• 방송공학회논문지
• /
• 제27권6호
• /
• pp.923-935
• /
• 2022

본 논문에서는 스마트팜 시스템에서 재배 중인 식물 잎의 질병을 검출하고, 질병 유형을 분류하는 방법을 제안한다. 영상으로부터식물 잎의 컬러 정보와 질병 유형의 형태 정보를 다층 퍼셉트론(MLP) 모델을 이용하여 학습한다. 1단계에서는 입력된 영상의 컬러분포를 분석하여 질병 존재 여부를 판단한다. 1단계의 질병 존재 가능성이 높은 영상에 대하여 2단계에서는 Mean shift clustering을 이용하여 작은 영역으로 분할하고, 각 분할된 영역 단위로 컬러 정보를 추출하여 제안한 Color Network에 의하여 질병 여부를 판별한다. 컬러 분할된 영역이 Color Network에 의하여 질병으로 판별되면, 3단계에서는 그 영역의 형태 정보를 추출하여 제안한 Shape Network를 이용하여 질병의 유형을 분류한다. 사과나무 잎과 서양 양상추(Iceberg)에서 발생하는 두 가지 대분류 유형의 질병에 대하여, 제안한 기법은 작은 영역 단위로는 92.3%의 잎 질병 검출률을 보였으며, 보통 2개 이상의 질병 영역이 존재하는 한 장의 영상 단위로는 99.3% 이상의 검출률을 보였다. 본 논문에서 제안한 방법은 스마트팜 환경에서 잎 식물의 질병 여부를 조기에 발견할 수 있으며, 대상 식물에 따른 추가 학습 없이 다양한 식물과 질병 유형으로 확대 적용이 가능하다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권8호
• /
• pp.579-588
• /
• 2013

본 논문에서는 화재 비디오 영상의 저작권 보호를 위해 효과적인 워터마킹 기법을 제안한다. 제안하는 워터마킹 기법은 명암도 동시발생 행렬과 퍼지 클러스터링 알고리즘을 이용하여 화재의 색상과 텍스처의 특징을 효율적으로 이용한다. 명암도 동시발생 행렬은 각 후보 화재 영상의 블록에 대한 에너지와 동질성을 계산하여 텍스처 데이터 셋을 만드는데 사용하며, 퍼지 클러스터링은 화재 비디오 영상의 색상 분할과 워터마커 삽입을 위한 텍스처 블록을 결정하기 위해 사용된다. 선택된 텍스처 블록은 이산 웨이블릿 변환을 통해 네 가지 서브밴드 (LL, LH, HL, HH)를 가지는 1차 레벨 웨이블릿 구조로 분해되고, 워터마커는 사람의 시각에 영향을 주지 않는 LH 영역에 삽입된다. 모의실험결과, 제안한 워터마킹 기법은 약 48 데시벨의 높은 첨부 신호 대 잡음 비와 1.6-2.0의 낮은 M-특이치 분해 값을 보였다. 또한, 제안한 워터마킹 기법은 노이즈 첨가, 필터링, 크로핑, JPEG 압축과 같은 영상처리 공격에서도 기존 이미지 워터마킹 알고리즘보다 정규화된 상관 값에서 높은 성능을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권1호
• /
• pp.61-69
• /
• 2011

본 논문은 상대적으로 대비도 차이가 크게 나타나는 역광 이미지에 대해서 Retinex 알고리즘을 적용하여 보정 했을 경우 발생하는 밝은 영역에서의 컬러성분의 손실을 개선하기 위한 새로운 기법을 제안한다. 역광 이미지의 경우 밝은 영역과 어두운 영역에 대한 밝기 차이가 매우 크게 발생하기 때문에 Retinex 알고리즘을 이용하여 영상의 대비도를 향상시킬 경우 밝은 영역에서의 컬러 성분이 손실되는 현상이 발생한다. 이러한 손실을 보완하기 위해서 원본 영상의 밝은 영역에 해당하는 컬러 성분을 Retinex 알고리즘으로 보정된 영상에 추가해준다. K-mean 알고리즘을 이용하여 원본 영상에서의 밝은 영역, 어두운 영역, 중간 영역을 분리하고 밝은 영역에 대해서의 컬러 성분을 추가적으로 복원해 주며, 중간 영역에 대해서는 히스토그램에서의 위치를 기준으로 밝고 어두운 성분에 대한 비율을 고려하여 각 비율에 따라 원본 영상과 Retinex 복원 영상의 밝기 값을 함께 이용하도록 한다. 제안하는 알고리즘의 성능 평가를 위해 역광 현상이 강하게 나타나는 자연영상들을 대상으로 적용하여 기존의 Retinex 알고리즘보다 우수한 성능을 가지고 있음을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.530-532
• /
• 1999

백혈구는 형태상으로 임파구, 중성구, 반핵구 등 7~8 종의 정상적인 백혈구 종류가 있으며 비정상적인 백혈구는 변형으로 인하여 수 십 가지가 되어 분류시 많은 어려움이 있다. 백혈구는 질환에 대한 많은 정보를 가지고 있어 질병 유무 및 상태 판단에 절대적으로 필요한 검사로서 현재는 전문가에 의해 백혈구 크기, 색상, 내부 핵유무, 핵의 모양 및 boundary 모양 등을 개인적 판단 기준으로 검사하고 있어 많은 어려움이 있다. 이에 질환별 백혈구 형태 분류 알고리즘과 이에 따른 백혈구 영상 정보 확보 및 검색 시스템을 설계 구현하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 하계종합학술대회 논문집(3)
• /
• pp.177-180
• /
• 2001

영상에 존재하는 객체들을 인식하기 위해서는 먼저 영상의 영역분할이 필요하다. 통계적 모델을 이용한 영상의 영역분할은 미리서 분할하고자 하는 클러스터의 수를 결정한 후 이를 토대로 영상을 분할하게 된다. 그러나 영상마다 특성상 분할하고자 하는 클러스터 수가 다를 경우 이를 수동적으로 해주는 것은 비능률적이다. 따라서 본 논문은 영상의 영역분할에 통계적 모델에서 미리 결정해줘야 하는 클러스터의 수 문제를 자동으로 검출하고 퍼지 c-Means 글러스터링 알고리즘을 통한 영상의 영역분할 시 노이즈문제를 이웃한 픽셀들의 멤버쉽 값을 평균화합으로써 해결하는 방법을 제안하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 제14회 신호처리 합동 학술대회 논문집
• /
• pp.11-14
• /
• 2001

본 논문은 컬러를 이용한 영상 검색 방법에 관한 것으로 영상 데이터의 효율적인 관리를 위해 먼저 전처리 단계로 웨이블릿 변환을 수행한 후 가장 낮은 저주파 부밴드 영상을 획득한다. 그리고, 변환 후 획득된 영상을 클러스터로 구분한 후, 고유치 및 고유 벡터를 이용하여 특징을 추출하여 색인 정보로 이용하였다. 클러스터링은 영상 화소의 컬러공간 상의 3차원 거리를 클러스터링의 기준으로 삼아 순차 영역 분할(Sequential Clustering) 방법을 적용하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2001년도 추계학술발표논문집
• /
• pp.126-131
• /
• 2001

현재 널리 사용되는 hand-held형 단말기들은 영상을 표현할 때 제한된 수의 칼라만으로 표현할 수 있다. 따라서 자연색 칼라 팔레트를 이용하여 단말기에 나타낼 때 최적의 칼라 팔레트를 구현하는 것과 원영상의 각각의 칼라로부터 팔레트 칼라로 최적으로 정합 시키는 것이 요구된다. 본 논문에서는 효율적으로 칼라 팔레트를 설계하는 히스토그램 기반 영상 의존적 스칼라 양자화 알고리즘을 제안한다. 제안 알고리즘은 칼라 우선순위 결정 부분과 양자화 부분으로 구성되며 양자화 후 ANC(Adaptive Neighborhood-Clustering) 알고리즘을 적용하여 성능을 개선한다. 이 방법은 자연색 칼라 영상을 적은 비트로 표현했음에도 출력 영상이 인간의 눈에 적합하다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 춘계종합학술대회
• /
• pp.237-240
• /
• 2007

이 논문에서는 수정된 Sequential Algorithmic Schema를 이용해서 여러 장소를 이동하면서 찍은 디지털 이미지를 효율적으로 분류할 수 있는 방법을 제안한다. 제안하는 방법은 이웃 패턴들과 특징 정보의 연속성, 유사성을 가지며 들어오는 입력 패턴에 대해 기존의 모든 군집과 유사도를 비교하는 방법이 아니라 이전 군집의 정보와 유사도를 비교하여 군집에 포함시키거나 동적으로 군집을 생성하는 효율적인 군집화 방법이다. 제안한 방법은 실험을 통해서 기존의 군집화 기법에 성능 및 속도의 효율성을 증명하였다.

• 연구논문집
• /
• 통권25호
• /
• pp.147-154
• /
• 1995

In this paper, we discussed the convergence and the properties of an iterative algorithm method in order to improve a bimean clustering algorithm. This algorithm that we have discussed choose automatically an optimum threshold as a result of an iterative process, successive iterations providing increasingly cleaner extractions of the object region, The iterative approach of a proposed algorithm is seen to select an appropriate threshold for the low contrast images.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 봄 학술발표논문집 Vol.27 No.1 (B)
• /
• pp.598-600
• /
• 2000

영상에 존재하는 객체들을 인식하기 위해서는 먼저 영상의 영역 분할이 필요하다. 통계적 모델을 이용한 영상의 영역 분할은 미리서 분할하고자 하는 클러스터의 수를 결정한 후 이를 토대로 영상을 분할하게 된다. 그러나 영상마다 특성상 분할하고자 하는 클러스터 수가 다를 경우 이를 수동적으로 해주는 것은 비능률적이다. 따라서 본 논문은 영상의 영역 분할에 통계적 모델에서 미리 결정해줘야 하는 클러스터의 수 문제를 자동으로 검출하고 퍼지 c-Means 클러스터링 알고리즘을 통한 영상의 영역 분할 시 노이즈 문제를 이웃한 픽셀들의 멤버쉽 값을 평균화함으로써 해결하는 방법을 제안하였다.