• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.792-794
• /
• 2014

문자인식은 문서 및 자동차 번호판 등의 문자정보를 얻는 영상처리 기술이며, 이를 위하여 에지를 검출하는 방법이 주로 사용되고 있다. 기존의 에지검출 방법은 대부분 영상에 가중치 마스크를 적용하는 방법이며, 영상의 전체 영역에 동일한 마스크를 적용하므로 처리결과가 다소 미흡하다. 따라서 본 논문은 문자인식에 적합하도록 화소의 분포 및 위치를 고려한 가중치 마스크를 적용하여 에지검출 알고리즘을 제안하였다.

• 한국멀티미디어학회논문지
• /
• 제8권10호
• /
• pp.1329-1336
• /
• 2005

본 논문에서는 다양한 에지의 폭에 적합한 최적의 에지 검출 알고리듬을 제안한다. 제안된 알고리듬을 적용할 edge point에 대한 새로운 정의를 도입하고, 스케일링에 무관한 확장된 방향 미분을 얻기 위해 픽셀 공간에서의 방향 미분을 일반화한다. 또한, 2D 영상에 대하여 제안한 알고리듬을 적용한 에지 검출의 결과를 구하고 기존의 알고리듬에 의한 것과 비교 분석한다.

• 응용통계연구
• /
• 제13권2호
• /
• pp.515-523
• /
• 2000

본 논문에서는 변화점 문제(change-point problem)에 대한 통계적 방법들을 사용하여 에지를 검출하고자 한다. 이를 위해 $n\timesn$ 부분영상을 선택하고 선택된 영상이 농도값에서 유의한 차이가 있는 두 개의 영역으로 분할하는 경계에 대응되는 에지점(edge point)을 포함하는지에 대해 가설 검정을 한다. 에지 검출에 사용되는 통계적 방법은 이표본 Kolmogorov-Smirnov 검정에 기초해서 얻은 제안된 방법과 기존의 우도비(likelihood ratio)방법,비모수적인 Wolfe-Schechtman 방법 등이다. 위 방법들의 성능을 평가하기 위해 접음영상과 잡음없는 영상에 대해 실험을 실시하고 비교 분석한다.

• 한국전자통신학회논문지
• /
• 제7권2호
• /
• pp.303-308
• /
• 2012

실린더 형태의 롤러에 감기는 원단들의 가장자리에 있는 선 이나 면들을 감지할 수 있는 1차원 선면감지 센서에 대하여 연구하였다. 선면감지 센서는 광학계의 정렬을 필요로 하지 않는 1안 렌즈를 사용한 1:1 광학계를 사용하였고 2분할 실리콘 수광소자를 사용한 두 개 채널로 부터의 차 및 합 신호를 처리하여 구현하였다. 측정된 결과는 다양한 재질 및 색상을 갖는 피사체에 대해서도 0.1mm 까지 선폭을 감지할 수 있었으며 감기는 원단은 0.2mm 편차 이내로 감기는 것을 보여주었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2006년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.12-14
• /
• 2006

This paper presents a novel scene change detection method using intra prediction mode and edge direction in H.264/AVC. When scene change occurs, there are less temporal correlation between frames, most of macro-blocks encoded in intra mode. Using this property, the method calculates the percentage of intra mode blocks in each predictive frame in order to get candidates of scene change frame. To further find scene change, we obtain edge histogram of each candidates by using eight prediction direction of intra prediction mode in H.264/AVC. We detect scene change frames with $\iota^1$-norm of edge histograms. The experimental results show that the method is efficient and robust.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 추계학술발표논문집 (상)
• /
• pp.767-770
• /
• 2001

Edge detection is one of issues with essential importance in the area of image process. An edge in image is a boundary or contour which a significant change occurs in image intensity. In the paper, we process edge detection algorithms which are based on Potts automata. The dynamical behavior of these automata is completely determined by Lyapunov operators for sequential and parallel update. If Potts Automata convergence to fixed points, then it can be used to image processing. From the generalized Potts automata point of view, we propose a Potts Automata technique for detecting edge. Based on the experimental results we discuss the advantage and efficiency.

• 제어로봇시스템학회논문지
• /
• 제7권4호
• /
• pp.304-308
• /
• 2001

The increase of video data makes the demand of efficient retrieval, storing, and browsing technologies necessary. In this paper, a video segmentation method (scene change detection method, or shot boundary detection method) for the development of such systems is proposed. For abrupt cut detection, inter-frame similarities are computed using luminance and edge histograms and a cut is declared when the similarities are under th predetermined threshold values. A gradual scene change detection is based on the similarities between the current frame and the previous shot boundary frame. A correlation method is used to obtain universal threshold values, which are applied to various video data. Experimental results show that propose method provides 90% precision and 98% recall rates for abrupt cut, and 59% precision and 79% recall rates for gradual change.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.2092-2095
• /
• 2003

In this paper, we propose an algorithm to extract rectangular object area such 3s Data Matrix two-dimensional barcode using edge tracing-based linear feature detection. Hough transform is usually employed to detect lines of edge map. However, it requires parametric image space, and does not find the location of end points of the detected lines. Our algorithm detects end points of the detected lines using edge tracing and extracts object area using its shape information.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.739-741
• /
• 2004

영상에서 Edge는 영역의 경계를 표현하며. 특징으로는 픽셀 밝기의 불연속점을 나타낸다. 이러한 Edge를 찾아내는 Edge detection은 설러 가지 영상 처리 기법에서 유용하게 사용되고 있다. 현재까지 많은 알고리즘들이 제안되었으며. 이 논문에서는 이러한 알고리즘들에 대한 장단점을 파악하고, 미분 연산자를 이용한 Sobel, Prewitt. Roberts. Laplacian, 그리고 Canny 마스크를 이용한 윤곽선 검출방법과 Discrete Sing에ar Convolution (DSC) 알고리즘을 이용한 윤곽선 검출방법을 백색 가우시안 잡음 환경과 비 잡음 환경에서 비교해 보았다.

• Journal of Information Processing Systems
• /
• 제20권3호
• /
• pp.375-390
• /
• 2024

Edge computing architecture has effectively alleviated the computing pressure on cloud platforms, reduced network bandwidth consumption, and improved the quality of service for user experience; however, it has also introduced new security issues. Existing anomaly detection methods in big data scenarios with cloud-edge computing collaboration face several challenges, such as sample imbalance, difficulty in dealing with complex network traffic attacks, and difficulty in effectively training large-scale data or overly complex deep-learning network models. A lightweight deep-learning model was proposed to address these challenges. First, normalization on the user side was used to preprocess the traffic data. On the edge side, a trained Wasserstein generative adversarial network (WGAN) was used to supplement the data samples, which effectively alleviates the imbalance issue of a few types of samples while occupying a small amount of edge-computing resources. Finally, a trained lightweight deep learning network model is deployed on the edge side, and the preprocessed and expanded local data are used to fine-tune the trained model. This ensures that the data of each edge node are more consistent with the local characteristics, effectively improving the system's detection ability. In the designed lightweight deep learning network model, two sets of convolutional pooling layers of convolutional neural networks (CNN) were used to extract spatial features. The bidirectional long short-term memory network (BiLSTM) was used to collect time sequence features, and the weight of traffic features was adjusted through the attention mechanism, improving the model's ability to identify abnormal traffic features. The proposed model was experimentally demonstrated using the NSL-KDD, UNSW-NB15, and CIC-ISD2018 datasets. The accuracies of the proposed model on the three datasets were as high as 0.974, 0.925, and 0.953, respectively, showing superior accuracy to other comparative models. The proposed lightweight deep learning network model has good application prospects for anomaly traffic detection in cloud-edge collaborative computing architectures.