Earticle

본 연구는 심장 초음파 장비에 사용되는 부채꼴 탐촉자의 영상 성능을 ATS-539 팬텀을 활용하여 정량 적으로 평가하고, 팬텀 기반 품질관리(QC)의 임상적 적용 가능성을 확인하고자 하였다. 총 26대의 심장 초음파 장 비를 대상으로 불응영역, 수직 및 수평거리 정확도, 축방향 및 측방향 해상도, 민감도, 회색조 등 7개 항목을 동일 한 조건에서 반복 측정하여 평균값을 산출하였다. 평가 결과 대부분의 장비가 권장 기준을 충족하였으나, 일부 노 후 장비에서 수직거리 정확성 저하와 회색조 항목의 영상 재현성 차이가 확인되었다. 본 연구는 심장 초음파 장비 의 성능 편차를 정량적으로 제시함으로써, 팬텀 기반 평가의 유효성과 임상 품질관리 체계 확립의 필요성을 제시 하였다는 점에서 의의가 있다.

This study aimed to quantitatively evaluate the imaging performance of sector transducers used in cardiac ultrasound systems using the ATS-539 phantom and to verify the clinical applicability of phantom-based quality control (QC). Twenty-six cardiac ultrasound units were assessed for seven parameters: dead zone, vertical distance accuracy, horizontal distance accuracy, axial resolution, lateral resolution, sensitivity, and gray scale/dynamic range. All measurements were repeated five times under identical settings, and mean values were analyzed. Most systems met the recommended performance standards, whereas some older units showed reduced vertical distance accuracy and variations in gray-scale reproducibility. These findings demonstrate that phantom-based quantitative evaluation is effective for maintaining image quality in cardiac ultrasound systems and provide foundational evidence for establishing standardized QC guidelines in clinical practice.

Computed Tomography (CT) 영상에서 Gaussian noise는 영상이 획득되는 과정에서 불가피하게 발생되며, 이는 segmentation의 성능 및 진단의 정확도를 저하시키는 요인으로 작용한다. 따라서, 본 연구에서는 denoising filter의 종류에 따른 영역확장 (region growing, RG) 기반 segmentation 알고리즘의 성능을 정량적으로 비교 평가하였다. 실험을 위해 Shepp-Logan phantom 영상으로부터 0.05의 표준편차 값을 갖는 Gaussian noise를 부가하고 각각 mean, median, Wiener filter를 적용하였다. 이후, RG 기반 segmentation 알고리즘을 적용하였으며, 이에 대한 정량적 평가를 위해 F1-score와 IoU를 측정하였다. 결과적으로, F1-score 및 IoU 인자 모두 noisy, mean filter, median filter 그리고 Wiener filter 순으로 우수한 값을 보였다. 특히, Wiener filter를 적용하였을 때 noisy 영상과 비교하여 F1-score 및 IoU 인자는 각각 약 1.42배 및 1.75배 향상됨을 확인하였다. 결론적으로, CT 영상의 segementation 정확도를 향상시키기 위해 적합한 denoising filter를 적용해야 함을 증명하였다.

Segmentation is very important in accurate surgical planning such as liver transplantation and resection and identification of lung nodules. In a computed tomography image, Gaussian noise inevitably occurs in the process of acquiring the image. Gaussian noise can interfere with segmentation and interfere with accurate diagnosis, resulting in fatal consequences for patients. Therefore, this study attempted to compare and evaluate which filter is most effective for denoising in performing segmentation. For the study, Gaussian noise was added to Shepp-Logan phantom and mean, median, and Wiener filter were applied, respectively. Thereafter, segmentation was performed using the thresholding technique to evaluate using F1-score and IoU to find the most suitable filter for denoising. As a results, the F1-score was 0.62 for noise-added image, 0.697 for mean filter, 0.858 for median filter, and 0.88 for Wiener filter. The IoU was 0.449 for noise-added image, 0.535 for mean filter, 0.752 for median filter, and 0.785 for Wiener filter. Therefore, the Wiener filter was confirmed to be the most effective for denoising, and it was confirmed that the F1-score improved 1.42 times and the IoU 1.75 times compared to the noise-added image. In conclusion, various denoising filter methods were analyzed to improve the accuracy of segmentation, and Wiener filter is expected to be used in an efficient way.

최근에 정밀 추적이나 타격 등의 군사 목적으로 UAV를 활용하는 연구가 매우 활발하게 진행되고 있다. 앞서가는 비행체를 추적하기 위해 후방에서 촬영한 영상을 활용하여 롤, 피치, 요와 같은 그 비행체의 자세 정보를 추정하는 기존의 연구가 진행되었다. 본 연구에서는 기존의 영상처리기법을 이용한 연구에 칼만 필터를 적용함으로써 자세 정보를 더욱 정 밀하게 추정하는 방법을 제시한다. 영상처리를 사용해서 추정한 비행 자세 데이터에 칼만 필터를 적용함으로써 기존의 방 식에서 발생했던 자세 각도의 추정오차 범위를 크게 줄일 수 있었다. 시뮬레이션 실험을 통해서, 칼만 필터를 적용할 경우 비행체의 자세 정보를 더욱 정확하게 추정할 수 있음을 확인할 수 있었다.

In recent years, researches utilizing UAV for military purposes such as precision tracking and batting have been actively conducted. In order to track the preceding flight, there has been a previous research on estimating the attitude information of the flight such as roll, pitch, and yaw using images taken from the rear UAV. In this study, we propose a method to estimate the attitude information more precisely by applying the Kalman filter to the existing image processing technique. By applying the Kalman filter to the estimated attitude data using image processing, we could reduce the estimation error of the attitude angle significantly. Through the simulation experiments, it was confirmed that the estimation using the Kalman filter can estimate the posture information of the aircraft more accurately.

본 연구의 목적은, 핵의학 시뮬레이션 툴인 Geant4 application for tomographic emission (GATE) 시뮬레이션 툴을 이용하여 E-cam γ-camera (Siemens, Germany)를 완벽히 모사하고, 점선원의 영상을 얻어 거리의 변화에 따른 γ-camera 영상의 민감도를 평가하고자 한다. 0.95 cm 두께의 NaI를 사용한 신틸레이터, 길이 2.405 cm, hole 크기 1.11 mm 와 0.16 mm 의 격벽 두께로 벌집모양 평행다공형 콜리메이터를 모사한 후, 방사성동위원소 99mTc, 1 MBq으로 부터의 γ선을 500 초 동안 각각 1, 2, 3, 4 cm 거리에 따라 획득하였다. 결과적으로, 1, 2, 3, 4 cm 따른 디텍터와 점선원의 거리의 변화에 따른 민감도는 335.5, 335.5, 327.3, 313.2 cps/MBq 다. 결론적으로, 거리에 따른 영상의 민감도는 특별한 변화를 보이지 않음을 확인하였다. 본연구를 통해 γ-camera와 점선원을 완벽히 모사하였 고, 영상을 획득한 후 평가하였다.

In this study, we modeled E-cam γ-camera (Siemens, Germany) and point source using the geant4 application for tomographic emission (GATE) simulation tool in version 8.0. The purpose of this study was to evaluate image performance in the gamma image. To model γ-camera, we use NaI scintillator (59.1 × 44.5 cm2) and 0.95 cm of thickness. The collimator consists of hexagonal parallel type of 2.405 cm in hole length, 1.11 mm in hole size, and 0.16 mm in septal thickness. In addition, acquisition time for simulation was 500 second using the point source which is 99mTc in 1 MBq according to 0, 1, 2, 3, and 4 cm from detector to point source distance. The sensitivity (cps/MBq) was used for evaluation gamma images. Based on the results, the sensitivity for 0, 1, 2, 3, and 4 cm from the detector to point source were 335.5, 335.5, 335.5, 327.3, 313.2 cps/MBq, respectively. In conclusion, we achieved excellent results using the GATE simulation tool and there is no significant difference according to the distance for sensitivity.

본 논문에서 온라인 쇼핑몰에 적용을 목적으로 2차원 이미지에 기반한 가상 의상 착용 알고리즘 을 설계하고 개발하였다. 기존의 가상착용 시스템은 3차원 의상 및 사용자 정보에 기반하여 비용 과 시간이 많이 들어가는 문제를 가지고 있다. 본 시스템은 최근 급격히 발전된 딥러닝기술과 컴 퓨터 그래픽스 기술을 활용한다. 우선, 패션영상을 시멘틱 분할 네트워크를 사용하여 옷과 신체 를 영상분할하고, 자세 네트워크를 사용하여 의상과 사용자의 골격정보를 확보 한다. 이 두 가지 정보를 바탕으로 의상의 골격위치와 사용자의 골격위치를 일치시킴으로서 변형에 필요한 변수를 확보하고 이를 바탕으로 영상 변형을 하여 가상착용을 수행한다. 실험결과 단순한 기하형태의 옷 과 선 자세를 유지하는 패션사진과 사용자사진의 경우 만족스러운 변형 결과를 얻을 수 있었으 나 다양한 의상의 형태나 자세를 갖는 경우 원만한 착용결과를 얻을 수 없었다. 완벽한 시스템은 존재할 수 없으므로 현재 기술로 적용 가능한 의상의 범위와 문제 상황을 자세히 분석하여. 이를 바탕으로 추후 연구를 방향을 설정할 수 있도록 하였다.

We present an 2D image-based Virtual Try-On (VTON) system applicable to online shopping. The proposed method and system eliminate the need for the 3-D information requirement of clothes and humans, leveraging the recent advance in DNN-based image processing and computer graphics technology. In the first step, the cloth images are parsed into clothes and parts of a human body with a semantic segmentation network. And the pose or joint information of the cloth and human images are extracted using a pose estimation network. In the second step, the segmented cloth and joint information are jointly used for matching and deforming the cloth images onto a target human image. From our full implementation and preliminary trial, many successful result with from simple shaped and posed cloths and pose images demonstrates the feasibility of VTON system. However, we also observed many failed cases due to the diverse cloth and poses. We discuss the causes of failures to identify the applicable area of the current state-of-the art technology for commercial level VTON, and long term key problems for a future VTON system.

Purpose: The study purposes were to construct and test structural equation modeling on the causal relationship of community residents' perceived quality of care, image, and role performance with satisfaction, intention to (re)visit and intention to recommend hospital. Methods: A cross-sectional survey was conducted with 3,900 community residents from 39 district public hospitals. The questionnaire was designed to collected information on personal characteristics and community awareness of public hospitals. Community awareness consisted of 6 factors and 18 items. The data were collected utilizing call-interview by a survey company. Research data were collected via questionnaires and analyzed using SPSS version 20.0 and AMOS version 20.0. Results: Model fit indices for the hypothetical model were suitable for the recommended level: ${\chi}^2=796.40$ (df=79, p<.001), GFI=.93, AGFI=.90, RMSR=.08, NFI=.94. Quality of care, image, and role performance explained 68.1% of variance in community awareness. Total effect of quality of care process factors on satisfaction (path coefficients=3.67), intention to (re)visit (path coefficients=2.67) and intention to recommend hospital (coefficients=2.45) were higher than other factors. Conclusion: Findings show that public hospitals have to make an effort to improve community image through the provision of quality care, and excellent role performance. Support for these activities is available from both Central and Local Governments.

본 논문의 주요 목적은 컬러 이미지에서의 노이즈 제거를 위한 다양한 필터들의 성능 분석 비교이다. 기존의 노이즈 제거 필터들에 대한 분석에서 한 발 더 나아가 RGB에서 HSV나 $YC_BC_R$로 컬러 모델변환을 하여 노이즈를 제거하는 방법을 제안하였다. 논문에서 사용된 예인 Median, Wiener, Mean 등의 노이즈 제거필터들의 성능 개선에 도움을 주기위해 고안했으며 현재까지는 컬러 이미지를 위한 필터들의 성능분석이나 컬러모델 변환을 이용한 개선 방법들이 제안된 바가 없다. 이에 영감을 받아서, 고안된 새로운 방법을 테스트 하였다. 실행해 본 결과, 현재 사용되고 있는 필터들 중에서 몇몇 필터들의 성능을 향상시켜서 컬러 이미지에서의 노이즈 제거에 큰 도움을 주는 것으로 나타났다.

The main purpose of this paper is to compare the performances of various filters with color images to remove the noise. Furthermore, we suggest a modified de-noising process by the transformation of color model from RGB to another color models, such as HSV and $YC_BC_R$, to improve the quality of de-noising methods encompassing Median, Wiener, and Mean filters. Neither the performance comparison of the de-noising filters with color images nor the converting the color model for better de-noise on the degraded images haven't been performed before. Inspired to make improvements, we conduct experiments with new de-noising process on color images. The result of the experiments is shown that it could assist on certain filters being more reliable techniques.

4D 영화는 3D 혹은 일반영상과 함께 물리적인 효과를 추가한 영화이다. 시청자에게 물리적 효과를 제공하기 위해선 각 장면마다 적용할 물리 효과 데이터를 작성해야 한다. 본 논문에서는 영화의 폭발 장면이나 빙설, 적설 장면의 상황을 판단하여 효율적으로 물리효과를 제공할 수 있는 영상 검출 시스템을 제안한다. 제안하는 영상 검출 시스템은 R컬러와 적색차 정보인 $C_r$값을 이용한 화염 검출 알고리즘과 RGB 컬러를 이용한 적설 영역 검출 알고리즘, 8051 계열의 MCU를 사용한 제어시스템으로 구성된다. 성능평가 결과 화염의 경우 91%의 검출율을 보였으며, 적설 영역의 경우 26%의 오검출이 발생하였다. 또한 해당 알고리즘을 통한 자동적인 물리적 효과 제공이 가능함을 보였다.

4D film is just a film that made by adding some physical effects to 3D film or general film. In order to provide physical effects to the audience, the data that make the physical effect must be added to each frames. In this paper, we proposed a video detection system that can efficiently provide physical effects by assessing the present situation such as explosion scene, snowing scene. The proposed video detection system contains an algorithm for fire detection by using R color and $C_r$ value, and also an algorithm for snow detection by using RGB color model. The system constitutes in a MCU that from 8051 family. In the performance evaluations, the result shows that 91% of detection rate in case of fire and 25% of false detection rate in case of snow. Also the system is capable of providing physical effects automatically.

교통정보를 생성하기 위한 가장 전형적인 방법은 차량검지기를 도로에 설치하여 각종 교통변수를 수집하는 방법으로 차량검지기의 수집 정확성에 따라 생성되는 교통정보의 신뢰성에 영향을 미친다. 가장 범용적인 차량검지기는 영상검지기이며, 본 연구에서는 지자기검지기를 영상검지기와 동일 지점에 설치하여 장기간, 다양한 환경에 대해 교통량, 속도 자료에 대한 정확성 평가를 수행하였다. 평가결과 영상검지기는 카메라에서 멀어질수록 오차가 많이 발생하며, 주간보다는 야간에 오차가 많이 발생하는 것으로 분석되었다. 또한 강우량은 교통량 수집에는 영향을 미치지 않으나 속도 수집에는 악영향을 미치는 것으로 나타났다. 따라서 현재 운영 중인 영상검지기의 성능을 높이기 위해서는 설치위치 및 높이에 따른 카메라 화각분석 및 이에 따른 화각의 최적화가 요구되며, 악천후 시에는 별도의 성능평가기준이 마련되어야 할 것으로 판단된다.

The most typical method to generate traffic information is installing vehicle detectors and collecting various traffic variables. The information collection accuracy of a vehicle detector affects the reliability of the generated traffic information. The most universal vehicle detector is an image detector. This study installed a magnetic detector in the same position as an image detector and evaluated the accuracy of traffic volume and speed data depending on a variety of environment. Based on the evaluation, more errors occurred as the image detector was placed farther from the camera, whereas more errors were found to occur during the night rather than the day. Although rainfall did not affect the collection of traffic volume, it negatively affected speed data collection. Therefore, an analysis of the camera's view angle and its optimization depending on the camera installation position and height are required to enhance the currently operated image detector performance. It is judged that a separate performance evaluation criterion should be prepared in a bad weather environment.

Purpose : The Purpose of this study was to investigate the effects of image training and vibration on performance of vertical jumping. Methods : Subjects was classified into two groups, which were image training group(n=20) and vibration application group(n=20). The standard methods of each intervention were image training with listening recorded indication for 5 minute and vibration with speed of $1200{\pm}200\;rpm$. Muscle strength was measured using vertical jump performance. Results : The vertical jump performance was significantly increased after image training and vibration application(p<.05), however, it was more significantly after image training(p<.05). Conclusion : This study showed that image training and vibration application were effective treatment strategy on increase of muscle strength. Therefore, it could be considered as a treatment method in the patients with musculoskeletal disease including fracture, chronic degenerative disease and disuse atrophy.

딥 러닝을 활용한 컴퓨터 비전 연구는 여전히 대규모의 학습 데이터와 컴퓨팅 파워가 필수적이며, 최적의 네트워크 구조를 도출하기 위해 많은 시행착오가 수반된다. 본 연구에서는 네트워크 최적화나 데이터를 보강하는 것과 무관하게 데이터 자체의 특성만을 고려한 CR(Confusion Rate)기반의 유사 이미지 분류 성능 향상 기법을 제안한다. 제안 방법은 유사한 이미지 데이터를 정확히 분류하기 위해 CR을 산출하고 이를 손실 함수의 가중치에 반영함으로서 딥 러닝 모델의 성능을 향상시키는 기법을 제안한다. 제안 방법은 네트워크 최적화 결과와 독립적으로 이미지 분류 성능의 향상을 가져올 수 있으며, 클래스 간의 유사성을 고려해 유사도가 높은 이미지 식별에 적합하다. 제안 방법의 평가결과 HanDB에서는 0.22%, Animal-10N에서는 3.38%의 성능향상을 보였다. 제안한 방법은 다양한 Noisy Labeled 데이터를 활용한 인공지능 연구에 기반이 될 것을 기대한다.

Deep learning in computer vision has made accelerated improvement over a short period but large-scale learning data and computing power are still essential that required time-consuming trial and error tasks are involved to derive an optimal network model. In this study, we propose a similar image classification performance improvement method based on CR (Confusion Rate) that considers only the characteristics of the data itself regardless of network optimization or data reinforcement. The proposed method is a technique that improves the performance of the deep learning model by calculating the CRs for images in a dataset with similar characteristics and reflecting it in the weight of the Loss Function. Also, the CR-based recognition method is advantageous for image identification with high similarity because it enables image recognition in consideration of similarity between classes. As a result of applying the proposed method to the Resnet18 model, it showed a performance improvement of 0.22% in HanDB and 3.38% in Animal-10N. The proposed method is expected to be the basis for artificial intelligence research using noisy labeled data accompanying large-scale learning data.

최근의 멀티미디어 컴퓨팅의 비약적 발전은 지금 까지 시도 될 수 없었던 분야로 그 적용 범위를 넓혀가고 있다. 지금까지 후순위로 밀려 온 분야였던 작고 예술인 특히 무용인의 재현도 빛을 보게 되었다. 본 연구는 이러한 작고 무용인의 재현에 멀티미디어 컴퓨팅이 어떻게 적용될 수 있는가를 보였다. 그 일환으로서 기존 무대재현에 많이 동원되는 수작업에 소프트웨어화를 도입하여 작업시간의 단축을 이루었을 뿐만 아니라, 후속작업 시 재사용이 가능하게 될 수 있도록 하였다.

The recent breakthroughs of multimedia computing have expanded its scope of application to the fields not been touched before. The reproduction of late artists' performance, especially dancers', which had put on the back burner until now, also beginning to shed the light. This study showed how to apply it to the reproduction of these late performers. Through this work, not only did we reduce the working time by applying the software to the manual process which has been dominantly practiced for reproducing the existing stage, but also made it possible to be reused in the subsequent work.

Purpose: The purpose of the research is to investigate the effect of self-image on work performance and controlling ability of self-leadership in relationship in between self-image and work performance. Methods: The data were collected from Mar 16th to April 15th 2009, a descriptive survey study was conducted with 140 nurses. Results: The hypothesis "Self image of nurse would affect on work performance" is supported ($R^2$=.335, p<.001). In the hypothesis of "Self-leadership would have controlling ability on self-image and work performance", as a result of regression analysis in independent variables of self-image(A) and self-leadership(B), adding relation of both variable($A{\times}B$) would increase in 36.6% (p<.05). Conclusion: Self-image of nurse was confirmed that it had positive effect on work performance and that it had moderating ability on relationship between self-image and work performance. The shaping and strategic operation are required to increase self-leadership and positive development on self-image of nursed.

최근 대규모 언어 모델(Large Language Models, LLM)을 활용한 질의응답 시스템에서 표 데이터를 처리하는 방식은 주로 텍스트 직렬화(Serialization)에 의존하고 있으나, 이는 표의 2차원 구조적 정보를 손실시켜 모델의 환각 (Hallucination)을 유발하는 근본적인 한계가 있다. 본 연구에서는 이러한 문제를 해결하기 위해 Vision-Language Model (VLM)과 텍스트 전용 (Text-only) 접근법의 성능을 체계적으로 비교하고, VLM의 표 이해 성능을 극대화하기 위한 '질문 변형 (Question Variation)' 및 '표 이미지 병합 (Table Image Merging)' 데이터 증강 기법을 제안한다. 10개의 다양한 벤치마크에서 실험을 수행한 결과, 텍스트 전용 모델은 OCR을 적용하더라도 구조적 복잡성이 높은 환경에서 여전히 낮은 성능을 보였다. 반면, 제안하는 표 이미지 병합 기법은 모델의 시각적 구조 이해력을, 질문 변형 기법은 답변 생성 능력을 각각 강화시켰으며, 두 기법을 통합 적용한 Qwen2-VL 기반 모델은 기존 표 특화 모델인 Table-LLaVA 7B와 대등하거나 상회하는 성능을 달성하였다. 본 연구는 표 데이터 이해에 있어 VLM의 도입이 필수적임을 실증하고, 효율적인 데이터 증강을 통해 모델의 성능을 최적화할 수 있는 구체적인 방법론을 제시한다.

Recent LLM-based QA systems primarily rely on text serialization to process table data; however, this approach often leads to hallucinations due to the loss of 2D structural information during the conversion process. To address this limitation, this study systematically compares the performance of Vision-Language Models (VLMs) against text-only approaches and proposes two data augmentation techniques 'Question Variation' and 'Table Image Merging' to enhance the table understanding capabilities of VLMs. Experiments conducted on 10 diverse benchmarks reveal that text-only models, even when equipped with high performance OCR (Kanana), exhibit poor performance on structurally complex tasks. In contrast, the proposed table image merging technique significantly improves structural understanding, while question variation enhances generation capabilities. The integrated model, based on Qwen2-VL, achieves performance comparable to or surpassing the table specific Table-LLaVA 7B model. This study demonstrates the necessity of VLMs for effective table understanding and presents a practical methodology for optimizing performance through efficient data augmentation.

드론 기술의 급속한 발전과 다양한 산업에서의 응용이 크게 확대되어감과 함께 보안 위협 또한 증가하고 있으며, 이를 해결하기 위한 연구가 요구되고 있다. 본 연구에서는 드론 분류를 위하여 RF 신호를 사용하였고, 이를 전처리하기 위해 웨이블릿 변환, STFT 및 Mel-Spectrogram 분석을 수행하고, 이를 이미지로 변환하여 학습하는 CNN 기반 학습 모델을 개발하였다. 또한 Image 변환 과정에서 병렬 처리를 최적화하여 계산 속도를 향상시켰다. 제안된 모델은 기존 Spectrogram 변환 방식 대비 학습 속도를 크게 단축하며, 실시간 탐지에 적합한 성능을 보였다. 결론적으로, 본 연구는 Image 변환 방식을 통한 CNN 모델을 통해 RF 신호 기반 드론 탐지의 분류의 정확성과 실시간성을 향상시켰다.

The rapid advancement of drone technology has led to increasing security threats, requiring effective countermeasures. This study presents a CNN-based model for drone classification using RF signals, processed with wavelet transform, STFT, and Mel-spectrogram. By optimizing parallel image conversion, the model achieves faster computation and supports real-time detection. The proposed approach enhances both classification accuracy and real-time performance compared to conventional methods.

최근 경비 인력 부족과 CCTV의 사각지대로 인한 실내 보안 및 방범 체계의 한계를 극복하기 위해 다양한 형태의 순찰 로봇이 도입되고 있다. 순찰 로봇이 촬영한 광학 영상은 원격 조종자의 로봇 조작과 순찰 구역 파악, 의사 결정을 지원하며, 딥러닝 기반 객체 탐지 기법과 결합되어 관심 객체를 신속하고 정확하게 식별한다. 특히, 순찰 로봇의 사람 탐지는 침입자 탐지, 안전 모니터링, 사고 감지 등을 위해 필수적인 기능이다. 하지만, 야간 시간대에 건물 내부의 저조도 환경에서 촬영된 순찰 영상은 어둡고 노이즈가 많아 순찰 로봇의 임무 수행을 어렵게 한다. 본 연구에서는 야간 실내 순찰 영상을 대상으로 저조도 영상강화 기법(GLADNet, KinD, TBEFN, LLFormer, EnlightenGAN, Zero-DCE)을 적용하여 시인성 개선 효과를 분석하였고, YOLOv8n-seg 모델의 사람 탐지 성능 향상을 평가하였다. 실험 결과, KinD, TBEFN, LLFormer 영상에서 저조도 영상의 색상과 밝기가 효과적으로 복원되어 시인성이 개선되었으며, 영상 평가 지표가 크게 향상된 것으로 나타났다. 또한, YOLOv8n-seg 모델의 사람 탐지 정확도는 KinD와 LLFormer 영상 순으로 증가하였다. KinD는 야간 순찰 영상의 시인성을 실시간으로 개선하고, 사람 탐지 성능을 크게 향상시킨 것으로 분석되었다. 본 연구 결과는 광학 카메라를 이용한 야간 순찰 로봇의 성능을 증대시킬 수 있을 것으로 기대된다.

Various types of patrol robots have been introduced to overcome the limitations of indoor security and crime prevention caused by shortages of security personnel and blind spots in CCTV systems. The optical images taken by patrol robot support remote operators in controlling the robot, understanding the patrol area, and making decisions. When combined with deep learning-based object detection methods, these images enable the rapid and accurate identification of interest objects. Particularly, human detection by patrol robots is an essential function for intruder detection, safety monitoring, and incident detection. However, patrol images captured in low-light indoor environments during nighttime are dark and noisy, making it difficult for patrol robots to perform their tasks effectively. In this study, low-light image enhancement methods (GLADNet, KinD, TBEFN, LLFormer, EnlightenGAN, Zero-DCE) were applied to nighttime indoor patrol images to analyze their effectiveness in improving visibility and enhancing human detection performance using YOLOv8n-seg model. The results showed that the color and brightness of low-light images were effectively restored in the KinD, TBEFN, and LLFormer images, leading to improved visibility and significantly enhanced image quality metrics. Also, the human detection accuracy of the YOLOv8n-seg model increased in the order of KinD and LLFormer images. KinD enhanced the real-time visibility of nighttime patrol images and significantly improved human detection performance. These findings are expected to increase the performance of night patrol robot using optical cameras.

본 논문에서는 무인항공기인 방송용 멀티콥터를 이용한 Full-HD급 이상 화질의 이미지를 효율적으로 전송하기 위해 이미지 압축센싱 기법을 적용하고, Sparse 신호의 효율적 복원을 위해 Turbo 알고리즘과 Markov chain Monte Carlo (MCMC) 알고리즘의 복원성능을 모의실험을 통해 비교 분석하였다. 제안된 복원 기법은 압축 센싱에 기반하여 데이터 용량을 줄이고 빠르고 오류 없는 원신호 복원에 중점을 두었다. 다수의 이미지 파일로 모의실험을 진행한 결과 Loopy belief propagation(BP) 기반의 Turbo 복원 알고리즘이 Gibbs sampling기반 알고리즘을 수행하는 MCMC 알고리즘 보다 평균 복원 연산 시간, NMSE 값에서 우수하여 보다 효율적인 복원 방법으로 생각된다.

This paper considers two reconstruction schemes of structured-sparse signals, turbo inference and Markov chain Monte Carlo(MCMC) inference, in compressed sensing(CS) technique that is recently getting an important issue for an efficient videowireless transmission system using multi-copter as an unmanned aerial vehicle. Proposed reconstruction algorithms are settingimportance on reduction of image data sizes, fast reconstruction speed and errorless reconstruction. As a result ofexperimentation with twenty kinds of images, we can find turbo reconstruction algorithm based on loopy beliefpropagation(BP) has more excellent performances than MCMC algorithm based on Gibbs sampling as aspects of averagereconstruction computation time, normalized mean squared error(NMSE) values.

본 연구는 유도선수가 지각한 지도자의 이미지와 운동태도 및 수행전략의 관계, 그리고 이미지와 수행전략의 관 계에서 운동태도의 매개효과를 실증적으로 구명하는데 목적이 있었다. 이를 위해 2017년 대한유도회에 등록된 유도선 수를 모집단으로 편의표집방법을 이용하여 총 257부의 자료를 표집하였으며, 최종 분석에는 235명의 자료를 사용하였 다. 연구목적에 따라 통계프로그램 SPSS 22와 AMOS 22를 이용하여 빈도분석, 확인적 요인분석, 신뢰도 분석, 상관관 계 분석, 구조방정식모형분석, 부트스트래핑분석을 실시하였으며, 그 결과는 다음과 같다. 첫째, 유도선수가 지각한 지 도자의 이미지는 운동태도에 유의한 정(+)적 영향을 미치는 것으로 나타났다. 둘째, 유도선수가 지각한 지도자의 이미 지는 수행전략에 유의한 영향을 미치는 않는 것으로 나타났다. 셋째, 유도선수의 운동태도는 수행전략에 유의한 정(+) 적 영향을 미치는 것으로 나타났다. 마지막으로 유도선수가 지각한 지도자의 이미지와 수행전략의 관계에서 운동태도 는 매개(완전)효과가 있는 것으로 나타났다.

The purpose of this study was to find out the mediating effect of training attitude in relationship between instructor’s image and performance strategies of Judoka. For this paper, the subjects surveyed were judoka from registered in Korea Judo Association. A total of 257 surveys were sent out and 235 surveys were used for the final analysis. Frequency analysis, confirmatory factor analysis, reliability analysis, correlations analysis, and structural equation model analysis were executed using SPSS 22 and AMOS 22 programs. The results are as following. First, instructor’s image was found to have an impact on training attitude. Second, instructor’s image was determined to not have an impact on performance strategies. Third, it was discovered that training attitude have an impact on performance strategies. Finally, training attitude was concluded to have a mediation effect on instructor’s image and performance strategies.