[논문]형태적 특징 분석 기법을 이용한 아무르불가사리의 개선된 인식 방법

신현덕; 전영철

doi:10.9708/jksci/2012.17.10.061

형태적 특징 분석 기법을 이용한 아무르불가사리의 개선된 인식 방법
An Improved Asterias Amurensis Recognition Method Based on Morphological Characteristics Analysis Techniques 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.17 no.10, 2012년, pp.61 - 69

초록
AI-Helper

삼면이 바다인 우리나라의 연안에 번식력과 포식성이 매우 강한 아무르불가사리의 개체수가 매년 급증하고 있다. 더욱이 아무르불가사리는 살아있는 어패류를 먹기 때문에 양식 어민들의 피해가 매우 크다. 따라서 불가사리를 구제하거나 불가사리의 개체수의 변화 및 이동 경로 파악 등을 위하여 수중 영상에서 불가사리 개체를 인식하는 기술은 매우 중요하다고 할 수 있다. 본 논문에서는 아무르불가사리의 형태적 특징 분석을 이용한 개선된 인식 방법을 제안하였다. 제안한 인식 방법은 아무르불가사리의 형태적 특징인 오목과 볼록에 대한 추출 정보가 부족한 경우를 위해 제안된 개선된 인식 방법이다. 바다 속에서 촬영되는 불가사리의 영상에서 불가사리의 형태적 특징을 모두 추출하는 것은 매우 어렵다. 따라서 제안하는 인식 방법은 다양한 아무르불가사리 영상에서 개체를 인식하는데 효과적이다. 실험결과, 제안한 기법의 인식률은 92.5%로 기존 기법보다 우수한 성능을 보였다.

Abstract ▼ AI-Helper

The population of highly prolific, predatory Asterias amurensis is growing sharply from year to year along the coastline of Korea, a nation surrounded by water on three sides. To make matters worse, the fact that Asterias amurensis devours living fish and shellfish has caused a heavy loss for fishermen involved in the aquaculture industry. What it all boils down to is the significance of technologies allowing one to recognize Asterias amurensis individuals using underwater images for the purpose of exterminating Asterias amurensis or identifying a change in the population of Asterias amurensis or the migration route of Asterias amurensis. An improved Asterias amurensis recognition method based on the morphological characteristics of Asterias amurensis was proposed in this paper. The proposed recognition method aimed at cases marked by the lack of extraction information on concaveness and convexity, which are the morphological characteristics of Asterias amurensis. Extracting all the characteristics of Asterias amurensis from images taken underwater is very difficult. In this respect, the proposed recognition is effective in terms of recognizing individuals in a diversity of Asterias amurensis images. As a result of the experiment, Our proposed method has achieved superior performance with 92.5% than other method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 전 세계적 유해 해양 생물인 불가사리류의 구제를 위하여 수중에서 촬영된 영상으로부터 아무르불가사리 개체를 인식하기 위한 연구를 수행하였다. 제안된 인식 방법은 아무르불가사리의 형태적 특징인 오방사 대칭과 장선 및 단선을 분석하여 개체를 인식하는 방법이다.
이 논문에서는 아무르불가사리의 형태적 특징인 오방사 대칭과 장선 및 단선 특징 분석을 이용하여 불가사리 개체를 인식하는 방법을 제안한다. 기존의 인식 방법은 형태적 특징인 오목과 볼록을 구분하지 않고 특징으로 추출하였으며 오방사 대칭 특징에 대한 고려도 이루어지지 않았다.

제안 방법

구조적 인식방법과 제안한 인식 방법과의 비교를 위하여 특징점 추출률과 인식률에 관한 실험을 실시하였다.
마지막으로, 연결된 단선과 장선의 특징을 분석하여 아무르불가사리 여부를 판단한다.
이 절에서는 불가사리 인식을 위한 형태적 특징 추출 기법[7]에 대하여 설명 한다. 본 논문에서 제안하는 인식 방법에서도 아무르불가사리의 특징 추출에 이 방법을 사용한다.
불가사리의 형태적 특징을 추출하기 위한 방법으로 다방향 선형 스캐닝과 컨벡스 헐을 이용한 특징 추출 방법[7]이 제안되었다. 본 논문에서도 이 방법을 이용하여 형태적 특징을 추출할 것이다.
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.
아무르불가사리의 형태적 특징 분석을 위해 중심점을 추출하고 중심점에서 오목점과 볼록점을 연결하여 단선과 장선을 만든다.
또한 오목과 볼록의 특징이 모두 추출되지 않는다는 단점도 있다. 이에 반해서 제안한 방법은 오목과 볼록이 구분되어 추출된다.
본 논문에서는 전 세계적 유해 해양 생물인 불가사리류의 구제를 위하여 수중에서 촬영된 영상으로부터 아무르불가사리 개체를 인식하기 위한 연구를 수행하였다. 제안된 인식 방법은 아무르불가사리의 형태적 특징인 오방사 대칭과 장선 및 단선을 분석하여 개체를 인식하는 방법이다. 이 방법은 단선사잇각의 유효성 검사와 장선과 단선 배열순서의 오방사 특성 검사를 통해 개체 인식 여부를 판단한다.
제안한 인식 기법은 아무르불가사리의 형태적 특징에 대한 추출 정보가 부족한 경우를 위해서 제안된 인식 기법이다. 바다 속에서 촬영된 아무르불가사리 영상에서 형태적 특징 정보를 모두 추출하는 것은 매우 어려운 일이다.
제안한 인식 방법은 아무르불가사리의 형태적 특징에 대한 추출 정보가 부족한 경우를 위해서 제안된 인식 기법이다. 바다 속에서 촬영된 아무르불가사리 영상에서 형태적 특징 정보를 모두 추출하는 것은 매우 어려운 일이다.
획득한 불가사리 영상에 대하여 전처리 단계인 경계검출 및 경계보정 과정을 수행한 후 다방향 선형 스캐닝과 컨벡스 헐을 이용하여 아무르불가사리의 특징을 추출한다.

대상 데이터

따라서 실험 이미지는 정상적인 아무르불가사리 이미지와 비정상적인 이미지를 각각 20개씩 총 40개의 이미지를 사용하였다.

이론/모형

아무르불가사리의 형태적 특징 추출을 위하여 다방향 선형 스캐닝과 컨벡스 헐을 이용한 특징 추출 기법을 사용한다. 2장에서 설명한 이 기법을 이용하여 추출된 특징점은 그림 11과 같다.

성능/효과

그림 18과 같이 정상 이미지와 비정상 이미지를 모두 포함한 인식률은 기존 방법이 82.5%, 제안한 방법이 92.5%로 인식률이 10% 높았다. 정상 이미지에서는 기존 방법과의 인식률에 대한 차이가 5%로 비교적 차이가 적으나 비정상 이미지에서는 15%의 차이를 보임으로써 제안한 방법이 비정상적 이미지에서 더 효과적임을 확인하였다.
기존 방법의 특징 추출에서는 정상 이미지와 비정상 이미지 전체에 대한 특징 추출률이 오목 72%, 볼록 82%로 평균 77%이고 제안한 방법의 특징 추출률은 오목 90%, 볼록 91.5%로 평균 90.8%의 추출률을 보였다.
비정상적인 아무르불가사리 영상에 대한 특징 추출을 비교한 실험을 통해 기존의 구조적 특징 추출 기법과 비교하여 우수한 특징 추출 결과를 확인 하였으며, 추출된 특징을 이용한 인식률을 비교한 실험에서도 비정상 이미지에 대한 인식률의 현격한 차이를 확인하였다.
이러한 점을 고려하여 제안한 본 논문의 인식 기법은 불가사리 개체 인식률 상향에 효과적이라 할 수 있다. 실험결과, 제안한 인식 기법의 인식률은 92.5%로 이는 기존 인식 방법의 인식률 (82.5%)이 개선되었음을 의미한다.
바다 속에서 촬영된 아무르불가사리 영상에서 형태적 특징 정보를 모두 추출하는 것은 매우 어려운 일이다. 이러한 점을 고려하여 제안한 본 논문의 인식 기법은 불가사리 개체 인식률 상향에 효과적이라 할 수 있다.
정상 이미지에 대한 추출률은 기존 방법이 80%, 제안한 방법이 97.5%로 나타났으며 비정상 이미지에 대한 추출은 기존 방법이 84.9%, 제안한 방법이 96.6%로 나타났으며 제안한 방법의 특징 추출률이 평균 14.58% 높은 것으로 나타났다.
5%로 인식률이 10% 높았다. 정상 이미지에서는 기존 방법과의 인식률에 대한 차이가 5%로 비교적 차이가 적으나 비정상 이미지에서는 15%의 차이를 보임으로써 제안한 방법이 비정상적 이미지에서 더 효과적임을 확인하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	아무르불가사리는 무엇을 먹이로 하는가?	우리나라의 남해 바다와 동해 바다를 중심으로 널리 퍼져 있는 아무르불가사리가 서해안에서도 발견되면서 우리나라의 모든 연안에서 아무르불가사리에 의한 피해가 발생하고 있는 실정이다. 타 불가사리류와 다르게 아무르불가사리는 살아있는 어패류를 먹이로 하기 때문에 그 피해가 더 크다. 불가사리에 의한 전복과 조개 등의 어업 피해액이 연간 100억원에 달하며 강한 번식력에 천적마저 없어 어장 황폐화의 원인이 되고 있다[1].
	불가사리류의 몸은 어떻게 생겼는가?	불가사리류의 몸은 전형적으로 방사상으로 돌출해 있는 5개의 별 모양 또는 오각형으로 생긴 팔을 가지고 있다[8]. 불가사리의 외부 구조적 특징이라 할 수 있는 팔의 끝부분을 볼록 특징이라 하고 팔들이 서로 만나는 안쪽 경계 부분 오목 특징이라 한다[4].
	아무르불가사리는 어떤 피해를 주고 있는가?	아무르불가사리는 본래 북태평양 연안의 차가운 바다에 서식하는 냉수성이었으나 따뜻한 수온에 적응하여 세계적으로 널리 분포하게 되면서 우리나라 연안에도 출현하고 있다. 따뜻한 수온에 적응한 아무르불가사리류는 다른 불가사리와 다르게 완전한 육식성으로서 살아있는 생물만을 섭취하기 때문에 중요 양식 대상종인 굴, 전복, 피조개, 홍합 등에 막대한 피해를 주고 있다.

참고문헌 (8)

KBS, "The bottom of the sea pirates, starfish damage surge", KBS News, March 2008.
Kim Young-Rok, "starfish havoc", press release of National Federation of Fisheries Cooperatives, 2011.
Kim Seung-Hee, "PDR area edge and structural features detection for starfish recognition", Ph. D. Dissertation, Kwandong University, 2007.
Young-Cheol Jeon, "ELRSR(Edge Linking & Restoration for Starfish Recognition) System to Capture Starfish by an Underwater Robot", Ph. D. Dissertation, Kwandong University, 2008.
Ran-Heui Chu, "Starfish Object Recognition using Feature Vector of Shape Description", Ph. D. Dissertation, Kwandong University, 2011.
Ran-Heui Chu, Seong-Nak Kim, "Recognition Technology for Multiple Objects of Asterias Amurensis Using Region Central Moment and Long Line Features", Journal of The Institute of Webcasting, Internet and Telecommunication , Vol. 10, No 5, pp. 83-88, 2010.
Hyun-Deok Shin, Young-Cheol Jeon, "Feature Extraction of Asterias Amurensis by Using the Multi-Directional Linear Scanning and Convex Hull", Journal of The Korea Society of Computer and Information, Vol. 16, No. 3, pp. 99-107, March 2011.
Ji-Su Jang, "Technology trends for the use of the starfish", Patents Reports of Korea Institute of Patent Information, 2003.

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