스케일 불변의 실시간 적외선 소형 표적 검출 알고리즘 :

반종희

추천

검색

자료유형: 학위논문

저자정보: 반종희 (대구대학교, 대구대학교 대학원)

지도교수: 유준혁

발행연도: 2018

저작권: 대구대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2018

스케일 불변의 실시간 적외선 소형 표적 검출 알고리즘

반종희 정보통신공학과 2018.01 학위논문

2017

스케일 불변적인 연산량 감소를 위한 경량 실시간 소형 적외선 표적 검출 알고리즘

반종희 , 유준혁 대한임베디드공학회논문지 2017.08 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

적외선 영상에 존재하는 표적들은 주로 수 킬로미터에서 수십 킬로미터 떨어진 원거리에 존재하기 때문에 표적의 크기가 매우 작고 형태 및 질감 정보가 존재하지 않는다. 이로 인해 낮은 SCR(Signal to Clutter Ratio)을 가지는 적외선 영상에서 원거리의 소형 표적을 검출하는 것은 매우 어렵다. 종래의 소형 표적 검출 연구에서는 배경을 억압시키거나 영상에 존재하는 잡음을 제거함으로써 표적을 검출하는 방법과 표적을 두드러지게 향상시키는 방법이 주로 연구되었다. 그러나 대부분의 연구에서는 실시간 검출을 위해서 아주 낮은 해상도의 영상을 사용하여 알고리즘을 적용하기 때문에 고해상도의 영상을 저해상도로 변환하면서 소형 표적의 정보가 손실되는 경우가 발생할 수 있고 고해상도의 영상에서 알고리즘을 적용하기에는 매우 느린 검출 속도로 실시간 검출이 불가능하다는 단점이 있다. 이를 극복하기 위해 제안된 모폴로지 연산을 사용하여 잡음을 제거하는 모폴로지 차 연산 기반의 알고리즘은 선행 연구된 소형 표적 검출 알고리즘의 단점을 극복하고 실시간 처리 가능성을 보여주었음에도 불구하고 고해상도의 영상에서 약 150ms의 속도로 초당 약 7프레임의 처리 속도로 실시간 처리를 하기에는 부족한 성능을 보여주었다. 또한 모폴로지 연산의 특성상 일정 크기의 구조요소를 사용하기 때문에 표적의 크기가 변할 경우 적응적으로 처리가 불가능하여 정확도가 떨어지는 단점이 있다. 인간 시각 시스템 기반의 소형 표적 검출 알고리즘인 LCM(Local Contrast Method)은 지역 대비차이 계산을 통해 소형 표적의 향상과 배경 억제의 달성으로 소형 표적 검출에 우수한 성능을 보여준다. 그러나 스케일 불변의 달성을 위한 다중 스케일 계산 때문에 느린 처리속도는 실시간성을 필요로 하는 군사 어플리케이션에 적합하지 않다. 본 논문에서는 LCM의 우수한 검출 성능을 유지하면서 실시간 처리를 보장하기 위해 선택영역에서의 향상된 지역 대비차이 계산을 활용한 소형 표적 검출 알고리즘을 제안한다. 이 알고리즘은 전처리과정에서 적응적 이진화 기법을 사용하여 일정 밝기 미만의 픽셀들을 모두 제거함으로써 소형 표적 후보 픽셀들을 필터링해준다. 다음으로 후보 픽셀들의 군집화를 위해 라벨링 알고리즘을 적용하여 후보 영역을 간추려낸다. 이때 각 영역에 대한 좌표 정보와 크기 정보를 획득함으로써 각 영역에 대한 스케일 파라미터를 지역적 대비차 계산에 활용함으로써 스케일 불변을 달성함과 동시에 LCM의 다중 스케일 계산을 대체함으로써 검출 속도를 높이고, 소형 표적 특징가능성 계산을 통해 검출 성능을 향상시킨다. 제안하는 알고리즘의 성능을 입증하기 위해 배경이 단순한 영상과 배경이 복잡한 영상, 표적의 스케일이 변화하는 다양한 환경에서의 실험을 진행하였다. 동일 환경에서 타 알고리즘도 함께 테스트함으로써 제안하는 알고리즘과 종래의 알고리즘과의 성능을 비교하였고 그 결과 제안하는 알고리즘은 XGA의 고해상도 영상에서 약 20ms의 속도로 초당 50프레임의 실시간 처리 성능을 보여주었고 정확도와 검출 성능에서 우수하였던 기존의 LCM 알고리즘과 동일하거나 그 이상의 정확도를 보여주었다.

Since the small target of the infrared image is very far away, the feature information is very scarce. Detecting an infrared small target at low signal-to-clutter ratio(SCR) is an important issue in IR searching and tracking system, which is necessary for military applications to warn from incoming small targets from a distance. Traditional small target detection study includes a method of suppressing the background or removing noise existed in the image as well as a method of improving a target. However, when the low-resolution image-based algorithm is applied to high-resolution images, the detection speed is quite low and real-time detection is impossible. In order to overcome this problem, converting high-resolution image to low resolution occurs a problem that the small target information has been lost. Although the algorithm based on the morphological difference operation overcomes the disadvantages of the small target detection algorithm that has been studied previously, it still shows a performance which is insufficient for real time processing in the high resolution image. Furthermore, since the morphology operation uses a structure element of a certain size, the scale invariant detection is impossible. The previous Local Contrast Method (LCM) algorithm based on the human visual system shows a superior performance of detecting small targets by a background suppression technique through local contrast measure. However, its slow processing speed due to the heavy multi-scale processing overhead is not suitable to a variety of real-time applications. This thesis presents a lightweight real-time small target detection algorithm, called by the Improved Selective Local Contrast Method (ISLCM), to reduce the scale-invariant computational overhead. The proposed ISLCM applies the improved local contrast measure to the predicted selective region so that it may have a comparable detection performance as the previous LCM while guaranteeing low scale-invariant computational load by exploiting both adaptive scale estimation and small target feature feasibility. Experimental results show that the proposed algorithm can reduce its computational overhead considerably while maintaining its detection performance compared with the previous LCM.

#Small target detection #Object detection #Scale invariant

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

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)