Earticle

본 논문에서는 모의 화재 실험에 필수적으로 요구되는 화재 영상 분석 시스템을 제안한다. 시스템 구성은 CCTV 이미지 자동 분석기, 화재 진행을 다른 센서들과 동기화하기 위한 디지털 타이머 체계를 포함한다. 이미 지 자동 분석기는 YOLOv5 딥러닝을 기반으로 진행하며 화재 실험 과정에 주로 나타나는 화염 영상을 중심으로 학습하도록 구현하였다. 전체 시스템에서 딥러닝 화재 영상 분석은 디지털 타이머 클럭으로 트리거되어 다른 센 서들과 동기화되도록 디자인하였다. 구현된 검출 시스템의 신뢰성을 높이기 위한 다양한 이미지 분석, 후처리 개 선 실험을 진행하였고 신뢰할만한 화염 검출 성능을 확인할 수 있었다.

In this paper, we propose a fire image analysis system essential for simulated fire experiments. The system configuration includes an automatic CCTV image analyzer and a digital timer system to synchronize fire progress with other sensors. The automatic image analyzer is based on YOLOv5 deep learning and implemented to learn mainly from flame images that appear mainly in the fire experiment process. In the entire system, deep learning fire image analysis is triggered by a digital timer clock and designed to be synchronized with other sensors. Various image analysis and post-processing improvement experiments were conducted to increase the reliability of the implemented detection system, and reliable flame detection performance was confirmed.

본 연구의 목적은 컴퓨터 방사선영상에서 X-선 초점 크기와 디지털영상후처리에 따른 공간분해능을 정량적 으로 분석하고자 하였다. 초점의 크기는 소초점(0.6 mm)와 대초점(1.2 mm)을 이용하였다. 공간분해능의 정량적 분석 은 엣지 측정법의 변조전달함수(MTF)를 이용하였다. 디지털영상후처리는 다단계 이미지 대비 증폭 알고리즘을 이용 하여 경계면 증강과 대조도 증강에 따른 50%와 10%의 MTF를 평가하였다. 그 결과 모든 초점에서 MTF 50%의 공 간분해능이 대조도 증강보다 경계면 증강에서 유의하게 높았다. 또한 대초점에서 획득된 영상은 디지털영상처리를 통해 공간분해능이 향상되었다. 결론적으로 이러한 결과는 컴퓨터 방사선영상에서 골격계 및 흉부영상과 같은 고 공 간분해능 임상영상을 얻기 위한 기초자료로 활용할 수 있다.

The aim of the present study was to carry out quantitative analysis of spatial resolution for the influence of the focus size and digital image post-processing on the Computed Radiography (CR). The modulation transfer functions of an edge measuring method (MTF) was used for the evaluation of the spatial resolution. The focus size of X-ray tube was used the small focus (0.6 mm) and the large focus (1.2 mm). We evaluated the 50% and 10% of MTF for the enhancement of edge and contrast by using multi-scale image contrast amplification (MUSICA) in digital image post-processing. As a results, the edge enhancement than the contrast enhancement were significantly higher the spatial resolution of MTF 50% in all focus. Also the spatial resolution of the obtained images in a large focus were improved by digital image processing. In conclusion, the results of this study should serve as a basic data for obtain the high resolution clinical images, such as skeletal and chest images on the CR.

This study aims to present new chest AP examination exposure conditions through a study on the effect on image quality and patient dose by applying high tube voltage and scatter ray post-processing software during chest AP examination in digital radiography equipment. This study was used a human body phantom and in the chest AP position, the dosimeter was placed horizontally at the thoracic spine 6. The experiment was conducted by dividing into a low tube voltage (70 kVp, 400 mA, 3.2 mAs) group and a high tube voltage (100 kVp, 400 mA, 1.2 mAs) group. The collimation size (14″× 17″) and the source to image receptor distance(110 cm) were same applied to both groups. Radiation dose was presented to dose area product and entrance surface dose. Image quality was compared and analyzed by comparing the difference between the signal-to-noise ratio and the contrast-to-noise ratio of the image according to the application of the scatter ray post-processing software under each condition. The average value of the entrance surface dose in the low and high tube voltage conditions was 93.04±0.45 µGy and 94.25±1.51 µGy, which was slightly higher in the high tube voltage condition, but the dose area product was 0.97±0.04 µGy and 0.93±0.01 µGy. There was a statistically significant difference in the group mean value(p<0.01). In terms of image quality, the values of the signal-to-noise ratio and the contrast noise ratio were higher in the high tube voltage than in the low tube voltage, and decreased when the scattering line post-processing function was used, but the contrast resolution was improved. If there is a scatter ray post-processing function during chest AP examination, it is helpful to actively utilize it to improve the image quality. However, when this function is not available, I thought that applying a higher tube voltage state than a low tube voltage state will help to realize images with a large amount of information without changing the dose.

본 논문에서는 건물의 포인트 클라우드를 추출할 때 발생하는 홀 영역의 보간을 통한 후처리 방안을 제안한다. 스테레오 영상 데이터에서 영상 매칭을 수행할 경우 차폐 및 건물 벽면 등의 영향으로 홀이 발생한다. 이런 영역은 추후 포인트 클라우드를 기반으로 하는 부가 산출물의 생성에 장애 요인이 될 수 있으므로, 이에 대한 효과적인 처리 기법의 적용이 필요하다. 먼저 영상 매칭을 적용하여 생성된 시차맵을 기반으로 초기 포인트 클라우드를 추출한다. 포인트 클라우드를 격자화 시키면 차폐영역 및 건물 벽면의 영향으로 발생하는 홀 영역을 확인할 수 있다. 홀 영역에 삼각망을 생성하고 삼각망 내부 값을 영역의 최소값으로 처리하는 과정을 반복하는 것으로 건물 주변의 지표면과 건물 간에 어색함 없는 보간의 수행이 가능하다. 격자화 된 데이터에서 보간 된 영역에 해당하는 위치정보를 포인트로 추가하여 새로운 포인트 클라우드를 생성한다. 보간과정 중 불필요한 점의 추가를 최소화하기 위해 초기 포인트 클라우드 영역에서 벗어나는 영역으로 보간 된 데이터는 처리하지 않았으며, 보간 된 포인트 클라우드에 적용되는 RGB 밝기값은 매칭에 사용된 스테레오 영상 중 촬영중심과 해당 픽셀이 가장 근접한 영상으로 설정하여 처리하였다. 실험 결과 제안 기법을 통해 대상영역의 포인트 클라우드 생성 후 발생하는 음영 영역이 효과적으로 처리되는 것을 확인할 수 있었다.

In this paper, we propose a post-processing method through interpolation of hole regions that occur when extracting point clouds. When image matching is performed on stereo image data, holes occur due to occlusion and building façade area. This area may become an obstacle to the creation of additional products based on the point cloud in the future, so an effective processing technique is required. First, an initial point cloud is extracted based on the disparity map generated by applying stereo image matching. We transform the point cloud into a grid. Then a hole area is extracted due to occlusion and building façade area. By repeating the process of creating Triangulated Irregular Network (TIN) triangle in the hall area and processing the inner value of the triangle as the minimum height value of the area, it is possible to perform interpolation without awkwardness between the building and the ground surface around the building. A new point cloud is created by adding the location information corresponding to the interpolated area from the grid data as a point. To minimize the addition of unnecessary points during the interpolation process, the interpolated data to an area outside the initial point cloud area was not processed. The RGB brightness value applied to the interpolated point cloud was processed by setting the image with the closest pixel distance to the shooting center among the stereo images used for matching. It was confirmed that the shielded area generated after generating the point cloud of the target area was effectively processed through the proposed technique.

영상 데이터는 방대하므로 한정된 대역폭을 통하여 영상을 전송하기 위해서는 압축을 필요로 한다. 그러나 압축으로 전송 비트율은 낮아지지만 고압축률에서는 여러 가지 화질 열화가 발생한다. 화질 열화에는 이산 여현 변환을 수행하는 압축 부호화 알고리듬에서 나타나는 블록킹 현상 또는 모기잡음이 있고 웨이브렛 기반 압축 영상에서는 에지 부근에 나타나는 링잉 현상이 있다. 이와 같은 화질 열화들은 후처리를 통해 제거되지만, 많은 처리 시간이 소요되지 않도록 해야 한다. 본 논문에서는 웨이브렛 기반 영상 압축에서 링잉 현상을 효율적으로 제거하는 후처리 방법을 제안한다. 제안한 방법에 대한 모의실험 결과 기존의 방법과 비교하여 처리 속도를 빠르게 하면서 유사한 주관적, 객관적 화질을 얻었다.

컴퓨터 비전 분야의 의미론적 영상 분할(Semantic Image Segmentation) 기술은 이미지를 픽셀 단위로 분할 하여 클래스를 나누는 기술이다. 이 기술도 기계 학습을 이용한 방법으로 성능이 빠르게 향상되는 중이며, 픽셀 단위의 정보를 활용할 수 있는 높은 활용성이 주목받는 기술이다. 그러나 이 기술은 초기부터 최근까지도 계속 '세밀하지 못한 분할'에 대한 문제가 제기되어 왔다. 이 문제는 레이블 맵의 크기를 계속 늘리면서 발생한 문제이기 때문에, 자세한 에지 정보가 있는 원본 영상의 에지 맵을 이용해 레이블 맵을 수정하여 개선할 수 있을 것으로 예상할 수 있었다. 따라서 본 논문은 기존 방법대로 학습 기반의 의미론적 영상 분할을 유지하되, 그 결과인 레이블 맵을 원본 영상의 에지 맵 기반으로 수정하는 후처리 알고리즘을 제안한다. 기존의 방법에 알고리즘의 적용 한 뒤 전후의 정확도를 비교했을 때 평균적으로 약 1.74% 픽셀 정확도와 1.35%의 IoU(Intersection of Union) 정확도가 향상되었으며, 결과를 분석했을 때 성공적으로 본래 목표한 세밀한 분할 기능을 개선했음을 보였다.

Semantic image segmentation technology in the field of computer vision is a technology that classifies an image by dividing it into pixels. This technique is also rapidly improving performance using a machine learning method, and a high possibility of utilizing information in units of pixels is drawing attention. However, this technology has been raised from the early days until recently for 'lack of detailed segmentation' problem. Since this problem was caused by increasing the size of the label map, it was expected that the label map could be improved by using the edge map of the original image with detailed edge information. Therefore, in this paper, we propose a post-processing algorithm that maintains semantic image segmentation based on learning, but modifies the resulting label map based on the edge map of the original image. After applying the algorithm to the existing method, when comparing similar applications before and after, approximately 1.74% pixels and 1.35% IoU (Intersection of Union) were applied, and when analyzing the results, the precise targeting fine segmentation function was improved.

Obtained disparity map from the stereo camera by using the several stereo matching algorithms carries lots of noise because of various causes. In our approach, mode filtering and noise elimination technique using the histogram and projection-based region merging methods are adopted for improving the quality of disparity map and image segmentation. The proposed algorithms are implemented in VHDL and the real-time experimentation shows the accurately divided objects.

본 논문은 Post-PC 에 사용되는 DSP 프로세서 기반 디지털 카메라의 효율적이고 소형화된 영상 처리 플랫폼 설계에 대해 설명한다. 제한된 소량의 기억장치를 갖는 내장형 시스템의 제약조건을 만족시키기 위해서 제안된 플랫폼은 블록 처리의 개념을 사용하여 입력 영상을 처리한다. 먼저 입력 영상이 적당한 수의 데이터 블록으로 나누어진다. 그리고 나서 영상 블록들은 일련의 블록 기반 함수들에 의해서 처리된다. 처리된 블록들은 다시 하나의 결과 영상으로 모아진다. 블록 처리는 요구되는 메모리 크기를 줄여줄 뿐만 아니라 multithreading 과 병렬 처리를 통한 더 빠른 수행을 가능하도록 해준다. 플랫폼을 구성하는 대부분의 함수들은 이러한 블록 처리의 장점을 살려서 일련의 영상 블록들을 처리한다. 소개되는 플랫폼은 특화된 하드웨어를 사용하지 않고 사용자의 요구에 맞는 또다른 영상 처리와 압축 기법을 추가하는 것이 가능하게 해준다.