$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

개선된 Max-Min 신경망을 이용한 콘크리트 균열 인식
Recognition of Concrete Surface Cracks Using Enhanced Max-Min Neural Networks 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.12 no.2, 2007년, pp.77 - 82  

김광백 (신라대학교 컴퓨터공학과) ,  박현정 (신라대학교 건축학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 콘크리트 표면 균열의 방향성을 효율적으로 인식하기 위하여 영상처리 기법을 적용하여 균열을 자동으로 검출하고 개선된 Max-Min 신경망을 제안하여 균열의 방향성을 자동으로 인식하는 기법을 제안한다. 균열 영상에서 빛의 영향을 효율적으로 보정하기 위해 모폴로지 기법인 채움 연산을 적용하고 Sobel 마스크를 적용하여 균열의 에지를 추출한 후, 반복 이진화를 적용하여 균열 영상을 이진화한다. 이진화된 균열 영상에서 2차례에 걸쳐 잡음 제거 연산을 수행한 후, 균열을 추출한다. 본 논문에서는 Max-Min 신경망을 개선하여 추출된 균열의 방향성을 자동으로 인식한다. 개선된 Max-Min 신경망은 delta-bar-delta 알고리즘을 적용하여 학습률을 자동으로 조정한다. 실제 콘크리트 표면 균열 영상을 대상으로 실험한 결과, 개선된 Max-Min 신경망이 균열의 방향성 인식에 효율적임을 확인하였다.

Abstract AI-Helper 아이콘AI-Helper

In this paper, we proposed the image processing techniques for extracting the cracks in a concrete surface crack image and the enhanced Max-Min neural network for recognizing the directions of the extracted cracks. The image processing techniques used are the closing operation or morphological techn...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 본 논문에서는 디지털 카메라로 획득된 균열 영상에서 자동으로 균열을 검출하고 Max-Min 신경망을 개선하여 균열의 방향성(-45°방향. 45°방향, 횡방향, 종방향)을 자동으로 인식하는 기법을 제안한다. 본 논문에서는 빛의 영향을 효율적으로 보정하기 위하여 모폴로지 기법인 채움(Closing) 연산을 수행하고 소벨 마스크를 이용하여 균열의 에지를 검출한 후, 반복 이진화〔4)를 적용하여 영상을 이진화 한다.
  • 45°방향, 횡방향, 종방향)을 자동으로 인식하는 기법을 제안한다. 본 논문에서는 빛의 영향을 효율적으로 보정하기 위하여 모폴로지 기법인 채움(Closing) 연산을 수행하고 소벨 마스크를 이용하여 균열의 에지를 검출한 후, 반복 이진화〔4)를 적용하여 영상을 이진화 한다. 이진화된 영상에서 3×3 마스크를 이용하여 인접화소의 평균을 구하여 미세한 잡음을 제거하고, Glassfire Labeling 알고리즘을 이용하여 가로 및 세로의 일정한 비율을 분석하여 잡음을 제거한 후, 균열의 특정 부분을 검출한다.
본문요약 정보가 도움이 되었나요?

저자의 다른 논문 :

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로