This paper proposes a building recognition algorithm using watershed image segmentation algorithm and integrated region matching (IRM). To recognize a building, a preprocessing algorithm which is using Gaussian filter to remove noise and using canny edge extraction algorithm to extract edges is applied to input building image. First, images are segmented by watershed algorithm. Next, a region adjacency graph (RAG) based on the information of segmented regions is created. And then similar and small regions are merged. Second, a color distribution feature of each region is extracted. Finally, similar building images are obtained and ranked. The building recognition algorithm was evaluated by experiment. It is verified that the result from the proposed method is superior to color histogram matching based results.

미군은 이기종간 워게임 환경통합과 최단시간 모의환경 생성을 위해 SE-CORE와 공통가상 환경을 개발하고 발전시키고 있다. 한국도 실정에 맞는 SEDRIS 연구 등을 진행하고 있지만 여전히 풀어야 할 문제가 많다. 이 연구는 합성자연환경에서 수작업으로 행해지는 객체 배치 과정을 이미지 채널 정보를 통해 반자동화 하는 방법을 제안하고 있으며, 이는 합성환경 생성을 빠르게 하고 이기종간 자료공유를 수월하게 할 수 있게 한다. 향후 추가적인 연구가 진행되면 다양한 정보수집 장치로부터 입력된 자료들을 합성전장환경에 적용할 수 있는 자동화 기술 개발도 가능할 것으로 보인다.

본 논문에서는 화훼의 색채 이미지를 이용한 화단적용 가이드라인 개발에 관한 자료를 얻고자 화단용 유통화훼 285종의 색채 및 색채이미지스케일에 의한 이미지를 분석하였다. 색상은 Red 54종, Yellowred 13종, Yellow 40종, Blue 8종, LightPurple 9종, Pink 31종, Purple 15종, Redpurple 40종, White 65종으로 분류되었다. 이러한 285종의 화훼 색채를 색채이미지스케일에 대입한 결과 경쾌하고 화려한 이미지를 갖는 것은 130종, 은은한, 온화한, 맑은, 자연적인 이미지에 해당되는 것은 122종, 모던한, 혁신적인 이미지를 갖는 것은 15종, 고상하고 점잖은 이미지를 갖는 것은 18종이었다. 전체 285종의 화훼는 딱딱한 이미지 보다는 부드러운 이미지를 가지고 있으며, 정적이면서도 동적인 양쪽의 이미지를 모두 가지고 있는 것으로 나타났다. 이와 같이 화훼 종류별에 따라 구명된 색채 이미지는 화단 조성시 표현하고자 하는 이미지에 맞게 적용하는데 기초 자료가 될 것으로 사료된다.

이 연구는 칼라 디지털 카메라 영상 분석에 의한 유수분화기 벼 군락의 건물중 및 질소흡수량 추정 모델, 유수분화기 질소흡수량과 질소 수비량에 따른 유수분화기 이후 질소 흡수량 추정 모델, 유수분화기 질소 흡수량과 유수분화기 이후 질소 흡수량에 따른 수량 및 쌀 단백질함량 추정 모델을 구축하고 이를 종합하여 목표 수량 또는 단백질함량을 달성하기 위한 질소 수비량을 추천하는 원시 프로그램을 개발하여 현장 적용성 예비 검토를 실시하고자 한 것이다. 1. 군락피복도(CC)와 군락체적(CV)은 초장, 건물중 및 질소흡수량과 고도로 유의한정의 상관을 나타내었으며, R, G, B, NDI 및 명도 값은 이들과 유의한 부의 상관을 나타내었다. 한편 표준화된 색지표인 r은 잎 및 지상부 질소함량과 유의한 부의 상관을 나타내었으나 표준화 색지표 b와 g는 이들과 유의한 상관을 보이지 않았다. 2. 벼 군락의 디지털 카메라 영상분석을 이용한 벼 지상부 건물중 및 질소 흡수량을 추정하기 위한 비선형회귀 모델을 작성하였다. 지상부 건물중 추정 모텔에는 CC와 정규화된 R값(r, NorR)이 변수로 채택이 되었고, 질소흡수량 추정에는 CC와 정규화된 G값(g, NorG)이 채택되었으며, 이들 모델의 결정계수는 각각 0.81과 0.68이었다. 영성분석 색지표 이외에 초장을 모델에 도입하는 경우 모델의 결정계수는 더 높아졌다. 3. 유수분화기에 적정 질소 추비량을 처방하기 위해서는 유수분화기 식물체의 질소 영양 상태(질소 흡수량, PNup) 및 질소 시비량이 수량과 단백질함량에 미치는 영향을 정량화하여야 하는데, 이를 위하여 Npi와 PNup이 유수 분화기부터 성숙기까지의 지상부 질소흡수량에 미치는 영향 및 PNup과 PHNup이 벼 수량 및 쌀 단백질 함량에 미치는 영향을 검토하여 중회귀 모델을 작성하였으며 이 모델들은 결정계수가 모두 0.8이상으로 높았다. 4. 상기의 모델들을 종합하여 유수분화기 벼 군락 영상분석을 이용한 수비처방 원시 프로그램을 작성하여 예비 검증 실험을 하였다. 벼 수비 처방 프로그램에 의해 쌀단백질 함량 6.0%를 기준으로 처방된 수비질소 분시율이 19%~21%로 표준재배 분시율 30%에 비해 낮은 수준으로 처방되었으나 완전미 수량은 대등하였고, 단백질함량은 수비처방 목표단백질 함량 6%보다는 다소 낮은 5.7~5.8%였으며, 수량과 단백질함량의 변이 계수는 관행 수비 처방구에 비하여 프로그램 처방구에서 크게 낮아져서 프로그램 처방에 의하여 수량과 품질이 균질화되는 결과였다.

Plant leaf color is an important indicator for diagnosing the plant nutrient status. A software was developed by Crop Environment and Production Technology Lab. of Seoul National University to analyze the color image of rice canopy taken at panicle initiation stage (PIS) with digital camera and to recommend nitrogen fertilizer rate for target yield or protein content of rice. The software was coded in Visual Basic Ver. 6.0 and includes subroutine to calculate color indices from the digital image and several model equations relating the color indices to biomass and nitrogen accumulation of rice canopy at PIS, the grain yield to nitrogen density at PIS (PNup) and nitrogen accumulation from PIS to maturity (PHNup), and the PHNup to PNup and nitrogen fertilization rate at PIS. The objective of this study were to test the performance of the Software. Using the Software, nitrogen fertilization rate at PIS was recommended targeting the rice protein content of 6.3% for the 12 plots subjected to different amount of basal and tillering N fertilizer. N recommendation using the software reduced the coefficient of variation (CV, %) of rice yield and protein content among plots compared to the conventional N treatment plots. However, the actual protein content of rice was lower than the predicted value. This discrepancy would be attributable to the much better weather condition during grain filling period in 2009 compared to the normal year that assume in the Software for N recommendation. Additional calibration process is needed to improve the accuracy of this Software.

최근 인공지반녹화에 주로 사용되고 있는 다육식물류는 환경에 따라 다양한 잎색을 나타내고 있다. 다육식물의 광환경 변화에 따른 색상 변화를 조사하는데 있어서, 식물의 색을 표현할 때 사용되는 RHS color chart로 그 값을 조사하고 이를 화상데이터인 RGB 값으로 변환함으로써 일반인의 색상 판단에 용이하도록 색채분석방법과 그 결과를 제시하고자 하였다. 공시된 14종의 다육식물 중 관도변화에 뚜렷한 종은 Sempervivum arachnoideum, Sempervivum rebustum, Sedum reflexum 'Blue Spruce' syn. Sedum rupestre이었다. Sempervivum arachnoideum는 초기 전체 엽색이 183B에서 144B로 변화하였고, Sedum reflexum 'Blue Spruce' syn. Sedum rupestre은 138B에서 182D로, Sempervivum rebustum는 146B에서 187C로 변화되었다. RHS color chart 상의 큰 차이를 보였던 종들의 RGB값의 변화를 알아본 결과 Sempervivum arachnoideum는 녹색은 무려 424.0% 증가하였고, 적색은 21.8% 감소하였으며, 청색은 6.8%의 증가로 거의 변화를 보이지 않았다. Sedum reflexum 'Blue Spruce' syn. Sedum rupestre은 전체적으로 적색을 띄게 되었는데 이 변화는 적색이 43.9% 증가하고, 녹색이 35.9%, 청색은 66.1% 증가함을 통해 색상의 변화가 밝아지고 뚜렷한 색상을 나타냄을 알 수 있었다. Sempervivum rebustum의 기부가 처음에 비해 2개월 후 적색이 녹색으로 변한 것은 녹색이 658.3% 증가되고 적색이 26.0%, 청색이 62.8% 감소된 결과에 기인한 것을 알 수 있었다.

Nowadays, many satellites regularly produce digital multispectral images of the earth's surface. Multispectral images may be displayed as color pictures by selecting three components for assignment to the primary colors. It is desired to enhance these images to generate a display picture that are representativde of their features. in this paper, a false color image processing algorithm is proposed for the purpose of enchancement of the multispectral images based on the human perception. The mean of each primary component is transformed to equalo. Intensity and saturation are enhanced by modified piecewise linear contrast strectching and saturation enhancement method. The proposed method has been successfully applied the LANDSAT TM image and shows good enhancement.