본 연구에서는 뇌수막종이 늦게 조영증강 된다는 점을 착안하여 뇌수막종을 최대 조영 증강시킨 검사를 시 작하였다, 검사 후에 두개내의 수막종과 혈관과의 관계를 알아보고 전산화 단층 촬영 조영술의 3차원 CT 영상 기법(이하, 3차원 CT 영상 기법)과 고식적 혈관 촬영 조영술의 영상을 비교하였다. 연구대상은 3차원 CT 영상 기법과 고식적 혈관 촬영 조영술을 병행 시행하였던 6명의 환자를 대상으로 하였으며. 그 중 추체접형골동사대 부 5예, 방시상동에 생긴 1예였다. 검사방법으로는 조영제를 초당 3/120 ml를 주입하여, GE Medical System Program(smart prep)을 이용하여 CT Number 값이 100에 도달한 후, 검사를 시작하였다. 스캔파라미터는 조영제 가 모두 주입된 직후에 1.25 mm / 3.75 mm, HQ-Mode로 scan한 후 1 mm interval로 재구성하였다. 검사한 영상을 3D-Med Software Program(Rapidia)을 이용하여 3차원 CT 영상 기법으로 영상을 재구성한 다음 고식적 혈관 촬영 조영술과 비교하였다. 결과를 살펴보면 뇌수막종의 최대조영 시간은 조영제을 주입한 후 약120-180초에 혈관과 종양과의 관계를 가장 잘 구별할 수 있었다. 3차원 CT 영상 기법으로 재구성한 6예는 모두 종양과 혈관과의 관계를 잘 구별할 수 있었다. 또한 종양과 동반된 동맥류도 1예에서 잘 보여주었다. 이를 종합하여 보면 두 개 내 뇌수막종의 환 자에서 조영제를 주입하여 3차원 CT 영상을 시행하였던 영상은 종양과 혈관과의 관계를 입체적으로 구분할 수 있어 수술에 많은 도움이 되었다.

본 논문에서는 실사 영상을 사용하여 3차원 아바타의 얼굴 텍스쳐를 생성하는 기법을 제시한다. 먼저 UVW 맵을 기준으로 실사영상에서의 해당 영역을 수동으로 지정한다. 그 다음 지정된 영상 영역들을 사용하여 UVW 맵에 해당하는 텍스쳐 영상을 생성한다. 제안된 텍스쳐 생성 기법은 포토샵 등을 사용한 기존의 방법에 비해서 수작업 시간을 단축할 수 있으며 실사 영상의 사실감을 높여준다. 기존의 텍스쳐 생성 절차들은 3차원 모델의 메쉬 구조에 영향을 주었으나, 제안된 방법은 3차원 모델의 메쉬 구조를 수정하지 않고도 원하는 형태의 텍스쳐를 생성할 수 있는 장점이 있다. 실제 사람의 모습을 여러 각도에서 촬영하여 얻은 영상을 사용하여 주어진 UVW 맵에 적합한 얼굴 텍스쳐를 생성하였다. 생성된 텍스쳐를 사용하여 3차원 아바타를 렌더링한 결과 아바타 얼굴의 사실감이 증가되었음을 알 수 있었다.

Temporal and spatial variabilities of chlorophyll a (Chl-a) in the northern East China Sea (ECS) are described, using both 8-day composite images of the SeaWiFS (Sea-viewing Wide Field-of-view Sensor) and in-situ data investigated in August and September during 2000-2005. Ocean color imagery showed that Chl-a concentrations on the continental shelf within the 50 m depth in the ECS were above 10 times higher than those of the Kuroshio area throughout the year. Higher concentrations (above 5 mg/m3) of yearly mean Chl-a were observed along the western part of the shelf near the coast of China. The standard deviation also showed the characteristics of the spatial variability near 122-124°E, where the western region of the East China Sea was grater than that of the eastern region. Particularly the significant concentration of Chl-a, up to 9 mg/m3, was found at the western part of 125°E in the in-situ data of 2002. The higher Chl-a concentrations of in-situ data were consistent with low salinity waters of below 30 psu. It means that there were the close relationship between the horizontal distribution of Chl-a and low salinity water.

래디오시티(radiosity)는 디퓨즈 반사(diffuse reflection)를 효과적으로 표현하는 전역조명(global illumination) 방법으로 공간 및 물체 표면간의 에너지 교환을 모델링한다. 그러나 많은 계산량으로 인해 실시간 활용에는 제약이 존재하며, 이를 해결하기 위해 GPU(Graphics Processing Unit) 기반의 래디오시티 알고리즘이 제안되고 있다. 본 논문에서는 G. Coombe 등이 제안한 GPU 기반의 점진적 세분(progressive refinement) 래디오시티를 구현하고 HDR(High Dynamic Range) 래디언스(radiance) 맵으로 구성된 3차원 공간에 적용하여 사실적인 합성영상을 렌더링하였다. 대상 공간과 조명환경을 HDR 래디언스 맵으로 구성함으로써 영상기반(image-based) 방법의 장점인 대상 장면의 복잡도와 관계없는 결과 영상을 생성할 수 있었다 환경맵을 이루는 각 텍셀(texel)의 해상도 설정 및 밉매핑(mipmaping)의 적용에 따라 다양한 실험 결과를 분석하였으며, 기존의 HDR 레디언스 맵과 GPU를 이용한 증분 래디오시티 방법과의 비교를 통해 본 시스템의 개선된 렌더링 성능을 확인하였다.

연구의 목적은 초등학교 국어교과서에 그림동화 도입을 제대로 하기위한 준비 과정으로, 그림동화에 대한 학생들의 반응을 분석하여 교육적 시사점을 얻는데 있다. 다매체시대 환경을 고려하여 인쇄매체인 그림동화와 영상매체인 영상그림동화가 각기 학생들의 문학 반응에 미치는 영향과 원리를 비교해 보았으며, 작품을 감상하는 전 과정과 감상 후에 내․외적으로 나타나는 인지적‧정의적‧지각적인 반응도 검토해보았다. 전주시 소재 초등학교 5학년 230명을 대상으로 John Burning-ham의 《우리 할아버지》를 책과 비디오로 감상한 뒤 관찰과 반응지, 면담을 통해 반응을 수집하고 분석하여 다음 세 가지 곧, 매체별 ‘비언어적 반응 양상, 구성요소별 반응 양상 및 범주별 양상’을 중심으로 검토해보았다. 그 결과 그림동화와 영상그림동화의 교육적 적용을 위한 인식의 변화, 매체 특성을 고려한 문학 수업 구성, 구체적인 문학 수업 목표 설정, 및 매체통합교육의 필요성면에서 유의미한 시사점을 얻을 수 있었다.

본 논문에서는 CT(Computed Tomography)와 MRI(Magnetic Resonance Imaging)을 이용하여 획득한 2 차원의 복부영상을 영역분할, 문턱치법 등의 전처리과정을 거쳐 3차원영상을 생성하는 방법을 제시함으 로써 가상내시경(Virtual Endoscopy)에 응용하고자 한다. 3차원영상 가시화 방법으로는 개인용 컴퓨터에 서 이용되는 범용의 그래픽가속기를 이용하여 빠른 속도로 렌더링을 할 수 있는 장점을 가지는 표면볼 륨기법을 이용하였다. 여기에 이용한 알고리즘은 계산량이적은 Marching Cubes 이다. 그리고 워크스테션 이나 전용의 프로그램이 없더라도 웹 브라우저 상에서 실행되는 가상현실모델링언어(VRML, Virtual Reality Modeling Language)양식의 3차원 영상을 생성하는 방법을 제시한다. CT의 3차원 영상 파일의 노 드 수와 삼각형 수 및 크기는 각각 85,367, 174,150, 10,124이었고, MRI의 3차원 영상 파일의 노드 수와 삼각형 수 및 크기는 각각 34,029, 67,824, 3,804이었다.

본 논문은 유비쿼터스 의료를 위한 의료영상의 무선전송의 개발을 목적으로 한다. 컴퓨터 시스템의 발달로 인해 의료 장비와 의료 기록 체계에 대한 많은 변화가 일어났다. 그 중 병원내의 진료 및 의무 기록을 자동화하고 관리하는 HIS(Hospital Information System) 시스템과 환자에게서 촬영된 영상에 대한 관리 체계인 PACS(Picture Archiving Communication System)은 대표적인 예라할 수 있다. 이러 한 자동화된 진료 시스템은 병원 내에 있지 않을 경우 이용이 곤란하며, 응급상황이나 의사 부재시에 신속한 영상 판독이 요구되는 경우 이를 즉시 수행하기는 곤란하였다. 이러한 이동에 따른 단점을 보완 하기 위하여 각 의사마다 지급된 PDA를 사용하여 병원내의 영상 획득 장치로부터 생성된 환자 영상을 원격에서 CDMA 망을 사용하여 검토할 수 있는 시스템을 구현하였다. 이를 위하여 의사 및 환자의 계 정 관리와 환자 영상을 영상획득 장치로부터 수신 받아 각 의사별로 할당하도록 하는 서버 시스템을 구 현 하였으며, PDA를 사용하여 서버에 접속하여 환자의 영상을 검토할 수 있도록 구현하였다. 개인별로 시스템 사용에 대한 인증을 위하여 PDA에서는 데이터베이스 RDA(Remote Data Access) 방식을 사용 하여 서버 데이터베이스를 엑세스하였으며, 환자 영상을 서버로부터 다운로드 하기 위하여 FTP(File Transfer Protocol)를 사용하였다. 실험 결과 한 파일의 크기가 0.37Mbyte 인 832x488*24 영상 30매를 보낸다고 가정하였을 때 약 90초 정도의 시간이 걸렸으며 이는 긴급히 또는 원격에서 영상의 수신과 검 토에 문제가 없음을 나타낸다.

본 연구의 목적은 CR(Computed Radiography)과 DR(Digital Radiography)장비의 각 Detector를 통해 획 득된 영상의 화질을 비교 분석하기 위한 것이다. CR(AGFA MD 4.0 General plate, JAPAN)과 DR(HOLOGIC nDirect Ray, USA)에 대한 영상평가의 주요인자인 MTF(Modulation transfer function), NPS(Noise power spectrum), Photon fluence, DQE(Detective quantum efficiency)를 정량적인 값으로 도출 하여 비교한 결과 CR이 DR보다 우수하게 나타났다. 본 연구의 결과는 CR과 DR장비의 Image quality를 정량적으로 평가할 수 있을 뿐만 아니라 이 장비들을 유지, 보수하는데도 도움이 될 것으로 사료된다.

본 연구의 목적은 ROC를 이용하여 일반 촬영기기에 따른 영상의 질을 평가해보고자 함이다. 본 연구 의 수행을 위하여 CR(Computed Radiography)과 DDR(Direct Digital Radiography)을 사용하였으며 피사체 로 흉부 팬텀을 사용하였다. 각 기기에서 영상을 획득한 후 ROC평가를 이용하여 영상의 질 및 기기의 특성을 평가하였다. 조사 조건으로 관전압 120kVp와 관전류량 3.2 mAs를 이용하였고 SID(Source to Image Distance)는 180㎝로 설정하였다. 팬텀의 심장, 폐야, 흉추부위에 병소를 표현하였으며 각 장비에 서 획득한 영상의 질 및 기기의 특성을 파악하기 위하여 방사선학 전공자 29명을 대상으로 ROC평가를 실시하였다. ROC 평가 결과 DDR의 TPF(true positive fraction)는 0.552, FPF(false positive fraction)는 0.474, CR의 TPF는 0.629, FPF는 0.405로 나타났다. 본 연구 결과 CR의 영상이 DDR의 영상보다 더 나 은 영상의 질을 나타내는 것을 확인하였다. 영상의 질의 확연한 차이의 원인은 DDR의 경우 enhance board의 미 삽입으로 인한 영상 후처리의 미수행이라고 사료된다. 추후 DDR의 enhance board의 삽입 후 영상의 후처리가 가미된 DDR영상의 질에 대한 연구가 필요하며 본 연구의 결과로 인하여 영상의 후처 리가 임상의 판독에 있어서 매우 중요한 요소임을 확인할 수 있었다.

본 연구에서는 a-Se 기반 디지털 X-선 영상장치의 저대조도 특성을 평가하기 위하여 contrast-detail 곡선 해석을 수행하였다. 본 실험에 사용된 X-선 영상장치는 픽셀크기가 139㎜×139㎜이고 유효면적이 46.7㎝×46.7㎝인 a-Si TFT 기판 위에 500㎜ 두께의 광전도체가 코팅된 구조를 갖고 있다. Contrast-detail 곡선을 측정하기 위하여 우선 주어진 촬영조건(즉, 40, 50, 60, 70, 80 kVp, and 16 mA.s)에서 상용 팬톰 인 CDRAD 2.0을 사용하여 X-선 영상을 획득한 후, 그 영상으로부터 IQFinv 인자를 사용하여 그 특성을 최종 평가하였다. 평가된 IQFinv 값은 주어진 광 플루언스(즉, 1.8×105, 5.9×105, 11.3×105, 19.4×105, and 29.4×105 photons/㎟)에서 각각 24.4, 35.3, 39.2, 41.5, 43.4으로 광 플루언스가 증가할수록 점진적으 로 증가하였으며 이는 광 플루언스가 증가할수록 영상의 가독성이 향상됨을 나타낸다.

본 연구에서는 2003년 2월 1일 군산과 부안을 중심으로 한 호남 서해안 지역의 Landsat ETM+ 영상과 기상 관측 지점의 적설 자료를 이용하여 적설 면적을 지도화하는 방법을 비교ㆍ분석하였다. 기상 관측 지점의 자료를 이용한 방법은 각 관측 지점별로 적설량의 많고 적음을 잘 나타낼 수 있다. 그러나 이 방법은 해당 관측 지점에 대한 정보만 신뢰할 수 있을 뿐, 주변 지역에 대한 정보는 부정확하게 추정될 수 있다. 반면에 Landsat ETM+ 영상 자료를 이용하여 작성된 적설 분포도는 영상이 제공하는 시점의 적설의 실제적인 분포 상태를 구체적으로 표현 가능하였다. 또한 픽셀의 개수를 통해 영상 내의 대략적인 적설 면적도 계산 가능하다.

본 연구의 목적은 홍수범람 시에도 침수상황의 파악이 가능한 RADARSAT SAR 영상을 이용하여 안성천 농촌유역의 홍수에 의한 침수지역을 추정하고자 하였다. 분석에 사용된 영상은 안성천유역에 1998년 8월 9일에 발생한 홍수피해시기를 중심으로 홍수 전, 직후, 후의 세 시기 영상을 선정하였다. 5m DEM을 이용하여 정사보정을 실시한 후, 세 영상의 RGB 합성방법을 실시한 결과 침수된 지역의 공간적 위치를 파악할 수 있었으며, 영상간의 연산방법인

융설 모형을 이용하여 융설 기간 동안의 하천유출량을 모의하기 위해서는 융설 관련 매개변수의 정립이 반드시 필요하다. 우리나라의 경우 관측 자료의 부족으로 인하여 적설분포면적, 적설심, 적설분포면적 감소곡선과 같은 융설 관련 매개변수의 추출이 불가능하였다. 본 연구에서는 1997년부터 2003년까지의 겨울철(11월-4월) NOAA/AVHRR 위성영상을 이용하여 한반도의 적설분포도를 추출하고 기상청의 69개소 유인지상기상관측소의 기상자료 중 최심적설심 자료

In this paper, we introduce visual contexts in terms of types and utilization methods for robust object recognition with intelligent mobile robots. One of the core technologies for intelligent robots is visual object recognition. Robust techniques are strongly required since there are many sources of visual variations such as geometric, photometric, and noise. For such requirements, we define spatial context, hierarchical context, and temporal context. According to object recognition domain, we can select such visual contextx. We also propose a unified framework which can utilize the whole contexts and validates it in real working environment. Finally, we also discuss the furture research directions of object recognition technologies for intelligent robots.

실 세계 공간에 가상 물체를 사실적으로 합성하기 위해서는 공간 내에 존재하는 조명정보 등을 분석해야 한다. 본 논문에서는 카메라에 대한 사전 교정(calibration)없이 카메라 및 조명의 위치 등을 추정하는 새로운 조명공간 재구성 방법이 제안된다. 먼저, 어안렌즈(fisheye lens)로부터 얻어진 전방향(omni-directional) 다중 노출 영상을 이용해 HDR (High Dynamic Range) 래디언스 맵(radiance map)을 생성한다. 그리고 다수의 대응점으로부터 카메라의 위치를 추정한 다음, 방향벡터를 이용해 조명의 위치를 재구성한다. 또한 대상 공간 내 많은 영향을 미치는 전역 조명과 일부 지역에 국한되어 영향을 주는 방향성을 갖는 지역 조명으로 분류하여 조명 환경을 재구성한다. 재구성된 조명환경 내에서 분산광선추적(distributed ray tracing) 방법으로 렌더링한 결과로부터 사실적인 합성영상이 얻어짐을 확인하였다. 제안된 방법은 카메라의 사전 교정 등이 필요하지 않으며 조명공간을 자동으로 재구성할 수 있는 장점이 있다.

The western coast of South Korea is famous for its large and broad tidal lands. Nevertheless, land reclamation, which has been conducted on a large scale, such as Sihwa embankment construction project has accelerated coastal environmental changes in the embankment inland. For monitoring of environmental change, vegetation change detecting of the embankment inland were carried out and field survey data compared with Landsat TM, ETM+, IKONOS, and EOC satellite remotely sensed data. In order to utilize multi-temporal remotely sensed images effectively, all data set with pixel size were analyzed by same geometric correction method. To detect the tidal land vegetation change, the spectral characteristics and spatial resolution of Landsat TM and ETM+ images were analyzed by SMA(spectral mixture analysis). We obtained the 78.96% classification accuracy and Kappa index 0.2376 using March 2000 Landsat data. The SMA(spectral mixture analysis) results were considered with comparing of vegetation seasonal change detection method.

본 연구에서는 최대우도법과 인공신경망 모형에 의해 카테고리 분류를 수행하고 각각의 분류 성능을 비교 평가하였다. 인공신경망 모형은 오류역전파 알고리즘을 이용한 것으로서 학습을 통한 은닉층의 최적노드수를 결정하여 카테고리 분류를 수행하도록 하였다. 인공신경망 최적 모형은 입력층의 노드수가 7개, 은닉층의 최적노드수가 18개, 그리고 출력층의 노드수가 5개인 것으로 구성하였다. 위성영상은 1996년에 촬영된 Landsat TM-5 영상을 사용하였고, 최대우도법과 인공신경망 모형에 의한 카테고리 분류를 위하여 각각의 카테고리에 대한 분광특성을 대표하는 지역을 절취하였다. 분류 정확도는 인공신경망 모형에 의한 방법이 90%, 최대우도법이 83%로서, 인공신경망 모형의 분류 성능이 뛰어난 것으로 나타났다. 카테고리 분류 항목인 토지 피복 상태에 따른 분류는 두 가지 방법에서 밭과 주거지의 분류오차가 큰 것으로 나타났다. 특히, 최대우도법에 의한 밭에서의 태만오차는 62.6%로서 매우 큰 값을 보였다. 이는 밭이나 주거지의 특성이 위성 영상 촬영시기에 따라 나지의 형태로 분류되거나 산림, 또는 논으로도 분류되는 경향이 있기 때문인 것으로 보인다. 차후에 카테고리 분류를 위한 각각의 클래스의 보조적인 정보를 추가한다면, 카테고리 분류 향상이 이루어질 것으로 기대된다.