지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 임재열
- 발행연도
- 2023
- 저작권
- 한국기술교육대학교 논문은 저작권에 의해 보호받습니다.
이용수13
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
기존의 손금인식은 생명선, 두뇌선, 감정선과 같은 주선을 인식하는 것에 집중되어 있다. 그러나 손금은 주선 외에도 delta points, ridges, creases, minutiae feature, wrinkles 등이 있다. 이 논문에서는 이러한 부선을 인식하며, 주선과 부선을 모두 인식하기 위해 patch를 이용한 local mean을 고려해 영상처리 한다.
먼저, 영상의 이진화를 통해 손금영역과 배경 영역으로 구분한다. 배경과 손금의 색이 다른 점을 이용해 주선과 부선은 손금영역으로, 나머지 손바닥 영역은 배경 영역으로 이진화한다. Pixel mean과 Local Binary Mean을 threshold로 이용하는 방법을 이용해 영상을 이진화한다. 부선 검출을 향상시키기 위해 Local Binary Mean을 변형한 local mean을 제안하 였다. 그리고 local mean 주변값과 patch size를 조절해 영상을 이진화해 보며 적절한 threshold 값을 찾아내고자 하였다.
그리고 이와 같은 이진화 이미지를 이용해 isolation 제거, 모폴로지 연산을 통해 주선 인식 전 잡음을 줄이고, Hough transform, Labeling을 통해 주선을 인식해 보았다.
Local mean을 통해 주선과 부선을 두드러지게 추출할 수 있음을 알 수있었으며, Labeling 처리를 통해 대략적인 주선을 찾을 수 있었다.
먼저, 영상의 이진화를 통해 손금영역과 배경 영역으로 구분한다. 배경과 손금의 색이 다른 점을 이용해 주선과 부선은 손금영역으로, 나머지 손바닥 영역은 배경 영역으로 이진화한다. Pixel mean과 Local Binary Mean을 threshold로 이용하는 방법을 이용해 영상을 이진화한다. 부선 검출을 향상시키기 위해 Local Binary Mean을 변형한 local mean을 제안하 였다. 그리고 local mean 주변값과 patch size를 조절해 영상을 이진화해 보며 적절한 threshold 값을 찾아내고자 하였다.
그리고 이와 같은 이진화 이미지를 이용해 isolation 제거, 모폴로지 연산을 통해 주선 인식 전 잡음을 줄이고, Hough transform, Labeling을 통해 주선을 인식해 보았다.
Local mean을 통해 주선과 부선을 두드러지게 추출할 수 있음을 알 수있었으며, Labeling 처리를 통해 대략적인 주선을 찾을 수 있었다.
목차
제1장 서론 1제2장 본론 5제1절 Threshold를 이용한 영상의 이진화 51. Pixel mean을 이용한 영상의 이진화 52. Local binary mean을 이용한 영상의 이진화 7제2절 Local mean을 이용한 영상처리 111. Local mean 112. Local mean 값 변형 123. Pixel local mean threshold 19제3절 주선 인식을 위한 영상처리 211. Isolation 제거 212. 모폴로지 연산 24제4절 주선영역 인식 281. Labeling을 이용한 주선영역 인식 282. Hough transform을 이용한 주선영역 인식 36제3장 결론 38참고문헌 40Abstract 42
최근 본 자료
댓글(0)
0