본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지 1

목차 4

Ⅰ. 서론 7

1.1. 연구 배경 7

1.2. 관련연구 10

1.3. 연구 목적 및 내용 12

Ⅱ. 제안한 방법 12

2.1. Mean Shift 알고리즘에 의한 초기분할 14

2.2. 컬러에 의한 유사 영역 병합 17

2.3. 도로 영역과 하늘 영역 검출 19

2.4. 적응적인 패턴 추출에 의한 병합 21

Ⅲ. 실험 및 고찰 23

Ⅳ. 결론 32

참고문헌 33

[요약] 37

ABSTRACT 38

표목차 6

표 1. Parameters 24

표 2. FPR과 FNR 27

표 3. 정적인 패턴과 적응적인 패턴의 정확도 분석 27

그림목차 5

그림 1. 지능형 교통 시스템(Intelligent Transport System) 8

그림 2. 전체 시스템 흐름도 13

그림 3. 초기분할된 결과 영상 (a)는 원영상, (b)는 Mean Shift 수행... 15

그림 4. 유사 영역 병합 결과 영상 (a) 초기 라벨링된 영상 (b)컬러... 18

그림 5. 도로와 하늘 영역 후보 20

그림 6. (a)컬러 평균에 의해 병합된 영상, (b)도로와 하늘영역, (c)... 23

그림 7. 오류 분석 모델 24

그림 8. (a)는 제안된 방법의 분할 결과영상, (b) Ground Truth, (c)... 26

그림 9. 정적인 패턴과 적응적인 패턴 결과 영상 28

그림 10. 분할 결과 영상 29

그림 11. 분할되지 못한 영상들 31

초록보기

 비젼기반 지능형교통정보시스템(ITS, Intelligent Transportation System) 환경에서 도로영역의 분할이 가장 기초적인 역할을 한다. 따라서 본 논문은 입력영상에서 도로 영역과 하늘 영역을 분할하기 위해 적응적 패턴 추출을 통한 영역분할 방법을 제안한다. 제안된 방법은 첫째, MeanShift 알고리즘을 이용한 초기분할 단계, 둘째, 정적 패턴매칭 방법에 기반 한 후보영역선별 단계, 셋째, 동적 패턴매칭 방법에 기반 한 영역확장 단계로 구성된다.

제안된 방법은 적응적 패턴을 현 분할영역의 주변 영역으로부터 추출하여 영역병합에 사용하기 때문에 기존의 영역분할 및 병합 전략(Region split and merge strategy)에 따른 영역분할 방법보다 신뢰성 높은 영역병합 결과를 얻을 수 있다. 제안된 방법의견고성을 평가하기위해 정적인(static) 패턴만을 사용해서 영역을 병합하는 방법과 비교하였다. 제안된 방법의 실험결과에서는 적응적인 패턴 추출방법을 사용하였을 때가 정적인 패턴 추출에 의한 영역병합 방법보다 8.12%의 성능이 향상됨을 보였다. 제안된 방법은 수시로 변화하는 도로환경에서 안정적으로 도로나 하늘영역을 추출할 수 있으며, 비젼기반 지능형교통정보시스템의 핵심적인 역할을 할 것으로 기대한다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기