라벨링 개체 병합 방식을 이용한 컨테이너 코드 영역 추출 비교 연구

백승관

추천

검색

자료유형: 학술저널

저자정보: 백승관

저널정보: 한국해운물류학회 해운물류연구 해운물류연구 제32권 제1호

발행연도: 2016.1

수록면: 49 - 67 (19page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 논문에서는 컨테이너 영상 인식 시스템의 처리 과정에 컨테이너 코드 영역 추출과정이 있는데 본 논문에서는 이를 모폴로지(Morphology) 연산과 라벨링 개체 병합 방식을 이용하여 추출하는 방법을 제시하고자 한다. 입력된 영상에서 우선 영상 전체 비율을 기반으로 하여 영역 분할을 적용하여 코드부분이 있을만한 부분만을 남기고 영상에서 컬러정보를 제거하여 그레이 영상으로 변환한다. 그리고 4가지의 모폴로지(Morphology) 연산을 적용하여 서로 다른 4개의 영상을 생성한다. 생성된 4개의 영상을 라벨링하여 개체를 추출해내고 영상과 개체간의 비율을 고려하여 잡음을 제거한다. 이후 라벨링된 개체들을 병합하여 컨테이너 코드 영역을 추출해낸다. 실험 결과 유효영역 비율이 단순 영역 추출 방식을 적용한 경우 보다 높게 나타났다.

Container code recognition is a technology that uses cameras to automatically recognize and separate the container codes engraved on the front, side, rear, and top surfaces of containers entering the container treatment plant. Often, the code is not visible due to movement or contact between containers and even accurate RFID systems fail in recognizing the code. Matching the RFID inputs and the actual codes requires time and labor; however, automating this operation using camera recognition can save both time and money, as extracting the container code region is an important intermediate process. This study proposes an extraction technique for container code regions, which can be used in the container image recognition system. The container code is painted in different formats for each container; therefore, pre-processing when extracting the container code region is extremely important. The first pre-processing step is applying the container image to the region division. We calculate the ratio of the total image size and the vertical rod size of the container from the input container image. Further, we apply the region division by using the calculated ratio and remove the vertical rods in the input container image to leave only the image part of the code. Then, the container image region division is converted into a gray image to apply the morphology operation. Binarization—through the process of analyzing the image—may be less efficient in the following code recognition process. Therefore, applying the four operations of morphology highlights the code image of the container; however, the image is not uniform as it is obtained outdoors. We do not use a global thresholding method, as it does not generate a clear container binary image. Instead, we use an adaptive thresholding method to determine the binary value using the threshold values of each part of the container image. Further, the labeling technique is applied to each of the four binary images to extract the object and we remove noise in the images by considering the ratio between the image and the labeling objects. We store the labeling objects in a linked list and check whether each labeling object overlaps by examining the coordinates of objects stored in the linked list. Finally, we generate the container code region through the code recognition input by merging the overlapping objects. The number of valid regions through our technique is higher than the simple extraction method and might be effective in next generation of container code recognition systems.

#모폴로지 #Morphology) 연산 #라벨링 개체 병합 #영역 추출 #container code region #morphology operation #object merge technology #extracting region

참고문헌 (16)

참고문헌 신청

Ronesh Sharma / 2013 / M2M 기술을 이용한 스마트 선박 컨테이너 / 한국통신학회논문지C 38(3):278~287

모수원 / 2010 / 컨테이너 터미널의 생산성과 효율성 변화의 결정요소 / 해운물류연구 26(3):583~600

우종호 / 2013 / 컨테이너 식별자 영상 인식 시스템에서 다중 임계영역을 이용한 영상 전처리 / 멀티미디어학회논문지 16(5):549~557

최태완 / 2006 / 실시간 처리를 위한 컨테이너 ISO코드 인식시스템의 구현 / 한국정보통신학회논문지 10(8):1478~1489

최형림 / 2005 / 자동화 컨테이너터미널 개발 전략에 관한 연구 / 해운물류연구 (47):59~78

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

백승관

소속기관 한국해운물류학회

주요연구분야 사회과학 > 무역학

논문수 1 이용수 1

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)