• 한국정보통신학회논문지
• /
• 제18권8호
• /
• pp.1885-1894
• /
• 2014

기존 영상 검지기 분야에는 다양한 고성능 알고리즘들이 존재하지만 실시간 연산 요구량이 너무 많아 시스템 장비가 고가, 고전력을 소모하는 단점이 있었다. 이에 본 논문에서는 저가, 저전력 영상 검지 시스템 구현을 위해 안드로이드 플랫폼의 성능 사양에 적합한 저연산량의 영상 검지 알고리즘을 제안한다. 본 방법은 차량 하부에만 생성되는 sub-shadow 를 분리하여 이를 누적함으로써 차선 및 검지 영역을 정밀하게 설정하고 이 검지 영역을 통과하는 차량 자체와 차량 sub-shadow 의 통과패턴을 판단하여 차선별 교통량 뿐만 아니라 상행 및 하행 교통량까지 자동으로 분류할 수 있다. 실험 결과 제안하는 알고리즘은 하행 차량의 경우 평균 97.1%, 상행 차량의 경우 평균 94.1%의 검지율을 보였다. 이 결과는 상용 루프검지기의 성능 95% 에 버금가는 수준으로 만족스러운 성능을 보였다.

• 로봇학회논문지
• /
• 제16권3호
• /
• pp.276-282
• /
• 2021

The system for recognizing text in natural scenes has been applied in various industries. However, due to the change in brightness that occurs in nature such as light reflection and shadow, the text recognition performance significantly decreases. To solve this problem, we propose an adversarial shadow generation and training algorithm that is robust to shadow changes. The adversarial shadow generation and training algorithm divides the entire image into a total of 9 grids, and adjusts the brightness with 4 trainable parameters for each grid. Finally, training is conducted in a adversarial relationship between the text recognition model and the shaded image generator. As the training progresses, more and more difficult shaded grid combinations occur. When training with this curriculum-learning attitude, we not only showed a performance improvement of more than 3% in the ICDAR2015 public benchmark dataset, but also confirmed that the performance improved when applied to our's android application text recognition dataset.

• 대한전자공학회논문지
• /
• 제26권3호
• /
• pp.95-104
• /
• 1989

본 논문은 3차원적 분할공간 환경에서 종래의 음영검사법과 Crow의 음영입체법을 상황에 따라 우리하도록 선택하는 혼합음영검사법을 소개하고 파라메타화를 통하여 그 선택의 최적화를 꾀하였다. 추가적인 선행계산시간이 소요됨에도 불구하고 제안된 혼합음영검사법은 여러가지 예제화면들에 재하여 종래의 방법에 비하여 음영계산시간에 있어서는 50%, 전체묘화시간에 있어서는 30%정도씩의 CPU시간단축효과를 보였다. 그 원인은 음영검사의 선택적 사용을 통하여 그림자영역의 일관성(coherency)을 이용한데에 있다. 연속되는 두 반사점사이에 존재하는 음영다각형의 갯수를 나타내는 $N_{th}$라는 파라메타가 음영검사의 효과적 선택을 위한 지표가 되며, 묘화환경의 통계적 수치로부터 이 값을 알아내는 방법이 제안되고 실험적 결과와 비교된다.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2004년도 Korea-Russia Joint Conference on Geometics
• /
• pp.64-72
• /
• 2004

Correction of shadow effects is critical step for image interpretation and feature extraction from aerial imagery. In this paper, an efficient algorithm to correct shadow effects from aerial color imagery is presented. The following steps have been performed to remove the shadow effect. First, the shadow regions are precisely located using the solar position and the height of ground objects derived from LIDAR (Light Detection and Ranging) data. Subsequently, segmentation of context regions is implemented for accurate correction with existing digital map. Next step, to calculate correction factor the comparison between the context region and the same non-shadowed context region is made. Finally, corrected image is generated by correcting the shadow effect. The result presented here helps to accurately extract and interpret geo-spatial information from aerial color imagery

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2003년도 추계학술발표회 논문집
• /
• pp.397-402
• /
• 2003

This study is aimed to improve the quality of image fusion results through shadow effects correction. For this, shadow effects correction algorithm is proposed and visual comparisons have been made to estimate the quality of image fusion results. The following four steps have been performed to improve the image fusion qualify First, the shadow regions of satellite image are precisely located. Subsequently, segmentation of context regions is manually implemented for accurate correction. Next step, to calculate correction factor we compared the context region with the same non-shadow context region. Finally, image fusion is implemented using collected images. The result presented here helps to accurately extract and interpret geo-spatial information from satellite imagery.

• 한국컴퓨터산업학회논문지
• /
• 제3권2호
• /
• pp.217-226
• /
• 2002

3차원 공간에 물체를 입체감 있게 표현하는 것은 중요한 일이다. 물체를 사실적으로 보이게 하기 위해서는 원근감, 입체감, 물체의 재질, 그림자, 빛의 세기 등 여러 요소가 고려되어야 한다. 그 중 그림자는 물체의 사실적 표현에 중요한 역할을 한다. 그림자를 그리기 위한 방법에는 반복적인 수많은 연산을 해야하고 이것은 많은 처리 시간을 필요로 한다. 즉 수많은 점들에 대한 그림자 영역 판단과 빛의 세기 판단 등을 해야하고 이것으로 인해 시간이 많이 걸리게 된다. 본 논문에서는 물체에 대한 사실적인 표현을 어느 정도 유지하는 범위내에서 그림자를 영역별로 분리해 빠르게 계산하여 표현해 주는 방법을 제시한다.

• 융합신호처리학회논문지
• /
• 제14권4호
• /
• pp.231-234
• /
• 2013

This paper introduces a mixture of background subtraction technique and K-Means clustering algorithm for removing shadows from video sequences. Lighting conditions cause an issue with segmentation. The proposed method can successfully eradicate artifacts associated with lighting changes such as highlight and reflection, and cast shadows of moving object from segmentation. In this paper, K-Means clustering algorithm is applied to the foreground, which is initially fragmented by background subtraction technique. The estimated shadow region is then superimposed on the background to eliminate the effects that cause redundancy in object detection. Simulation results depict that the proposed approach is capable of removing shadows and reflections from moving objects with an accuracy of more than 95% in every cases considered.

• 한국콘텐츠학회논문지
• /
• 제15권11호
• /
• pp.18-26
• /
• 2015

스캐너 대신 카메라를 이용하여 문서의 사본 영상을 촬영하면 촬영 각도에 따라 기하학적 왜곡이 발생하거나 그림자가 생길 수 있다. 본 논문에서는 카메라로 촬영한 문서 영상으로부터 왜곡을 보정하고 그림자 영향을 제거한 흑백 문서 영상 생성 알고리즘을 제안하였다. 카메라 렌즈의 방사 왜곡으로 인해 휘어진 테두리를 펴거나 촬영 각도에 따라 유입된 문서 외부 영역을 제거하기 위한 기하학적 보정을 위해 2차 미분 필터 기반의 문서 테두리 검출 방안을 마련하였다. 그리고 적응적 이진화 방법으로 그림자를 제거한 흑백 문서 영상을 생성하였다. 제안한 왜곡 보정 흑백 문서 영상 생성 알고리즘을 스마트 폰 카메라로 촬영한 문서 영상들을 대상으로 실험한 결과 우수한 처리 결과를 얻을 수 있었다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.143-148
• /
• 2012

사이드 스캔 소나 이미지로부터 물체를 인식 및 식별하기 위해서 다양한 세그먼테이션에 관한 연구가 진행되고 있다. 그러나 기존 방법들은 성능은 거의 물체의 그림자 윤곽을 따라가고 노이즈도 특정방법에서는 많이 줄어들지만, 수행시간이 오래결려 실용화하기에는 문제가 있는 것이 현실이다. 본 논문에서는 그림자와 배경을 분리해 내는 세그먼테이션을 시도하는데, 배경의 노이즈의 분포에 대한 특성과 물체의 그림자의 특성을 모폴로지 기법을 이용하여 분석하여 분리해내어 세그먼테이션을 얻어 내었다. 이 방법은 배경만의 특성을 이용하여 적용하였기 때문에 배경의 평균이 그림자보다 낮아도 유용하며, 여러 가지 물체가 존재해도 가능한 방법이다. 또한 수행시간을 1초내로 현격이 줄이는 결과를 도출하였다.

• 한국멀티미디어학회논문지
• /
• 제18권12호
• /
• pp.1432-1438
• /
• 2015

We present a methodology to detect moving shadows in video sequences, which is considered as a challenging and critical problem in the most visual surveillance systems since 1980s. While most previous moving shadow detection methods used hand-crafted features such as chromaticity, physical properties, geometry, or combination thereof, our method can automatically learn features to classify whether image segments are shadow or foreground by using a deep learning architecture. Furthermore, applying Markov Random Field enables our system to refine our shadow detection results to improve its performance. Our algorithm is applied to five different challenging datasets of moving shadow detection, and its performance is comparable to that of state-of-the-art approaches.