[논문]이미지 코드 인식을 위한 개선된 전처리 알고리즘

임상오; 김동철; 정철호; 한탁돈

문제 정의

따라서 본 논문에서는 이러한 잉여여백의 밝기 값을 구하여 이 값을 임계값으로 하여 이진화를 실시함으로써, 배경이 아무리 복잡하고 다양한 색으로 구성되어 있을지라도 정확하고 빠르게 코드영역을 분리해 낼 수 있는 기법을 제안하였다. 제안한 방법은 이미지 코드 영역 주변에는 흰색의 잉여여백이 반드시 존재하며, 코드 영역은 대부분 이미지의 중앙부분에 위치한다는 가정 하에 다음과 같은 전처리 과정을 수행한다.
본 논문에서는 배경이 복잡한 이미지에서 코드 영역을 분리하기 위한 전처리 과정 중 코드 영역 추출에 적합한 자동 이진화 알고리즘을 제안하였다. 제안된 알고리즘은 임계값을 찾기 위한 반복과정을 제거하고 정확한 코드영역 추출로 인식률 및 속도를 향상 시켰다.
모바일 환경에서의 카메라를 이용하여 이미지코드를 인식하려면 조명, 인쇄매체, 인식 기기 등과 같은 다양한 요소를 고려해야 하고 따라서 조명과 인쇄매체에 강건한 컬러 코드 인식 알고리즘 필요하다. 본 논문에서는 코드 영역을 분리하기 위한 전처리 과정 중 코드 추출에 적합한 자동이진화(Automatic Thresholding) 알고리즘[2]을 개선하고, 반복과정을 제거하고 정확한 코드영역 추출로 인식률 및 속도를 향상 시켰다.
각각의 기술들에는 여러 가지 주요한 연구주제들.이 있으며 이번 논문에서는 전처리 과정 중 배경이 복잡할 경우처리를 하지 못하고 실패가 일어나는 문제점에 초점을 맞춘다..

가설 설정

제안한 방법은 이미지 코드 영역 주변에는 흰색의 잉여여백이 반드시 존재하며, 코드 영역은 대부분 이미지의 중앙부분에 위치한다는 가정 하에 다음과 같은 전처리 과정을 수행한다.

제안 방법

명도 값은 다르게 나타난다. 그래서 제안한 방법에서는 이러한 불균등한 조명의 영향을 고려하여 탐색방향을 4방향으로 나누어 각각의 방향에서 흰색 잉여여백의 명도값을 구하도록 하였다.
본 논문은 제안된 알고리즘의 성능을 평가하기 위하여 Intel Pentium-4 2.8GHz CPU와 1GB RAM이 장착된 PC상에서 C+ +로 구현하였다. 제안된 알고리즘과 최대 죄소 평균방법, 전체 평균방법, Ostu 방법들 사이의 이진화 성능을 비교, 평가하기 위하여 5가지 종류의 매체에 인쇄된 코드 이미지를 5가지의 조명 환경 하에서 4가지의 디바이스로 촬영한 총 2000개의 실영상을 사용하였다.
알고리즘들 간의 성능을 비교하기 위하여 각 알고리즘의 전처리 성공률과 처리시간을 측정하였다. 실험결과 제안된 알고리즘이 96.

대상 데이터

8GHz CPU와 1GB RAM이 장착된 PC상에서 C+ +로 구현하였다. 제안된 알고리즘과 최대 죄소 평균방법, 전체 평균방법, Ostu 방법들 사이의 이진화 성능을 비교, 평가하기 위하여 5가지 종류의 매체에 인쇄된 코드 이미지를 5가지의 조명 환경 하에서 4가지의 디바이스로 촬영한 총 2000개의 실영상을 사용하였다. 표 1은 실험환경과 매체들을 자세히 나타낸 것이다.

성능/효과

임계값을 정하는 방법으로는 전체 이미지를 그레이 레벨 이미지로 변환 후 전체 이미지 픽셀의 평균 값을 임계값으로 하는 Global 방법과 두 가지 고정 값이 사용된다. Global 평균 기법만으로는 평균 91.2% 의 성공률을 보이고 있고 두 가지 고정 값을 추가적으로 사용할 경우 평균 96.4% 의 성공률을 보여준다. 실패율을 보이는 3.
동일한 조명하에서, 제안한 방법은 모든 디바이스에 대해서 92%이상의 성공률을 보여 디바이스의 종류에도 큰 영향을 받지 않음을 알 수 있었다. 그러나 다른 방법들, 특히 Global 평균과 Ostu 방법은 장비에 따라 62%이하의 성공률을 보이는 등 디바이스의 종류에 따라서도 영향을 많이 받음을 알 수 있다.
우수한 것을 확인하였다. 또한 다양한 조명과 디바이스, 인쇄매체가 존재하는 모바일 컴퓨팅 환경하에서도 안정감 있는 알고리즘임을 확인할 수 있었다. 끝으로 본 실험에서 얻은 이진화 수준도 이미지 코드 인식을 위한 전처리 단계인 코드 영역분리를 위해선 중분하지만, 전처리 성공률을 더 높이기 위해선 그림 6 에서와 같이 불균등한 조명으로 인하여 그라데이션이 심한 이미지를 이진화 하는 전처리 기법에 대해 연구가 필요하다.
인쇄매체의 종류에 대해서도 제안된 방법은. 모든 매체에 대해 93%이상의 성공률을 보여 가장 우수한 성능을 보였다. 신문과 명함이 일부 알고리즘에서 성공률이 다소 낮게 나타났으나, 전반적으로 볼 때, 인쇄매체의 종류에 대해서는 모든 알고리즘들이 크게 영향을 받지 않는 것으로 보인다.
실험결과에서 보면, 코드주위의 흰색 잉여여백이 적고 배경이 복잡한 영상에서는 Global Average와 Ostu 알고리즘의 경우 , 영상이 전체적으로 어두울 경우에는 Min-Max Average 알고리즘의 성능이 좋지 못했다. 반면에 본 논문에서 제시한 알고리즘을 적용했을 경우에는 대부분의 영상에서 대체적으로 좋은 성능을 보였다.
4% 의 성공률을 보여준다. 실패율을 보이는 3.6% 의 이미지를 분석해본 결과 배경이 복잡하거나 이미지 평균에 영향을 미칠 만큼의 큰 물체가 존재하여 기존의 임계값 결정 방법으로는 찾아내기가 힘든 이미지임을 알 수 있었다.
알고리즘들 간의 성능을 비교하기 위하여 각 알고리즘의 전처리 성공률과 처리시간을 측정하였다. 실험결과 제안된 알고리즘이 96.1%의 전처리 성공률을 보여 가장 우수한 성능을 보였다. 제한된 프로세서 성능과 저용량 메모리를 요하는 모바일 컴퓨팅 환경에서 매우 중요한 처리 속도 면에 있어서도 다른 알고리즘에 비해 우수한 성능을 보였다.
또한 코드영역이 손상되어서도 안 된다. 실험결과에서 보면, 코드주위의 흰색 잉여여백이 적고 배경이 복잡한 영상에서는 Global Average와 Ostu 알고리즘의 경우 , 영상이 전체적으로 어두울 경우에는 Min-Max Average 알고리즘의 성능이 좋지 못했다. 반면에 본 논문에서 제시한 알고리즘을 적용했을 경우에는 대부분의 영상에서 대체적으로 좋은 성능을 보였다.
이진화 알고리즘을 제안하였다. 제안된 알고리즘은 임계값을 찾기 위한 반복과정을 제거하고 정확한 코드영역 추출로 인식률 및 속도를 향상 시켰다. 기존의 전역평균 임계값이나 클래스간의 분산을 이용한 방법으로는 이미지 코드 영역을 찾아 낼 수 없었던 문제를 해결하기 위하여 이미지 코드 주변에 배경과 구분을 두기 위한 흰색 영역이 있다는 점을 착안, 상하좌우 방향 바깥쪽에서 안쪽으로 탐색하여 가장 밝은 값을 갖는 값을 찾아내고 찾아낸 그룹 중 가장 낮은 값을 임계값으로 선택하여 최적의 임계값을 찾아내었고 이를 통해 복잡한 영상 내에서도 이미지 코드 영역을 찾아낼 수 있다.
제안된 이진화 알고리즘의 성능을 평가하기 위하여 2000장의 테스트 이미지에 적용한 결과, 이미 알려진 기존의 기법인 Ostu, Min-Max Average, Grobal Average 방법에 비하여 정확성뿐만 아니라 속도 면에서도 우수한 것을 확인하였다. 또한 다양한 조명과 디바이스, 인쇄매체가 존재하는 모바일 컴퓨팅 환경하에서도 안정감 있는 알고리즘임을 확인할 수 있었다.
제안한 방법은 모든 조명에 대해 92%이상의 성공률을 보여 조명의 종류에 큰 영향을 받지 않음을 알 수 있으나, 다른 방법들은 조명에 따라 59% ~ 100%의 심한 변이를 보여 조명의 종류에 영향을 많이 받음을 알 수 있다. 그림 4는 D65표준조명하에서 디바이스의 종류에 따른 전처리 성공률을 나타낸 그래프이다.
1%의 전처리 성공률을 보여 가장 우수한 성능을 보였다. 제한된 프로세서 성능과 저용량 메모리를 요하는 모바일 컴퓨팅 환경에서 매우 중요한 처리 속도 면에 있어서도 다른 알고리즘에 비해 우수한 성능을 보였다.

후속연구

또한 다양한 조명과 디바이스, 인쇄매체가 존재하는 모바일 컴퓨팅 환경하에서도 안정감 있는 알고리즘임을 확인할 수 있었다. 끝으로 본 실험에서 얻은 이진화 수준도 이미지 코드 인식을 위한 전처리 단계인 코드 영역분리를 위해선 중분하지만, 전처리 성공률을 더 높이기 위해선 그림 6 에서와 같이 불균등한 조명으로 인하여 그라데이션이 심한 이미지를 이진화 하는 전처리 기법에 대해 연구가 필요하다.

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

이미지 코드 인식을 위한 개선된 전처리 알고리즘
Enhanced Preprocessing Algorithm for Image Code Recognition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

이미지 코드 인식을 위한 개선된 전처리 알고리즘 Enhanced Preprocessing Algorithm for Image Code Recognition 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

이미지 코드 인식을 위한 개선된 전처리 알고리즘
Enhanced Preprocessing Algorithm for Image Code Recognition 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper