| 1 |
1
(a) 갱내 촬영 이미지들을 통해 갱 내부 분석대상 영역에 대해 하나의 3D 메쉬(mesh)와 다수 조각의 패치(patch)들로 구성된 2D 텍스쳐(texture)와 UV 맵핑(mapping)을 생성하여 분석대상 영역에 대한 3D 모델을 생성하는 단계;(b) 상기 3D 모델의 패치들에 대해 UV 맵핑(mapping)을 재생성하여 분석대상 영역을 하나의 통합 패치로 만들어 텍스쳐를 재구성하는 단계; 및(c) 상기 통합 패치에 대해 적어도 하나 이상의 암색을 트레이닝 샘플(training sample)로 정의하여 영상에 대한 감독분류(supervised learning)를 수행하며 감독분류에 따른 예측 모델을 이용해 텍스쳐를 암색으로 분류하여 암상 분석을 수행하는 단계; 를 포함하며, 상기 (a) 단계의 촬영 이미지들은 중첩된 상태로 촬영되는 것을 특징으로 하는 디지털 사진 자료를 이용한 암상 분석 방법
|
| 2 |
2
삭제
|
| 3 |
3
제 1항에 있어서, 상기 (a) 단계는, (a-1) 상기 촬영 이미지들을 정렬하고 로컬 좌표값을 생성하는 단계;(a-2) 정렬된 촬영 이미지들로부터 분석대상 영역에 대해 포인트 클라우드(point cloud) 생성을 통해 각 노드에 위치좌표를 부여한 3D 메쉬를 생성하는 단계;(a-3) 분석대상 영역을 텍스쳐 좌표를 가진 다수 조각의 패치들로 분할하여 2D 텍스쳐를 생성하는 단계; 및 (a-4) 상기 3D 메쉬와 2D 텍스쳐를 조합하여 분석대상 영역에 대한 3D 모델을 생성하는 단계; 를 포함하는 것을 특징으로 하는 디지털 사진 자료를 이용한 암상 분석 방법
|
| 4 |
4
제 1항에 있어서, 상기 (b) 단계에서 3D 메쉬의 영역은 심라인(seam line)에 의해 구획되며 각 영역은 하나의 통합 패치로 연결되어 텍스쳐가 하나의 통합 패치로 재구성되는 것을 특징으로 하는 디지털 사진 자료를 이용한 암상 분석 방법
|
| 5 |
5
제 1항에 있어서, 상기 (c) 단계에서 감독분류는 서포트 벡터 머신(support vector machine), 랜덤 포레스트(random forest) 및 인공신경망 분석(artificial neural network) 중 적어도 하나에 상응하는 이미지 분류 기계학습 알고리즘이 활용되는 것을 특징으로 하는 디지털 사진 자료를 이용한 암상 분석 방법
|
| 6 |
6
제 1항에 있어서, (d) 메시와 텍스쳐로 이루어진 3D 모델을 지질모델링 소프트웨어에 입력하여, 상기 (a) 단계의 3D 메쉬를 서페이스(surface object)로 변환하고 상기 (b) 단계의 재구성된 텍스쳐를 복셋(voxet object)으로 변환하며, 상기 서페이스의 로컬 좌표값을 지도 좌표값으로 변환하여 서페이스에 지도 좌표를 부여하는 단계; 및 (e) 상기 서페이스와 복셋을 점군(pointset) 자료로 변환하고 변환된 점군 자료의 암색 코드를 암상 정보로 정의하여 암상 시뮬레이션을 수행해 암종 정보를 활용하는 단계; 를 더 포함하는 것을 특징으로 하는 디지털 사진 자료를 이용한 암상 분석 방법
|
| 7 |
7
제 1항, 제 3항 내지 제 6항에 기재된 방법 중 어느 하나를 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
|
