Various underwater studies using underwater sonar sensors are actively in progress. However, unlike the ground, the underwater has a lot of noise. So it is difficult to accurately recognize the underwater environment. The final purpose of this study is to improve the efficiency of the underwater environment recognition using the underwater sonar sensor by developing a filtering algorithm that removes noise and expresses the object from the underwater sonar image captured by the underwater sonar sensor. To develop a filtering algorithm, convolutional calculations were used with three types of filters. This paper is about the case study that conducted to set the parameters of ‘Gabor Filter’ suitable for underwater sonar image during the design process of filtering algorithm. As a result, it was possible to find the most suitable ‘Gabor Filter’ parameters for underwater sonar images. And it showed high accuracy with a binary map of obstacles created by hand using the naked eye. Through this study, it can be utilized not only as a binary map of real-time obstacles, but also as an algorithm for generating object masks in underwater sonar images for deep learning.

보행자 교통사고율은 야간에 특히 그 비율이 더 높기 때문에, 야간 보행자 감지 시스템을 장착한 모델들의 출시가 증가하는 추세이다. 현재 상용 제품들은 일반적으로 고가 또는 다루기 까다로운 레이더 + 카메라, 다중 카메라 같은 복합적 센서를사용하거나, 나이트비젼과 같이 단일 센서를 사용하는 경우 운용 환경이 지극히 제한적이다. 이 논문에서는 적응적 이진화와 적분 영상을 이용하여 야간용 PDS에서 흑백 카메라를 사용하여 ROI(관심 영역)를 축소하는 기법을 제안한다. 다양한 조건에서 촬영된 동영상 프레임들에 대해 비교한 결과 제안 기법이 더 정확하고 환경 변화에 대해 견고함이 확인되었다. 기법 간 정확한 정량적 비교를 위해서 검출된 보행자와 비보행자 에지 화소수의 비를 사용했다.