| 1 |
1
자동 원료 선별 방법으로서,(1) 컬러로 촬영된 원료영상을 입력받는 단계(S100);(2) 상기 입력받은 컬러 원료영상에서, 배경을 제거하여 전경맵 영상을 추출하는 단계(S200);(3) 상기 추출된 전경맵 영상을 Mean-Shift 군집화 알고리즘에 적용하여 상기 전경맵 영상을 N개의 군집으로 나누는 단계(S300);(4) 상기 나누어진 N개의 군집에서 가장 큰 군집을 seed 군집으로 선택하는 단계(S400);(5) 상기 선택된 seed 군집과 나머지 각 군집에 대해, 상기 seed 군집과 주변 군집 간의 위치 근접성, 및 상기 seed 군집의 대표 색상과 주변 군집의 대표 색상 간의 색상 유사성을 측정하여, 상기 위치 근접성 및 색상 유사성이 임계값 이하일 경우, 두 군집들을 병합하는 단계(S500);(6) 상기 병합된 군집 데이터를 RG/GB/BR의 2차원 컬러분포도로 변환하여 표현하고, 상기 각 컬러분포도의 군집 데이터를 기준으로 타원을 생성하는 단계(S600); 및(7) 상기 생성된 타원에 포함되는지 여부를 기준으로 원료의 양품과 불량품을 분류하는 단계(S700)를 포함하는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 2 |
2
제1항에 있어서, 상기 단계 (3)은,(3-1) 상기 추출된 전경맵 영상 내에서 임의의 시작 픽셀을 기준으로 윈도우 영역을 지정하는 단계(S310)를 포함하는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 3 |
3
제2항에 있어서, 상기 단계 (3)은,(3-2) 상기 시작 픽셀의 색상을 기준 색상 값으로 정하고, 상기 지정된 윈도우 영역 내에서 상기 시작 픽셀과 유사한 데이터들을 찾는 단계(S320)를 더 포함하는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 4 |
4
제3항에 있어서, 상기 단계 (3)은,(3-3) 상기 유사한 데이터들의 좌표평균을 새로운 무게중심으로 정하고, 상기 유사한 데이터들의 평균 색상을 새로운 기준 색상 값으로 정하는 단계(S330)를 더 포함하는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 5 |
5
제4항에 있어서, 상기 단계 (3)은,(3-4) 상기 새로 정한 무게중심을 기준으로 윈도우 영역을 재지정하고, 상기 지정된 윈도우 영역 내에서 상기 새로 정한 기준 색상 값과 유사한 데이터들을 찾는 단계(S340)를 더 포함하는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 6 |
6
제5항에 있어서, 상기 단계 (3)은,(3-5) 상기 무게중심이 수렴할 때까지 단계 (3-1) 내지 단계 (3-4)의 작업을 반복하여 마지막에 얻은 데이터들의 평균 색상을 기준 색상 값으로 정하는 단계(S350)를 더 포함하는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 7 |
7
제6항에 있어서, 상기 단계 (3)은,(3-6) 상기 추출된 전경맵 영상의 다른 픽셀들도 단계 (3-1) 내지 (3-5)의 작업을 통해 각각의 기준 색상 값을 얻고, 각각의 기준 색상 값들 간의 유사도를 기준으로 상기 전경맵 영상을 N개의 군집으로 나누는 단계(S360)를 더 포함하는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 8 |
8
제1항에 있어서, 상기 단계 (5)에서,상기 위치 근접성 및 색상 유사성의 임계값을 미리 정할 수 있는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 9 |
9
제1항에 있어서, 상기 단계 (6)은,(6-1) 상기 각 컬러분포도의 군집 데이터들로부터 선형회귀함수를 계산하여 상기 군집 데이터들의 기울기를 구하고, 상기 각 컬러분포도의 군집 데이터들의 높이와 너비를 계산하여 데이터의 중심점, 타원의 장축 값 및 단축 값을 구하는 단계(S610)를 포함하는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 10 |
10
제9항에 있어서, 상기 단계 (6)은,(6-2) 상기 구한 기울기, 장축 값, 단축 값 및 중심점을 이용하여 상기 군집 데이터들을 포함하는 타원을 생성하는 단계(S620)를 더 포함하는 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 방법
|
| 11 |
11
적어도 하나 이상의 프로세서(100)와, 상기 프로세서(100)에 의한 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)에 있어서,상기 프로세서(100)는,컬러로 촬영된 원료영상을 입력받아,상기 입력받은 컬러 원료영상에서, 배경을 제거하여 전경맵 영상을 추출하고,상기 추출된 전경맵 영상을 Mean-Shift 군집화 알고리즘에 적용하여 상기 전경맵 영상을 N개의 군집으로 나누며,상기 나누어진 N개의 군집에서 가장 큰 군집을 seed 군집으로 선택하고,상기 선택된 seed 군집과 나머지 각 군집에 대해, 상기 seed 군집과 주변 군집 간의 위치 근접성, 및 상기 seed 군집의 대표 색상과 주변 군집의 대표 색상 간의 색상 유사성을 측정하여, 상기 위치 근접성 및 색상 유사성이 임계값 이하일 경우, 두 군집들을 병합하며,상기 병합된 군집 데이터를 RG/GB/BR의 2차원 컬러분포도로 변환하여 표현하고, 상기 각 컬러분포도의 군집 데이터를 기준으로 타원을 생성하여,상기 생성된 타원에 포함되는지 여부를 기준으로 원료의 양품과 불량품을 분류하도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
| 12 |
12
제11항에 있어서, 상기 프로세서(100)는,상기 추출된 전경맵 영상 내에서 임의의 시작 픽셀을 기준으로 윈도우 영역을 지정하도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
| 13 |
13
제12항에 있어서, 상기 프로세서(100)는,상기 시작 픽셀의 색상을 기준 색상 값으로 정하고, 상기 지정된 윈도우 영역 내에서 상기 시작 픽셀과 유사한 데이터들을 찾도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
| 14 |
14
제13항에 있어서, 상기 프로세서(100)는,상기 유사한 데이터들의 좌표평균을 새로운 무게중심으로 정하고, 상기 유사한 데이터들의 평균 색상을 새로운 기준 색상 값으로 정하도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
| 15 |
15
제14항에 있어서, 상기 프로세서(100)는,상기 새로 정한 무게중심을 기준으로 윈도우 영역을 재지정하고, 상기 지정된 윈도우 영역 내에서 상기 새로 정한 기준 색상 값과 유사한 데이터들을 찾도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
| 16 |
16
제15항에 있어서, 상기 프로세서(100)는,상기 무게중심이 수렴할 때까지 작업을 반복하여 마지막에 얻은 데이터들의 평균 색상을 기준 색상 값으로 정하도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
| 17 |
17
제16항에 있어서, 상기 프로세서(100)는,상기 추출된 전경맵 영상의 다른 픽셀들도 반복적인 작업을 통해 각각의 기준 색상 값을 얻고, 각각의 기준 색상 값들 간의 유사도를 기준으로 상기 전경맵 영상을 N개의 군집으로 나누도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
| 18 |
18
제11항에 있어서, 상기 프로세서(100)는,상기 위치 근접성 및 색상 유사성의 임계값을 미리 정할 수 있도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
| 19 |
19
제11항에 있어서, 상기 프로세서(100)는,상기 각 컬러분포도의 군집 데이터들로부터 선형회귀함수를 계산하여 상기 군집 데이터들의 기울기를 구하고, 상기 각 컬러분포도의 군집 데이터들의 높이와 너비를 계산하여 데이터의 중심점, 타원의 장축 값 및 단축 값을 구하도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
| 20 |
20
제19항에 있어서, 상기 프로세서(100)는,상기 구한 기울기, 장축 값, 단축 값 및 중심점을 이용하여 상기 군집 데이터들을 포함하는 타원을 생성하도록 구현된 것을 특징으로 하는, 컬러 영상에서 Mean-Shift 군집화와 단계별 병합 방법을 이용한 자동 원료 선별 장치(10)
|
