| 1 |
1
솔라셀 영상으로부터 특징벡터를 추출하는 단계;상기 특징벡터에 대한 가우시안 혼합밀도함수를 모델링하는 단계;상기 가우시안 혼합밀도함수를 구성하는 파라미터들을 색상 클래스 별로 추정하는 단계;상기 추정된 파라미터들을 이용하여 상기 색상 클래스들 별로 상기 특징벡터에 대한 가우시안 혼합밀도함수의 값을 개별 산출하는 단계; 및상기 개별 산출된 값 중 최대값에 대응되는 색상 클래스를 상기 특징벡터의 색상으로 분류하는 단계를 포함하는 가우시안 혼합모델을 이용한 솔라셀 색상 분류 방법
|
| 2 |
2
청구항 1에 있어서,상기 특징벡터는, 상기 솔라셀 영상에 대한 컬러모델의 히스토그램 상에서 각 채널별 피크 값으로 이루어진 다차원 벡터값인 가우시안 혼합모델을 이용한 솔라셀 색상 분류 방법
|
| 3 |
3
청구항 2에 있어서,상기 컬러모델은,RGB, HSV, YCbCr, Lab 중 적어도 하나인 가우시안 혼합모델을 이용한 솔라셀 색상 분류 방법
|
| 4 |
4
청구항 1에 있어서상기 파라미터들을 색상 클래스 별로 추정하는 단계는,복수 개의 학습영상들로부터 추출된 특징벡터의 집합을 이용하여 상기 색상 클래스 별로 상기 파라미터들을 추정하는 가우시안 혼합모델을 이용한 솔라셀 색상 분류 방법
|
| 5 |
5
청구항 1 또는 청구항 4에 있어서,상기 파라미터들은,상기 가우시안 혼합밀도함수의 가중치, 평균벡터, 공분산 행렬을 포함하는 가우시안 혼합모델을 이용한 솔라셀 색상 분류 방법
|
| 6 |
6
솔라셀 영상으로부터 특징벡터를 추출하는 특징벡터 추출부;상기 특징벡터에 대한 가우시안 혼합밀도함수를 모델링하는 함수 모델링부;상기 가우시안 혼합밀도함수를 구성하는 파라미터들을 색상 클래스 별로 추정하는 파라미터 추정부;상기 추정된 파라미터들을 이용하여 상기 색상 클래스들 별로 상기 특징벡터에 대한 가우시안 혼합밀도함수의 값을 개별 산출하는 함수값 산출부; 및상기 개별 산출된 값 중 최대값에 대응되는 색상 클래스를 상기 특징벡터의 색상으로 분류하는 색상 분류부를 포함하는 가우시안 혼합모델을 이용한 솔라셀 색상 분류 장치
|
| 7 |
7
청구항 6에 있어서,상기 특징벡터는, 상기 솔라셀 영상에 대한 컬러모델의 히스토그램 상에서 각 채널별 피크 값으로 이루어진 다차원 벡터값인 가우시안 혼합모델을 이용한 솔라셀 색상 분류 장치
|
| 8 |
8
청구항 7에 있어서,상기 컬러모델은,RGB, HSV, YCbCr, Lab 중 적어도 하나인 가우시안 혼합모델을 이용한 솔라셀 색상 분류 장치
|
| 9 |
9
청구항 6에 있어서상기 파라미터 추정부는,복수 개의 학습영상들로부터 추출된 특징벡터의 집합을 이용하여 상기 색상 클래스 별로 상기 파라미터들을 추정하는 가우시안 혼합모델을 이용한 솔라셀 색상 분류 장치
|
| 10 |
10
청구항 6 또는 청구항 9에 있어서,상기 파라미터들은,상기 가우시안 혼합밀도함수의 가중치, 평균벡터, 공분산 행렬을 포함하는 가우시안 혼합모델을 이용한 솔라셀 색상 분류 장치
|
