선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 수중 영상으로부터 불가사리 개체를 인식하기 위해 불가사리의 형태적 특징을 추출하는 효과적인 방법을 제안하였다. 제안한 방법은 기존의 다방향 스캐닝을 이용한 특징 추출 기법과 다방향 스캐닝과 컨벡스 헐 알고리즘을 이용한 특징 추출 기법을 개선한 6-방향 스캐닝을 이용한 특징 추출 기법이다.
- 이 논문에서는 6-방향 스캐닝을 이용하여 볼록 특징을 추출하는 방법을 제안한다. 이 방법에서는 6-방향 스캐닝을 이용하여 6개의 후보 볼록점을 선정한다.
제안 방법
- 단선과 그 단선이 포함된 부분 영역의 기준이 되는 두 장선의 평균 길이 비율을 계산하여 임계 범위 이내면 후보 오목점을 최종 오목점으로 선정한다. 장선과 단선의 비율의 유효 범위는 식 (3)을 이용한다.
- 또한, 제안하는 방법에서는 추출된 볼록 특징과 영역 중심점을 이용하여 오목 특징을 추출한다. 추출된 볼록 특징을 이용하여 장선 특징을 연결하고 후보 오목점을 선정한다.
- 이 방법은 스캔 방향을 정육각형의 각 변에서 중심 방향으로 수행하여 특징 후보를 선정하기 때문에 기존 방법에 비해 적은 수의 특징 후보를 산출할 수 있다. 또한, 제안한 특징 추출 방법에서는 후보 오목점을 최종 오목점으로 선정하기 위해 장단선의 길이 비율을 이용한다. 장선에 의해 구분된 각 부분 영역의 기준 장선과 후보 오목점으로 연결된 단선의 비율을 비교하여 최종 오목점을 선정하기 때문에 오목 특징 추출의 정확성을 높일 수 있다.
- 선정된 최종 볼록점을 이용하여 장선을 연결하고 장선을 기준으로 5개의 부분 영역을 구분한다. 구분된 부분 영역의 경계 픽셀 중에서 중심점과의 거리가 가장 가까운 5개의 픽셀을 후보 오목점으로 선정한다.
- 추출된 볼록 특징을 이용하여 장선 특징을 연결하고 후보 오목점을 선정한다. 선정된 후보 오목점과 경계 장선의 길이 평균을 이용하여 최종 오목점을 추출한다.
- 선정된 후보 오목점을 이용하여 단선을 연결하고 연결된 단선과 장선의 평균 길이 비율을 이용하여 최종 오목점을 선정한다. 그림 5는 최종 볼록점과 오목점을 나타낸 것이다.
- 이 장에서는 제안한 특징 추출 방법의 성능 분석을 위하여 4가지 종류의 입력 영상에 대한 특징 추출 비교 실험을 수행한다. 실험에 사용되는 4가지 입력 영상의 종류는, 불가사리의 형태적 특징을 정상적으로 나타내는 경우와 촬영 각도 등에 의해 형태적 특징이 부분적으로 나타나는 비정상적인 경우로 구분하여 선정되었다.
- 이 실험에서는, 불가사리의 외곽선 검출 영상에 대해 중심점을 계산한 결과와 6-방향 스캐닝을 이용해서 선정한 6개의 후보 볼록점의 좌표를 제시한다. 또한, 중심점과 볼록점을 이용하여 선정된 후보 오목점의 좌표를 제시하고 최종적으로 추출된 특징을 나타낼 것이다.
- 이 장에서는 제안한 특징 추출 방법의 성능 분석을 위하여 4가지 종류의 입력 영상에 대한 특징 추출 비교 실험을 수행한다. 실험에 사용되는 4가지 입력 영상의 종류는, 불가사리의 형태적 특징을 정상적으로 나타내는 경우와 촬영 각도 등에 의해 형태적 특징이 부분적으로 나타나는 비정상적인 경우로 구분하여 선정되었다.
- 이 특징 추출 기법은 입력 영상에서 영역의 중심점을 계산한 후 다방향 스캐닝에 상향, 좌향, 좌상향, 우상향의 4 방향을 추가하여 후보 볼록점을 선정한다.
- 후보 볼록점들 중에서 최종 볼록점을 선정하고 영역 중심점과 선정된 최종 볼록점을 연결한다. 이렇게 연결된 장선을 기준으로 나누어진 5개의 부분 영역의 외곽선 픽셀 중에서 중심점과의 거리가 가장 가까운 픽셀을 후보 오목점으로 선정하고 적정 임계 범위를 이용하여 최종 오목점을 선정한다.
- 입력 영상에 대하여 하향, 상향, 우-하향, 좌-하향, 우-상향, 좌-상향의 방향으로 스캔하여 각 방향에서 최초로 입력되는 픽셀 정보를 후보 볼록점으로 선정한다.
- 입력 영상을 상·하·좌·우·우하향·좌하향·좌상향·우상향 방향으로 스캔하여 각 방향에서 최초로 입력되는 픽셀을 후보 볼록점으로 선정한다.
- 제안하는 특징 추출 방법은 기존 방법에 비해서 더 적은 수의 특징 후보를 산출한다. 군집 생활을 하는 불가사리의 특성을 고려한다면 입력영상에서 산출되는 특징 후보의 효과적인 처리를 위해 특징 후보의 수를 최소화 하는 것이 바람직하다.
- 본 논문에서는 수중 영상으로부터 불가사리 개체를 인식하기 위해 불가사리의 형태적 특징을 추출하는 효과적인 방법을 제안하였다. 제안한 방법은 기존의 다방향 스캐닝을 이용한 특징 추출 기법과 다방향 스캐닝과 컨벡스 헐 알고리즘을 이용한 특징 추출 기법을 개선한 6-방향 스캐닝을 이용한 특징 추출 기법이다. 이 방법은 스캔 방향을 정육각형의 각 변에서 중심 방향으로 수행하여 특징 후보를 선정하기 때문에 기존 방법에 비해 적은 수의 특징 후보를 산출할 수 있다.
- 또한, 제안하는 방법에서는 추출된 볼록 특징과 영역 중심점을 이용하여 오목 특징을 추출한다. 추출된 볼록 특징을 이용하여 장선 특징을 연결하고 후보 오목점을 선정한다. 선정된 후보 오목점과 경계 장선의 길이 평균을 이용하여 최종 오목점을 추출한다.
- 표 7의 중심점과 표 8의 최종 볼록점을 이용하여 후보 오목점을 선정하고 단선과 장선의 비율을 이용해서 최종 오목점을 선정한다. 표 9는 그림 13의 최종 오목점을 나타낸 것이고 그림 14는 그림 13의 각 영상에 대한 특징 추출 결과를 나타낸 것이다.
- 후보 오목점에서 최종 오목점을 선정하기 위해 장선의 길이와 영역 중심점과 후보 오목점의 길이 즉, 단선의 길이를 각각 계산한다. 그림 11은 장선과 단선의 연결을 나타낸 것이다.
대상 데이터
- 선정된 최종 볼록점을 이용하여 장선을 연결하고 장선을 기준으로 5개의 부분 영역을 구분한다. 구분된 부분 영역의 경계 픽셀 중에서 중심점과의 거리가 가장 가까운 5개의 픽셀을 후보 오목점으로 선정한다.
- 도 제안되었다. 이 방법은 볼록 특징을 추출하기 위해 8개의 후보 볼록점을 선정하고 오목 특징을 위해서 5개의 후보 오목점을 선정한다. 이 방법에서도 각 입력 개체에 대해 평균 13개의 특징 후보를 산출하게 된다.
성능/효과
- 64%이다)이 개선되었다. 또한, method-2의 결과와 비교할 경우에는 볼록 특징뿐만 아니라 오목 특징의 추출률도 개선되었으며(method-2의 오목 특징 평균은 4.05이고 method-3의 오목 특징 평균은 4.75이다) 전체 특징 추출률도 개선되었다.
- 실험결과, 다방향 스캐닝을 이용한 특징 추출의 후보 특징수 대비 특징 추출률이 32.8%고 다방향 스캐닝과 컨벡스 헐 알고리즘을 이용한 특징 추출의 추출 비율이 73.08%였다. 이에 비해 제안하는 6-방향 스캐닝을 이용한 특징 추출 방법의 추출 비율은 88.
- 08%였다. 이에 비해 제안하는 6-방향 스캐닝을 이용한 특징 추출 방법의 추출 비율은 88.64%로 나타나 기존 방법에 비해 효과적이라 할 수 있다. 더욱이, 대부분의 수중 영상에서 불가사리 개체들이 서로 밀집되어 있다는 것을 고려할 때 각 개체의 특징 후보수를 최소화하는 것은 매우 유용할 것이다.
- 표 10에서 확인할 수 있는 것처럼, 추출된 특징점의 수가 같더라도(method-1의 특징점 수와 method-3의 특징점 수는 모두 9.75개로 같다) 특징 추출률(method-1의 추출률은 32.8%이고 method-2의 추출률은 88.64%이다)이 개선되었다. 또한, method-2의 결과와 비교할 경우에는 볼록 특징뿐만 아니라 오목 특징의 추출률도 개선되었으며(method-2의 오목 특징 평균은 4.
후속연구
- 이 실험에서는, 불가사리의 외곽선 검출 영상에 대해 중심점을 계산한 결과와 6-방향 스캐닝을 이용해서 선정한 6개의 후보 볼록점의 좌표를 제시한다. 또한, 중심점과 볼록점을 이용하여 선정된 후보 오목점의 좌표를 제시하고 최종적으로 추출된 특징을 나타낼 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.