고속 주행하는 차량의 움직임은 영상에서 흔들림으로 나타난다. 이러한 흔들림은 번호판 인식의 경우에 오인식률을 높이는 원인이 된다. 이때 흔들림에 대한 사전 정보 없이 흔들림을 복원하는 방법을 블라인드 디컨벌루션이라고 한다. 본 논문에서는 블라인드 디컨벌루션 방법으로 고속 주행으로 인한 흔들림을 복원하여 차량의 번호판을 인식하는 방법을 제안한다. 이를 위해 흔들림이 없는 영상의 통계를 이용하여 흔들림 복원을 수행한다. 다음으로 템플릿 정합을 이용하여 번호판 인식 과정을 수행한다. 실험을 통해 흔들림 보정 전에 인식하지 못하던 데이터에 대하여 흔들림 복원 후 인식률의 향상을 확인하였다.

Irregular mare patches (IMPs), recently discovered on the Moon, are eruptions of magma on the lunar surface, and their origins are still in question. While prior studies on IMPs have mainly focused on optical image analysis, in this study, an analysis of the characteristics of minerals is performed exemplary for the first time. Modified Gaussian model (MGM) deconvolution was applied to the infrared spectrum to confirm the properties of the mafic mineral. Mafic minerals were analyzed for 6 olivine-rich (Ol-rich) IMPs out of 91 currently reported, and only 4 of them yielded results of significance. All four sites showed more abundance of Fe than Mg, and manifested a weak relationship with Mg-suite rock. However, a problem was discovered during the MGM application process due to pilot implementation. In order to solve this problem, it is required to adjust the MGM initial condition settings more precisely and to increase the signal to noise ratio of the observation data. Moreover, it is necessary to analyze the mineral properties for all IMPs considering minerals other than Ol and utilize them to deduce the origin of the IMPs.