• 한국정보전자통신기술학회논문지
• /
• 제15권5호
• /
• pp.380-386
• /
• 2022

본 논문은 적대적 생성 신경망 기법의 하나인 Pix2Pix를 활용하여 컬러색상을 입히는 경우 학습된 이미지의 빛 반사 정도에 따라 예측결과가 손상되어 나오는 부분에 집중하여 Pix2Pix 모델 적용 전 이미지 전처리 프로세스 및 모델 최적화를 위한 파라미터 테이블을 구성한다. 기존 논문에 나온 Pix2Pix 모델을 활용하여 실생활에 적용하기 위해서는 해상도에 대한 확장성을 고려해야한다. 학습 및 예측결과 이미지 해상도를 키우기 위해서는 동시에 모델의 커널 사이즈 등을 같이 맞춰주는 부분을 수정해줘야 하는데 이부분은 파라미터로 튜닝 가능하도록 설계했다. 또한 본 논문에서는 예측결과가 빛 반사에 의해 손상된 부분만 별도 처리하는 로직을 같이 구성하여 예측결과를 왜곡시키지 않는 전처리 로직을 구성하였다. 따라서 활용성을 개선하기 위하여 Pix2Pix 모델의 학습이미지에 공통적인 빛반사 튜닝 필터를 적용하는 부분과 파라미터 구성부분을 추가하여 모델 정확도를 개선하였다.

• 한국정보통신학회논문지
• /
• 제26권2호
• /
• pp.207-213
• /
• 2022

최근 IoT 기술과 AI의 성능향상에 따라 폭넓은 분야에서 자동화와 무인화가 진행되고 있으며, 사물인식과 객체분류 등 자동화의 기반이 되는 영상처리에 대한 관심이 높아지고 있다. 영상의 잡음 제거는 영상에 기반한 시스템에서 전처리 단계로 사용하는 중요한 과정으로 다양한 연구가 진행되었으나, 대부분의 경우 에지와 같은 고주파 성분에서 스무딩 효과에 의해 디테일한 정보를 보존하기 어렵다는 단점이 있다. 본 논문은 AWGN(additive white Gaussian noise)에 훼손된 영상을 가우시안 분포에 기반한 퍼지 가중치를 사용하여 복원하는 알고리즘을 제안한다. 제안한 알고리즘은 필터링 마스크와 잡음 추정치를 서로 비교하여 필터링 과정을 스위칭하였으며, 영상의 저주파 및 고주파 성분에 따라 퍼지 가중치를 계산하여 영상을 복원하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.431-433
• /
• 2022

IoT 기술의 발달에 따라 인공지능과 자동화와 같이 다양한 기술들이 산업현장에 접목되고 있으며, 이에 따라 데이터처리의 중요성이 높아지고 있다. 영상의 잡음제거는 영상처리의 기본적인 과정 중 하나로서, 수많은 어플리케이션에서 전처리 단계로 사용된다. 잡음제거를 위해 다양한 연구가 진행되었지만, 잡음제거 과정에서 영상의 디테일 보존, 질감 복원과 특수한 영역의 잡음 제거와 같이 다양한 문제가 발생한다. 본 논문에서는 임펄스 잡음제거 과정에서 영상의 디테일 보존을 위해 확장된 컨벌루션 마스크를 사용한 디지털 필터를 제안한다. 제안한 알고리즘은 필터링 마스크로 확장된 컨벌루션 마스크를 사용하며, 잡음수준에 따라 확장수준을 스위칭하여 최종출력을 구한다. 제안한 알고리즘의 성능을 평가하기 위해 시뮬레이션을 진행하였으며, 기존 방법과 비교하여 성능을 분석하였다.

• 한국정보통신학회논문지
• /
• 제17권1호
• /
• pp.166-174
• /
• 2013

심전도 신호의 QRS 검출은 심장의 상태를 확인 할 수 있는 가장 보편적인 방법이다. 하지만 측정할 때 발생되는 여러 종류의 잡음성분들로 인하여 이를 분석하는데 어려움을 준다. 가장 큰 문제를 야기하는 부분이 기저선 변동 잡음인데 전극을 부착한 부위의 근육수축과 호흡의 리듬에 따라서 발생하게 된다. 특히 일반인들의 건강상태를 지속적으로 모니터링 해야 하는 헬스케어 시스템에서는 이를 위한 심전도 신호의 실시간 처리가 필요하다. 즉, 최소한의 연산량으로 대상 환자의 특징을 파악하여 정확한 QRS를 검출할 수 있는 적합한 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 효율적인 QRS 검출을 위한 형태 연산기반의 기저선 잡음제거 기법을 제안한다. 이를 위해 형태 연산을 통한 전처리 과정과 적응형 윈도우를 통해 QRS를 검출하였다. 제안한 알고리즘의 성능을 평가하기 위해 일반적으로 심전도 기저선 변동 잡음 제거 시 사용되는 기존 필터와의 신호의 왜곡도를 비교 평가하였다. 또한 MIT-BIH 부정맥 데이터베이스를 사용하여 R파 검출 결과를 확인하였다. 실험 결과로부터 형태 연산을 이용한 방법이 적은 연산량으로 충분한 잡음제거율을 얻을 수 있다는 것을 확인할 수 있었다.

• 한국시뮬레이션학회논문지
• /
• 제22권4호
• /
• pp.139-147
• /
• 2013

본 논문에서는 질량 분석 방법에 의하여 산출된 단백체 데이터(mass spectrometric proteomic data)의 분류 분석(classification analysis)을 위한 새로운 특성 선택(feature selection) 방법을 제안한다. 이 방법은 i)높은 상관관계를 가지는 중복된 특성을 효과적으로 제거하는 전처리 단계와 ii)토너먼트(tournament) 전략을 사용하여 최적 특성 부분집합(optimal feature subset)을 탐색해 내는 단계로 구성되어 있다. 제안되는 방법을 실제 암진단에 사용되는 공개된 혈액 단백체 데이터에 적용하였으며 널리 사용되는 타 방법과 비교할 때 우수한 성능과 균형된 특이도와 민감도를 달성함을 실증하였다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.1700-1705
• /
• 2003

In this paper, the automatic steering system for unmanned vehicle was developed. The vision system is used for the lane detection system. This paper defines two modes for detecting lanes on a road. First is searching mode and the other is recognition mode. We use inverse perspective transform and a linear approximation filter for accurate lane detections. The PD control theory is used for the design of the controller to compare with $H_{\infty}$ control theory. The $H_{\infty}$ control theory is used for the design of the controller to reduce the disturbance. The performance of the PD controller and $H_{\infty}$ controller is compared in simulations and tests. The PD controller is easy to tune in the test site. The $H_{\infty}$ controller is robust for the disturbances in the test results.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제2권2호
• /
• pp.95-99
• /
• 2002

The Loose Part Monitoring System(LPMS) has been designed to detect. locate and evaluate detached or loosened parts and foreign objects in the reactor coolant system. In this paper, at first, we presents an application of the back propagation neural network. At the preprocessing step, the moving window average filter is adopted to reject the reject the low frequency background noise components. And then, extracting the acoustic signature such as Starting point of impact signal. Rising time. Half period. and Global time, they are used as the inputs to neural network . Secondly, we applied the neural network algorithm to LPMS in order to estimate the mass of loose parts. We trained the impact test data of YGN3 using the backpropagation method. The input parameter for training is Rising clime. Half Period amplitude. The result shored that the neural network would be applied to LPMS. Also, applying the neural network to thin practical false alarm data during startup and impact test signal at nuclear power plant, the false alarms are reduced effectively.

• 대한음성학회:학술대회논문집
• /
• 대한음성학회 2004년도 춘계 학술대회 발표논문집
• /
• pp.231-234
• /
• 2004

This paper describes an efficient method for improving the noise-robustness in speech recognition in a running car by considering wind noise. In driving car, mainly three kind of noises engine noise, tire noise and wind noise, are severely affect recognition performance. Especially wind noise is an important factor in driving car with window opened. We analyzed wind noise in various driving conditions that are 60, 80, 100 km/h with window fully opened, window half opened. We clarified that the recognition rate is significantly degenerated when the wind noise components in the frequency range above 200 Hz are large. We developed a preprocessing method to improve the noise robustness despite of wind noise. We adaptively changed the cutoff frequency of the front-end high-pass filter from 100 through 200 Hz according to the level of the wind noise components. By this method, the recognition rate is considerably improved for all kind of driving conditions

• Nuclear Engineering and Technology
• /
• 제31권2호
• /
• pp.192-201
• /
• 1999

This paper proposes an improved signal processing strategy for accurate feedwater flowrate estimation in nuclear power plants. It is generally known that ∼2% thermal power errors occur due to fouling Phenomena in feedwater flowmeters. In the strategy Proposed, the noises included in feedwater flowrate signal are classified into rapidly varying noises and gradually varying noises according to the characteristics in a frequency domain. The estimation precision is enhanced by introducing a low pass filter with the wavelet analysis against rapidly varying noises, and an autoassociative neural network which takes charge of the correction of only gradually varying noises. The modified multivariate stratification sampling using the concept of time stratification and MAXIMIN criteria is developed to overcome the shortcoming of a general random sampling. In addition the multi-stage robust training method is developed to increase the quality and reliability of training signals. Some validations using the simulated data from a micro-simulator were carried out. In the validation tests, the proposed methodology removed both rapidly varying noises and gradually varying noises respectively in each de-noising step, and 5.54% root mean square errors of initial noisy signals were decreased to 0.674% after de-noising. These results indicate that it is possible to estimate the reactor thermal power more elaborately by adopting this strategy.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(A)
• /
• pp.255-258
• /
• 2011

An application of Gammatone auditory filterbank for emotion recognition from speech is described in this paper. Gammatone filterbank is a bank of Gammatone filters which are used as a preprocessing stage before applying feature extraction methods to get the most relevant features for emotion recognition from speech. In the feature extraction step, the energy value of output signal of each filter is computed and combined with other of all filters to produce a feature vector for the learning step. A feature vector is estimated in a short time period of input speech signal to take the advantage of dependence on time domain. Finally, in the learning step, Hidden Markov Model (HMM) is used to create a model for each emotion class and recognize a particular input emotional speech. In the experiment, feature extraction based on Gammatone filterbank (GTF) shows the better outcomes in comparison with features based on Mel-Frequency Cepstral Coefficient (MFCC) which is a well-known feature extraction for speech recognition as well as emotion recognition from speech.