Nothing Special   »   [go: up one dir, main page]

KR100772506B1 - 영상처리를 이용한 지질재료 분류 방법 및 그 장치 - Google Patents

영상처리를 이용한 지질재료 분류 방법 및 그 장치 Download PDF

Info

Publication number
KR100772506B1
KR100772506B1 KR1020050119995A KR20050119995A KR100772506B1 KR 100772506 B1 KR100772506 B1 KR 100772506B1 KR 1020050119995 A KR1020050119995 A KR 1020050119995A KR 20050119995 A KR20050119995 A KR 20050119995A KR 100772506 B1 KR100772506 B1 KR 100772506B1
Authority
KR
South Korea
Prior art keywords
color
texture
image
analysis
particle size
Prior art date
Application number
KR1020050119995A
Other languages
English (en)
Other versions
KR20070060496A (ko
Inventor
장윤섭
김경옥
신성웅
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020050119995A priority Critical patent/KR100772506B1/ko
Priority to US11/605,684 priority patent/US7734064B2/en
Publication of KR20070060496A publication Critical patent/KR20070060496A/ko
Application granted granted Critical
Publication of KR100772506B1 publication Critical patent/KR100772506B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80Camera processing pipelines; Components thereof
    • H04N23/84Camera processing pipelines; Components thereof for processing colour signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명에 의한 영상처리를 이용한 지질재료 분류 방법 및 그 장치는 지질재료 분류가 요구되는 영상에 대해 컬러 보정을 수행하는 단계; 상기 컬러보정된 영상에 대하여 컬러공간(color space) 분석을 수행하여 컬러성분 값과 그 변화를 획득하는 단계; 상기 컬러보정된 영상에 대하여 소정의 입도분석을 통해 지질재료의 입도를 분석하는 단계; 상기 컬러보정된 영상에 대하여 소정의 텍스처(texture) 분석을 통해 지질재료의 텍스처를 분석하는 단계; 및 상기 컬러분석, 입도분석, 텍스처분석 결과를 기초로 분류 시스템을 학습시킨 후 상기 학습결과를 이용해 지질재료를 분류하는 단계;를 포함하는 것을 특징으로 하며, 지질재료의 디지털 영상을 대상으로 컬러공간 분석, 입도분석, 텍스처 파라미터 추출, 텍스처 통계량 추출 등의 각종 영상처리 기법을 적용하여 전체 영상영역을 대표하는 정량적인 수치들을 추출하기 때문에 기존의 영상처리 기법으로는 불가능하였던 지질재료의 분류가 가능하다.
영상처리, 지질재료, 컬러공간, 컬러보정, 입도분석, 텍스처 파라미터, 텍스처 통계량, 동시발생행렬, 자기상관함수

Description

영상처리를 이용한 지질재료 분류 방법 및 그 장치{Method for classification of geological materials using image processing and apparatus thereof}
도 1은 본 발명에 의한 영상처리를 이용한 지질재료 분류 방법의 과정을 보여주는 흐름도이다.
도 2는 본 발명에 의한 영상처리를 이용한 지질재료 분류 방법을 보다 상세하게 설명하기 위한 흐름도이다.
도 3은 영상처리를 이용한 지질재료 분류 장치의 구성을 보여주는 블록도이다.
도 4는 컬러보정을 위해 표준컬러차트와 함께 촬영된 지질재료 영상을 보여주는 예시도이다.
도 5a는 수리형태학 기법의 입도분석을 이용해 얻을 수 있는 입도누적곡선을 보여주는 예시도이다.
도 5b는 수리형태학 기법의 입도분석을 이용해 얻을 수 있는 입도밀도곡선을 보여주는 예시도이다.
도 6은 통계 기법의 자기상관함수를 이용해 얻을 수 있는 상관도를 보이는 예시도이다.
본 발명은 영상처리를 이용하여 지질재료를 분류하는 방법 및 그 장치에 관한 것으로서, 보다 상세하게는 지질재료를 촬영하여 획득한 디지털 영상에 대하여 컬러공간 분석, 입도분석(granulometry), 텍스처(texture) 파라미터 추출, 텍스처 통계량 추출 등의 영상처리기법을 순차적으로 적용하여 석재, 암석샘플, 야외 암석면을 포함하는 지질재료의 종류와 상태를 분류하는 방법 및 그 장치에 관한 것이다.
지질재료를 그 종류와 상태에 따라 분류하기 위한 종래의 방법들은 대부분이 소수 지질전문가의 경험적 판단에 의존해 수행되어 왔으며, 결과적으로 정량적인 수치에 근거를 두지 못하여 정성적인 방법으로서의 한계를 보여 왔다. 다른 여러 분야에서는 객관적이며 자동화된 방법으로 대상물을 분류하기 위해 영상처리기법들을 도입하여 왔으나 석재, 암석 등의 지질재료를 대상으로 한 기술의 예는 거의 전무하다.
영상처리를 이용한 분류 방법에 있어서 종래의 대부분의 예들은 위성영상에서 도로, 건물을 추출하거나, 반도체의 영상에서 결함을 찾아내는 등과 같이 영상 내에서 일부 개체들을 분류해내는 방법들이다.
그러나 본 발명은 영상 내의 일부 개체들이 아닌 촬영된 대상물 자체의 종류와 상태를 분류하는 것을 목적으로 한다는 점에서 전자와 근본적인 차이를 보인다.
차종을 분류하는 것과 같이 본 발명과 유사한 목적을 갖는 일부 사례들도 있어 왔으나, 차축과 같은 영상 내의 일부 개체를 추출하고 이를 이용하여 대상물을 분류한다는 점에서는 역시 본 발명과 차이를 보인다..
이와 같이 지질재료의 종류와 상태를 분류하기 위한 종래의 방법은 지질전문가의 경험적 판단에 전적으로 의존하여 수행되어 온 이유로 분류 결과가 정량적 수치에 근거하지 못하여 객관적인 결과로서의 신뢰성을 갖지 못하며, 전문 인력의 확보가 어렵고, 시간 및 비용이 증가되는 문제점을 가진다.
또한 지질재료의 분류 작업에 영상처리를 이용하는 경우에도 석재, 암석샘플, 야외 암석면 등의 지질재료는 불균질한 영상특성을 갖고 있기 때문에 다른 분야와 비교하였을 때 영상 내에 존재하는 개체들의 형상을 추출하는 것이 난해한 문제점이 있다.
본 발명에 의한 영상처리를 이용한 지질재료 분류 방법 및 그 장치는 상기의 문제점을 해결하기 위하여 안출된 것으로서, 불균질한 특성을 가지는 지질재료의 영상을 대상으로 영상처리 기법을 적용하여 전문가의 경험적 판단에 대한 의존을 배제하고, 각종 영상처리 기법들을 순차적으로 적용하여, 영상 전체영역을 대표하는 정량적인 수치들을 추출하는 방식의 지질재료 분류 방법 및 그 장치를 제공하는데 있다.
상기의 기술적 과제를 이루기 위하여 본 발명에 의한 영상처리를 이용한 지 질재료 분류 방법은 지질재료 분류가 요구되는 영상에 대해 컬러(color)보정을 수행하는 단계; 상기 컬러보정된 영상에 대하여 컬러공간(color space) 분석을 수행하여 컬러성분 값과 그 변화를 획득하는 단계; 상기 컬러보정된 영상에 대하여 소정의 입도분석을 통해 지질재료의 입도를 분석하는 단계; 상기 컬러보정된 영상에 대하여 소정의 텍스처(texture) 분석을 통해 지질재료의 텍스처를 분석하는 단계; 및 상기 컬러분석, 입도분석, 텍스처분석 결과를 기초로 분류 시스템을 학습시킨 후 상기 학습결과를 이용해 지질재료를 분류하는 단계;를 포함하는 것을 특징으로 한다.
상기의 기술적 과제를 이루기 위하여 본 발명에 의한 영상처리를 이용한 지질재료 분류 장치는 소정의 표준컬러차트와 함께 촬영된 입력 영상을 수신한 후 컬러를 보정하여 컬러보정영상을 출력하는 컬러보정부; 상기 컬러보정영상을 입력받아 적어도 한 종류 이상의 컬러공간 분석을 수행하여 컬러성분값과 그 변화량을 출력하는 컬러공간분석부; 상기 컬러보정영상에서 밝기 영상을 추출하여 수리형태학상의 연산을 수행하여 입도를 출력하는 입도분석부; 상기 컬러보정영상을 입력받아 소정의 텍스처 파라미터와 텍스처 통계량을 추출하는 텍스처분석부; 및 상기 컬러성분값과 그 변화량, 입도, 텍스처 파라미터, 텍스처 통계량을 기초로 상기 입력 영상의 지질재료를 판별하는 분류부;를 포함하는 것을 특징으로 한다.
이하 첨부된 도면을 참조하면서 본 발명에 의한 영상처리를 이용한 지질재료 분류 방법 및 그 장치의 바람직한 일 실시예를 상세하게 설명한다. 설명의 편의와 이해의 용이함을 위하여 방법 및 장치를 함께 서술하도록 한다.
도 1은 본 발명에 의한 영상처리를 이용한 지질재료 분류 방법의 과정을 보여주는 흐름도이고, 도 2는 본 발명에 의한 영상처리를 이용한 지질재료 분류 방법을 보다 상세하게 설명하기 위한 흐름도이다.한편 도 3은 영상처리를 이용한 지질재료 분류 장치의 구성을 보여주는 블록도이다.
먼저 도 1과 도 3을 참조하면서 본 발명에 의한 영상처리를 이용한 지질재료 분류 방법의 개괄적인 흐름을 살펴본다. 컬러보정부(310)는 지질재료를 분류할 영상을 획득하여 이 영상에 대하여 컬러(color)보정을 수행한다(S110). 상기 컬러보정은 표준컬러차트를 이용하여 수행하며 상세한 내용은 후술한다. 컬러공간분석부(320)는 컬러보정된 영상에 대하여 RGB 컬러공간, HIS 컬러공간, L*a*b* 컬러공간 분석을 수행하여 컬러성분값과 그 변화를 구한다(S120). 다음으로 입도분석부(330)는 상기 컬러보정된 영상에 대하여 밝기 영상을 추출하여 수리형태학상의 기법을 이용하여 입도분석을 수행한다(S130). 그리고 텍스처분석부(351)는 상기 컬러보정된 영상에 대하여 명암 동시행렬과 자기상관함수를 적용하여 텍스처 분석을 수행하여 텍스처 파라미터와 텍스처 통계량을 추출한다(S140). 분류부(370)는 위의 컬러성분값과 그 변화, 입도분석 결과, 텍스처 분석 결과를 입력받아 학습을 수행한 후 지질재료를 분석하여 그 결과를 출력한다(S150).
이제 도 2와 도 3을 참조하면서 보다 상세하게 설명하도록 한다. 먼저 컬러보정부(310)는 디지털카메라나 비디오카메라를 통해 지질재료의 디지털 영상을 입력받는다. 서로 다른 지질재료 영상들을 동일한 조건에서 비교, 분석하기 위해 컬러보정 작업이 필요하다. 표준컬러차트를 이용한 컬러보정 방법이 바람직하다. 표 준컬러차트는 정해진 표준 조건에서 차트상의 각 패치가 정해진 컬러성분 값을 갖도록 제작되는데, 이를 이용하여 도 4와 같이 좌측의 지질영상인 지질재료를 우측의 표준컬러차트와 함께 촬영하여 영상을 획득하게 되면 정해진 표준조건으로 컬러보정을 수행할 수 있다(S201).
그 다음으로 컬러공간 분석이 필요한지 판단한다(S203). 필요하면 컬러공간분석부(320)의 제1분석부(321)는 컬러보정된 영상에 대하여 RGB 컬러공간의 평균, 표준편차 등의 통계량 분석을 수행하여 그 결과를 출력한다(S205, S211). 또 제2분석부는 컬러보정된 영상에 대하여 HSI 컬러공간의 통계량을 분석하여 그 결과를 ㅊ출력한다(S207, S211). 그리고 제3분석부(325)는 상기 컬러보정된 영상에 대하여 L*a*b* 컬러공간의 변위벡터(컬러변화에 크기가 비례함)를 측정하여 그 변화를 분석한다(S209, S211). 그리고 이러한 분석 결과는 하나로 통합되어 분석될 수도 있다(S211).
입도분석부(330)는 컬러분석과 병행하여 밝기 영상을 추출한다(S213). 입도분석이 필요한 지 판단하여(S215) 필요하다면 수리형태학(mathematical morphology) 기법을 이용한 입도분석(granulometry)을 수행한다. 수리형태학 기법은 구조요소(structuring element)라 불리는 일종의 윈도우(커널)를 이용하여 원 영상에 대하여 침식(erosion), 팽창(dilation), 제거(opening), 채움(closing) 네 가지 연산을 조합하여 수행함으로써 여러 유용한 영상처리 결과를 얻는다. 구조요소의 크기를 증가시키며 제거 연산을 연속적으로 수행함으로써 입도누적곡선(도 5a)과 입도밀도곡선(도 5b)을 얻고, 이들 그래프에 나타난 수치를 이용하여 지질재 료의 입도분석을 수행한다(S227).
텍스처 분석부(350)는 텍스처 분석이 필요한지 판단하여 텍스처 파라미터와 텍스처 통계량을 구하여 텍스처를 분석한다. 구체적으로 살펴본다. 제1추출부(351)는 원 영상으로부터 명암 동시발생행렬(gray scale co-occurrence matrix)을 계산하여 텍스처 파라미터를 구한다(S221). 명암 동시발생행렬은 영상 내의 픽셀(pixel)들간의 명암값의 공간적 의존성을 파악하기 위해 텍스처 분석에 이용될 수 있다. 상기 동시발생행렬로부터 추출되는 에너지(energy), 엔트로피(entropy), 콘트라스트(contrast), 균질성(homogeneity)의 네 가지 정량적인 텍스처 파라미터를 지질재료의 텍스처 분석에 이용하는 것이 바람직하다.
텍스처는 이를 구성하는 텍스처 요소들의 크기에 따라 성긴(coarse) 구조와 조밀한(dense) 구조로 나뉜다. 통계 기법 중의 자기상관함수(autocorrelation function)를 영상에 적용하게 되면 이와 같은 텍스처 요소의 크기를 측정할 수 있다. 제2추출부는 지질재료의 영상에 자기상관함수를 적용하여 도 6에 도시된 바와 같은 상관도(correlogram) 그래프를 얻고, 상기 그래프에 나타난 텍스처 통계량(텍스처 요소 크기)을 이용하여 지질재료의 텍스처를 분석한다(S223). 수평 방향의 상관도와 수직 방향의 상관도, 둘을 평균한 상관도를 이용하는 것이 바람직하다.
마지막으로 분류부(370)는 컬러분석 결과(S211)와 입도분석 결과(S217), 텍스처분석 결과(S225)를 취합하여 데이터베이스에 저장하고 인공신경망 등을 통해 학습되도록 하며(S227), 최종적으로 상기 결과들을 이용하여 지질재료를 분류한다(S229).
본 발명에 의한 영상처리를 이용한 지질재료 분류 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 하드 디스크, 플로피 디스크, 플래쉬 메모리, 광 데이타 저장장치등이 있으며, 또한 캐리어 웨이브(예를들면 인터넷을 통한 전송)의 형태로 구현되는 것도 포함된다. 또한 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다. 또한 본 발명에 의한 폰트 롬 데이터구조도 컴퓨터로 읽을 수 있는 ROM, RAM, CD-ROM, 자기 테이프, 하드 디스크, 플로피 디스크, 플래쉬 메모리, 광 데이타 저장장치등과 같은 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다.
이상과 같이 본 발명은 양호한 실시예에 근거하여 설명하였지만, 이러한 실시예는 이 발명을 제한하려는 것이 아니라 예시하려는 것으로, 본 발명이 속하는 기술분야의 숙련자라면 이 발명의 기술사상을 벗어남이 없이 위 실시예에 대한 다양한 변화나 변경 또는 조절이 가능함이 자명할 것이다. 그러므로, 이 발명의 보호범위는 첨부된 청구범위에 의해서만 한정될 것이며, 위와 같은 변화예나 변경예 또는 조절예를 모두 포함하는 것으로 해석되어야 할 것이다.
이상에서 설명한 바와 같이, 본 발명에 의한 영상처리를 이용한 지질재료 분 류 방법 및 그 장치는 지질재료의 디지털 영상을 대상으로 컬러공간 분석, 입도분석, 텍스처 파라미터 추출, 텍스처 통계량 추출 등의 각종 영상처리 기법을 적용하여 전체 영상영역을 대표하는 정량적인 수치들을 추출하기 때문에 기존의 영상처리 기법으로는 불가능하였던 지질재료의 분류가 가능하다.
그리고 본 발명에 의한 영상처리를 이용한 지질재료 분류 방법 및 그 장치는 영상처리 기법을 적용해 지질재료 영상으로부터 정량적인 수치를 추출하여 비교함으로써 지질전문가의 경험적 판단에 대한 의존을 배제하고, 객관적이며 자동화된 지질재료의 분류와 함께 결과의 신뢰성을 확보할 수 있다.
또한 본 발명에 의한 영상처리를 이용한 지질재료 분류 방법 및 그 장치는 영상 내의 개체들을 추출하기 어려운 지질재료 영상의 불균질한 특성을 고려하여 전체 영상영역을 대표하는 정량적 수치들을 추출하는 방법으로 지질재료를 분류함으로써 결과의 신뢰성을 확보할 수 있다.

Claims (12)

  1. (a) 지질재료 분류가 요구되는 입력 영상에 대해 컬러(color)보정을 수행하는 단계;
    (b) 상기 컬러보정된 영상에 대하여 컬러공간(color space) 분석을 수행하여 컬러성분 값과 그 변화를 획득하는 단계;
    (c) 상기 컬러보정된 영상으로 표현되는 상기 지질재료의 입도를 분석하는 단계;
    (d) 상기 컬러보정된 영상으로 표현되는 상기 지질재료의 텍스처(texture)를 분석하는 단계; 및
    (e) 상기 컬러공간 분석, 입도분석, 텍스처분석 결과를 기초로 소정의 학습을 수행한 후 상기 지질재료를 분류하는 단계;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 방법.
  2. 제1항에 있어서, 상기 (a)단계는
    (a1) 소정의 표준 조건에서 각 패치가 소정의 색 성분값을 갖도록 하는 표준컬러차트를 생성하는 단계; 및
    (a2) 상기 입력 영상을 상기 표준컬러차트와 비교하여 컬러보정을 수행하는 단계;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 방법.
  3. 제1항에 있어서, 상기 (b)단계는
    RGB 컬러공간의 통계량, HSI 컬러공간의 통계량, 혹은 L*a*b* 컬러공간의 변위벡터 중 적어도 하나를 이용하여 상기 컬러성분값과 그 변화를 수집하고 분석하는 단계;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 방법.
  4. 제1항에 있어서, 상기 (c)단계는
    (c1) 상기 컬러보정된 영상에서 밝기영상을 추출하는 단계;
    (c2) 구조요소(structuring element)인 윈도우를 가변시켜가면서 상기 밝기영상에 대하여 수리형태학상의 제거(opening)연산을 반복하여 입도누적곡선과 입도밀도곡선을 획득하는 단계; 및
    (c3) 입도누적곡선과 입도밀도곡선상의 수치를 기초로 상기 지질재료의 입도를 구하는 단계;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 방법.
  5. 제1항에 있어서, 상기 (d)단계는
    (d1) 적어도 하나 이상의 텍스처 파라미터를 추출하는 단계; 및
    (d2) 적어도 하나 이상의 텍스처 통계량을 추출하여 상기 텍스처 분석을 수행하는 단계;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 방법.
  6. 제5항에 있어서, 상기 (d1)단계는
    (d11) 소정의 명암동시발생행렬을 상기 컬러보정된 영상에 적용하는 단계; 및
    (d12) 상기 적용결과로 에너지, 엔트로피, 콘트라스트, 균질성을 포함하는 상기 텍스처 파라미터를 획득하는 단계;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 방법.
  7. 제5항에 있어서, 상기 (d2)단계는
    (d21) 상기 컬러보정된 영상에 자기상관함수를 적용하여 텍스처 요소 크기를 포함하는 텍스처 통계량을 획득하는 단계; 및
    (d22) 상기 텍스처 파라미터와 상기 텍스처 통계량을 기초로 텍스처를 분석하는 단계;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 방법.
  8. 제1항에 있어서, 상기 영상처리를 이용한 지질재료 분석 방법은
    상기 컬러 공간(color space) 분석, 입도 분석, 텍스처(texture) 분석을 적어도 하나 이상 병렬로 수행하도록 선택할 수 있는 단계;를 더 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 방법.
  9. 소정의 표준컬러차트와 함께 촬영된 입력 영상을 수신한 후 컬러를 보정하여 컬러보정영상을 출력하는 컬러보정부;
    상기 컬러보정영상을 입력받아 적어도 한 종류 이상의 컬러공간 분석을 수행하여 컬러성분값과 그 변화량을 출력하는 컬러공간분석부;
    상기 컬러보정영상에서 밝기 영상을 추출하여 수리형태학상의 연산을 수행하여 입도를 출력하는 입도분석부;
    상기 컬러보정영상을 입력받아 소정의 텍스처 파라미터와 텍스처 통계량을 추출하는 텍스처분석부; 및
    상기 컬러성분값과 그 변화량, 입도, 텍스처 파라미터, 텍스처 통계량을 기초로 상기 입력 영상의 지질재료를 판별하는 분류부;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 장치.
  10. 제9항에 있어서, 상기 컬러공간분석부는
    상기 컬러보정영상에 대하여 RGB 공간 분석을 수행하여 RGB 컬러성분값과 변화량을 생성하는 제1분석부;
    상기 컬러보정영상에 대하여 HSI 공간 분석을 수행하여 HSI 컬러성분값과 변화량을 생성하는 제2분석부; 및
    상기 컬러보정영상에 대하여
    Figure 112005071876806-pat00001
    공간 분석을 수행하여
    Figure 112005071876806-pat00002
    컬러성분값과 변화량을 생성하는 제3분석부;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 장치.
  11. 제9항에 있어서, 상기 입도분석부는
    구조요소인 윈도우의 크기를 가변시켜가면서 상기 밝기영상에 대하여 수리형태학상의 제거(opening)연산을 반복하여 입도누적곡선과 입도밀도곡선을 구하여 그 입도 분석 결과를 출력하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 장치.
  12. 제9항에 있어서, 상기 텍스처분석부는
    동시발생행렬을 생성하여 상기 컬러보정영상에 적용하여 에너지, 엔트로피, 콘트라스트, 균질성을 포함하는 텍스처 파라미터를 계산하여 출력하는 제1추출부; 및
    자기상관함수를 상기 컬러보정영상에 적용하여 텍스처 요소 크기를 포함하는 텍스처 통계량을 계산하여 출력하는 제2추출부;를 포함하는 것을 특징으로 하는 영상처리를 이용한 지질재료 분류 장치.
KR1020050119995A 2005-12-08 2005-12-08 영상처리를 이용한 지질재료 분류 방법 및 그 장치 KR100772506B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020050119995A KR100772506B1 (ko) 2005-12-08 2005-12-08 영상처리를 이용한 지질재료 분류 방법 및 그 장치
US11/605,684 US7734064B2 (en) 2005-12-08 2006-11-28 Method and apparatus for classifying geological materials using image processing techniques

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050119995A KR100772506B1 (ko) 2005-12-08 2005-12-08 영상처리를 이용한 지질재료 분류 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20070060496A KR20070060496A (ko) 2007-06-13
KR100772506B1 true KR100772506B1 (ko) 2007-11-01

Family

ID=38139428

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050119995A KR100772506B1 (ko) 2005-12-08 2005-12-08 영상처리를 이용한 지질재료 분류 방법 및 그 장치

Country Status (2)

Country Link
US (1) US7734064B2 (ko)
KR (1) KR100772506B1 (ko)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8391601B2 (en) * 2009-04-30 2013-03-05 Tandent Vision Science, Inc. Method for image modification
US8565536B2 (en) 2010-04-01 2013-10-22 Microsoft Corporation Material recognition from an image
US8503792B2 (en) 2010-12-17 2013-08-06 Sony Corporation Patch description and modeling for image subscene recognition
US8718385B2 (en) * 2012-07-23 2014-05-06 State Farm Mutual Automobile Insurance Company Siding identification systems and methods
US20140297186A1 (en) * 2013-04-02 2014-10-02 Schlumberger Technology Corporation Rock Classification Based on Texture and Composition
US9767566B1 (en) * 2014-09-03 2017-09-19 Sprint Communications Company L.P. Mobile three-dimensional model creation platform and methods
CN104463199A (zh) * 2014-11-28 2015-03-25 福州大学 基于多特征及分割再校正的矿岩块度分类方法
US9588098B2 (en) * 2015-03-18 2017-03-07 Centre De Recherche Industrielle Du Quebec Optical method and apparatus for identifying wood species of a raw wooden log
CN104978740A (zh) * 2015-05-10 2015-10-14 刘畅 基于图像颜色特征的成份自动测量方法
CN107633255B (zh) * 2017-08-11 2021-05-25 天津大学 一种深度学习模式下的岩石岩性自动识别分类方法
KR101979879B1 (ko) * 2017-12-12 2019-05-17 현대건설(주) 항공 사진 측량 결과 후처리 장치 및 방법
US20190220699A1 (en) * 2018-01-15 2019-07-18 Gyrfalcon Technology Inc. System and method for encoding data in an image/video recognition integrated circuit solution
US11010883B2 (en) * 2018-04-17 2021-05-18 Saudi Arabian Oil Company Automated analysis of petrographic thin section images using advanced machine learning techniques
US11506804B2 (en) 2018-05-31 2022-11-22 Saudi Arabian Oil Company Inverse stratigraphic modeling using a hybrid linear and nonlinear algorithm
CL2018002459A1 (es) * 2018-08-28 2018-12-14 Hidrotecnos Spa Dispositivo sincrónico en tiempo real para medición de material geológico
CN109408649A (zh) * 2018-09-27 2019-03-01 中铁工程装备集团有限公司 基于纹理特征与机器学习的渣片智能化分析方法及系统
CN110390364B (zh) * 2019-07-31 2022-10-14 莆田学院 图像分类方法及装置
US11062439B2 (en) * 2019-09-24 2021-07-13 Halliburton Energy Services, Inc. Automating microfacies analysis of petrographic images
US11339651B2 (en) * 2020-02-13 2022-05-24 Saudi Arabian Oil Company Systems and methods for generating continuous grain size logs from petrographic thin section images
US11668847B2 (en) 2021-01-04 2023-06-06 Saudi Arabian Oil Company Generating synthetic geological formation images based on rock fragment images
WO2023034875A1 (en) 2021-08-31 2023-03-09 Saudi Arabian Oil Company Quantitative hydraulic fracturing surveillance from fiber optic sensing using machine learning

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0744710A (ja) * 1993-07-29 1995-02-14 Kumagai Gumi Co Ltd トンネル切羽の画像解析に於ける岩種及び岩級識別方法
JPH08320930A (ja) * 1995-05-24 1996-12-03 Toshiba Corp テクスチャ解析処理装置
JP2002245465A (ja) 2001-02-16 2002-08-30 Ricoh Co Ltd 画像評価方法および画像評価装置
JP2003344163A (ja) 2002-05-23 2003-12-03 Ohbayashi Corp 石材の分類方法およびこの石材の分類方法を用いた構造物の製造方法
JP2004272565A (ja) 2003-03-07 2004-09-30 Ricoh Co Ltd 画像評価装置、画像評価方法、およびその方法をコンピュータが実行するためのプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4783751A (en) * 1983-08-17 1988-11-08 University Of South Carolina Analysis of pore complexes
US5781650A (en) 1994-02-18 1998-07-14 University Of Central Florida Automatic feature detection and age classification of human faces in digital images
KR100285568B1 (ko) 1997-12-30 2001-04-02 윤종용 영상처리를 이용한 차종 분류방법
KR100317601B1 (ko) 1998-11-10 2002-05-13 곽정소 플레이너타입트라이악소자및그제조방법
US6140643A (en) * 1999-03-09 2000-10-31 Exxonmobil Upstream Research Company Method for identification of unknown substances

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0744710A (ja) * 1993-07-29 1995-02-14 Kumagai Gumi Co Ltd トンネル切羽の画像解析に於ける岩種及び岩級識別方法
JPH08320930A (ja) * 1995-05-24 1996-12-03 Toshiba Corp テクスチャ解析処理装置
JP2002245465A (ja) 2001-02-16 2002-08-30 Ricoh Co Ltd 画像評価方法および画像評価装置
JP2003344163A (ja) 2002-05-23 2003-12-03 Ohbayashi Corp 石材の分類方法およびこの石材の分類方法を用いた構造物の製造方法
JP2004272565A (ja) 2003-03-07 2004-09-30 Ricoh Co Ltd 画像評価装置、画像評価方法、およびその方法をコンピュータが実行するためのプログラム

Also Published As

Publication number Publication date
KR20070060496A (ko) 2007-06-13
US20070133866A1 (en) 2007-06-14
US7734064B2 (en) 2010-06-08

Similar Documents

Publication Publication Date Title
KR100772506B1 (ko) 영상처리를 이용한 지질재료 분류 방법 및 그 장치
Akagic et al. Pavement crack detection using Otsu thresholding for image segmentation
Albregtsen Statistical texture measures computed from gray level coocurrence matrices
CN105279772B (zh) 一种红外序列图像的可跟踪性判别方法
Fan et al. A novel automatic dam crack detection algorithm based on local-global clustering
CN108664840A (zh) 图像识别方法及装置
CN101286239A (zh) 航拍交通视频车辆快速检测方法
US20080075371A1 (en) Method and system for learning spatio-spectral features in an image
US8385655B2 (en) Method and system for generating intrinsic images using single reflectance technique
Daniel et al. Automatic road distress detection and analysis
Köse et al. Statistical methods for segmentation and quantification of minerals in ore microscopy
Li et al. GIS-based detection of grain boundaries
Changhui et al. Cloud detection method based on feature extraction in remote sensing images
Kumar et al. Comparative analysis for edge detection techniques
CN115731493A (zh) 基于视频图像识别的降水微物理特征参量提取与分析方法
CN111860500B (zh) 一种鞋印磨损区域检测与描边方法
CN113658089B (zh) 一种基于深度相机的双数据流融合物体识别方法
Howe et al. An assessment of the feasibility of developing and implementing an automated pavement distress survey system incorporating digital image processing
Tung et al. Why accuracy is not enough: The need for consistency in object detection
JP6618438B2 (ja) 前景領域抽出装置、方法、及びプログラム
Mkwelo A machine vision-based approach to measuring the size distribution of rocks on a conveyor belt
KR101393594B1 (ko) 화상 해석 기법에 의한 단체분리도 평가 장치 및 방법
Su et al. Shoeprint image retrieval by topological and pattern spectra
Yang et al. Research on Automatic Dodging Method for Road Surface Line Array Images
CN117765431A (zh) 降雨量反演方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20111007

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20120919

Year of fee payment: 19