• 대한공간정보학회지
• /
• 제20권4호
• /
• pp.117-125
• /
• 2012

항공라이다 데이터를 이용한 건물 추출 연구가 많이 진행되어 오고 있으나 대부분의 연구는 건물경계를 직선으로 가정하기 때문에 곡선경계가 포함된 건물의 경계를 올바르게 모델링하지 못하는 한계가 있다. 본 논문은 곡선경계를 포함하는 건물을 항공라이다 데이터로부터 직선과 곡선이 혼합된 경계로 모델링하는 것을 목적으로 한다. 건물점들에 대하여 적응적 컨벡스헐 알고리즘과 큰 반경의 국지적 컨벡스헐 알고리즘을 적용하여 두 세트의 경계점을 추출한다. 경계점들의 평균 점 간격 및 수직이등분선의 교차 비율에 의하여 곡선 세그먼트를 판별한 후, 직선과 곡선 세그먼트에 대하여 각각 다른 정규화 방법을 적용하여 건물경계를 모델링한다. 실험결과, 곡선 세그먼트의 추출 완전성과 정확성이 각각 69%, 100%로서 본 연구의 방법을 통해 대부분의 곡선경계를 올바르게 추출 및 모델링 할 수 있었다. 본 연구의 결과는 수치지도 제작기준을 만족하는 건물경계를 자동으로 생성하는데 효과적으로 활용될 수 있을 것이다.

• 정보처리학회논문지B
• /
• 제12B권4호
• /
• pp.369-378
• /
• 2005

문서 영상은 문서 구조 분석을 통하여 텍스트, 그림, 테이블 등의 세부 영역으로 분할 및 분류되는데, 테이블 영역에 있는 단어는 다른 영역의 단어보다 의미가 있기 때문에 주제어 검색과 같은 응용 분야에서 중요한 역할을 한다. 본 논문에서는 문서 영상의 테이블 영역에 존재하는 문자 성분을 단어단위로 추출하는 방법을 제안한다. 테이블 영역에서의 단어 추출은 실질적으로 테이블을 구성하는 셀 영역에서 단어를 추출하는 것이기 때문에 정확한 셀 추출 과정이 필요하다. 셀 추출은 연결 요소를 분석하여 테이블 프레임을 찾아내고, 교차점 검출은 전체가 아닌 테이블 프레임에 대해서만 수행한다. 잘못 검출된 교차점은 이웃하는 교차점과의 관계를 이용하여 수정하고, 최종 교차점 정보를 이용하여 셀을 추출한다. 추출된 셀 내부에 있는 텍스트 영역은 셀 추출 과정에서 분석한 문자성분의 연결 요소 정보를 재사용하여 결정하고, 결정된 텍스트 영역은 투영 프로파일을 분석하여 문자연로 분리된다. 마지막으로 분리된 문자열에 대하여 갭 군집화와 특수 기호 검출을 수행함으로써 단어 분리를 수행한다. 제안 방법의 성능 평가를 위하여 한글 논문 영상으로부터 추출한 총 In개의 테이블 영상에 대해 실험한 결과, $99.16\%$의 단어 추출 성공률을 얻을 수 있었다.

• 대한교통학회지
• /
• 제27권5호
• /
• pp.113-124
• /
• 2009

본 연구는 신호교차로에 접근하는 운전자에게 실시간 안전서비스를 제공할 수 있는 서비스와 방법을 다루고 있다. 특히 신호기가 녹색-황색-적색으로 변동되는 구간에 운전자가 고의적으로 신호위반을 하거나 혹은 교통공학적 딜레마구간에 차량이 있을 때의 상황을 고려하였다. 연구에서는 신호교차로의 진입로에 다수개의 지점검지기가 설치되어 차량의 속도, 존재시각 및 위치정보를 실시간으로 검지될 경우, 신호현시의 변화에 따라 상기 차량이 위험차량인지를 판단하는 방법을 개발하였다. 이러한 모델을 평가하기 위해 미시적 시뮬레이션인 VISSIM에 지점검지기를 다수개 설치하여 유입교통량의 변화, 설계속도의 변화, 운전자 인지반응시간을 변화하여 수행하였다. 모형의 검증결과 모형의 예측값과 실제 시뮬레이션에서의 주행결과가 동일한 정분류율은 약 98.5%를 보이고 있고 실제 위험차량 중에 약 88.5% 가량을 예측하는 예측률을 보이고 있었다. 또한, 유입교통량의 변화, 설계속도의 변화와 운전자 인지반응시간의 변화에 따른 민감도를 확인할 수 있다. 이러한 일련의 서비스는 신호교차로의 안전을 위한 신규서비스로서 활용이 가능할 것으로 사료된다.

• Imaging Science in Dentistry
• /
• 제52권4호
• /
• pp.383-391
• /
• 2022

Purpose: Periodontitis, the most prevalent chronic inflammatory condition affecting teeth-supporting tissues, is diagnosed and classified through clinical and radiographic examinations. The staging of periodontitis using panoramic radiographs provides information for designing computer-assisted diagnostic systems. Performing image segmentation in periodontitis is required for image processing in diagnostic applications. This study evaluated image segmentation for periodontitis staging based on deep learning approaches. Materials and Methods: Multi-Label U-Net and Mask R-CNN models were compared for image segmentation to detect periodontitis using 100 digital panoramic radiographs. Normal conditions and 4 stages of periodontitis were annotated on these panoramic radiographs. A total of 1100 original and augmented images were then randomly divided into a training (75%) dataset to produce segmentation models and a testing (25%) dataset to determine the evaluation metrics of the segmentation models. Results: The performance of the segmentation models against the radiographic diagnosis of periodontitis conducted by a dentist was described by evaluation metrics(i.e., dice coefficient and intersection-over-union [IoU] score). MultiLabel U-Net achieved a dice coefficient of 0.96 and an IoU score of 0.97. Meanwhile, Mask R-CNN attained a dice coefficient of 0.87 and an IoU score of 0.74. U-Net showed the characteristic of semantic segmentation, and Mask R-CNN performed instance segmentation with accuracy, precision, recall, and F1-score values of 95%, 85.6%, 88.2%, and 86.6%, respectively. Conclusion: Multi-Label U-Net produced superior image segmentation to that of Mask R-CNN. The authors recommend integrating it with other techniques to develop hybrid models for automatic periodontitis detection.

• Imaging Science in Dentistry
• /
• 제52권4호
• /
• pp.351-357
• /
• 2022

Purpose: Convolutional neural networks (CNNs) have rapidly emerged as one of the most promising artificial intelligence methods in the field of medical and dental research. CNNs can provide an effective diagnostic methodology allowing for the detection of early-staged diseases. Therefore, this study aimed to evaluate the performance of a deep CNN algorithm for apical lesion segmentation from panoramic radiographs. Materials and Methods: A total of 1000 panoramic images showing apical lesions were separated into training (n=800, 80%), validation (n=100, 10%), and test (n=100, 10%) datasets. The performance of identifying apical lesions was evaluated by calculating the precision, recall, and F1-score. Results: In the test group of 180 apical lesions, 147 lesions were segmented from panoramic radiographs with an intersection over union (IoU) threshold of 0.3. The F1-score values, as a measure of performance, were 0.828, 0.815, and 0.742, respectively, with IoU thresholds of 0.3, 0.4, and 0.5. Conclusion: This study showed the potential utility of a deep learning-guided approach for the segmentation of apical lesions. The deep CNN algorithm using U-Net demonstrated considerably high performance in detecting apical lesions.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.949-965
• /
• 2023

본 연구에서는 Sentinel-1 synthetic aperture radar 영상을 활용하여 딥러닝 모델인 Swin Transformer로 국내 농업용 저수지의 수표면적을 모니터링 하는 방법을 제시한다. Google Earth Engine 플랫폼을 이용하여 70만톤 급, 90만톤급, 150만톤급 저수지 7개소에 대한 2017년부터 2021년 데이터셋을 구축하였다. 저수지 4개소에 대한 영상 1,283장에 대해서 셔플링(suffling) 및 5-폴드(fold) 교차검증 기법을 적용하여 모델을 학습하였다. 시험평가 결과 모델의 윈도우 크기를 12로 설정한 Swin Transformer Large 모델은 각 폴드에서 평균적으로 99.54%의 정확도와 95.15%의 mean intersection over union (mIoU)을 기록하여 우수한 의미론적 분할 성능을 보여주었다. 최고 성능을 보여준 모델을 나머지 3개소 저수지 데이터셋에 적용하여 성능을 검증한 결과, 모든 저수지에서 정확도 99% 및 mIoU 94% 이상을 달성함을 확인했다. 이러한 결과는 Swint Transformer 모델이 국내의 농업용 저수지의 수표면적 모니터링에 효과적으로 활용될 수 있음을 보여준다.

• 한국인터넷방송통신학회논문지
• /
• 제21권1호
• /
• pp.141-148
• /
• 2021

일부 네거리나 혼잡도로에서 특정 시간대에 행인이 많고 도로가 막혀서 발생하는 교통사고가 적지 않다. 특히 인근에 학교교차로가 있어 바쁜 시간에 학생들의 교통안전을 지키는 것이 중요하다. 과거에는 교통 신호등을 설 계 했을 때 행인의 안전성을 고려하지 않고 자동차 인식과 교통 최적화에 대하여 연구 했다. 행인, 특히 학생들의 안전을 확보하는 전제에서 가능한 한 도로의 소통을 유지하는 것이 본 연구의 중점적인 연구 방향이다. 본 연구는 사람, 오토바이, 자전거, 자동차, 버스의 식별문제를 중점적으로 연구할 것이다. 조사와 비교를 통해 본 연구는 YOLO v4 네트워크로 목표물의 위치와 수량을 식별하는 것을 제시한다. YOLO v4는 작은 목표물의 식별 능력이 강하고 정밀도가 높으며 처리속도가 빠르다는 특징을 가지고 있으며, 데이터 수집 대상을 설정하여 이미지 집합을 훈련하고 테스트 한다. 움직이는 영상에서 목표물의 정확도, 실수율과 누락율에 대한 통계를 사용하여, 본 연구에서 훈련된 네트워크는 움직이는 이미지 속의 사람, 오토바이, 자전거, 자동차와 버스를 정확하게 식별 할 수 있다.

• 한국공간정보시스템학회 논문지
• /
• 제4권2호
• /
• pp.55-64
• /
• 2002

효율적인 도로정보의 구축은 GIS에서 가장 중요한 주제이다. 본 논문에서는 도로정보를 자동으로 생성, 구축하기 위하여 모바일 매핑 기술과 영상인식 기술을 결합한 방법을 제안하였다. 모바일 매핑 시스템은 CCD 카메라, GPS, INS를 장착한 차량의 형태를 가지며, 취득한 영상에 나타난 공간객체의 좌표를 사진측량기법을 이용하여 계산한다. 모바일 매핑 시스템에 의한 공간객체 좌표추출과 데이터 구축은 자동화되지 않아 시간이 많이 드는 단점이 있다. 도로의 자동 인식은 영상인식 분야에서도 자동주행차량에 대한 연구의 형태로 진행되어 왔다. 그러나 영상인식에 기반한 방법들은 도로 차선에 적용할 경우 차선의 끊김 차량에 의한 가려짐 좋지 않은 날씨와 조명 등 실제의 도로나 도로변의 다양한 예외상황 때문에 원하는 결과를 얻기 힘든 경우가 많다. 이러한 단점을 보완하기 위하여 본 논문에서는 모바일 매핑 시스템으로부터 획득된 GPS/INS 데이터 및 영상인식 기술을 모두 이용한 자동 도로데이터 생성방법을 제안하였다. 영상에 나타난 도로 차선의 3차원좌표로부터 영상에서 객체가 나타날 위치를 추정하기 위한 방법을 고안하였으며, 이러한 방법은 도로 차선을 찾기 위한 복잡한 영상처리 과정을 대폭 줄일 수 있다. 예외상황 때문에 도로차선을 추출하지 못한 경우에는 스플라인 인터폴레이션에 의하여 값을 얻는다. 인터폴레이션은 교차로나 급격한 변화 지점에 따라 구분된 도로 구간 단위로 이루어진다. 본 논문에서는 제안된 객체좌표 추정방법과 인터폴레이션 기법에 대한 실험 및 결과를 제시하였다.

• 한국ITS학회 논문지
• /
• 제12권4호
• /
• pp.11-21
• /
• 2013

교차로 과포화 시 대응할 수 있는 실시간 신호제어전략은 전방향 및 대기행렬 검지를 위해 많은 검지기가 필요하며, 높은 설치비용이 요구된다. 또한, 기존 앞막힘 예방제어는 해당 접근로의 현시시간을 축소하는 단편적인 전략으로 대응하기 때문에 그 효과가 일시적으로 제한된다. 본 연구에서는 현장에 설치된 ITS영상정보를 활용한 과포화 신호제어전략을 개발하였다. 교차로 과포화 시 발생되는 대기행렬을 영상분석으로 추출하여 이를 기반으로 포화도 비를 산출하여 포화도 비에 따른 신호제어전략을 수립하였다. 신호제어전략은 과포화를 2단계로 나누어 과포화 1단계는 대기행렬 기반 주방향 신호개선, 과포화 2단계는 과포화 시 발생되는 꼬리물기 현상에 대응할 수 있는 신호제어기법을 개발하였다. 신호제어전략의 현장 적용성을 높이기 위해 기존 현시순서, 옵셋, 주기 등을 고정시키고 운영변수의 미세조정전략을 채택하였고, 주도로 위주의 검지 체계를 구축하였다. 신호제어전략별 모의실험 결과, 과포화 상황에서 지체감소 효과가 뚜렷하였고 실시간신호제어인 COSMOS와 비교하여 비용 대비 효율이 더 높은 것으로 확인하였다.

• 한국지리정보학회지
• /
• 제18권1호
• /
• pp.170-181
• /
• 2015

공간정보자료를 이용하여 해안지역에 인접한 농경지 추출에 관한 연구는 해안지역의 농업자원관리를 위해서 중요한 작업이다. 본 연구에서는 경상북도 울진의 해안지역을 촬영한 고해상도 위성영상인 KOMPSAT-2 영상과 항공 LiDAR 자료를 이용하여 해안지역에 인접한 다양한 농경지(일반 농경지 및 산간 농경지) 추출에 관한 연구를 수행하였다. 우선 KOMPSAT-2 영상으로부터 정규식생지수(NDVI) 영상을 생성하고, 적절한 임계값을 설정하여 정규식생지수 영상으로부터 식생지역을 추출하였다. 그리고 보간법을 이용하여 항공 LiDAR 자료로부터 디지털 표면모델(DSM) 및 디지털 표고모델(DEM)을 생성한 뒤, 디지털 표면모델과 디지털 표고모델을 구성하는 픽셀 값의 차이를 이용하여 수목고도모델(CHM)을 생성하였고, 적절한 임계값을 설정하여 수목고도모델로부터 편평한 지역을 추출하였다. 그리고 DEM으로부터 경사지도를 생성한 뒤, 적절한 임계값을 설정하여 경사도가 낮은 지표면을 추출하였다. 마지막으로 농경지 한 면의 최소 면적을 위한 임계값을 설정한 뒤, 식생 지역, 편평한 지역 및 경사도가 낮은 지표면에 모두 해당되고, 설정한 임계값보다 높은 면적을 가진 지역을 추출하고 이를 해안지역에 인접한 농경지라고 정의하였다. 본 논문에서 개발한 방법을 이용하여 농경지 추출 작업을 수행한 결과, 해안지역에 인접한 일반 농경지의 85% 와 산간 농경지의 15%가 추출되었다.