍스쳐 특징으로는 GLCM 또는 웨이브릿 기술자, 그리고 그들의 조합을 사용하였다. 그리고 사용된 데이터는 인터넷에서 용이하게 구할 수 있고, 분류 성능평가에 사용되는 Flavia 잎 데이터 셋을 사용하였다. 형태와 텍스쳐를 기반으로 하는 다양한 조합을 가진 분류 시스템의 성능을 인식률과 PR(precision-recall) 지수로 평가하고, 성능을 비교하였다. 성능평가 결과, 형태와 텍스쳐를 조합한 특징들을 갖는 시스템의 성능이 조합하지 않은 시스템의 성능보다 나아짐을 알 수 있었다.

• Korean Chemical Engineering Research
• /
• 제48권4호
• /
• pp.483-489
• /
• 2010

본 연구에서는 화상분석(image analysis)에 기반한 소프트 센서를 설계하고, 이를 색상-질감 특성을 가진 제품의 외관품질 자동분류에 적용하였다. 색상과 질감(texture)을 동시에 가진 화상을 분석하기 위해 다중해상도 다변량 화상분석(Multiresolutional Multivariate Image Analysis, MR-MIA) 기법을 이용하였으며, 자동 분류를 위한 감독 학습법(supervised learning)으로는 Fisher의 판별분석(Fisher's discriminant analysis)을 사용하였다. 잠재변수법의 하나인 Fisher의 판별분석을 사용하였기 때문에, 제품의 외관을 서로 다른 불연속적인 부류로의 분류할 수 있을 뿐 아니라, 연속적인 외관 변화를 일관적이고 정량적으로 추정함은 물론, 외관의 특성 해석 또한 가능하였다. 이 방법은 인조대리석 제조 공정에서 중간 및 최종 제품의 외관 품질을 자동으로 분류하는 데에 성공적으로 적용되었다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.204-206
• /
• 2003

In order to utilize remote sensed images effectively, a lot of image classification methods are suggested for many years. But, the accuracy of traditional methods based on pixel-based classification is not high in general. In this study, object oriented classification based on image segmentation is used to classify Landsat images. A necessary prerequisite for object oriented image classification is successful image segmentation. Object oriented image classification, which is based on fuzzy logic, allows the integration of a broad spectrum of different object features, such as spectral values , shape and texture. Landsat images are divided into urban, agriculture, forest, grassland, wetland, barren and water in sochon-gun, Chungcheongnam-do using object oriented classification algorithms in this paper. Preliminary results will help to perform an automatic image classification in the future.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.626-629
• /
• 2004

Texture imaging, which means texture image creation by co-occurrence relation, has been known as one of useful image analysis methodologies. For this purpose, most commercial remote sensing software provides texture analysis function named GLCM (Grey Level Co-occurrence Matrix). In this study, texture-imaging program for GLCM algorithm is newly implemented in the MS Visual IDE environment. While, additional texture imaging modules based on GLDV (Grey Level Difference Vector) are contained in this program. As for GLCM/GLDV texture variables, it composed of six types of second order texture function in the several quantization levels of 2(binary image), 8, and 16: Homogeneity, Dissimilarity, Energy, Entropy, Angular Second Moment, and Contrast. As for co-occurrence directionality, four directions are provided as $E-W(0^{\circ}),\;N-E(45^{\circ}),\;S-W(135^{\circ}),\;and\;N-S(90^{\circ}),$ and W-E direction is also considered in the negative direction of E- W direction. While, two direction modes are provided in this program: Omni-mode and Circular mode. Omni-mode is to compute all direction to avoid directionality problem, and circular direction is to compute texture variables by circular direction surrounding target pixel. At the second phase of this study, some examples with artificial image and actual satellite imagery are carried out to demonstrate effectiveness of texture imaging or to help texture image interpretation. As the reference, most previous studies related to texture image analysis have been used for the classification purpose, but this study aims at the creation and general uses of texture image for urban remote sensing.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 1996년도 학술대회
• /
• pp.63-66
• /
• 1996

In this paper, we propose a new content-based color image retrieval algorithm. The algorithm makes use of two features; colors as global features and block classification results as local features. More specifically, we obtain R, G, B color histograms and classify nonoverlapping small image blocks into texture, monotone, and various edges, then using these histograms and classification results were make a similarity measure. Experimental results show that retrieval rate of the proposed algorithm is higher than the previous method.

• 전자공학회논문지S
• /
• 제34S권12호
• /
• pp.81-89
• /
• 1997

In this paper, we propose a new image retrieval algorithm using the block classification. More specifically, we classify nonoverlappint small image blocks into texture, monotone, and various edges. Using these classification results and the RGB color histogram, we propose a new similarity measure which considers both local and global fretures. According to our experimental results using 232 color images, the retrieval efficiencies of the proposed and the previous methods were 0.610 and 0.522, respectively, which implies that the proposed algorithm yields better performance.

• 한국인터넷방송통신학회논문지
• /
• 제20권4호
• /
• pp.201-205
• /
• 2020

구조적인 텍스처는 텍스처를 구성하는 기본요소인 텍셀 (texel)이 규칙적으로 반복되는 형태로 정의된다. 구조적 텍스처 분석/인식은 직물류의 자동검사, 금속표면 자동테스트 및 마이크로 이미지의 자동 분석 등, 산업적인 응용이 다양하다. 본 논문에서는 구조적 텍스처 분석을 위한 합성곱신경망 (Convolution Neural Network, CNN) 기반의 시스템을 제안한다. 제안한 방법은 합성곱신경망이 분류 대상 텍스처들의 구성 요소인 텍셀을 학습한다. 인식 단계에서는 입력되는 텍스처 영상에서 얻은 부분 영상을 이용하여 학습된 합성곱신경망이 텍스처를 인식하다. 실제 구현 및 실험을 통하여 제안된 방법의 우수성을 보인다.

• 대한전자공학회논문지SP
• /
• 제42권6호
• /
• pp.43-54
• /
• 2005

이본 논문에서는 Bayesian 영상 분할법과 SOM(Self Organization feature Map)을 이용한 텍스쳐(Texture) 분할 방법을 제안한다. SOM의 입력으로 다중 스케일에서의 웨이블릿 계수를 사용하고, 훈련된 SOM으로부터 관측 데이터에 대한 우도(尤度, likelihood)와 사후확률을 구하는 방법을 제시한다. 훈련된 SOM들로부터 구한 사후확률과 MAP(Maximum A Posterior) 분류법을 이용하여 텍스쳐 분할을 얻는다. 그리고 문맥 정보를 이용하여 텍스쳐 분할 결과를 개선하였다. 제안 방법은 HMT(Hidden Markov Tree)을 이용한 텍스쳐 분할보다 더 우수한 결과를 보여준다. 또한 SOM과 HMTseg라고 불리는 다중스케일 Bayesian 영상 분할 기법을 이용한 텍스쳐 분할 결과는 HMT와 HMTseg을 이용한 결과보다 더 우수한 성능을 보여준다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.744-746
• /
• 2003

A 3D modeling of urban area can be composed the terrain modeling that can express specific and shape of the terrain and the object modeling such as buildings, trees and facilities which are found in urban areas. Especially in a 3D modeling of building, it is very important to make a unit model by simplifying 3D structure and to take a texture mapping, which can help visualize surface information. In this study, the texture mapping technique, based on library for 3D urban modeling, was used for building modeling. This technique applies the texture map in the form of library which is constructed as building types, and then take mapping to the 3D building frame. For effectively apply, this technique, we classified buildings automatically using LiDAR data and made 3D frame using LiDAR and digital map. To express the realistic building texture, we made the texture library using real building photograph.