$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

관심영역 추출과 통합에 의한 적외선 영상 분할
Infrared Image Segmentation by Extracting and Merging Region of Interest 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.26 no.6, 2016년, pp.493 - 497  

염석원 (대구대학교 정보통신공학부)

초록
AI-Helper 아이콘AI-Helper

적외선 영상은 야간에 표적의 탐지가 가능하여 보완과 감시분야에 활용도가 높다. 그러나 가시광선 영상에 비하여 해상도가 낮고 잡음의 영향이 크다는 단점이 있다. 본 논문에서는 적외선 영상의 표적을 분할하는 방법을 연구한다. 표적을 포함하는 다수의 관심영역(Region of Interest)을 다단계 분할 방법을 이용하여 추출하고 관심영역을 입력영상으로 다단계 분할방법을 다시 적용하여 표적을 분할한다. 다단계 분할 방법의 각 단계는 가우시안 혼합모델의 파라미터를 초기화 하고 추정하는 k-means 클러스터링(Clustering)과 EM(Expectation-Maximization) 알고리즘과 추정된 사후확률을 이용하여 각 화소의 클러스터를 결정하는 단계로 구성된다. 본 논문에서 추출된 관심영역을 선택하고 통합하는 방법을 제안한다. 관심영역의 통합은 근접한 모든 관심영역의 윈도우를 포함하도록 이루어진다. 실험에서는 야간의 보행자로부터 획득한 적외선 영상에 제안된 방법을 적용하고 다른 분할 방법과 비교하여 제안한 방법이 우수함을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Infrared (IR) imaging is capable of detecting targets that are not visible at night, thus it has been widely used for the security and defense system. However, the quality of the IR image is often degraded by low resolution and noise corruption. This paper addresses target segmentation with the IR i...

주제어

#적외선 영상 분할   #관심영역 추출   #다단계 분할   #가우시안 혼합모델   #지능영상처리  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 다단계 영상분할 방법으로 적외선 영상에서 표적을 추출하는 방법을 연구하였다. 배경을 순차적으로 제거하고 ROI를 추출한 후 ROI 윈도우를 선별하고 통합하여 통합된 ROI윈도우에서 개별적으로 표적을 분할하였다.
  • 본 논문에서는 적외선 영상의 히스토그램을 가우시안 혼합 모델(Gaussian Mixture Model, GMM)로 가정하고 다단계 영상 분할을 이용하여 ROI를 추출하고 통합하는 방법을 연구한다. 기존의 연구인 [12,13]에서는 ROI 윈도우(Window)에서 개별적으로 표적을 분할하였지만 본 논문에서는 ROI 윈도우를 선택하여 통합한 후 통합된 윈도우에 다단계 분할을 적용하는 방법을 제안한다.

가설 설정

  • 그림 4(d)의 하얀색 부분은 그림 4(c)의 오른쪽 가우시안 분포에 해당되고 회색 부분은 그림 4(c)의 왼쪽 가우시안 분포에 해당된다. 그림 4(d)의 검은색 부분은 1단계 분할로 제외된 그림 4(b)의 검은색 부분과 동일하다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
영상 분할은 무엇의 필수적인 과정인가? 영상 분할은 배경으로부터 의미 있는 화소집합을 분리하는 기술로 표적의 탐지(Detection), 인식(Recognition), 식별(Classification)을 위한 필수적인 과정이다[3-6]. 적외선 영상의 분할을 주제로 다양한 연구가 수행되었다.
ROI 윈도우란 무엇인가? 다단계 분할로 추출된 ROI 영역은 지정된 최소크기 보다 작을 경우 제거되고 ROI 윈도우를 형성한다. ROI 윈도우는 ROI영역을 포함하는 직사각형이다. ROI 윈도우 통합은 두 개 이상의 ROI 윈도우가 겹쳐지는 경우 수행된다.
적외선 영상의 단점은 무엇인가? 적외선 영상은 복사체에서 온도에 의하여 발생하거나 외부 적외선을 반사하는 적외선 양에 따라 화소가 밝고 어둡게 나타나는 회색조의 영상을 이룬다. 이러한 영상은 잡음의 영향이 크고 공간해상도와 대비도가 일반 가시광선(Visible Light) 영상보다 낮다는 단점이 있다. 야간 보행자를 관측하기 위한 적외선 영상은 주로 0.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. M. Vollmer and K.-P. Mollmann, Infrared Thermal Imaging: Fundamentals, Research and Applications, Wiley-VCH, 2010. 

  2. J. H. Lee and H. Yoon, "Design and Implementation of the Stop line and Crosswalk Recognition Algorithm for Autonomous UGV", Journal of the Korean Institute of Intelligent Systems, vol. 24, no. 3, pp. 271-278, 2014. 

    원문보기 상세보기 crossref

  3. J. Baek, J. Kim, C. Yoon, and E. Kim, "Part-based Hand Detection Using HOG", Journal of the Korean Institute of Intelligent Systems, vol. 23, no. 6, pp. 551-557, 2013. 

    원문보기 상세보기 crossref

  4. J. Lee, J.-Y. Lee, and C.-H. Hyun, "Coin Recognition and Classification Using Digital Image Processing", Journal of the Korean Institute of Intelligent Systems, vol. 22, no. 1, pp. 7-11, 2012. 

    원문보기 상세보기 crossref

  5. Q. Lin, Y.-J. H, and H.-S. Hahn, "Lane Detection in Complex Environment Using Grid-Based Morphology and Directional Edge-link Pairs", Journal of the Korean Institute of Intelligent Systems, vol. 20, no. 6, pp. 786-792, 2010. 

    원문보기 상세보기 crossref

  6. J.-S. Lee, Y.-C. Lim, and Y.-J. Ryoo, "Vision - based Self Localization Using Ceiling Artificial Landmark for Ubiquitous Mobile Robot", Journal of the Korean Institute of Intelligent Systems, vol. 15, no. 5, pp. 560-566, 2005. 

    원문보기 상세보기 crossref

  7. S. Erturk, "Region of interest extraction in infrared images using one-bit transform," IEEE Trans. on Signal Processing Letters, vol. 20, no. 10, pp. 952-955, 2013. 

    상세보기 crossref

  8. D. K. Shin and Y. S. Moon, "Extraction of infrared target based on Gaussian mixture model," IEEK Trans. on Smart Processing and Computing, vol. 2, no. 6, pp. 332-338, 2013. 

  9. C. W. Park, J. M. Lee, Y. M. Kim, Y. Kim, T. L. Song, K. T. Park, and Y. S. Moon, "Extracting targets from regions-of-interest in infrared images using a 2-D histogram," Optical Engineering, vol. 50, no. 2, pp. 027003-1-4, 2011 

    상세보기 crossref

  10. D.-S. Lee and S. Yeom, "Infrared image segmentation with Gaussian mixture modeling", SPIE Defense Security Sensing, vol. 8406, no. 83551J, pp. 1-5, 2012. 

  11. S. Yeom and D.-S. Lee, "Multilevel segmentation of infrared images with Gaussian mixture modeling," DSP In-Vehicle, 2013. 

  12. S. Yeom, "Multi-level segmentation of infrared images with region of interest extraction," International Journal of Fuzzy Logic and Intelligent Systems, vol. 16, no. 4, 2016. 

    원문보기 상세보기

  13. S. Yeom, "A Study on Infrared Image Segmentation with Region of Interest Extraction," Proceedings of KIIS Autumn Conference, vol. 26, no. 2, pp. 246-253, 2016. 

  14. S. Yeom, D.-S. Lee, J.-Y. Son, M.-K. Jung, Y. Jang, S.-W. Jung, and S.-J. Lee, "Real-time outdoor concealed-object detection with passive millimeter wave imaging," Optics Express, vol. 19, no. 3, pp. 2530-2536, 2011. 

    상세보기 crossref

  15. http://guideinfrared.com/ 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로