[논문]다방향 선형 스캐닝과 컨벡스 헐을 이용한 아무르불가사리의 특징 추출

신현덕; 전영철

doi:10.9708/jksci.2011.16.3.099

다방향 선형 스캐닝과 컨벡스 헐을 이용한 아무르불가사리의 특징 추출
Feature Extraction of Asterias Amurensis by Using the Multi-Directional Linear Scanning and Convex Hull 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.16 no.3, 2011년, pp.99 - 107

초록
AI-Helper

패턴을 이용한 불가사리 특징 검출은 불가사리의 오목 특징과 볼록 특징을 모두 검출하기 어려우며 또한, 오목과 볼록을 구분 할 수도 없다. 오목과 볼록은 아무르불가사리의 중요한 구조적 특징으로서 반드시 찾아야 할 특징이며 오목과 볼록을 분류함으로서 차후 불가사리 인식에서도 필요하다. 따라서 본 논문에서는 아무르불가사리의 주요 특징인 오목과 볼록 특징을 추출하는 기법을 제안한다. 이 기법은 다방향 선형 스캐닝을 이용하여 오목과 볼록의 특징점 후보군을 형성하고 이 후보군에서 특징점을 결정한 후 추출된 특징점에 컨벡스 헐 알고리즘을 적용하여 오목 특징과 볼록 특징을 구분한다. 제안한 기법은 불가사리의 주요 특징인 오목 특징과 볼록 특징을 구분하여 효과적으로 추출한다. 따라서 향후 불가사리 인식을 위한 연구에 기여할 것으로 기대한다.

Abstract ▼ AI-Helper

The feature extraction of asterias amurensis by using patterns is difficult to extract all the concave and convex features of asterias amurensis nor classify concave and convex. Concave and convex as important structural features of asterias amurensis are the features which should be found and the classification of concave and convex is also necessary for the recognition of asterias amurensis later. Accordingly, this study suggests the technique to extract the features of concave and convex, the main features of asterias amurensis. This technique classifies the concave and convex features by using the multi-directional linear scanning and form the candidate groups of the concave and convex feature points and decide the feature points of the candidate groups and apply convex hull algorithm to the extracted feature points. The suggested technique efficiently extracts the concave and convex features, the main features of asterias amurensis by dividing them. Accordingly, it is expected to contribute to the studies on the recognition of asterias amurensis in the future.

주제어

AI 본문요약
AI-Helper

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

문제 정의

불가사리의 특징점은 오목점과 볼록점으로 구분될 수 있는 중요한 구조적 특징이다. 따라서 이 논문에서는 불가사리를 인식 하기 위한 주요 특징인 오목 특징과 볼록 특징을 구분하여 추출하는 기법을 제안하였다.
본 논문은 우리나라 연안에서 엄청난 피해를 주고 있는 아무르불가사리를 자동 포획하기 위하여 아무르불가사리의 인식과정에서 반드시 필요한 특징인 오목과 볼록의 특징을 추출 하는 기법을 제안한다. 이 기법은 불가사리 영상을 다방향 선형 스캐닝 하여 오목과 볼록의 특징점 후보군을 형성하고 특징점 후보군에서 특징점을 찾은 후 컨벡스 헐 알고리즘을 이용하여 오목과 볼록을 구분하는 기법이다.

제안 방법

기존 방법은 추출된 특징점을 오목 특징이나 볼록 특징으로 구분할 수 없기 때문에 단순히 추출된 특징점의 수만 비교하였다.
두 번째 실험은 다양한 아무르불가사리 영상에 대한 특징점 후보 추출 결과와 추출된 후보점을 오목 특징과 볼록 특징으로 구분하는 것이다.
제안한 기법은 다방향 선형 스캐닝과 컨벡스 헐 알고리즘을 이용한다. 불가사리 영상을 다방향 스캐닝하여 오목점과 볼록점 추출을 위한 특징점 후보군을 형성하고 픽셀 편차를 이용하여 특징점을 결정한 후 컨벡스 헐 알고리즘을 이용하여 오목점과 볼록점을 구분한다.
불가사리 영상을 선형 스캐닝하면서 경계선 정보를 가지는 픽셀들을 추가점, 연속점, 삭제점으로 구분하여 추가점과 삭제점 픽셀의 좌표 정보를 기록한다. 추가점은 선형 스캐닝 과정에서 새롭게 나타나는 경계선 픽셀을 의미하고 연속점은 이 추가점과 인접한 점 또는 인접한 점들과 인접한 연속되는 점들을 의미하며 삭제점은 스캐닝 과정에서 사라지는 점을 의미한다.
불가사리 특징 패턴으로 찾아진 불가사리 특징 후보 영역에 대하여 각 영역 사이의 거리가 식 2를 만족하는 영역에 대해서 불가사리의 특징으로 검출한다.
같은 방법으로 범위 내의 후보점들을 후보군으로 형성하는 과정을 반복한다. 이후 경계선 추적 과정에서 나타나는 후보점에 대하여 같은 방법을 적용하여 특징점 후보군을 형성해 나간다.
본 논문의 실험은 두 가지로 분류하여 실시한다. 첫 번째로 패턴을 이용하여 아무르불가사리의 특징을 추출하는 기존 방법과 본 논문에서 제안한 방법을 비교 하였다.
특징후보군에서 각각의 특징점을 구하기 위하여 각 특징후보군에 포함된 특징 후보점의 평균 좌표를 선택한다. 특징후보군에서 결정된 특징점은 그림 18과 같다.
패턴을 이용한 기존방법은 오목과 볼록 위치의 특징점 수가 일정치 않으며 10개의 특징점을 모두 찾기 어려웠으나 제안한 방법은 오목과 볼록 위치의 특징점을 모두 추출하였다.

이론/모형

제안한 기법은 다방향 선형 스캐닝과 컨벡스 헐 알고리즘을 이용한다. 불가사리 영상을 다방향 스캐닝하여 오목점과 볼록점 추출을 위한 특징점 후보군을 형성하고 픽셀 편차를 이용하여 특징점을 결정한 후 컨벡스 헐 알고리즘을 이용하여 오목점과 볼록점을 구분한다.

성능/효과

제안한 기법은 불가사리의 주요 특징인 오목 특징과 볼록 특징을 효과적으로 추출한다. 따라서 향후 불가사리 인식을 위한 연구에 유용하게 이용될 것으로 기대한다.
제안한 방법을 실험 한 결과, 입력 영상에 대한 오목 특징과 볼록 특징 위치의 특징점이 모두 추출되었으며 오목 특징과 볼록 특징의 구분이 가능하였다.

후속연구

제안한 기법은 불가사리의 주요 특징인 오목 특징과 볼록 특징을 효과적으로 추출한다. 따라서 향후 불가사리 인식을 위한 연구에 유용하게 이용될 것으로 기대한다.
아무르 불가사리뿐만 아니라 별 불가사리 등의 다양한 불가사리의 특징을 추출할 수 있는 특징 추출 기법에 대하여 연구하는 것이 향후 연구 과제이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	패턴을 이용한 불가사리 특징 검출은 어떤 단점이 있나?	아무르불가사리의 특징 추출 방법은 불가사리 영상의 경계를 검출한 후에 불가사리의 구조적 특징 패턴을 이용하여 특징을 추출한다. 이와 같은, 패턴을 이용한 불가사리 특징 검출은 특징 추출 시 불가사리의 주요 특징인 오목과 볼록을 모두 추출하기 어려우며 이 오목과 볼록의 구분도 불가능하다.
	라인인식을 위한 탐색방법에는 무엇이 있나?	라인인식을 위한 탐색방법에는 수평스캔과 수직스캔이 있다. 수직스캔은 스캔 영역의 아래에서 위로 탐색하는 것을 의미하고 수평스캔은 스캔 영역의 가운데를 중심으로 좌측 영역과 우측 영역을 탐색하는 것을 의미한다.
	본 논문에서 제안한 오목 특징과 볼록 특징을 구분하여 추출하는 기법은 무엇을 이용하는가?	제안한 기법은 다방향 선형 스캐닝과 컨벡스 헐 알고리즘을 이용한다. 불가사리 영상을 다방향 스캐닝하여 오목점과 볼록점 추출을 위한 특징점 후보군을 형성하고 픽셀 편차를 이용하여 특징점을 결정한 후 컨벡스 헐 알고리즘을 이용하여 오목점과 볼록점을 구분한다.

참고문헌 (10)

Fukuyama, A. K. and Oliver, J. S., "Sea star and walrus predation on bivalves in Norton Sound, Bering Sea, Alaska", Ophelia, Vol 24, pp. 17-36, 1985년.

상세보기
Hatanaka, M. and Kosaka, M., "Biological studies on the population of the starfish, Asterias amurensis, in Sendai bay", Tohoku J. Agric. Res., Vol. 9, No. 3, pp. 159-178, 1958년.
Park, M. S. and Kim, B. Y., "Feeding behaviour of the starfish, Asterias amuresis (Lutken)", Bull. Fish. Res. Dev. Agency, Vol 34, pp. 171. (in Korean), 1985년.
Study the real condition of the asterias amurensis, http:/ /www.seastarca.com/board/view.php?seq17&tableca&page.
Sea star car, http://www.seastarca.com/board/view.php?seq17&tableca&page.
jikim, dhjeon, "The Revision of Edge Detection Using Pattern for Starfish Recognition", Journal of the Korean Society or Internet Information, Vol 9, No 2, pp. 275-280, Nov. 2008.
dgkim, dykim, yrlee, "Adaptive scanning using pixel similarity for H.264/AVC", Journal of the Korea Speech Communication and Signal Processing , Vol 19, No 1. 2006.
cwpark, mspark, whkim, mypark, "Face detection using fuzzy color classifier and convex-hull," Journal of the Institute of Electronics of Korea, Vol 39, No 2, pp. 69-78, Mar. 2002.
Graham, R.L., "An efficient algorithm for determining the convex hull of a finite planar set", Info. Proc. Lett. Vol. 1, pp. 132-133, 1972.
shkim, "The TPDR Area Edge And Structural Features Detection For Starfish Recognition", Department of Computer Science Graduate school of KwanDong University, 2008

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증