Earticle

기존의 GrabCut 알고리즘은 자동 객체 추출이 아닌 사용자가 객체 영역에 사각형 윈도우를 설정해야하는 알고리즘이다. 본 논문에서는 자동 시스템으로 변환하기 위해 인간의 시각 시스템을 기반으로 영상에서 가장 눈에 띄는 영역을 탐지하는 방법을 연구하였다. 주의 시각 영역인 Saliency Map을 생성하기 위해서 인간이 색채를 감지하는 ‘적/녹’ ‘황/청’의 대립색설을 기반으로 하는 Lab 색공간을 이용하여 생성한다. 생성된 Saliency Map을 주파수 공간으로 변환하여 저주파 영역에 국부적인 경계를 나타내고 경계를 탐지해내어 Saliency Point를 생성한다. 이렇게 생성된 Saliency Point의 좌표 값을 이용하여 윈도우를 자동으로 생성한 후 GrabCut 알고리즘을 기반으로 객체를 추출하였다. 다양한 영상에 제안한 알고리즘을 적용한 결과 객체 영역에 자동으로 윈도우가 생성되었고 객체가 추출되었다.

Conventional GrabCut algorithm is semi-automatic algorithm that user must be set rectangle window surrounds the object. This paper studied automatic object detection to solve these problem by detecting salient region based on Human Visual System. Saliency map is computed using Lab color space which is based on color opposing theory of 'red-green' and 'blue-yellow'. Then Saliency Points are computed from the boundaries of Low-Frequency region that are extracted from Saliency Map. Finally, Rectangle windows are obtained from coordinate value of Saliency Points and these windows are used in GrabCut algorithm to extract objects. Through various experiments, the proposed algorithm computing rectangle windows of salient region and extracting objects has been proved

본 논문에서는 ATW(Automatic Tracking Window)를 사용하여 입력신호를 처리한 후에 MUSIC을 사용하여 주파수를 추정하도록 알고리즘을 수정하므로써 MUSIC알고리즘의 Threshold효과를 개선할 수 있음을 보인다[1]. ATW 전처리는 일종의 대역 여파기 효과를 가지나 일반 대역 여파기와 다른 점은 사용자가 입력신호의 중심 주파수를 알지 못해도 된다는 장점을 갖는다.

소나나 레이다분야에서 목표물로부터 오는 신호의 산란점을 추정하는 것은 추정한 산란점 특성을 분석하여 목표물을 식별하기 위해서 연구되어 오고 있다. 지금까지 연구되어온 모델링에 의한 산란점 추정을 보면 많은 경우 Prony 모델에 근거하여 추정하고 있다. Prony 모델을 레이다나 소나에 적용할 때에 몇 가지 단점을 갖고 있다. 그 첫째는 Prony모델이 잡음에 약하다는 점이고 둘째는 Prony모델이 모델차수에 대한 사전정보를 요구한다는 점이다. 본 논문에서는 위에 든 단점중에서 잡음에 취약한 점을 보완하기 위해서 입력 신호 성분만을 자동 추적하는 창함수(Automatic Tracking Window)를 전처리기로 사용한 Prony 산란점 추정 방법을 제안한다. 또 그 성능을 기존 Prony방법만을 사용한 산란점 추정방법과 비교하여 잡음에 대한 성능 향상을 보였다.

다양한 기후변화로 인한 금전적 피해와 위험한 상황을 예방하는 것은 중요한 과제이다. 기존의 창문은 사용자가 수동으로 제어해야 하므로 사용자 부재 시 피해가 발생할 수 있으며, 이에 대한 신속한 대처가 요구되고 있다. 이를 위해 라즈베리파이와 센서를 활용하여 장소의 구애 없이 날씨에 따라 유동적인 대처가 가능한 자동 창문 개폐 시스템을 설계 및 구현하였다.

이 논문은 실내 환경을 개선하기 위한 창문 자동제어 시스템을 제안한다. 현대인들은 하루에 약 70% 이상을 실내에서 생활하고 있다. 이로 인해 실내 환경의 질이 매우 중요한 요소로 부각되면서 사람들의 관심이 크게 증가하고 있다. 이 논문에서는 아두이노, 라즈베리 파이 및 다양한 센서를 이용하여 실내 환경을 적정수준으로 유지하고 개선할 수 있는 창문 자동제어 시스템을 제안한다. 제안 시스템 구현을 위해 온습도 센서, 미세먼지 센서, 공기 질 센서, 모터 등을 이용한다. 또한 3D프린팅을 이용하여 제작한 프로토타입을 보인다.

이 논문은 실내 환경을 개선하기 위한 창문 자동제어 시스템을 제안한다. 현대인들은 하루에 약 70% 이상을 실내에서 생활하고 있다. 이로 인해 실내 환경의 질이 매우 중요한 요소로 부각되면서 사람들의 관심이 크게 증가하고 있다. 이 논문에서는 아두이노, 라즈베리 파이 및 다양한 센서를 이용하여 실내 환경을 적정수준으로 유지하고 개선할 수 있는 창문 자동제어 시스템을 제안한다. 제안 시스템 구현을 위해 온습도 센서, 미세먼지 센서, 공기 질 센서, 모터 등을 이용한다. 또한 3D프린팅을 이용하여 제작한 프로토타입을 보인다.

본 연구에서는 야외 지형 영상 및 항공 영상 등에 대하여 각각의 영역들의 속성을 분할 및 인식 하기 위해 minimum entropy clustering 기반의 군집화 기법과 over-segmentation을 반복 적용하여 군집화 하는 두 방법을 융합한 기법을 제안하였다. 이 기법들을 기반으로 각 군집의 대표 영역을 추출한 후에 학습 데이터를 기반으로 만들어진 텍스톤 사전과 학습 데이터 각각의 텍스톤 모델을 이용하여 텍스톤 히스토그램 매칭을 통해 매칭 포인트를 얻어내고 얻어낸 매칭 포인트를 기반으로 영역의 카테고리를 결정한다. 본 논문에서는 인터넷에서 얻은 일반 야외 영상들로부터 자체적으로 제작한 지형 데이터 셋을 통해 제안한 기법의 우수성을 검증하였으며, 본 실험에서는 영역을 토양, 수풀 그리고 물 지형으로 하여 영상내의 영역을 분류 및 인식하였다.

본 논문에서는 1m 공간해상도를 가지는 도시 지역의 위성영상에서 스테레오 정합의 성능을 향상시키기 위해 그레디언트(gradient)의 히스토그램을 이용하여 스테레오 정합 창틀의 크기를 자동적으로 결정하는 방법을 제안한다. 영상의 각 화소에 대해 한 화소 거리의 대각 방향에 놓여진 4 개 화소들의 수직 및 수평 방향에 존재하는 화소간의 밝기값 차로 정의되는 그레디언트를 계산하여 평탄화 지수 영상(Flatness Index Image)을 생성한다. 평탄화 지수 영상에서 에지 등과 같이 주변 화소의 밝기값과 차이가 큰 화소는 상대적으로 높은 평탄화 지수를，비에지 화소의 경우에는 낮은 평탄화 지수를 가지게 된다. 에지와 비에지를 판정하는 평탄화 임계값을 결정하기 위해 평탄화 지수 영상의 히스토그램 분포를 이용한다. 결정된 평탄화 임계값보다 작은 평탄화 지수를 가지는 정합 창틀 내의 화소들이 일정 비율보다 크면 비에지 화소로 판정하고 정합 창틀을 한 단계 더 크게 설정하는 방법으로 정합 창틀의 크기를 각 화소마다 가변적으로 변화시킨다. 제안한 방법을 IKONOS 스테레오 위성영상에 적용하여 고정 크기의 정합 창툴에 비해 정합 성능이 향상되는 것을 보였다.

본 논문에서는 1m 해상도의 위성 영상에서 스테레오 정합의 성능을 향상시키기 위해 그레디언트 히스토그램을 이용하여 정합 창틀의 크기를 자동적으로 결정하는 방법을 제안한다. 영상의 각 화소에 대해 4-neighbor에 위치한 화소의 수평 또는 수직 방향의 평균 그레디언트 값을 계산하여 평탄화 지수 영상(Flatness Index Image)을 생성한다. 강한 에지 화소는 높은 평탄화 지수를 가지며 반면에 비에지 화소의 경우에는 낮은 평탄화 지수를 가진다. 평탄화 지수 영상의 히스토그램을 이용하여 각 화소의 에지 또는 비에지 화소 여부를 결정하는 평탄화 임계값을 구한다. 각 화소의 평탄화 지수가 평탄화 임계값보다 크면 에지화소로, 작으면 비에지 화소로 분류한다. 초기 정합 창틀 내에 존재하는 비에지 화소의 비율이 작으면 밝기 값 변화가 적은 영역으로 판정하고 정합 창틀의 크기를 더 크게 설정하고 이 과정을 정합 창틀이 최대 크기에 도달할 때까지 반복적으로 수행한다. IKONOS 스테레오 위성영상을 실험영상으로 사용하였으며 고정크기의 정합 창틀을 이용한 방법에 비해 향상된 정합 결과를 얻었다.

In this paper, we propose a new method for determining automatically the size of the matching window using histogram of the gradient in order to improve the performance of stereo matching using one-meter resolution satellite imagery. For each pixel, we generate Flatness Index Image by calculating the mean value of the vertical or horizontal intensity gradients of the 4-neighbors of every pixel in the entire image. The edge pixel has high flatness index value, while the non-edge pixel has low flatness index value. By using the histogram of the Flatness Index Image, we find a flatness threshold value to determine whether a pixel is edge pixel or non-edge pixel. If a pixel has higher flatness index value than the flatness threshold value, we classify the pixel into edge pixel, otherwise we classify the pixel into non-edge pixel. If the ratio of the number of non-edge pixels in initial matching window is low, then we consider the pixel to be in homogeneous region and enlarge the size of the matching window We repeat this process until the size of matching window reaches to a maximum size. In the experiment, we used IKONOS satellite stereo imagery and obtained more improved matching results than the matching method using fixed matching window size.

5세대 이동통신 시스템과 사물인터넷(IoT) 시스템에 발맞춰 [온 습도 센서, 조도 센서] 등의 센서를 오픈 소스 컴퓨팅 플랫폼인 아두이노를 통해 언제 어디서나 자동화된 커튼&창문 시스템을 동작, 제어 할 수 있다.

The sensors can be operated and controlled anywhere, anytime, anywhere, via Arduino, an open source computing platform, through aduino, an open-source computing platform.