• 전자공학회논문지CI
• /
• 제43권3호
• /
• pp.30-38
• /
• 2006

본 논문에서는 스테레오 얼굴영상으로부터 3차원 정보인 거리와 깊이 정보를 이용해 거리에 따라 얼굴인식률이 떨어지는 것을 개선하였다. 단안 영상은 객체의 거리, 크기, 이동, 회전, 깊이 등의 불확실한 정보로 인해 인식률이 떨어지는 문제점이 있다. 또한 얼굴의 회전, 조명, 표정변화 등의 영상정보가 취득되지 않으면 인식률이 매우 저하되는 단점이 있다. 그래서 본 연구는 이와 같은 문제점을 해결하고자 한다. 제안된 방법은 눈 검출 알고리듬, 얼굴의 회전 방향분석, PCA(Principal Component Analysis)로 구성된다. 또한 제한된 영역에서 얼굴을 고속으로 검출하기 위해 RGB컬러공간에서 YCbCr공간으로 변환한다. 얼굴후보 영역에서 다층 상대적인 밝기 맵을 생성하여 얼굴의 기하학적인 구조로부터 얼굴인지를 판별한다. 스테레오 얼굴영상으로부터 거리 및 눈과 입의 깊이 정보를 취득하고, 거리에 따라 확대, 축소, 이동, 회전 등의 정규화를 통해 $92{\times}112$ 크기의 얼굴을 검출한다. 검출된 왼쪽 얼굴영상과 추정된 방향의 차를 PCA로 학습한다. 제안된 방법은 정면에서 최대 95.8%(100cm), 포즈변화에 따라 98.3%의 인식률을 얻을 수 있었다. 따라서 실험을 통하여 제안된 방법은 거리에 따라 확대, 축소와 회전 등의 정확한 정규화로 높은 인식률을 얻을 수 있음을 보였다.

• 한국의학물리학회지:의학물리
• /
• 제19권4호
• /
• pp.241-246
• /
• 2008

방사선 치료 시 환자 호흡에 의한 종양부위와 주변 장기 움직임의 영향을 줄이기 위하여 일반적으로 환자의 복부 위에 외부 표식자를 두고 환자의 호흡과 복부의 움직임과의 상관관계를 통하여 호흡신호를 얻는다. 이를 기반으로 하여 안정된 호흡 신호의 일정한 부분에만 방사선이 조사되도록 하는 방사선 치료 방법들에 관한 많은 연구들이 수행되고 있고 임상에서 활용되고 있다. 하지만 이러한 호흡 연동 방사선 치료 시 진폭 기반 방사선 치료 방법은 환자의 호흡 신호의 안정성에 한계가 있기 때문에 위상 기반 방사선 치료 방법이 선호 되고 있다. 본 연구에서는 위상 기반 호흡 연동 방사선 치료 시 갑작스럽게 발생할 수 있는 환자의 불규칙한 호흡 신호의 적합성을 분석하고, 호흡 신호의 위상을 재구성하는 프로그램을 개발하였다. 다양한 불규칙한 호흡 패턴을 임상 실험 지원자를 통하여 얻은 후, 방사선 조사 구간과 직접적인 연관이 있는 위상 변환에 큰 영향을 주는 인자들을 프로그램을 통하여 분석하였다. 이후 자체 개발 알고리듬을 통하여 불규칙한 신호를 제거하여 위상 변환에 있어 정확도를 향상 시키도록 하였다. 본 연구는 기존의 RPM 시스템의 위상 변환을 통한 이미지 재구성 및 방사선 전달의 정확도를 향상시킴과 동시에, 환자의 호흡 신호 분석에 있어 유용한 도구로 활용될 것으로 생각된다. 또한 이를 바탕으로 프로그램을 이용하여 추후 4D CT 영상 개선여부를 팬톰 연구 또는 임상 실험을 통해 확인할 예정이다.

• 대한공간정보학회지
• /
• 제18권2호
• /
• pp.3-12
• /
• 2010

최근 항공사진과 고해상도 위성영상의 보급과 수치사진측량 시스템 및 분석 알고리즘의 발전으로 인하여 데이터 추출, 영상이미지프로세싱처리, 정밀 대축척지도제작 등의 연구가 진행되고 있지만 2차원 평면 정보라는 제한적인 요소를 가지고 있다. 이에, 높은 위치정확도와 개체인식을 위한 정확한 공간정보와 3차원 좌표가 필요하게 되었다. 본 연구에서는 높은 위치정확도가 검증된 LiDAR의 3차원 공간정보를 이용하여 실제 지형을 반영하였고, 센서 최적 위치를 도출하기위해 확률알고리즘을 개발하고 공간분석을 통해 확률 값을 산정하였다. Grid기반인 2차원 3차원 센서위치지점을 생성하고 LiDAR의 3차원정보를 센서감지영역 산정에 적용하였다. 이 데이터를 바탕으로 알고리즘을 구현하여 최적 센서위치지점으로 선정하였다. 또한 최적 센서위치지점 선정 시 고려사항을 3가지 조건으로 나누었다. 첫째조건은 방해물이 없는 2차원인 경우(2-D Non obstacle), 둘째조건은 방해물이 존재하는 2차원인 경우(2-D Obstacle), 셋째는 방해물이 존재하며 3차원인 조건(3-D Obstacle)으로 설정하였다. 이 3가지 조건에 알고리즘을 적용하여 2차원, 3차원적 공간에 대한 최적위치선정 방법을 검토하였다. 결론적으로 본 연구에서는 LiDAR 데이터를 이용하여 정보 수집을 위한 지상 고정센서 위치 선정 방법론을 제시하고자 하였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제29권5호
• /
• pp.367-380
• /
• 2002

최근 공간 데이타 분석, 영상 분석 등과 같은 대용량 데이타를 관리하는 다양한 응용 업무들이 증가함에 따라, 대용량의 데이타베이스를 위한 클러스터링 기법이 많이 연구되고 있다. 그 중에서도 계층 클러스터링 기법은 데이타베이스의 계층 분할을 표현하는 계층 트리를 생성하고 이를 이용하여 효율적인 클러스터링을 수행하는 방법으로서, 지금까지는 주로 트리를 하위 계층으로부터 상위 계층으로 생성해 가는 상향식(bottom-up) 계층 클러스터링 기법들이 연구되었다. 이러한 상향식 클러스터링 방법은 트리를 생성하기 위하여 전체 데이타베이스를 한 번 이상 액세스하여야 할 뿐만 아니라, 하위 계층에서부터 검색을 시작하기 때문에 트리의 많은 부분을 검색하여야 하는 문제점이 있다. 본 논문에서는 대부분의 데이타베이스 응용에서 이미 유지하고 있는 다차원 색인을 이용하여 클러스터링을 수행하는 새로운 하향식(top-down) 계층 클러스터링 기법을 제안한다. 일반적으로 다차원 색인에서는 가까운 객체들이 동일한 (혹은 인접한) 페이지에 저장될 가능성이 큰 클러스터링 성질을 가진다. 이러한 다차원 색인의 클러스터링 성질을 사용하면 각 객체들간의 거리를 일일이 계산하지 않고도 이웃한 객체들을 식별할 수 있다. 우선 객체들의 밀도에 기반하여 클러스터를 정형적으로 정의한다. 이를 위하여, 객체를 포함하는 영역의 밀도를 이용한 영역 대조 분할(region contrast partition) 개념을 사용한다. 또, 클러스터링 알고리즘에서의 빠른 검색을 위하여 분기 한정(branch-and-bound) 알고리즘을 사용하며, 여기서의 한계값(bound)을 제안하고 이의 정확성을 이론적으로 증명한다. 실험 결과, 제안한 방법은 상향식 계층 클러스터링 방법인 BIRCH와 비교하여, 정확성 측면에서 우수하거나 유사한 것으로 나타났으며, 데이타 페이지 액세스 횟수를 데이타베이스 크기에 따라 최고 26～187배까지 감소시킨 것으로 나타났다. 이 같은 결과로 볼 때, 제안한 방법은 대용량 데이타베이스에서의 클러스터링 성능을 크게 향상시키는 기법으로서, 일반 데이타베이스 응용에 실용적으로 적용 가능하다고 판단된다.

• 한국지반공학회논문집
• /
• 제39권7호
• /
• pp.31-37
• /
• 2023

터널은 지중에 건설되는 구조물이므로 육안으로 터널 강지보재의 위치 등의 확인이 불가능하다. 이에, 터널 유지관리시에는, 일반적으로 GPR 이미지를 활용하여 강지보재 탐지를 수행한다. 인공신경망을 통한 GPR 이미지 분석에 대한 연구는, 주로 지하배관, 도로 손상 등의 탐지에 집중되어 있으며, 강지보재 등의 터널 GPR 데이터를 분석한 사례는 해외와 국내 모두 제한적이다. 본 연구에서는, 합성곱 신경망을 기반으로 하는 1단계 객체인식 알고리즘인 YOLO를 활용하여, GPR 데이터를 바탕으로 한 터널 강지보재의 위치 탐지를 자동화하고, 그 성능을 분석한다. 원본 이미지 데이터는 총 512개이며 원본 이미지 데이터로 이루어진 데이터 세트와 원본 이미지 데이터와 증식기법이 적용된 이미지 데이터를 병합한 2,048개의 데이터로 이루어진 데이터 세트를 해석에 활용하였다. 증식한 데이터를 사용한 모델의 강지보재 누락율(전체 강지보재와 탐지하지 못한 지보재 숫자의 비율)은 0.38%, 원본 데이터만을 활용한 모델의 강지보재 누락율은 7.18%로 나타났다. 따라서, 분석 자동화 측면에서는, 증식기법이 적용된 데이터 세트를 활용하는 것이 더 실용적일 것으로 판단된다.

• 정보처리학회논문지B
• /
• 제16B권5호
• /
• pp.341-346
• /
• 2009

모션 데이터 글러브는 손의 움직임을 측정하여 컴퓨터에 입력하는 대표적인 인간과 컴퓨터간의 인터페이스 도구로서, 홈 오토에이션, 가상 현실, biometrics, 모션 캡쳐 등의 컴퓨터 신기술에 사용되는 필수 장비이다. 본 논문에서는 대중화를 위하여, 별도의 특수 장비 없이 사용 가능한 저가형 비주얼 모션 데이터 글러브를 개발하고자 한다. 본 방식의 특징은 기존의 모션 데이터 글러브에 사용되었던, 고가의 모션 센싱 섬유를 사용하지 않음으로써, 저가형으로 개발이 가능하다는 것이다. 따라서 제작이 용이하고 대중화에 크게 기여할 수 있다는 장점을 가진다. 본 방식에서는 모션 센싱 섬유를 사용하는 기계적인 방식대신 광학적 모션 캡쳐 기술을 개량한 비주얼 방식을 채택한다. 기존의 비주얼 방식에 비해 본 방식은 다음과 같은 장점과 독창성을 가진다. 첫째, 기존의 비주얼 방식은 가려짐 현상을 제거하고 3차원 자세 복원을 위해 많은 수의 카메라와 장비를 사용하는 데 비해, 본 방식은 모노비전 방식을 채택하여 장비가 간소하고 저가형 개발이 가능하다. 둘째, 기존의 모노비전방삭은 가려짐 현상에 취약하여 영상에서 가려진 부분은 3차원 자세 복원이 어려웠다. 하지만 본 논문은 독창적으로 설계된 막대 모양의 지시자를 사용하여, 영상에서 가려진 부분도 3차원 자세 복원이 가능하다. 셋째, 기존의 모노 비전 방식은 비선형 수치해석 형태의 영상 해석 알고리즘을 사용하는 경우가 많아서 초기화나 계산시간 면에서 불편하였다. 하지만, 본 논문에서는 독창적인 공식화 방법을 사용하여 닫힌 형태의 영상해석 알고리즘을 도출함으로써 이와 같은 불편을 개선하였다. 넷째, 기존의 닫힌 형태의 알고리즘은 공식화 과정에서 근사화 방법을 도입하는 경우가 많아서 정확도가 떨어지고 특이점에 의한 응용분야에 제한이 있었다. 하지만 본 방식은 오일러 각과 같은 국부적인 매개화나 근사화 등을 사용하는 대신 지수형태의 트위스트좌표계를 사용하는 독창적인 공식화 방법을 사용하여, 공식화 단계에서의 근사화 방법 없이 닫힌 형태의 알고리즘을 도출함으로써 이 문제들을 개선하였다.

• 대한방사선치료학회지
• /
• 제16권1호
• /
• pp.57-65
• /
• 2004

서론 : 폐암환자의 방사선치료계획 시 불균질 조직 보정(inhomogeneity correction)을 평가하기 위해 폐(lung), (bone) 그리고 뼈를 고정시키기 위해 사용하는 고밀도 물질인 steel 등을 포함한 불균질 조직 보정 팬텀(inhomogeneity correction phantom, ICP)을 자체 제작하였다. 이를 이용하여 방사선치료계획시스템에서 불균질조직 보정 알고리듬에 따른 값들을 비교하고, 또한 실제 측정된 값과 비교, 분석하여 불균질 조직에 따른 선량계산 변화를 평가하고자 하였다. 대상 및 방법 : 영상획득은 전산화단층촬영영상장치(CT, Volume zoom, Germany)와 자체 제작한 불균질 조직 보정팬텀(ICP, pig's vertebra, steel(8.21 g/cm3), cork(0.23 g/cm3))을 사용하였다. 방사선치료계획시스템으로는 Marks Plan(2D)과 XiO(CMS, USA, 3D)를 사용하였고, 측정값과의 비교를 위해서는 선형가속기(CL/1800, Varian, USA)와 이온전리함을 사용하였다. 전산화단층촬영영상장치로부터 획득한 영상을 이용하여 방사선치료계획장치에서 관심점(interest point, IP)에서의 점선량(point dose)과 선량분포를 얻고, 이와 동일한 조건에서 측정을 수행한 후 비교, 분석하였다. 그리고 불균질 조직 보정 알고리듬 사용 유무에 따른 차이와 방사선치료계획장치가 가지고 있는 다양한 불균질 조직 보정 알고리듬 간의 차이도 비교하였다. 결 과 : 불균질 조직 보정 팬텀 내 관심지점에 대한 측정치와 방사선치료계획장치에서 얻은 균질과 불균질 보정된 값을 비교한 결과 폐 제1지점에서의 측정치와 불균질 보정값의 오차는 2D에서 $0.8\%$, 3D에서 $0.5\%$, 스틸 제1지점에서의 측정치와 불균질 보정값의 오차는 2D에서 $12\%$, 3D에서 $5\%$의 오차를 보이나 보정을 하지 않은 값과 측정치의 오차는 각각 $16\%,\;14\%$의 오차가 나는 것을 알 수 있었다. 또한 2D에서 보다는 3D에서의 값들이 오차가 적은 것으로 나타났다. 결 론 : 방사선치료계획 시 조직 내 밀도에 따른 보정이 반드시 이루어져야 하며 보다 정확한 치료계획을 위해서는 2차원 방사선치료계획용 시스템보다는 3차원 방사선치료계획용 시스템을 사용하는 것이 정확한 보정이 가능한 것을 알 수 있었다. 그리고 불균질 조직 보정 알고리듬 간에도 차이가 있어 실제 측정을 통해 가장 적합한 불균질 조직 보정 알고리듬을 선택하는 것이 필수적이라 할 수 있다. 향후 열형광선량계와 필름 선량계를 통한 비교, 분석이 추가적으로 수행되어야 할 것으로 사료된다.

• 한국산학기술학회논문지
• /
• 제18권7호
• /
• pp.84-91
• /
• 2017

본 연구는 컴퓨터 단층촬영 영상에서 제거할 수 없는 의료용 고밀도 물질을 Somatom Definition Flash(Siemens, Enlarge, Germany.)와 GE 64-MDCT (Discovery 750 HD, GE HEALTHCARE, Milwaukee, USA.)스캔 후 획득한 팬텀영상 데이터와 이미 촬영된 Raw 데이터영상을 이용하여 IMAR 알고리즘과 MAR 알고리즘 적용 및 재구성한 후 CT 재구성영상의 CT Number 변화율을 정량적으로 분석하였다. 그 결과 팬텀영상의 모든 의료용 고밀도 물질은 IMAR 알고리즘과 MAR 알고리즘 적용 시 CT Number의 변화와 영상의 차이가 있는 것으로 나타났지만(p<0.05). Stainless Steel 재질은 Black streak artifact에서 MAR 또는 IMAR 알고리즘 적용 시 재구성 영상의 변화와 CT Number의 변화차이가 없는 것으로 분석되었다(p>0.05). 또한 이미 촬영된 Raw 데이터영상 분석결과 IMAR 알고리즘 적용 시 적용 전에 비하여 영상 CT Number 변화가 있어, IMAR 알고리즘 적용은 Attenuation deviation에 영향을 미치는 것을 알 수 있었다. 이 결과를 바탕으로 향후 Implant시술 후 추적 CT검사 시 수술부위 및 주변조직의 상태를 관찰하는데 유용할 것으로 사료된다.

• 한국의학물리학회지:의학물리
• /
• 제12권2호
• /
• pp.177-184
• /
• 2001

방사선 치료목표는 정해진 방사선량을 병변부위에 정확하게 조사시키고 주위 정상조직에는 방사선이 조사되지 알도록 하는 것이다. 이때에 조사야 배치, 차폐체 배치의 부정확성, 환자의 움직임 등으로 병변부위와 치료부위 사이에서 변위오차가 발생할 수 있다. 본 연구에서는 방사선 치료 위치의 확인을 위한 방법으로서 랜드마크를 이용하여 포탈영상과 x선 시뮬레이터 영상을 비교하는 알고리즘을 개발하여 방사선 치료 시 발생하는 부정확도를 이동, 스케일, 회전 정도로 나타내어 정량적으로 확인하였다. 등록 알고리즘은 랜드마크 정합 후 필드 경계 정합에 의해 두 영상의 변위오차를 분석하는 순서로 구현된다. 우선 각 영상의 두개의 랜드마크를 이은 대응선분들을 이용하여 변환변수 (이동, 스케일, 회전)를 구하여 랜드마크를 정합하였다. 다음으로 포탈영상의 필드경계를 추출한 후 $\rho$-$\theta$ technique을 적용하여 두 필드의 변위오차를 계산하였다. 팬톰 포탈영상에 적용하여 이동에서 2mm 이내, 회전에서 1$^{\circ}$ 이내, 스케일에서 1% 이내의 오차를 보였다. 본 연구의 결과를 통하여 방사선 치료 시 시뮬레이터 영상과 포탈영상을 정량적으로 분석함으로서, 환자 치료의 정확도 확인 연구에 기여할 수 있을 것으로 사료된다.

• 정보처리학회논문지B
• /
• 제16B권2호
• /
• pp.131-140
• /
• 2009

본 논문에서는 입력된 FISH 세포영상을 군집세포영역과 독립세포영역으로 분류하고, 군집세포영역에 대해서는 하나의 세포를 분리하는 알고리즘을 제안한다. 먼저 입력된 영상에 대해서 가우시안혼합모델과 세포의 명암도 값에 대한 최대 우도 함수를 사용하여 세포영역과 배경영역을 분할해줄 임계값을 정의하게 된다. 이렇게 얻어진 전경세포영역에 대해서 보다 정확한 세포 분석을 위해서 군집세포와 독립세포를 분류하게 된다. 세포 영역의 분류과정을 위해서는 베이지안 네트워크와 확률밀도함수를 사용한다. 학습데이터로부터 밀집도(compactness), 평활도(smoothness), 후-모멘트(Hu-moment)에 대한 형태학적 특징값을 추출하여 확률밀도함수를 구성하고, 이를 기반으로 베이지안 네트워크를 사용하여 두 영역을 분류하게 된다. 군집세포로 분류된 영역에 대해서는 그 군집세포를 구성하고 있는 독립세포로 각각 분리한다. 먼저, 명암도 기울기 변환(intensity gradient transform) 영상과 워터쉐드 알고리즘을 이용하여 군집세포 영역을 작은 영역으로 분할하게 된다. 작게 분할된 영역을 하나의 세포영역으로 병합시키기 위해서, 군집세포에 존재하는 독립세포의 수만큼의 마커를 결정 침식 연산을 사용하여 추출하고, 추출된 마커를 중심으로 단계적 병합 알고리즘을 제안한다. 본 논문에서 제안한 방법은 166개의 FISH 세포를 사용하여 테스트한 결과 99.29%의 정확한 분리결과를 보여줬으며 기존의 다른 알고리즘보다도 뛰어난 성능과 빠른 실행시간을 보여주었다.