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 화물 검색기를 통과한 컨테이너 영상을 분석하여 어떤 종류의 물질이 들어있는지 판별하는 알고리즘을 제안한다. 컨테이너 화물 검색기 영상은 항공 화물의 검색기 영상에 비해 훨씬 크고 복잡한 모습을 보인다[1].
제안 방법
- 또한 기존의 원자번호 추정 방식인 선형보간 방식이 아닌 확률분포를 이용한 원자번호 추정 방법을 제안한다. 검색기 영상을 통해 얻어진 밝기값을 활용하여 확률분포를 알 수 있고, 이를 물질의 원자번호 추정에 도입해보았다. 자연에 가장 흔하게 존재하는 가우스 분포를 가정하고 평균과 분산을 계산하여 분별 곡선에서의 확률분포를 확정하고 이를 가중치로 사용하였다.
- 또한 기존의 원자번호 추정 방식인 선형보간 방식이 아닌 확률분포를 이용한 원자번호 추정 방법을 제안한다. 검색기 영상을 통해 얻어진 밝기값을 활용하여 확률분포를 알 수 있고, 이를 물질의 원자번호 추정에 도입해보았다.
- 본 논문에서는 기존의 4가지 분별곡선이외에 로그함수를 이용한 Ln-curve를 실험에 활용하였다. 또한 원자 번호 추정 방식으로 기존의 선형보간 방식이 아닌 확률분포를 이용한 원자번호 추정 방식을 제안한다. 물질의 밝기값이 가우시안 분포를 가진다고 가정하고 확률분포를 도입한 원자번호 추정 방식을 이용한 결과 영상에 대하여 HSI 색상 모델을 적용하여 원자번호에 맞는 색상을 입혀 사용자가 직관적으로 구별하기 쉽게 하였다.
- 본 논문에서는 듀얼 에너지 X-ray 영상을 통해 물질을 분류하는 방식으로 새로운 분류 곡선인 Ln 커브를 제안하였으며 기존의 선형 보간방식의 원자번호 추정이 아닌 확률 분포를 이용한 원자번호 추정 방식을 제안하였다. 실험 결과 제안한 Ln 분류 곡선은 선형보간을 이용한 원자번호 추정방식에서 기존의 분류곡선의 성능과 비슷하거나 조금씩 앞서는 모습을 보였다.
- 본 논문에서는 앞에서 살펴본 4가지의 물질 구분곡선 이외에 Ln 커브를 물질 분류를 위해 제안한다. Ln커브는 기존의 H-L 커브의 값에 로그를 취해 만들어진다.
대상 데이터
- Fig. 11은 실험 영상에 사용된 시료 물질을 넣은 영상의 모습으로 실험에 사용된 물질은 탄소(6), 알루미늄(13), 철(26), 주석(50), 납(82), 아크릴(5.5) 그리고 물(5)을 사용하였다. 각각의 물질은 분류 곡선을 만들 데이터 셋과 만들어진 곡선에 적용하여 원자번호를 추정할 실험 셋으로 구성이 되었으며 데이터 셋은 Table 2에 나온 표준두께를 사용하여 촬영하였으며 실험 셋은 표준두께에 다른 두께를 더해 Table 3과 같은 두께로 촬영하였다.
- ① 대표적으로 납, 철, 알루미늄, 흑연으로 만든 4개의 시험시료를 사용한다.
- 본 논문의 실험에 사용된 듀얼 에너지 X-ray 검색기는 광양항에 설치된 컨테이너 검색기로 9MeV와 6MeV 에너지를 발생하는 듀얼 에너지 발생장치를 이용하여 영상을 얻어 사용한다. Fig.
데이터처리
- 실험으로 얻어진 결과 데이터 분석을 위해 추정오차와 추정 평균을 이용하였다. 추정오차는 실험 물질의 지그의 중앙부분의 일정한 크기의 영역에 대하여 특성 곡선으로 도출된 측정 결과의 MSE(Mean Square Error)를 계산한 결과이며 추정평균은 추정된 원자번호의 영역에서의 평균이다.
- 검색기 영상을 통해 얻어진 밝기값을 활용하여 확률분포를 알 수 있고, 이를 물질의 원자번호 추정에 도입해보았다. 자연에 가장 흔하게 존재하는 가우스 분포를 가정하고 평균과 분산을 계산하여 분별 곡선에서의 확률분포를 확정하고 이를 가중치로 사용하였다. Fig.
- 실험으로 얻어진 결과 데이터 분석을 위해 추정오차와 추정 평균을 이용하였다. 추정오차는 실험 물질의 지그의 중앙부분의 일정한 크기의 영역에 대하여 특성 곡선으로 도출된 측정 결과의 MSE(Mean Square Error)를 계산한 결과이며 추정평균은 추정된 원자번호의 영역에서의 평균이다. 식 (15) 의 Z(x,y)은 (x,y)위치의 추정 원자번호이며 Ztest는 MSE를 구하는 test물질의 원자번호이다.
이론/모형
- 본 논문에서는 기존의 4가지 분별곡선이외에 로그함수를 이용한 Ln-curve를 실험에 활용하였다. 또한 원자 번호 추정 방식으로 기존의 선형보간 방식이 아닌 확률분포를 이용한 원자번호 추정 방식을 제안한다.
- 잡음 제거 및 화질 개선을 위해 저대역통과 필터를 이용하거나 모폴로지 연산 등을 통해 이루어진다[12-14]. 본 논문에서는 최근 많이 사용되는 Total Variation 알고리즘을 이용하여 잡음 제거를 하였다[15]
- 최종적으로 얻어진 원자번호를 영상에 표현하는 방식으로 HSI 색상 모델을 이용하였으며 추정된 원자번호를 H로 변환한 후 I값과 S값을 조금씩 바꿔가며 Gray영상에 HSI 모델 적용하여 색을 입힌 후 다시 Gray로 바꿨을 때와 원본 Gray영상이 같은 값을 가지도록 조정하였다.
성능/효과
- Ln2커브는 근접한 두 물질에 대한 확률분포를 이용한 원자번호 추정방식이며 Ln6은 모든 기준물질에 대한 확률분포를 이용한 원자번호 추정 방식이다. T2+T1 두께에서는 선형 보간 방식과 모든 기준 물질에 대한 확률분포 방식의 결과가 비슷하게 나오는 것을 확인할 수 있으며 T3+T1구간에는 Sn을 제외한 물질의 경우 기존의 선형보간 방식에 비하여 모든 기준 물질에 대한 확률분포를 이용한 방식이 원자번호 추정에 더 유리하다는 것을 확인할 수 있다. 주석이나 납의 경우와 같이 큰 원자번호의 물질의 추정의 오차가 크게 나타나며 두께별로 일정한 성능의 원자번호 추정이 어렵다는 부분도 확인이 가능하다[16].
- 실험 결과 제안한 Ln 분류 곡선은 선형보간을 이용한 원자번호 추정방식에서 기존의 분류곡선의 성능과 비슷하거나 조금씩 앞서는 모습을 보였다. 또한 선형보간 방식이 아닌 제안한 확률분포를 이용한 원자번호 추정방식을 활용하면 더 정확한 원자번호 추정이 가능함을 확인할 수 있었다. 이런 실험 결과를 바탕으로 다수의 물체가 겹쳐있는 혼합물 상태의 영상에서의 물질의 원자번호 추정에 대한 추가 연구가 필요하다.
- 본 논문에서는 듀얼 에너지 X-ray 영상을 통해 물질을 분류하는 방식으로 새로운 분류 곡선인 Ln 커브를 제안하였으며 기존의 선형 보간방식의 원자번호 추정이 아닌 확률 분포를 이용한 원자번호 추정 방식을 제안하였다. 실험 결과 제안한 Ln 분류 곡선은 선형보간을 이용한 원자번호 추정방식에서 기존의 분류곡선의 성능과 비슷하거나 조금씩 앞서는 모습을 보였다. 또한 선형보간 방식이 아닌 제안한 확률분포를 이용한 원자번호 추정방식을 활용하면 더 정확한 원자번호 추정이 가능함을 확인할 수 있었다.
후속연구
- 또한 선형보간 방식이 아닌 제안한 확률분포를 이용한 원자번호 추정방식을 활용하면 더 정확한 원자번호 추정이 가능함을 확인할 수 있었다. 이런 실험 결과를 바탕으로 다수의 물체가 겹쳐있는 혼합물 상태의 영상에서의 물질의 원자번호 추정에 대한 추가 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.