[논문]시각정보처리과정을 이용한 인공시각시스템

서창진

doi:10.14400/jdc.2014.12.11.349

시각정보처리과정을 이용한 인공시각시스템
Artificial Vision System using Human Visual Information Processing 원문보기

디지털융복합연구 = Journal of digital convergence, v.12 no.11, 2014년, pp.349 - 355

초록
AI-Helper

본 논문은 인간의 생물학적 시각정보처리과정 특성과 웨이블릿을 이용한 인공시각시스템을 제안한다. 인공시각시스템은 인간의 생물학적 시각정보 처리과정을 이용하며 맹인의 인공시각시스템 제작 및 일반적인 인식시스템에 적용할 수 있다. 본 논문에서는 인간의 망막에서 신경절 세포까지 정보 처리과정을 모델링하여 구성하였고 신경절 세포에서 후두엽 초기시각피질까지 전달되는 정보 복원과정을 모델링하여 초기시각피질에 표현되는 영상정보를 구성하였다. 실험과정은 인간의 시각정보 처리과정 특성인 저주파, 고주파 분해를 웨이블릿 변환으로 시각 정보를 구현하였고 이를 이용하여 인식 시스템에 적용하였다. 실험에 사용한 데이터는 AT&T 얼굴데이터베이스를 사용하였다. 그리고 제안하는 인간의 시각정보처리 과정 특성을 이용한 방법이 영상인식 시스템의 정확성을 향상시킬 수 있음을 실험을 통하여 증명하고자 한다.

Abstract ▼ AI-Helper

In this paper, we propose the artificial vision system using human visual information processing and wavelet. Artificial vision system may be used for the visually impaired person and the machine recognition system. In this paper, we have constructed the information compression process to ganglion cells from the human retina. And we have reconstructed the primary visual information using recovery process to primary visual cortex from ganglion. Primary visual information is constructed by wavelet transformation using a high frequency and low frequency response. In the experiment, we used the faces database of AT&T. And the proposed method was able to improve the accuracy of face recognition considerably. And it was verified through experiments.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 인간의 저주파, 고주파 분해 정보 표현을 위하여 인간의 시각 특성을 잘 표현하는 EZW(embedded zerotree wavelet)를 이용하여 망막에서 외측슬상핵까지의 정보압축과정을 모델화 하였다. [Fig.

제안 방법

대역분할은 3 level mallat tree를 이용하였으며, 고대역은 98%가 대역분할을 차지하므로, 부호화하기 위하여 각 대역에 따른 수평, 수직, 대각방향을 고려하여 지그재그 스캔(Zigzag Scan)하여 부호화 하였다. 부호화된 영상을 다시 복호화과정과 역양자화과정을 거쳐서 각 단계별의 압축된 영상을 구하여 초기시각피질로 전송하기 위한 영상을 구하였다.
수평, 수직 성분보다 대각 성분이 대략적으로 # 의 크기만큼 인간 시각에 둔감하게 반응한다는 것으로 실험적으로 밝혀져 있다[11]. 본 논문에서는 이러한 대각 성분의 둔감성을 이용하여 영상축약과정에 적용하였다.
본 논문에서는 이러한 인간의 시각적 특징을 웨이블릿의 저주파 및 고주파성분 분해능을 이용하여 모형화한다. 영상의 저주파 성분은 아래의 식(1)을 이용하여 추출하였다.
중요하다고 판단된 계수는 subordinate pass라고 한다. 본 논문에서는 이러한 중요도 계수를 이용하여 인간시각정보를 압축 표현하였다[Fig. 3]. 웨이블릿 계수는 주어진 역치값 T를 기준으로 계수 x가 조건 |x| ≧ T를 만족하면 중요한 계수(significant coefficient)로 그렇지 않으면 중요하지 않은 계수(insignificant coefficient)로 정해진다.
본 논문에서는 인간의 시각특성인 저주파 민감성, 고주파 둔감성의 특징을 가지고 망막에서 신경절 세포까지의 영상정보 축약과정과 초기시각피질까지의 영상복원 과정을 구성하였다. 그리고 처리된 정보의 인식성능을 확인하기 위하여 입력 패턴에 대하여 정확한 해답을 주지 않아도 생물학적 인식시스템과 유사하고, 스스로 학습이 가능한 비지도학습 알고리즘인 Grossberg의 ART2 알고리즘을 채택하였다[12].
웨이블릿 계수는 주어진 역치값 T를 기준으로 계수 x가 조건 |x| ≧ T를 만족하면 중요한 계수(significant coefficient)로 그렇지 않으면 중요하지 않은 계수(insignificant coefficient)로 정해진다. 본 논문에서는 최근 웨이블릿 변환 방식중 정지 영상 압축에서 좋은 성능을 보이는 EZW부호화 방법을 사용하여 시각정보를 압축하였다. 식(3)은 초기 역치값의 선정 방법이다.
본 연구는 인간의 생물학적 시각정보 처리과정의 특징인 시각정보의 축약과 복원과정을 이용하여 영상인식 모형을 구현하였다. 인간의 시각시스템은 영상정보 전송시 최대한 압축 전송을 하며 인식과정에 들어가기 전에 영상인식에 필요한 정보를 복원하는 과정을 가지고 있다.
대역분할은 3 level mallat tree를 이용하였으며, 고대역은 98%가 대역분할을 차지하므로, 부호화하기 위하여 각 대역에 따른 수평, 수직, 대각방향을 고려하여 지그재그 스캔(Zigzag Scan)하여 부호화 하였다. 부호화된 영상을 다시 복호화과정과 역양자화과정을 거쳐서 각 단계별의 압축된 영상을 구하여 초기시각피질로 전송하기 위한 영상을 구하였다.
그리고, 고대역의 정보는 원영상의 형태 정보를 많이 가지고 있으며 영상의 정보가 저대역에 비하여 다소 적으며, 중심와 주변영역에서 신경절세포의 M-cell의 매핑과정과 매커니즘이 유사하다. 이러한 시각 정보의 시각정보 압축 처리과정을 웨이블릿변환을 이용하여 구현하였다.

대상 데이터

실험결과 영상의 저주파 성분 보다 고주파 성분을 삭제하고 물체를 인식하여도 충분하다는 사실을 알 수 있었다. 실험에 사용한 영상크기는 실험용 영상 DB의 크기 문제로 128x128, 256×256의 사이즈의 영상을 사용하였다. 실제 안구에 맺히는 영상크기에 비하여 상당히 작은 크기이므로 향후 연구에서는 고해상도 영상에 대한 실험이 필요할 것으로 판단한다.

이론/모형

본 논문에서는 인간의 시각특성인 저주파 민감성, 고주파 둔감성의 특징을 가지고 망막에서 신경절 세포까지의 영상정보 축약과정과 초기시각피질까지의 영상복원 과정을 구성하였다. 그리고 처리된 정보의 인식성능을 확인하기 위하여 입력 패턴에 대하여 정확한 해답을 주지 않아도 생물학적 인식시스템과 유사하고, 스스로 학습이 가능한 비지도학습 알고리즘인 Grossberg의 ART2 알고리즘을 채택하였다[12].

성능/효과

즉, 망막의 영상을 초기시각피질로 모두 전송을 하지 않고 필요한 데이터의 형태로 영상을 전송하여 인식한다는 것이다. 실험결과 영상의 저주파 성분 보다 고주파 성분을 삭제하고 물체를 인식하여도 충분하다는 사실을 알 수 있었다. 실험에 사용한 영상크기는 실험용 영상 DB의 크기 문제로 128x128, 256×256의 사이즈의 영상을 사용하였다.
[Table 2]는 AT&T 얼굴 데이터베이스[그림 5]를 이용한 시각정보 축약에 대한 인식률 변화 실험결과를 나타내고 있으며 [Table 3]은 최종 시각정보복원영상에 대한 인식률 변화에 대한 실험 결과이다. 실험결과 제안하는 방법으로 구성된 영상정보가 일반적인 영상 압축방법에 비하여 효율적인 인식성능을 가짐을 알 수 있었다.

후속연구

실험에 사용한 영상크기는 실험용 영상 DB의 크기 문제로 128x128, 256×256의 사이즈의 영상을 사용하였다. 실제 안구에 맺히는 영상크기에 비하여 상당히 작은 크기이므로 향후 연구에서는 고해상도 영상에 대한 실험이 필요할 것으로 판단한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인간이 시작적 특징을 분석하고 인식하기 위해 망막에 맺힌 영상정보를 저주파성분 및 고주파성분으로 영상을 분해하는 이유는?	인간은 시각적 특징을 분석하고 인식하기 위하여 망막에 맺힌 영상정보를 저주파성분 및 고주파성분으로 영상을 분해한다. 이렇게 주파수 대역으로 영상정보를 분해하는 이유는 망막에 입력되어지는 특징을 추출하기 위해서 이다. 인간의 시각은 빛에 의하여 반응을 하며 망막의 수용기에서 신경절 세포로 정보가 전송될 때 약 80%가 저주파 성분이며, 20%가 고주파성분으로 분해된다고 알려져 있다[7].
	컴퓨터 시각이란?	컴퓨터 시각(computer vision)이란 인간의 시각체계와 유사한 인공 시각체계를 만드는 것이라고 말할 수 있다. 컴퓨터를 이용하여 인간의 시각 기능을 대체하는 기술인 컴퓨터 시각은 심리학, 생물학, 기계공학, 의공학, 반도체 기술 등과 결합하면서 비약적인 성장의 계기를 마련하고 있다.

참고문헌 (12)

Yoshua Bengio, Aaron Courville, Pascal Vincent, Representation Learning : A Review and New Perspectives, Arxiv, 2012.
Guenther T, Lovell NH, Suaning GJ, 2012 Bionic vision: system architectures: a review. Expert Rev. Med. Devices 9, 33-48, 2012 (doi:10.1586/erd.11.58)

상세보기
Martin fisxhler, Oscer Firschein, Intelligence: The eye, the brain and the computer, Addison-Wesley, 1987.
David H, Hubel, Torsten N. Wiese, Brain Mechanisms of Vision, Neuro-Vision, IEEE Press, 1979.
Wm. H. Dobelle, Artificial Vision for the Blind by Connecting a Television Camera to the Visual Cortex, ASAIO journal, pp. 3-9, 2000.
Terasawa, Y. Tashiro, H. Nakano, Y. Osawa, K.; Ozawa, M., Safety Assessment of Semichronic Suprachoroidal Electrical Stimulation to Rabbit Retina, Conference Proceedings of the IEEE Engineering in Medicine and Biology Society, 3567-3570, Jul. 5, 2013.
Rauzettel-Klosinski S. Rehabilitation of lesions in the visual pathways. Klin. Monbl. Augenheilkd. 226, 897-907. 2009. (doi:10.1055/s-0028-1109874)

상세보기
Eickenscheidt M, Jenkner M, Thewes R, Fromherz P, Zeck G. 2012 Electrical stimulation of retinal neurons in epiretinal and subretinal configuration using a multicapacitor array. J. Neurophysiol. 107, 2742-2755, 2012. (doi:10.1152/jn.00909.2011)

상세보기
J. M. Shapiro, Embedded Image coding using zerotrees of wavelet coefficients, IEEE Trans. on Signal Procsseing, 41, 12, 3445-3462, Dec. 1993.

상세보기
Stingl K, et al. Safety, efficacy of subretinal visual implants in humans : methodological aspects. 4-13. 2013. (doi:10.1111/j.1444-0938.2012.00816.x)

상세보기
S. Mallat, Multi-Frequency Channel Decomposition of Images Wavelets Models, IEEE Trans. on Information Theory, vol. 11, no. 7, July 1992.
Simon Haykin, Neural Networks : A Comprehensive Foundation, MacMillan, 1994.

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