효율적이고 체계적인 퍼지제어를 위해 조작자의 제어동작을 모델링하거나 공정을 모델링하는 기법이 필요하고, 또한 퍼지 추론시에 조건부의 기여도(contribution factor)의 결정과 동작부의 제어량의 결정이 추론의 결과에 중요하다. 본 논문에서는 추론시 조건부의 기여도와 동작부의 세어량이 퍼지 엔트로피의 개념하에서 수행되는 적응 퍼지 추론시스템을 제시한다. 제시된 시스템은 전방향 신경회로망의 토대위에서 구현되며 주건부의 기여도가 퍼지 엔트로피에 의하여 구해지고, 동작부의 제어량은 확장된 퍼지 엔트로피에 의하여 구해진다. 이를 위한 학습 알고리즘으로는 역전파 알고리즘을 이용하여 조건부의 파라미터의 동정을 하고 동작부 파라미터의 동정에는 국부해에 보다 강인한 유전자 알고리즘을 이용하다. 이러한 모델링 기법을 임펄스 잡음과 가우시안 잡음이 첨가된 영상에 적용하여 본 결과, 영상복원시에 발생되는 여러 가지의 경우에 대한 적응성이 보다 양호하게 유지되었고, 전체영상의 20%의 데이터만으로도 객관적 화질에 있어서 기존의 추론 방법에 비해 향상을 보였다.

본 연구의 목적은 시간 분해능이 향상된 비지역적 평균 (fast non local means, FNLM) 노이즈 제거 알고리 즘을 모델링하여 광학 현미경 영상에서의 적용 가능성을 확인하는 것이다. 이를 위해 실제 흰쥐 (mouse)의 첫째어금니 치아를 사용하여 영상을 획득한 후 기존에 널리 사용되고 있는 노이즈 제거 알고리즘과 제안 하는 FNLM 알고리즘을 각각 적용하여 비교하였다. 정량적 평가는 대조도 대 잡음비 (contrast to noise ratio, CNR), 변동계수 (coefficient of variation, COV), 그리고 최근에 개발된 no reference 기반의 방법인 natural ima ge quality evaluator (NIQE)와 Blind/referenceless image spatial quality evaluator (BRISQUE)를 사용하였다. 결과적으로 모든 정량적 평가 인자에서 제안하는 FNLM 노이즈 제거 알고리즘이 가장 우수한 값을 나타내었다. 특히나 치아의 전체적인 형태학적 영상을 분석할 수 있는 NIQE와 BRISQUE 인자는 원본영상에 비하여 각각 1.14와 1.12배 향상됨을 확인할 수 있었다. 결론적으로 소동물 치아 광학 현미경 영상에서의 FNLM 노이즈 제거 알고리즘의 유용성 및 가능성을 증명하였다.

본 연구의 목적은 광자계수검출기 기반 스펙트럼 전산화단층촬영을 이용하여 K-각 영상을 획득하고, 이 를 통해 3차원 융합진단영상을 구현하여 임상적 이용 가능성을 평가하고자 하였다. 실험을 통한 K-각 영상 획득을 위해 스펙트럼 전산화단층촬영 시스템을 이용하였다. 희석된 iodine과 gadolinium 조영제가 주입된 6개의 튜브를 돼지고기에 삽입하여 팬텀을 제작하였다. 100 kVp 관전압과 500 μA 관전류 조건에서 발생된 X-선을 이용하였으며, iodine과 gadolinium의 K-각 흡수에너지를 고려한 35 및 52 keV에 저에너지 문턱값 을 설정하여 K-각 영상을 획득하였다. 융합진단영상은 일반적인 전산화단층촬영 영상과 스펙트럼 전산화 단층촬영을 통해 획득한 iodine 및 gadolinium 영상을 정합하여 획득하였다. 두 가지 조영제 기반 융합진단 영상의 CNR은 일반적인 CT보다 평균적으로 6.76-14.9배 높았으며, 3차원 융합진단영상은 각 조영제의 물 질 지도 정보를 제공할 수 있었다. 따라서 본 연구에서 제안하는 방법을 통해 전산화단층영상의 화질을 향 상시킬 수 있으며 특정 물질의 추가적인 정보를 제공을 통해 진단의 효율성을 증가시킬 수 있다.

This paper presents a new benchmark system for visual odometry (VO) and monocular depth estimation (MDE). As deep learning has become a key technology in computer vision, many researchers are trying to apply deep learning to VO and MDE. Just a couple of years ago, they were independently studied in a supervised way, but now they are coupled and trained together in an unsupervised way. However, before designing fancy models and losses, we have to customize datasets to use them for training and testing. After training, the model has to be compared with the existing models, which is also a huge burden. The benchmark provides input dataset ready-to-use for VO and MDE research in ‘tfrecords’ format and output dataset that includes model checkpoints and inference results of the existing models. It also provides various tools for data formatting, training, and evaluation. In the experiments, the exsiting models were evaluated to verify their performances presented in the corresponding papers and we found that the evaluation result is inferior to the presented performances.

본 연구에서는 Geant4 application for tomographic emission (GATE) 시뮬레이션 프로그램을 통해 설계 된 male adult mesh (MASH) 팬텀의 영상을 획득한 후 다양한 필터링 인자가 설정된 FNLM 노이즈 제거 알고리즘을 적용함으로써 그에 따른 영상 특성의 경향성을 알아보고자 한다. 이를 위해 GATE 시뮬레이션 프로그램을 통해 인체를 모사할 수 있는 MASH 팬텀을 설계하였다. 또한, 설계된 MASH 팬텀을 기반으로 MAT LAB 프로그램을 통해 복부영상을 획득한 후 0.005의 σ 값을 갖는 Gaussian noise를 추가하여 열화영상을 모델링하였다. 모델링 된 열화영상으로부터 제안하는 FNLM 노이즈 제거 알고리즘의 필터링 인자를 각각 0.005, 0.01, 0.05, 0.1, 0.5, 1.0 으로 설정하여 적용하였으며, 정량적 평가를 위해 FNLM 노이즈 제거 알고리즘이 적용된 영상들로부터 각각의 coefficient of variation (COV), signal to noise ratio (SNR) 그리고 contrast to noise ratio (CNR)을 측정하였다. 결과적으로, 0.05의 필터링 인자가 적용된 영상에서 가장 개선된 COV, SNR 그리고 CNR 값을 보였다. 특히, COV는 설정된 필터링 인자가 증가함에 따라 감소하였으며, 0.05 값 이후부터 거의 일정한 값을 나타내었다. 또한, SNR 및 CNR의 경우 필터링 인자가 증가함에 따라 증가하였으며, 0.05 값 이후부터 감소하는 경향을 보였다. 결론적으로, 열화 영상으로부터 FNLM 노이즈 제거 알고리즘 적용 시 적합한 필터링 인자를 설정해야 함이 증명되었다.

In this study, digital image processing was used to estimate the tensile forces of the remote hanger cable using image-based back analysis method. A portable digital camcorder was used as a vision-based system considering convenient and economical aspects for use. The ambient vibration test was performed on a suspension bridge to verify the validity of the image-back analysis method of measuring the hanger cable tensile force.

In the ground environment, mobile robot research uses sensors such as GPS and optical cameras to localize surrounding landmarks and to estimate the position of the robot. However, an underwater environment restricts the use of sensors such as optical cameras and GPS. Also, unlike the ground environment, it is difficult to make a continuous observation of landmarks for location estimation. So, in underwater research, artificial markers are installed to generate a strong and lasting landmark. When artificial markers are acquired with an underwater sonar sensor, different types of noise are caused in the underwater sonar image. This noise is one of the factors that reduces object detection performance. This paper aims to improve object detection performance through distortion and rotation augmentation of training data. Object detection is detected using a Faster R-CNN.

영상 인식 기술은 평면 영상에 대해서 많이 연구되고 그 성능 또한 발전하고 있다. 그러나 평면 영상이 아닌 구면 파노라마 영상과 다양한 환경에서 주어지는 특수한 형태의 영상에 대한 인식은 평면과 다르게 기하학적인 왜곡으로 인해서 많은 어려움이 따른다. 본 논문에서는 평면영상의 인식 기술에서 최근 각광받는 훈련을 통한 신경망 인식 기법이 구면 파노라마 영상의 인식에서도 쓰일 수 있음을 보인다. 또한 구면 영상에 대한 기존 신경망 모델의 인식률을 높이기 위해서 큐브맵 변환을 활용하는 방법을 제시한다.

Recently, there have been many studies to classify the image-based damage of bridge using the deep learning and to evaluate the condition. These attempts are one of the ways to overcome limitations of visual inspection through inspectors, and it is also aimed to reduce the cost of necessary maintenance budget by enabling accurate and rapid damage assessment of rapidly growing old facilities and difficult parts of visual inspection. However, it is possible to classify and quantitatively express simple damage (one damage classification such as cracks) with image information (big data) of bridges, but classification and quantification of complex damage can be done by using one deep learning is a limit. Therefore, this study presents considerations and a method to be used for damage detection on the image basis using deep learning.

In this study, the method of measuring cable tension using the vision-based system was proposed, and a portable digital camcorder was used as a sensor for the measurement of the cable tension positioned at remote distances, considering the user convenience and the cost-efficiency. The vibration method (accelerometer, vision-based system) was used to measure the cable tensions, and the result was compared and analyzed.

This paper presents the applicability and reliability of the crack detection technique of concrete structures developed based on the use of digital image analysis technologies through on - site tests. The problem of aging of infrastructure is a serious threat to the national and national security and there is a growing interest in the development and application of effective inspection and maintenance techniques for related infrastructure. Therefore, instead of the existing traditional manpower-based infrastructure inspection and maintenance techniques, which involve lots of time and money consumption and reliability of results, research using digital image analysis technology is actively being carried out.

In the shaking table test, contact displacement sensors are widely being applied to a structure for measuring the displacement responses, but difficulties may arise depending on the condition of the structure. Moreover, the test uneconomically needs temporary facilities for installing sensors and supplementary equipment for saving the displacement responses of a structure. The contact displacement sensors that are currently becoming popular in the shaking table tests are limited depending on their use environments; thus, the reality is that each equipment appears impractical considering its effectiveness and applicability. Therefore, in this study, to verify an algorithm for measuring the displacement responses of a structure using the vision-based system in the shaking table test, the various tests were conducted.

This paper proposes real-time image-based damage detection method for concrete structures using deep learning. The proposed method is composed of three steps: (1) collection of a large volume of images containing damage information from internet, (2) development of a deep learning model (i.e., convolutional neural network (CNN)) using collected images, and (3) automatic selection of damage images using the trained deep learning model. The whole procedure of the proposed method has been applied to some figures taken in a real structure. This method is expected to facilitate the regular inspection and speed up the assessment of detailed damage distribution the without losing accuracy.

This paper proposes a deep learning-based crack evaluation technique using hybrid images. The use of the hybrid images combining vision and infrared images are able to improve crack detectability while minimizing false alarms. In particular, large-scale infrastructures can be inspected by an UAV-mounted hybrid image scanning (HIS)　system, and the corresponding huge amount of data is typically difficult to be analyzed by experts. To automate such making-decision process, deep convolutional neural network is used in this study. As the very first stage, a lab-scale HIS system is developed using a scanning zig and experimentally validated using a concrete specimen with various-size cracks. The test results reveal that macro- and micro-cracks are successfully and automatically detected with minimizing false-alarms.