Earticle

영상처리시 처리 요구 되는 영상데이터의 크기에 비례하여 시스템의 부담은 더욱 더 증가하게 된다. 특히 클라이언트로부터 전송되는 영상 데이터를 실시간으로 서버에서 분석하여 처리하는 원격 영상처리 시스템에서는 처리해야 할 데이터가 집중되는 서버 측에는 데이터의 병목현상이 발생하게 되고, 데이터의 병목현상은 시스템의 성능을 저하시킬 수 있다. 이를 해결하기 위해 여러 대의 서버를 두어 처리하는 단순 분산처리를 사용하여 해결 할 수 있으나, 이는 그만큼의 비용 부담을 가져올 수 있다. 본 논문에서는 영상 데이터 처리의 병목현상을 해결하기 위한 분산 시스템에 객체 활성화 기술을 접목시킨 새로운 형태의 분산 영상 처리를 제안하고자 한다. 제안한 방법은 영상 전처리 작업을 최적화 된 시스템에 의해 처리하게 하여 더 높은 성능을 가져올 수 있다. 또한 최적화된 서버의 오류로 인해 정상적으로 동작하지 않을 경우를 대비하여, 네트워크 내의 유휴서버를 활용하여 서비스를 제공할 수 있다.

Server overload is directly proportional to requested image data size in a image processing. If request data are increase then system is overloaded in a image processing system. For the reduce of server bottle neck, we will be able to consider a distributed processing. Simple distributed processing system can solve server bottleneck and system overload but high cost system requirements. In this paper, Proposes a new distributed image processing system. Object activation technology are being grafted on to simple distributed processing system. It can optimize the user of system resources and can reuse idle system resources in network.

Data corruption in SCADA systems refers to errors that occur during acquisition, processing, or transmission, introducing unintended changes to the original data. In SCADA-based power systems, the data gathered by remote terminal units (RTUs) is subject to data corruption due to noise interference or lack of calibration. In this study, an effective approach based on the fusion of the general regression neural network (GRNN) and the particle swarm optimization (PSO) technique is employed to deal with errors in RTU data. The proposed hybrid model, denoted as GRNN-PSO, is able to handle noisy data in a fast speed, which makes it feasible for practical applications. Experimental results show the GRNN-PSO model has better performance in removing the unintended changes to the original data compared with existing methods.

This paper describes a pre-processing methodology which can apply to remote speech recognition system of service robot in noisy environment. By combining beamforming and blind source separation, we can overcome the weakness of beamforming (reverberation) and blind source separation (distributed noise, permutation ambiguity). As this method is designed to be implemented with hardware, we can achieve real-time execution with FPGA by using systolic array architecture.