1 |
1
(a) X선 이미지 획득부에서, 수하물의 X선 이미지를 획득하는 단계;(b) 불법 객체 검출부에서, 상기 수하물의 X선 이미지에서 불법 객체를 검출하는 단계;(c) 특징 추출부에서, 상기 검출된 불법 객체의 X선 이미지로부터 상기 불법 객체의 특징들을 추출하고 상기 특징들을 결합하여 특징 벡터를 형성하는 단계; 및(d) 불법 객체 분류부에서 상기 특징 벡터를 입력으로 하여 랜덤 포레스트 분류기(random forests classifier)를 사용하여 상기 불법 객체를 분류하는 단계를 포함하고,상기 특징 벡터를 형성하는 단계는,(c-1) 상기 검출된 불법 객체의 X선 이미지에 대해 컨투어렛 변환(contourlet transform)을 수행하여 변환 계수 맵을 획득하는 단계;(c-2) 상기 변환 계수 맵으로부터 타무라 텍스처 특징들(Tamura texture features)을 추출하는 단계;(c-3) 상기 검출된 불법 객체의 X선 이미지로부터 이미지 히스토그램 특징을 추출하는 단계; 및(c-4) 상기 타무라 텍스처 특징들(Tamura texture features)과 상기 이미지 히스토그램 특징을 결합하여 상기 특징 벡터를 형성하는 단계를 포함하고,상기 단계 (a) 이전에,상기 특징 추출부에서, 기지의 복수의 불법 객체의 X선 이미지로부터 타무라 텍스처 특징들과 이미지 히스토그램을 추출하고 추출된 타무라 텍스처 특징들과 이미지 히스토그램 특징을 결합하여 특징 벡터들을 추출하는 단계; 및상기 불법 객체 분류부에서, 상기 특징 벡터들에 기반하여 불법 객체를 분류하기 위한 상기 랜덤 포레스트 분류기용 분류 모델을 형성하는 단계를 더 포함하며,상기 타무라 텍스처 특징들은 상기 X선 이미지의 방향성(directionality), 상기 X선 이미지의 러프니스(roughness), 및 상기 X선 이미지의 명암(contrast)을 포함하고,상기 단계 (c-1)은,상기 검출된 불법 객체의 X선 이미지에 대해 라플라시안 피라미드(Laplacian pyramid)를 적용하여 상기 불법 객체의 X선 이미지를 저주파수 맵 및 고주파수 맵으로 분해하는 단계; 및방향성 필터 뱅크를 사용하여 상기 고주파수 맵을 방향성 분해하여 고주파수 서브-이미지를 획득하여 변환 계수 맵을 획득하는 단계를 포함하며,상기 X선 이미지의 러프니스(roughness)(Fcrs)는 하기 수학식에 의해 계산되고,,,M×N은 이미지의 크기이고, 이며, 는 위치 (i,j)에서 픽셀의 인텐시티 값을 나타내는, 컴퓨터 비전에 기반한 불법 객체 분류 방법
|
2 |
2
삭제
|
3 |
3
청구항 1에 있어서,상기 단계 (d)는,상기 불법 객체 분류부에서, 상기 특징 벡터를 상기 분류 모델에 적용하여 상기 불법 객체를 분류하는 단계를 포함하는, 컴퓨터 비전에 기반한 불법 객체 분류 방법
|
4 |
4
삭제
|
5 |
5
삭제
|
6 |
6
수하물의 X선 이미지를 획득하기 위한 X선 이미지 획득부;상기 수하물의 X선 이미지에서 불법 객체를 검출하기 위한 불법 객체 검출부;상기 검출된 불법 객체의 X선 이미지로부터 상기 불법 객체의 특징들을 추출하고 상기 특징들을 결합하여 특징 벡터를 형성하기 위한 특징 추출부; 및상기 특징 벡터를 입력으로 하여 랜덤 포레스트 분류기(random forests classifier)를 사용하여 상기 불법 객체를 분류하기 위한 불법 객체 분류부를 포함하고,상기 특징 추출부는,상기 검출된 불법 객체의 X선 이미지에 대해 컨투어렛 변환(contourlet transform)을 수행하여 변환 계수 맵을 획득하는 동작;상기 변환 계수 맵으로부터 타무라 텍스처 특징들(Tamura texture features)을 추출하는 동작;상기 검출된 불법 객체의 X선 이미지로부터 이미지 히스토그램 특징을 추출하는 동작; 및상기 타무라 텍스처 특징들(Tamura texture features)과 상기 이미지 히스토그램 특징을 결합하여 상기 특징 벡터를 형성하는 동작을 수행하고,상기 불법 객체 분류부가 불법 객체를 분류하는 동작을 수행하기 이전에,상기 특징 추출부는 기지의 복수의 불법 객체의 X선 이미지로부터 타무라 텍스처 특징들과 이미지 히스토그램을 추출하고 추출된 타무라 텍스처 특징들과 이미지 히스토그램 특징을 결합하여 특징 벡터들을 추출하는 동작을 더 수행하며,상기 불법 객체 분류부는 상기 특징 벡터들에 기반하여 불법 객체를 분류하기 위한 상기 랜덤 포레스트 분류기용 분류 모델을 형성하는 동작을 더 수행하고,상기 타무라 텍스처 특징들은 상기 X선 이미지의 방향성(directionality), 상기 X선 이미지의 러프니스(roughness), 및 상기 X선 이미지의 명암(contrast)을 포함하며,상기 검출된 불법 객체의 X선 이미지에 대해 컨투어렛 변환(contourlet transform)을 수행하여 변환 계수 맵을 획득하는 동작은,상기 검출된 불법 객체의 X선 이미지에 대해 라플라시안 피라미드(Laplacian pyramid)를 적용하여 상기 불법 객체의 X선 이미지를 저주파수 맵 및 고주파수 맵으로 분해하는 동작; 및방향성 필터 뱅크를 사용하여 상기 고주파수 맵을 방향성 분해하여 고주파수 서브-이미지를 획득하여 변환 계수 맵을 획득하는 동작을 포함하고,상기 X선 이미지의 러프니스(roughness)(Fcrs)는 하기 수학식에 의해 계산되고,,,M×N은 이미지의 크기이고, 이며, 는 위치 (i,j)에서 픽셀의 인텐시티 값을 나타내는, 컴퓨터 비전에 기반한 불법 객체 분류 시스템
|
7 |
7
삭제
|
8 |
8
청구항 6에 있어서,상기 불법 객체 분류부는, 상기 특징 벡터를 상기 분류 모델에 적용하여 상기 불법 객체를 분류하는, 컴퓨터 비전에 기반한 불법 객체 분류 시스템
|
9 |
9
삭제
|
10 |
10
삭제
|