• 한국측량학회지
• /
• 제36권5호
• /
• pp.423-432
• /
• 2018

Surface water mapping has been widely used in various remote sensing applications. Water indices have been commonly used to distinguish water bodies from land; however, determining the optimal threshold and discriminating water bodies from similar objects such as shadows and snow is difficult. Deep learning algorithms have greatly advanced image segmentation and classification. In particular, FCN (Fully Convolutional Network) is state-of-the-art in per-pixel image segmentation and are used in most benchmarks such as PASCAL VOC2012 and Microsoft COCO (Common Objects in Context). However, these data sets are designed for daily scenarios and a few studies have conducted on applications of FCN using large scale remotely sensed data set. This paper aims to fine-tune the pre-trained FCN network using the CRMS (Coastwide Reference Monitoring System) data set for surface water mapping. The CRMS provides color infrared aerial photos and ground truth maps for the monitoring and restoration of wetlands in Louisiana, USA. To effectively learn the characteristics of surface water, we used pre-trained the DeepWaterMap network, which classifies water, land, snow, ice, clouds, and shadows using Landsat satellite images. Furthermore, the DeepWaterMap network was fine-tuned for the CRMS data set using two classes: water and land. The fine-tuned network finally classifies surface water without any additional learning process. The experimental results show that the proposed method enables high-quality surface mapping from CRMS data set and show the suitability of pre-trained FCN networks using remote sensing data for surface water mapping.

• 한국멀티미디어학회논문지
• /
• 제13권5호
• /
• pp.651-662
• /
• 2010

본 연구는 외부환경에서 자율주행 로봇을 위해 중요한 물체를 찾기 위한 방법을 설명한다. 외부환경의 물체를 찾기 위해서 먼저 로봇은 외부환경에서 주행할 때 획득한 영상으로부터 물체를 검출하고 분할한다. 로봇은 물체의 후보를 자연물의 하늘과 나무로, 인공물의 빌딩으로 나눈다. 후보 물체를 분할하기 위해서 다중 특징을 이용한다. 다중 특징은 색상, 선분, 상황정보, 동시발생 행렬, 소실점 및 주요한 요소성분을 이용한다. 후보 특징은 물체의 특성에 맞게 혼합하여 물체를 분할한다. 이런 다중 특징은 물체에 대한 공간정보, 인간의 선험적인 지식을 이용한 물체의 기하학 정보, 공간적인 주파수 등으로 다양한 특징 추출 방법을 이용하여 물체의 영역분할의 결과를 얻는다. 물체의 분석은 분할된 영역을 이용하여 벽 영역, 창문, 정문과 같은 빌딩면의 기하학적인 속성을 찾는다. 빌딩은 소실점의 수직선분과 수평선분을 교차함으로써 그물을 얻는다. 빌딩의 벽 영역은 유사한 색상을 가지는 이웃해 있는 평행사변형의 그물을 합병해서 검출한다. 창문은 층의 수와 동일한 층에 있는 방의 수를 추정하여 빌딩의 높이와 크기를 추정한다. 실험에서 다중 특징을 이용하여 물체의 영역을 분할하고 빌딩의 기하학적인 속성을 이용하여 물체를 분석한다.

• 한국HCI학회논문지
• /
• 제6권1호
• /
• pp.9-16
• /
• 2011

물체를 3차원으로 모델링 하는 데에 있어서 기존의 연구들은 주로 모델링할 물체 외에 다른 방해 요소가 없는 제한된 환경에서 작업을 수행하였다. 이러한 환경 제약이 없는 일상적인 생활환경에서 물체를 모델링하기 위해서는 관심영역 외의 주변 물체들이 복잡하게 섞여있고 빈번하게 변하는 상황을 고려해야 한다. 본 논문에서는 스테레오 비전 카메라를 이용하여 동적인 환경에서 대상 물체가 포함된 전경 영역을 배경으로부터 분리하고 지속적으로 추적하는 방법을 제안한다. 스테레오 영상으로부터 획득된 거리 정보를 이용하여 색상 정보를 이용할 때보다 환경변화에 강인하게 전경 영역을 분리할 수 있다. 또한 시간적으로 연속된 두 영상에 나타나는 전경 영역은 위치나 상태에 따른 변화가 크지 않으므로 관심영역의 상대적인 거리 분포를 비교하여 추적할 수 있다. 다양한 조건의 동적인 환경에서 전경 영역을 분리 및 추적하는 실험을 통해 본 논문에서 제안하는 방법의 성능을 평가한다. 이를 통해 분리 및 추적된 전경 영역으로부터 물체 영역을 추출하여 3차원 물체 모델링이 가능함을 보인다.

• 한국멀티미디어학회논문지
• /
• 제9권2호
• /
• pp.160-171
• /
• 2006

본 논문에서는 복잡한 배경, 심한 조명 변화 등의 다양한 환경 변화에서도 얼굴을 정확히 검출하기 위하여 영역 분할을 이용한 얼굴 검출을 제안한다. 입력된 영상에서 배경요소들로, 인한 검출 오류를 줄이기 위하여 JSEG 방법을 사용하여 영상을 영역 단위로 분할한다. 분할된 각 영역에서 사전 정의된 피부색에 해당되는 픽셀들을 추출한다. 각 영역에서 추출된 픽셀들의 비율을 이용하여 얼굴 후보 영역을 결정한다. 그리고 결정된 얼굴 후보 영역에서 얼굴요소에 해당되는 눈과 눈썹이 위치 정보와 색상 정보를 이용하여 최종 얼굴 영역을 검출한다. 본 논문에서 제안한 방법을 이용하여 다양한 제약 조건을 지닌 영상들에 대하여 얼굴을 검출해본 결과, 배경이 복잡한 영상, 조명 변화가 심한 영상, 얼굴 크기가 다양한 영상, 얼굴이 다수 존재하는 영상들에서 좋은 검출 결과를 보여주었다.

• 한국농공학회논문집
• /
• 제64권1호
• /
• pp.15-26
• /
• 2022

3D open-field farm model developed from UAV (Unmanned Aerial Vehicle) data could make crop monitoring easier, also could be an important dataset for various fields like remote sensing or precision agriculture. It is essential to separate crops from the non-crop area because labeling in a manual way is extremely laborious and not appropriate for continuous monitoring. We, therefore, made a 3D open-field farm model based on UAV images and developed a crop segmentation model using a supervised machine learning algorithm. We compared performances from various models using different data features like color or geographic coordinates, and two supervised learning algorithms which are SVM (Support Vector Machine) and KNN (K-Nearest Neighbors). The best approach was trained with 2-dimensional data, ExGR (Excess of Green minus Excess of Red) and z coordinate value, using KNN algorithm, whose accuracy, precision, recall, F1 score was 97.85, 96.51, 88.54, 92.35% respectively. Also, we compared our model performance with similar previous work. Our approach showed slightly better accuracy, and it detected the actual crop better than the previous approach, while it also classified actual non-crop points (e.g. weeds) as crops.

• 전자공학회논문지SC
• /
• 제43권5호
• /
• pp.89-100
• /
• 2006

두꺼워진 경동맥 내중막 두께는 일과성 뇌 허혈, 뇌졸중, 그리고 심근경색과 같은 관상동맥질환을 예고하는 독립적 인자로서 매우 중요하다. 경동맥 내중막 두께를 측정하기 위한 기존의 영상처리 방법은 전체 초음파 영상 가운데 수작업에 의해 구획을 임의로 설정한 다음, 그 부분만의 색도분포 미분치 산출에 의한 구간 분할로 두께를 추정하는 것이었기 때문에 임의성에 의한 한계는 물론이고 구간별 색도분포가 혼재하는 경우 정확한 두께 측정에는 역부족이었다. 우리는 본 논문을 통하여 경동맥과 같이 영상입력 대상물이 일관된 벡터 형성 특성을 갖고 관측영상의 화소 색도 집합의 원소들 또한 그 고유한 방향성을 내재하고 있는 경우, 이를 층위별로 군집 처리하여 원하는 특징을 효과적으로 추출하는 새로운 영상처리기술을 소개한다 우리는 보다 정확한 측정을 위해, 인체를 구성하고 있는 장기나 혈관과 같은 여러 조직이 동일조직 내에서 타조직과 다른 층위적 특성이 있음에 착안하여, 이의 초음파영상을 수직 및 수평축으로 성분 분석하여 차별된 군집들로 분류해 내고 군집들 사이의 색도 특성과 상호 연관을 수학적으로 규명한 다음, 특징별로 축진행에 따른 순차적인 영역처리를 시행함으로서 혈관 조직에 대한 층위적 형성 판별과 혈관 막(膜)들의 정확한 두께측정이 가능함을 보이고 영상 분석과 실험을 통해 입증하였다. 이러한 접근 방법은 경동맥영상과 같이, 영역간 색도분포의 혼재와 문턱치 산출의 어려움에도 불구하고 일관된 벡터 흐름과 방향성을 형성하고 있는 영상인 경우, 그 영역처리와 특징추출에 효과가 높으므로 응용이 가능하다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.533-535
• /
• 1999

자궁경부진 세포인식 시스템에 있어서 가장 중요한 것이 영상처리를 이용하여 세포핵과 세포질을 추출하여 세포의 형태적인 정보를 알아내는 과정이다. 기존의 전역 thresholding 기법이나 region growing의 경우는 pap smear 검사를 통해 얻어진 세포 영상을 분할할 수 있는 region growing 기법을 제안한다. 제안된 region growing 기법은 초기에 seed를 검출할 때 local threshold growing 기법을 제안한다. 제안된 region growing 기법은 초기에 seed를 검출할 때 local threshold 개념을 도입하여 seed의 검출을 고르게 하고, 2가지 확장 조건을 사용하여 영역을 확장한다. 첫 번째 확장 조건은 비정상 세포나 artifact가 많아서 어둡게 나타나는 영상이나 세포질과 배경의 경계가 뚜렷하지 않아서 세포질의 구별이 어려운 영상의 영역 분할이 가능하도록 그 특성을 반영하고, 두 번째 조건은 세포가 흡수하는 빛의 양이 일정하다는 가정으로 영상에서의 지역 특성(gray level, color 등을 반영한다. 제안된 기법은 정상세포 영상뿐만 아니라 비정상 세포 영상에 대하여 over-segment나 under-segment하는 경우를 줄여서 영역 분할에 좋은 결과를 보인다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.422-424
• /
• 1999

본 논문에서는 질감 특징과 신경회로망을 이용한 유방암조직영상의 분할 방법을 제안한다. 신경회로망의 입력 노드에 사용될 질감 특징을 얻기 위해 10개의 영상에 대해 각 영역(양성세포핵, 음성세포핵, 배경)에서 10개씩의 화소를 선택하고, 그 화소를 중심으로 하는 5$\times$5 영역 30개를 획득, 총 300개의 영역에 대해 R, G, B 각각의 밴드에서 18개의 질감특징을 추출한다. 54개의 입력노드, 28개의 은닉노드, 3개의 출력노드의 구조를 가진 신경회로망을 구성하고, 역전파 학습 알고리즘을 사용하여 신경회로망을 최대오차율이 10-3보다 작을 때까지 학습시킨다. 학습에 의해 획득되어진 분류기를 이용하여 유방암 조직 세포영상을 양성세포핵, 음성세포핵, 배경부분으로 자동 분할한다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2006년도 학술대회 1부
• /
• pp.786-791
• /
• 2006

색상 전이는 스타일 전이, 색이 바랜 사진의 복원, 색상화, 색상의 보정에 사용될 수 있는 기법이다. 본 연구에서는 기존 색상 전이의 문제점을 해결하기 위해서 영상 분할 기반의 색상전이 기법을 제시한다. 영상에서 색상의 가장 의미있는 최소 단위를 픽셀로 보고 있는 기존 연구에 반해서, 본 연구에서는 영상 조각을 영상에서 가장 의미 있는 최소 단위로 보고 색상 전이를 수행한다. 영상 분할 기반의 색상 전이를 통해서 기존 연구에서 발생할 수 있었던 픽셀간의 코헤런스 문제를 해결한다. 또한 영상 분할 기반으로 했을 때에 생길 수 있는 경계 문제를 해결하기 위한 새로운 방법을 제시한다. 제시된 기법을 이용해서 색상 전이의 응용인 스타일 전이에 적용한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.34-36
• /
• 2009

This paper proposes an effective lane detection algorithm using hugh transform and lane model. The proposed lane detection algorithm includes two major components, i.e., lane marks segmentation and an exact lane extraction using a novel postprocessing technique. The first step is to segment lane marks from background images using HSV color model. Then, a novel postprocessing is used to detect an exact lane using Hugh transform and lane models(linear and curved lane models). The postprocessing consists of three parts, i.e, thinning process, Hugh Transform and filtering process. We divide input image into three regions of interests(ROIs). Based on lane curve function(LCF), we can detect an exact lane from various extracted lane lines. The lane models(linear and curved lane mode]) are used in order to judge whether each lane segment is fit or not in each ROIs. Experimental results show that the proposed scheme is very effective in lane detection.