• 한국지능시스템학회논문지
• /
• 제22권5호
• /
• pp.555-562
• /
• 2012

본 논문에서는 영상의 비선형 평활화와 특징들의 통계적 상관성에 기반을 둔 조합형 인식성능 개선기법을 제안하였다. 여기서 비선형 평활화는 로지스틱 함수에 기반을 둔 히스토그램 재조정의 전처리 기법으로 영상의 밝기를 조정하여 화질을 개선하기 위함이다. 통계적 상관성은 정규상호상관계수에 의해 측정되며, 이는 유사도를 좀 더 빠르고 정확하게 측정하기 위함이다. 또한 독립성분분석에 의한 국부적인 특징들을 대상으로 정규상호상관을 계산함으로써 좀 더 정확한 유사도를 통계적으로 측정하기 위함이다. 제안된 기법을 30개 40*50픽셀의 명암도 변화를 가지는 얼굴영상들을 대상으로 실험한 결과, 전처리를 하지 않은 기법이나 기존 및 적응적 변형히스토그램 평활화에 의한 전처리 기법에 비해 각각 영상의 속성을 잘 반영한 우수한 인식성능이 있음을 확인하였다.

• 한국전자통신학회논문지
• /
• 제14권4호
• /
• pp.707-714
• /
• 2019

최근 센서 네트워크 기술의 발달과 카메라 기술의 발달로 이 두 기술을 접목한 비쥬얼 센서 기술을 이용하여 사람이 접근하기 어려운 지역을 효과적으로 관찰 또는 감시하고자 하는 수요가 증가하고 있다. 비쥬얼 센서를 이용한 응용은 실외 지역을 카메라 센서를 이용하여 촬영하기 때문에 날씨나 시간에 따라 영상의 대비가 좋지 않은 영상이 얻어질 수 있다. 본 논문에서는 동일한 지역을 지속적으로 촬영하는 비쥬얼 센서의 특성을 이용하여 조도 대비 컬러 특성을 모델링하고 이 특성을 이용하여 대비가 개선된 영상을 실시간으로 만들 수 있는 방법을 제시한다. 제시하는 모델은 영상에서 관심영역을 설정하고 관심영역에 대해서 조도 대비 컬러 특성을 측정하여 이를 감마함수 형태로 모델링한다. 실험 결과는 제안하는 방법이 간단하면서도 정확하게 저대비 영상의 컬러 성분들을 보정하여 영상의 대비를 개선하는 것을 보여준다.

• 방송공학회논문지
• /
• 제25권6호
• /
• pp.935-943
• /
• 2020

본 논문에서는 위상 홀로그램의 고해상도 디스플레이를 위하여 딥러닝을 사용하는 방법을 제안한다. 일반적인 보간법을 사용하면 복원결과의 밝기가 낮아지고 노이즈와 잔상이 생기는 문제점이 발생한다. 이를 해결하고자 SISR(Single-Image Super Resolution) 분야에서 좋은 성능을 보였던 신경망 구조로 홀로그램을 학습시켰다. 그 결과로 복원결과에서 발생한 문제를 개선하며 해상도를 증가시킬 수 있었다. 또한 성능을 높이기 위해 채널 수를 조절하여 동일한 학습 시에 0.3dB 이상의 결과 상승을 보였다.

• 대한의용생체공학회:의공학회지
• /
• 제38권6호
• /
• pp.321-329
• /
• 2017

This paper presents a bone metastasis Detection algorithm on abdominal computed tomography images for early detection using fully convolutional neural networks. The images were taken from patients with various cancers (such as lung cancer, breast cancer, colorectal cancer, etc), and thus the locations of those lesions were varied. To overcome the lack of data, we augmented the data by adjusting the brightness of the images or flipping the images. Before the augmentation, when 70% of the whole data were used in the pre-test, we could obtain the pixel-wise sensitivity of 18.75%, the specificity of 99.97% on the average of test dataset. With the augmentation, we could obtain the sensitivity of 30.65%, the specificity of 99.96%. The increase in sensitivity shows that the augmentation was effective. In the result obtained by using the whole data, the sensitivity of 38.62%, the specificity of 99.94% and the accuracy of 99.81% in the pixel-wise. lesion-wise sensitivity is 88.89% while the false alarm per case is 0.5. The results of this study did not reach the level that could substitute for the clinician. However, it may be helpful for radiologists when it can be used as a screening tool.

• 감성과학
• /
• 제17권1호
• /
• pp.105-114
• /
• 2014

인물사진에서 피부 톤은 사진작가가 가장 중요하게 다루는 부분 중 하나이다. 인물사진의 피부 톤 변화에 따른 수용자의 감성과 선호도의 관계를 파악하기 위해 두 가지 실험이 시행됐다. 실험 1은 피부 톤을 어느 정도 변화시켜야 피실험자들이 그 차이를 감지하는지(JND)를 확인하고, 극단적 단계까지 단계별로 변화시킨 많은 수의 사진들로 실험하여 대략적 선호 분포를 파악하기 위한 것으로, 밝기가 가장 밝은 사진과 붉은(Red나 Magenta) 피부 톤 선호를 확인했다. 실험 1의 결과에 따라, 사진의 밝기를 가장 밝은 밝기로 고정하여 실험 사진들의 수를 줄이고, 높은 선호도를 보였던 마젠타는 보색인 그린(Green)과 함께 5단계로 조절하고, 나머지 색채의 샘플은 한 장으로 제한함으로써 실험 2를 심화했다. 그 결과, 중성색 피부 톤의 공통된 선호와 함께 각 성별집단 간 선호도의 상이점이 발견되었고, '행복'하거나 '편안'한 감성이 선호도와 긍정적으로 관련이 크다는 결론을 얻었다. 본 연구를 통해 같은 인물사진의 피부 톤의 조정이 그 사진에 대한 사용자의 선호에 유의미한 결과가 될 수 있음을 확인하였다.

• 전기전자학회논문지
• /
• 제27권3호
• /
• pp.340-344
• /
• 2023

본 논문에서는 날씨 변화에 따른 실외 LED 전광판의 시인성 확보를 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 제안하는 기법은 영상장치를 이용한 딥러닝을 사용하여 날씨 변화에 따른 LED 휘도를 자동 조절함으로써 실외 LED 전광판의 시인성을 확보한다. 날씨 변화에 따른 LED 휘도를 자동 조절하기 위하여, 먼저 평면화된 배경 부분 이미지 데이터에 대한 전처리 과정을 거친 후, 합성곱 네트워크를 이용하여 학습시켜 날씨에 대한 분류를 진행할 수 있는 딥러닝 모델을 만들어낸다. 적용된 딥러닝 네트워크는 Residual learning 함수를 사용하여 입력값과 출력값의 차이를 줄임으로써 초기의 입력값의 특징을 가지고 가면서 학습하도록 유도한다. 다음에 날씨를 인식하여 날씨 변화에 따라 실외 LED 전광판의 휘도를 조절하는 제어기를 사용하여 주변 환경이 밝아지면 휘도가 높아지도록 변경하여 선명하게 보이도록 한다. 또한, 주변 환경이 어두워지면 빛의 산란에 의해 시인성이 떨어지기 때문에 전광판의 휘도가 내려가도록 하여 선명하게 보이도록 한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 날씨 변화에 따른 휘도 측정의 공인 측정 실험 결과는, 날씨 변화에 따라 실외 LED 전광판의 시인성이 확보됨을 확인하였다.

• Journal of Astronomy and Space Sciences
• /
• 제20권4호
• /
• pp.283-298
• /
• 2003

2001년 사자자리 유성우는 수십년 이래 최대 빈도로 많은 유성이 발생하여 전세계적으로 관측되며 많은 관심을 불러 일으켰다. 특히 유성우 극대기 시간이 동아시아의 11월 19일 새벽으로, 달의 위상과 보현산의 날씨가 관측하기에 최적인 조건을 보였다. 본 논문은 보현산 천문대에 고층대기 관측용으로 설치된 전천 카메라를 이용해서 유성우 극대기가 예측된 2001년 11월 19일 01:00∼05:40(KST)동안 관측한68장의 전천 화상을 분석하였다. 이 기간 동안 전천 화상에 모두 172개의 유성이 기록되었다. 이 관측 개수에 International Meteor Organization에 육안 관측으로 보고된 천정 시간율(Zenith Hourly Rate, ZHR), 3000과 등급 분포 지수, 2를 적용하면, 전천 화상에 나타난 유성의 한계 등급이 약 3등급으로 추정된다. 이 중 화상 밝기가 분명한 83개의 유성에 대해 근처 표준성의 자기와 비교하여 등급을 결정하였다. 이 때 유성 통과 시간의 계산에 필요한 유성의 각속도는 유성 진입의 기하학적 성질을 이용하여 유성과 사자자리 방사점과의 사이각을 변수로 하는 간단한 식으로 유도하였다. 이렇게 결정된 83개의 유성이 -1∼-6등급 사이에 분포하며, -3등급 근처에서 최대를 보인다. 그러나 이 등급 분포는 육안 관측과 비교하여 추정한 전천 카메라의 한계 등급보다 상당히 작은(밝은) 범위에 있다. 이런 차이는 순간적인 육안 관측과 노출시간이 긴 CCD 관측과의 특성 차이에 기인하는 것으로 판단된다. 이 특성 차이를 분석하기 위해 육안 관측과 합치하도록 유성 지속 시간을 조절 변수로 하여 등급을 재결정하였다. 재결정된 등급의 상대적 분포는 원리적으로 결정한 등급 분포와 유사하며, 약 0등급 근처에서 최대를 가진다. 이 상대 분포는 육안 관측에 민감한, 희미한(1∼6등급)유성들이 등급이 감소함에 따라 일률적으로 개수가 감소하는 것과는 상당히 다른 분포이다. 따라서 우리의 관측 결과는 2001년 사자자리 유성우의 극대 시간 전후 2시간에 적어도 0등급 이하의 밝은 유성이 상대적으로 많이 발생하였을 것으로 해석된다. 이런 밝은 유성의 빈도는 유성우 특성 연구에 중요한 의미를 가진다. 그러나 표준성만을 이용해 결정된 유성 등급은 유성의 지속 시간에 대한 불확실성과 전천 카메라 감응도의 비선형성에 의한 불확실성을 내포하고 있음을 지적해 둔다.

• 한국지리정보학회지
• /
• 제22권3호
• /
• pp.82-98
• /
• 2019

정보화 사회로 진입하면서 공간정보의 중요성은 급격하게 부각되고 있다. 특히 스마트시티, 디지털트윈과 같은 Real World Object의 3차원 공간정보 구축 및 모델링은 중요한 핵심기술로 자리매김하고 있다. 구축된 3차원 공간정보는 국토관리, 경관분석, 환경 및 복지 서비스 등 다양한 분야에서 활용된다. 영상기반의 3차원 모델링은 객체 벽면에 대한 텍스처링을 생성하여 객체의 가시성과 현실성을 높이고 있다. 하지만 이러한 텍스처링은 영상 취득 당시의 가로수, 인접 객체, 차량, 현수막 등의 물리적 적치물에 의해 필연적으로 폐색영역이 발생한다. 이러한 폐색영역은 구축된 3차원 모델링의 현실성과 정확성 저하의 주요원인이다. 폐색영역 해결을 위한 다양한 연구가 수행되고 있으며, 딥러닝을 이용한 폐색영역 검출 및 해결방안에 대한 연구가 수행되고 있다. 딥러닝 알고리즘 적용한 폐색영역 검출 및 해결을 위해서는 충분한 학습 데이터가 필요하며, 수집된 학습 데이터 품질은 딥러닝의 성능 및 결과에 직접적인 영향을 미친다. 따라서 본 연구에서는 이러한 학습 데이터의 품질에 따라 딥러닝의 성능 및 결과를 확인하기 위하여 다양한 영상품질을 이용하여 영상의 폐색영역 검출 능력을 분석하였다. 폐색을 유발하는 객체가 포함된 영상을 인위적이고 정량화된 영상품질별로 생성하여 구현된 딥러닝 알고리즘에 적용하였다. 연구결과, 밝기값 조절 영상품질은 밝은 영상일수록 0.56 검출비율로 낮게 나타났고 픽셀크기와 인위적 노이즈 조절 영상품질은 원본영상에서 중간단계의 비율로 조절된 영상부터 결과 검출비율이 급격히 낮아지는 것을 확인할 수 있었다. F-measure 성능평가 방법에서 노이즈 조절한 영상품질 변화가 0.53으로 가장 높게 나타났다. 연구결과로 획득된 영상품질별에 따른 폐색영역 검출 능력은 향후 딥러닝을 실제 적용을 위한 귀중한 기준으로 활용될 것이다. 영상 취득 단계에서 일정 수준의 영상 취득과 노이즈, 밝기값, 픽셀크기 등에 대한 기준을 마련함으로써 딥러닝을 실질적인 적용에 많은 기여가 예상된다.