[논문]지폐검사를 위한 UV 패턴의 자동추출

이건호; 박태형

doi:10.5391/jkiis.2011.21.3.365

지폐검사를 위한 UV 패턴의 자동추출
Automatic Extraction of UV patterns for Paper Money Inspection 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.21 no.3, 2011년, pp.365 - 371

이건호 (충북대학교 대학원 제어로봇공학과) , 박태형 (충북대학교 컴퓨터정보통신연구소)

초록
AI-Helper

최근에 발행되는 대부분의 지폐는 UV(ultra violet)조명에 반응하는 UV패턴을 포함한다. 본 논문은 지폐검사를 위하여 지폐 내부에 존재하는 UV패턴을 자동으로 추출하는 방법을 제안한다. UV조명을 이용하여 촬영한 영상을 전 처리 과정을 통하여 입력데이터로 변환시킨 후, 가우시안 혼합 모형과 split-and merge EM(SMEM)알고리즘을 적용하여 영상을 몇 개의 영역으로 분리시킨다. 영역 분리된 영상 중 원하는 패턴을 추출하기 위하여, 공분산 벡터의 넓이와 가중치를 이용하는 방법을 새로이 제안한다. 다양한 지폐에 대한 실험을 통하여 제안방법의 유용성을 보인다.

Abstract ▼ AI-Helper

Most recently issued paper money includes security patterns that can be only identified by ultra violet (UV) illuminations. We propose an automatic extraction method of UV patterns for paper money inspection systems. The image acquired by camera and UV illumination is transformed to input data through preprocessing. And then, the Gaussian mixture model (GMM) and split-and-merge expectation maximization (SMEM) algorithm are applied to segment the image represented by input data. In order to extract the UV pattern from the segmented image, we develop a criterion using the area of covariance vector and the weight value. The experimental results on various paper money are presented to verify the usefulness of the proposed method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이는 검사 시간을 줄일 수 있는 장점이 있으나 검사의 정확도가 떨어지는 단점이 있다. 그러므로 본 논문은 검사의 정확도를 더욱 높이기 위하여 지폐의 전 영역을 이용하여 검사를 수행한다.
그림 1에서 볼 수 있듯이 5만원권의 UV패턴은 색상과 채도 영역에 주로 존재한다. 그러므로 본 논문은 색상과 채도의 2차원 벡터 히스토그램을 이용하여 영상분리 알고리즘에 적용시키기 위한 입력데이터를 형성하였다[14].
첫째, 입력 데이터로 변환된 UV영상을 몇 개의 K로 나누어야 하는 가에 대한 문제. 둘째, K개로 분리된 입력 데이터에서 어떻게 UV패턴 부분을 알아내어 추출할 수 있는가에 대한 문제이다.
본 논문은 지폐의 보안요소 중 UV패턴을 자동 추출하는 방법을 제안한다. 이는 최종적으로 광학계를 이용한 지폐검사 시스템을 개발하기 위함이다.
여기서 만약UV패턴이 1군집이 아닌 2군집을 이룬다면 식별 값은 2개가 될 것이다. 앞에서 설명한 내용을 토대로 본 논문은 UV영상으로부터 UV패턴을 추출하는 방법을 제안하였다.
2장의 전 처리 과정에서는 색상과 채도의 2차원 벡터 히스토그램을 입력데이터로 형성하였다. 이 데이터를 영상분리 알고리즘에 입력하여 UV영상을 분리하고자 한다. UV영상을 K개로 분리하기 위한 영상분리 알고리즘으로 Ueda 등에 의해 제안된 가우시안 혼합 모형과 SMEM알고리즘[11]을 이용하여 영상을 분리한다.
CCD카메라와 자외선 조명을 이용하여 획득한 UV영상의 전처리 과정을 수행한다. 전처리 과정의 목적은 UV영상을 영상분리 알고리즘에 적용시키기 위해 UV영상을 입력데이터로 변환시키는 것이다.

제안 방법

CCD카메라와 자외선 조명을 이용하여 획득한 UV영상의 전처리 과정을 수행한다. 전처리 과정의 목적은 UV영상을 영상분리 알고리즘에 적용시키기 위해 UV영상을 입력데이터로 변환시키는 것이다.
반면에 가중치(w_p)와 공분산 벡터(Σ_p)는 UV패턴과 패턴이 아닌 부분의 값이 큰 차이를 보인다. 그러므로 가중치와 공분산 벡터의 곱을 이용하여 UV패턴 부분을 확인하기위한 식별 값을 생성하였다.
논문구성은 먼저 2절에서 UV영상을 영상분리 알고리즘에 적용시키기 위한 전 처리 과정을 소개한다. 3절에서는 전 처리 과정에서 입력된 데이터를 K개로 분리하는 영상분리 과정을 소개한다.
다음으로 분리된 데이터에서 UV패턴 부분을 확인하기 위한 방법을 새로이 제안한다. 이는 SMEM 알고리즘을 통하여 추정된 모수인 평균벡터, 공분산벡터 그리고 가중치 중에서 공분산벡터의 넓이와 가중치의 곱을 식별 값으로 나타내어 UV패턴 부분을 확인하는 방법이다.
이는 기존 EM 알고리즘의 국부 최대화 문제를 개선한 알고리즘으로서 UV패턴을 더욱 정확히 분리할 수 있었다. 또한 분리된 UV영상에서 UV패턴부분을 확인 하기 위하여 공분산 벡터의 넓이와 가중치의 곱을 식별 값으로 나타내는 방법을 새로이 제안하였다.
UV패턴의 군집 수 역시 육안으로 확인하여 결정하였다. 마지막으로 식별 값을 본 논문에서 제안한 방법에 따라 구하였다.
본 논문에서는 RGB영역의 UV영상을 HSI영역으로 변환시킨다.이는 RGB영역보다 HSI영역이 조명의 변화에 더욱 강인한 특성을 가지고 있기 때문이다.
둘째로 K개로 분리된 입력 데이터에서 UV패턴 부분을 알아내는 문제이다. 본 논문은 지폐 각각의 UV패턴부분의 모수를 실험을 통하여 미리 알아낸 후 공분산 벡터의 넓이와 가중치의 곱을 이용하여 식별 값을 생성하는 방법을 새로이 제안한다. 이는 가우시안 혼합 모형의 모수를 이용한 방법으로서 UV패턴과 패턴의 아닌 부분의 공분산 벡터와 가중치의 값이 큰 편차를 보이는 특성을 이용한 것이다.
앞에서 가우시안 혼합 모형과 SMEM 알고리즘에 의해서 입력데이터를 K개의 가우시안 분포로 분리하는 방법을 알아보았다. 하지만 우리는 아직 해결하지 못한 두 가지 문제가 있다.
지폐의 안정적 검사를 위하여 시스템의 반복정밀도가 중요하다. 전체 시스템은 크게 영상 획득단계와 패턴 추출 단계로 구분되며, 본 논문에서 제시한 패턴추출 단계에서는 동일한 영상에 대하여 항상 동일한 패턴을 추출한다. 그러므로 시스템의 반복정밀도를 높이기 위해서는 조명을 포함한 광학계의 안정적 영상 획득이 중요하다.
첫째로 UV패턴을 분리하기 위한 최적의 성분 수 K는 미리 실험을 통하여 알아내었다. 이는 UV패턴을 분리하는 문제가 참 값을 알 수 없는(unsupervised) 경우이기 때문이다.
최종적으로 자동지폐검사를 위한 UV패턴 분리방법을 제안하여 UV영상에서 UV패턴을 추출하였다. 본 논문의 제안방법으로 추출된 UV패턴을 기본적 영상처리 방법인 템플릿 매칭이나 레이블링을 이용하여 UV패턴을 자동적으로 검사하는 시스템을 제작 할 수 있을 것이라 생각된다.
최종적으로, 본 논문은 가우시안 혼합 모형과 SMEM 알고리즘을 이용하여 지폐의 UV패턴을 자동으로 추출하는 방법을 제안한다. 실험을 통하여 제안방법의 우수성을 증명하였다.
표 1은 실험을 통하여 알아낸 최적의 성분 수 K와 UV패턴 부분의 군집 수 그리고 식별 값이다. 표 1의 최적의 성분 수는 2-6개의 K를 SMEM 알고리즘에 입력하여 가장 UV패턴을 잘 분리한 영상을 육안으로 확인하여 결정하였다. UV패턴의 군집 수 역시 육안으로 확인하여 결정하였다.

대상 데이터

자외선 조명은 UVS-P8D237 LED를 사용하였다. 다음으로 조명계는 LED POWER(MDLR12-25W)를 사용하였다. 실험 및 구현에는 MATLAB과 Visual studio 를 사용하였다.
영상을 촬영하기 위한 CCD카메라는 BASLER사의 SCA1000-30FC를 사용하였다. 렌즈는 ML-3514렌즈를 사용하였다. 자외선 조명은 UVS-P8D237 LED를 사용하였다.
그림 7은 지폐의 UV영상을 촬영하기 위한 실험 장치이다. 영상을 촬영하기 위한 CCD카메라는 BASLER사의 SCA1000-30FC를 사용하였다. 렌즈는 ML-3514렌즈를 사용하였다.
렌즈는 ML-3514렌즈를 사용하였다. 자외선 조명은 UVS-P8D237 LED를 사용하였다. 다음으로 조명계는 LED POWER(MDLR12-25W)를 사용하였다.

데이터처리

그림 9. 알고리즘 정확도 비교.

이론/모형

이 데이터를 영상분리 알고리즘에 입력하여 UV영상을 분리하고자 한다. UV영상을 K개로 분리하기 위한 영상분리 알고리즘으로 Ueda 등에 의해 제안된 가우시안 혼합 모형과 SMEM알고리즘[11]을 이용하여 영상을 분리한다.
이는 K개의 정규가우시안 확률분포를 이용하여 입력 데이터의 모형을 추정하는 방법이다. 가우시안 혼합 모형의 모수(parameter)를 추정하기 위한 알고리즘으로 Split and merge expectation maximization(SMEM) 알고리즘 [11]을 적용하였다. 이는 기존 Expectation maximization(EM) 알고리즘 [12]과 Deterministic annealing EM(DAEM) 알고리즘 [13]의 국부 최대화 문제를 극복하기 위한 모수추정방법이다.
기존 EM알고리즘의 국부 최대화 문제를 해결하기위해 Ueda 등이 제안한 SMEM 알고리즘 [11]을 본 논문에서 적용하였다. 이는 EM 알고리즘이 수렴되었을 때의 모수 Θ값을 Q함수에 입력하여 분리와 합병 동작을 통해 최적해를 예측하는 알고리즘이다.
이는 기존의 Gray영상에서 패턴을 추출하는 것 보다 더욱 정확히 패턴을 추출하였다. 다음으로 UV영상의 분리를 위하여 SMEM 알고리즘을 적용하였다. 이는 기존 EM 알고리즘의 국부 최대화 문제를 개선한 알고리즘으로서 UV패턴을 더욱 정확히 분리할 수 있었다.
본 논문에서는 통계적인 방법으로 매우 높은 정확도를 보이는 영상분리 알고리즘인 가우시안 혼합 모형(Gaussian mixture model) [9,10]을 이용하여 영상을 분리한다. 이는 K개의 정규가우시안 확률분포를 이용하여 입력 데이터의 모형을 추정하는 방법이다.
본 논문은 영상 분리를 위한 데이터 표현 방법으로 색상과 채도 영역의 2차원 벡터 히스토그램을 이용하였다. 이는 기존의 Gray영상에서 패턴을 추출하는 것 보다 더욱 정확히 패턴을 추출하였다.
입력데이터와 가장 비슷하게 모형을 변화시키는 모수 Θ의 예측은 입력데이터와 가우시안 혼합 모형간의 유사도를 측정하는 함수인 log-likelihood 함수를 이용하여 예측한다.
그림 5에서 K값과 식별 값은 미리 실험을 통해 각 지폐마다 미리 알고 있어야 한다. 최종적으로 추출한 UV패턴의 잡음을 없애주기 위해서 본 논문은 메디안 필터(Median filter) [16]를 사용하였다.

후속연구

최종적으로 자동지폐검사를 위한 UV패턴 분리방법을 제안하여 UV영상에서 UV패턴을 추출하였다. 본 논문의 제안방법으로 추출된 UV패턴을 기본적 영상처리 방법인 템플릿 매칭이나 레이블링을 이용하여 UV패턴을 자동적으로 검사하는 시스템을 제작 할 수 있을 것이라 생각된다. 이는 지폐 제조 시 오류검사 또는 지폐의 위폐 판별 검사에 기여할 수 있을 것이다.
추후 연구는 K 값이 증가함에 따라서 폭발적으로 증가하는 검사시간의 단축과 SMEM 알고리즘 내부에 존재하는 동작 안정성 문제[18]를 해결하는 연구를 진행하여야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	현재 지폐검사는 어떤 방식을 주로 사용하는가?	현재 지폐검사는 주로 센서를 이용한 하드웨어적 방식[1]이 주를 이루고 있다. 그러나 이는 고가의 센서비용과 다양한 지폐의 보안요소에 유연하게 대응하기 어려운 단점이 있다.
	영상분리란?	앞에서 언급한 단계 중에서 본 논문의 핵심이 되는 단계인 영상분리란 비슷한 특징을 보이는 영상의 각 픽셀을 몇개의 영역으로 분리하는 것을 의미한다. 이는 일종의 군집화를 통한 영상의 단순화를 이룸으로써 영상을 사용자가 원하는 대로 쉽게 해석하기 위한 방법이다.
	지폐검사를 위하여 UV패턴을 추출하는 단계를 설명하시오.	지폐검사를 위하여 UV패턴을 추출하는 단계는 다음과 같다. 첫째, 광학 장비를 이용하여 영상을 획득하는 단계. 둘째, 획득한 영상을 데이터로 변환하기 위한 전 처리 단계. 셋째, 영상분리 알고리즘을 이용하여 입력데이터를 배경과 패턴으로 알맞게 분리하는 단계. 넷째, 분리된 데이터에서 UV패턴 부분을 확인하고 추출하는 단계이다.

참고문헌 (18)

정규태, 김명돈, 정영태, 김해식, 김민호 홍성일, 박재운, 변건식, "광센서를 이용한 위조지폐감별 회로의 설계에 관한 연구", 대한전자공학회 학술발표회 논문집, 제3권 2호, pp.209-213, 1994.
권혁중, 박태형, "다중패턴 홀로그램을 위한 자동광학검사 시스템 ", 제어로봇시스템학회 논문지, 제15권, 5월호, pp.547-553 , 2009.

원문보기 상세보기
서혜영, 권혁중, 이구열, 박태형,"위폐 판별을 위한 홀로그램 광학 검사 시스템 개발", CICS 정보 및 제어 학술대회 논문집, 제1권, pp. 163-164, 2007.
채승훈, 서영태, 반성범, "UV 정보를 이용한 지폐 진위판별에 대한 연구", 한국정보기술학회 학술대회논문집, 제1권, pp. 753-756, 2009.
Y. Zhang, M. Brady, and S. Smith, "Segmentation of brain MR images through a hidden Markov random field model and the expectation-maximization algorithm", IEEE Trans Med Imaging, vol. 20, pp. 45-57, 2001.

상세보기
M.-H. Yang and N. Ahuja, "Gaussian Mixture Model for Human Skin Color and Its Application in Image and Video Databases", Proc. SPIE: Storage and Retrieval for Image and Video Databases VII, vol. 3656, pp. 458-466, 1999.
S. K. Kim, D. W. Kim, and H. J. Kim, "A recognition of vehicle license plate using a genetic algorithm based segmentation", Proc. ICIP: Nature, vol. 2, pp. 661-664, 1996.
Y. J. Choo, B. S. Kang, "Extraction of Sizes and Velocities of Spray Droplets by Optical Imaging Method", Journal of Mechanical Science and Technology, vol. 18, no. 7, pp. 1236-1245, 2004.
C. Carson, S. Belongie, H. Greenspan, J. Malik, "Image segmentation using expectation-maximization and its application to image querying", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, no. 8, pp. 1026-1038, Aug, 2002.

상세보기
서석태, 이인근, 정혜천, 권순학, "가우시안형 유한 혼합 분포에 기반한 다중 임계값 결정법", 한국지능시스템학회 논문지, 제17권, 6호, pp.725-730, 2007.

원문보기 상세보기
N. Ueda, R. Nakano, Z. Ghahramani, and G.E. Hinton, "SMEM Algoritm for Mixture Models", Neural Computation, vol. 12, no. 9, pp. 2109-2128, 2000.

상세보기
A. Dempster, N. Laird, and D. Rubin, "Maximum likelihood from incomplete data via the EM algorithm", Journal of the Royal Statistical Society, vol. 39, no. 1, pp. 1-38, Dec 1977.
Ueda, N. and Nakano, R., "Deterministic Annealing EM Algorithm", Neural Network, vol. 11, pp. 271-282, 1998.

상세보기
Belongie, S., Carson, C., Greenspan, H. and Malik, J., "Color-and Texture-Based Image Segmentation Using EM and Its Application to Content-Based Image Retrieval", Proc. the 6th Int. Conf. on Computer Vision, vol. 1, pp. 675-682, 1998.
R. De Maesschalck, D. Jouan-Rimbaud and D.L. Massart, "The Mahalanobis distance", Chemometr. Intell. Lab. Syst. 50, pp. 1-18, 2000.

상세보기
Lim, Jae S., Two-Dimensional Signal and Image Processing, Englewood Cliffs, NJ, Prentice Hall, pp. 469-476, 1990.
O. Demikaya, M. H. Asyali and P. K. Sahoo, Image processing with MATLAB : Applications in medical and biology, CRC Press, pp. 267-272, 2009.
Z Zhang, C Chen, J Sun, "EM algorithms for Gaussian mixtures with split-and-merge operation", Pattern Recognition, vol. 36, pp. 1973-1983, 2003.

상세보기

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