1 |
1
통신망과 연동하여 송수신 신호를 패킷 데이터 형태로 제공하기 위한 통신 인터페이스를 제공하는 통신 모듈; 상기 통신 모듈을 통해 작전 환경 영상과 위장무늬 영상이 수신되면, 인공 지능 기반의 위장 성능 평가 알고리즘을 수행하여 상기 작전 환경 영상과 위장무늬 영상 간의 유사도를 분석하여 작전 환경에서의 위장 무늬에 대한 위장 성능의 평가 결과를 제공하는 위장무늬 평가모듈; 및 상기 위장무늬 평가모듈에서 산출된 위장 성능의 평가 결과에 대한 정량적 위장성능 산출값을 도출하여 제공하는 프로세서를 포함하되, 상기 인공 지능 기반의 위장 성능 평가 알고리즘은, 상기 작전 환경 영상과 위장무늬 영상에 대한 특징 정보를 추출하여, 상기 추출된 특징 정보에 기반하여 상기 작전 환경 영상과 위장 무늬 영상 간의 색상, 패턴 또는 구조에 대한 유사도를 분석하는 것인, 영상 분석 기반의 위장 무늬 평가 시스템
|
2 |
2
제1항에 있어서,상기 위장무늬 평가모듈은, 상기 작전 환경 영상과 위장무늬 영상이 각각 입력되는 영상 입력부;상기 작전 환경 영상과 위장무늬 영상에 대한 보정 및 정규화를 통해 전처리하는 영상 전처리부;상기 영상 전처리부에서 전처리된 작전 환경 영상과 위장무늬 영상 간의 색상, 패턴, 구조에 대한 유사도를 각각 분석하는 유사도 분석부; 및상기 유사도 분석부에서 분석된 작전 환경 영상과 위장무늬 영상 간의 색상, 패턴, 구조에 대한 각 유사도를 평균한 후 가중치 합을 계산하여 위장성능의 평가 결과를 제공하는 결과 제공부를 포함하는 것인, 영상 분석 기반의 위장 무늬 평가 시스템
|
3 |
3
제2항에 있어서,상기 유사도 분석부는,상기 작전 환경 영상과 위장무늬 영상 간의 각 화소에 대한 색상 비교를 통해 색상 유사도를 산출하는 색상 유사도 분석부;상기 작전 환경 영상과 위장무늬 영상 간의 각 공간 내 색상 분포를 비교하여 패턴 유사도를 산출하는 패턴 유사도 분석부; 및딥러닝 기반의 객체 인식 알고리즘을 이용하여 상기 작전 환경 영상과 위장무늬 영상 간의 구조적 특징 벡터를 추출하고, 상기 추출된 각 영상의 구조적 특징 벡터에 대한 구조 유사도를 산출하는 구조 유사도 분석부를 포함하는 것인, 영상 분석 기반의 위장 무늬 평가 시스템
|
4 |
4
제1항에 있어서,상기 위장무늬 평가모듈은,슬라이딩 윈도우 기법을 이용하여 상기 작전 환경 영상 전체를 스캔하고, 각 슬라이딩 윈도우마다 작전 환경 영상과 위장무늬 영상 간의 유사도를 계산하는 것인, 영상 분석 기반의 위장 무늬 평가 시스템
|
5 |
5
제4항에 있어서,상기 위장무늬 평가모듈은,기 설정된 증가분 또는 감소분에 따라 상기 슬라이딩 윈도우의 크기를 변경하면서 각 슬라이딩 윈도우마다 작전 환경 영상과 위장무늬 영상 간의 유사도를 계산하는 과정을 반복하는 것인, 영상 분석 기반의 위장 무늬 평가 시스템
|
6 |
6
영상 분석을 수행하는 시스템에 의해 수행되는 영상 분석 기반의 위장 무늬 평가 방법에 있어서, a) 작전 환경 영상과 위장무늬 영상이 수신되면, 상기 작전 환경 영상과 위장무늬 영상에 대한 보정 및 정규화를 통해 전처리를 수행하는 단계;b) 인공 지능 기반의 위장 성능 평가 알고리즘을 통해 상기 작전 환경 영상과 위장무늬 영상 간의 유사도를 분석하는 단계;c) 작전 환경에서의 위장 무늬에 대한 위장 성능의 평가 결과에 대한 정량적 위장성능 산출값을 도출하여 제공하는 단계를 포함하되, 상기 인공 지능 기반의 위장 성능 평가 알고리즘은, 상기 작전 환경 영상과 위장무늬 영상에 대한 특징 정보를 추출하여, 상기 추출된 특징 정보에 기반하여 상기 작전 환경 영상과 위장 무늬 영상 간의 색상, 패턴 또는 구조에 대한 유사도를 분석하는 것인, 영상 분석 기반의 위장 무늬 평가 방법
|
7 |
7
제6항에 있어서,상기 a) 단계는, RGB 색 공간 데이터로 표현된 상기 작전 환경 영상과 위장무늬 영상을 XYZ 색공간 데이터로 변환하는 단계; 및 상기 변환된 XYZ 색공간 데이터를 Lab 색공간 데이터로 변환하는 단계를 포함하는 것인, 영상 분석 기반의 위장 무늬 평가 방법
|
8 |
8
제6항에 있어서,상기 b) 단계는, 상기 작전 환경 영상과 위장무늬 영상 간의 각 화소에 대한 색상 비교를 통해 색상 유사도를 산출하는 색상 유사도 분석 단계;상기 작전 환경 영상과 위장무늬 영상 간의 각 공간 내 색상 분포를 비교하여 패턴 유사도를 산출하는 패턴 유사도 분석 단계; 및딥러닝 기반의 객체 인식 알고리즘을 이용하여 상기 작전 환경 영상과 위장무늬 영상 간의 구조적 특징 벡터를 추출하고, 상기 추출된 각 영상의 구조적 특징 벡터에 대한 구조 유사도를 산출하는 구조 유사도 분석 단계를 포함하는 것인, 영상 분석 기반의 위장 무늬 평가 방법
|
9 |
9
제8항에 있어서,상기 색상 유사도 분석 단계는,RGB 색 공간 데이터로 표현된 상기 작전 환경 영상과 위장무늬 영상을 Lab 색공간 데이터로 변환한 후 Lab 색공간에서의 상기 작전 환경 영상과 위장무늬 영상 간에 매칭되는 화소간 기 설정된 색차식에 기초하여 색차를 계산하여 색상 유사도를 측정하는 것인, 영상 분석 기반의 위장 무늬 평가 방법
|
10 |
10
제8항에 있어서,상기 패턴 유사도 분석 단계는,구조적 유사 지수 측정을 위한 SSIM, MSSIM(Multiple Structural Similarity Index Measure) 중 어느 하나의 인덱스를 이용하여 상기 작전 환경 영상 대비 위장무늬 영상의 색상 분포 반영 정도를 측정하는 것인, 영상 분석 기반의 위장 무늬 평가 방법
|
11 |
11
제8항에 있어서,상기 구조 유사도 분석 단계에서 딥러닝 기반의 객체 인식 알고리즘은 VGGNET, ResNET을 포함한 CNN을 이용하고,상기 딥러닝 기반의 객체 인식 알고리즘은 상기 작전 환경 영상과 위장 무늬 영상에 대한 특징맵을 각각 추출하고, 상기 추출된 각 특징맵을 푸로베니우스 놈(Frobenius norm)을 통해 비교하여 상기 작전 환경 영상과 위장무늬 영상 간 구조 유사도를 측정하는 것인, 영상 분석 기반의 위장 무늬 평가 방법
|
12 |
12
제6항에 있어서,상기 c) 단계는,상기 위장 성능의 평가 결과의 색상, 패턴 또는 구조에 대한 각각의 유사도에 기 설정된 가중치를 곱한 후, 상기 가중치를 곱한 각각의 유사도를 모두 합산하여 정량적 위장성능 산출값을 도출하여 제공하는 것인, 영상 분석 기반의 위장 무늬 평가 방법
|