KR20180112277A - 이미지 프로세싱을 이용한 녹조 측정 장치 및 방법 - Google Patents
이미지 프로세싱을 이용한 녹조 측정 장치 및 방법 Download PDFInfo
- Publication number
- KR20180112277A KR20180112277A KR1020170042961A KR20170042961A KR20180112277A KR 20180112277 A KR20180112277 A KR 20180112277A KR 1020170042961 A KR1020170042961 A KR 1020170042961A KR 20170042961 A KR20170042961 A KR 20170042961A KR 20180112277 A KR20180112277 A KR 20180112277A
- Authority
- KR
- South Korea
- Prior art keywords
- greenhouse
- image
- green
- concentration
- greenhouse concentration
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 title abstract description 13
- 241000192710 Microcystis aeruginosa Species 0.000 title 1
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 235000015440 Berlandiera lyrata Nutrition 0.000 description 3
- 241000831576 Chlorophthalmus acutifrons Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/29—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using visual detection
- G01N21/293—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using visual detection with colour charts, graduated scales or turrets
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1826—Organic contamination in water
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
실시예들은 카메라로부터 녹조 영상을 획득하는 녹조 영상 획득부, 획득한 녹조 영상의 일 부분을 선택하여 녹조 부분 영상을 획득하는 녹조 영상 편집부, 선택된 녹조 부분 영상에대한 RGB(Red-Green-Blue) 평균값을 계산하는 RGB 계산부 및 계산된 RGB 평균값을 녹조 농도 레퍼런스 테이블에 적용하여 녹조 영상의 녹조 농도를 추정하는 녹조 농도 추정부를 포함하는 이미지 프로세싱을 이용한 녹조 측정 장치 및 이를 이용한 녹조 측정 방법에 관련된다.
Description
본 발명은 녹조 측정 장치 및 방법에 관한 것으로, 더욱 구체적으로는 이미지 프로세싱과 색차식를 이용한 녹조 측정 장치 및 방법에 관련된다.
[과제정보]
국토교통과학기술진흥원
과제명 : 2016 국토교통기술촉진연구사업
과제번호 : 20162180001
국내 하천관리는 크게 자연적, 정책적, 사회적 측면을 고려하여 관리계획이 수립되어 있다. 이는 적절한 범위 및 대상, 주체 및 조직 등을 기준으로 나뉘어져 있다. 또한 하천은 국가하천, 지방1급 하천, 지방2급 하천의 3등급으로 구분하여 등급별로 하천의 시종점을 일괄적으로 계획정비하고 있으며 행정구역별로 지자체에서 관리하고 있다.
하천과 관련된 조사 및 관측체계는 생공용수, 농업용수, 지하수, 수질, 수량별 구분에 따라 국토교통부, 환경부, K-Water, 기상청 등으로 다원화되었으며, 이러한 체계로 인하여 수리수문자료의 조사 관측에 있어 일관성이나 통일성이 미흡하고 자료 관리의 효율성이 낮은 문제가 있다. 우리나라 하천의 생태적 특성을 고려한 "하천 건전성 확보"라는 분야의 최종목표 달성을 위해서는 기존의 고전적 하천관리 체계와 더불어 시공간적 제한을 뛰어넘는 새로운 개념의 하천환경 관리체계가 필요한 실정이다.
또한 최근 녹조 현상이 빈번히 발생하고 있어 이에 대한 대처가 필요하다. 현재 녹조 현상이 발생된 지역에 대한 판단은 전문가의 판단에 맡겨져 있어 시간과 비용이 많이 소모되는 문제가 있다.
본 발명은 위와 같은 문제를 해결하기 위해서, 촬영된 영상을 기초로 녹조 현상의 발생 여부 및 녹조 농도를 측정할 수 있는 장치 및 방법을 제안한다.
본 발명의 기술적 과제는 이상에서 언급한 것들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제는 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 이미지 프로세싱을 이용한 녹조 측정 장치는 카메라로부터 녹조 영상을 획득하는 녹조 영상 획득부, 획득한 녹조 영상의 일 부분을 선택하여 녹조 부분 영상을 획득하는 녹조 영상 편집부, 선택된 녹조 부분 영상에대한 RGB(Red-Green-Blue) 평균값을 계산하는 RGB 계산부 및 계산된 RGB 평균값을 녹조 농도 레퍼런스 테이블에 적용하여 녹조 영상의 녹조 농도를 추정하는 녹조 농도 추정부를 포함할 수 있다.
일 실시예에 있어서, 상기 녹조 농도 레퍼런스 테이블을 저장하는 데이터베이스를 더 포함하되, 상기 녹조 농도 레퍼런스 테이블은 녹조 농도와 녹조 농도에 대응하는 레퍼런스 색을 녹조 농도 변화에 따라 순차적으로 나열한 것일 수 있다.
일 실시예에 있어서, 상기 녹조 농도 추정부는, 계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 계산하고, 계산된 색차가 가장 작은 레퍼런스 색의 녹조 농도를 상기 녹조 영상의 녹조 농도로 추정할 수 있다.
일 실시예에 있어서, 상기 녹조 농도 추정부는, 계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 CIEDE2000 색차식을 이용하여 계산할 수 있다.
일 실시예에 있어서, 상기 녹조 부분 영상은, 획득한 녹조 영상에서 녹색 성분의 밀도가 가장 높은 부분을 포함할 수 있다.
본 발명의 일 실시예에 따른 이미지 프로세싱을 이용한 녹조 측정 방법은 녹조가 발생된 부분을 촬영한 녹조 영상을 획득하는 단계, 획득한 녹조 영상의 일 부분을 선택하여 녹조 부분 영상을 획득하는 단계, 선택된 녹조 부분 영상에대한 RGB(Red-Green-Blue) 평균값을 계산하는 단계 및 계산된 RGB 평균값을 녹조 농도 레퍼런스 테이블에 적용하여 녹조 영상의 녹조 농도를 추정하는 단계를 포함한다.
일 실시예에 있어서, 녹조 농도 레퍼런스 테이블은 녹조 농도와 녹조 농도에 대응하는 레퍼런스 색을 녹조 농도 변화에 따라 순차적으로 나열한 것일 수 있다.
일 실시예에 있어서, 녹조 농도를 추정하는 단계는, 계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 계산하고, 계산된 색차가 가장 작은 레퍼런스 색의 녹조 농도를 상기 녹조 영상의 녹조 농도로 추정할 수 있다.
일 실시예에 있어서, 녹조 농도를 추정하는 단계는, 계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 CIEDE2000 색차식을 이용하여 계산할 수 있다.
일 실시예에 있어서, 상기 녹조 부분 영상은, 획득한 녹조 영상에서 녹색 성분의 밀도가 가장 높은 부분을 포함할 수 있다.
본 발명의 일 실시예에 따르면 녹조에서 발생되는 클로로필과 빛(광도)의 차이에 따른 이미지를 촬영하여 신뢰도 90%이상(실측자료 대비)의 녹조 농도 및 발생지점 예측 시스템의 구현이 가능하다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 이미지 프로세싱을 이용한 녹조 측정 장치의 블록도이다.
도 2는 본 발명의 일 실시예에 따라서 녹조 영상에서 녹조 부분 영상을 획득하는 과정을 나타낸다.
도 3은 본 발명의 일 실시예에 따라 녹조 부분 영상(11)에 대하여 RGB 평균영상을 생성하는 과정을 나타내는 도이다.
도 4는 본 발명의 일 실시예에 따른 녹조 농도 레퍼런스 테이블을 나타낸다.
도 5는 본 발명의 일 실시예에 따라 녹조 농도 레퍼런스 테이블에서 색차식을 이용하여 녹조 농도를 추정하는 과정을 나타내는 도이다.
도 6 내지 도 9는 본 발명의 일 실시예에 따라 녹조 농도 레퍼런스 테이블 생성 및 이를 이용한 녹조 농도 추정이 프로그램 상에서 구현되는 사용자 인터페이스를 나타낸다.
도 10은 본 발명의 일 실시예에 따른 이미지 프로세싱을 이용한 녹조 측정 방법의 순서도이다.
도 2는 본 발명의 일 실시예에 따라서 녹조 영상에서 녹조 부분 영상을 획득하는 과정을 나타낸다.
도 3은 본 발명의 일 실시예에 따라 녹조 부분 영상(11)에 대하여 RGB 평균영상을 생성하는 과정을 나타내는 도이다.
도 4는 본 발명의 일 실시예에 따른 녹조 농도 레퍼런스 테이블을 나타낸다.
도 5는 본 발명의 일 실시예에 따라 녹조 농도 레퍼런스 테이블에서 색차식을 이용하여 녹조 농도를 추정하는 과정을 나타내는 도이다.
도 6 내지 도 9는 본 발명의 일 실시예에 따라 녹조 농도 레퍼런스 테이블 생성 및 이를 이용한 녹조 농도 추정이 프로그램 상에서 구현되는 사용자 인터페이스를 나타낸다.
도 10은 본 발명의 일 실시예에 따른 이미지 프로세싱을 이용한 녹조 측정 방법의 순서도이다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.
본 명세서에 기술된 실시예는 전적으로 하드웨어이거나, 부분적으로 하드웨어이고 부분적으로 소프트웨어이거나, 또는 전적으로 소프트웨어인 측면을 가질 수 있다. 본 명세서에서 "부(unit)", "모듈(module)", "장치" 또는 "시스템" 등은 하드웨어, 하드웨어와 소프트웨어의 조합, 또는 소프트웨어 등 컴퓨터 관련 엔티티(entity)를 지칭한다. 예를 들어, 본 명세서에서 부, 모듈, 장치 또는 시스템 등은 실행중인 프로세스, 프로세서, 객체(object), 실행 파일(executable), 실행 스레드(thread of execution), 프로그램(program), 및/또는 컴퓨터(computer)일 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 컴퓨터에서 실행중인 애플리케이션(application) 및 컴퓨터의 양쪽이 모두 본 명세서의 부, 모듈, 장치 또는 시스템 등에 해당할 수 있다.
실시예들이 도면에 제시된 순서도를 참조로 하여 설명되었다. 간단히 설명하기 위하여 상기 방법은 일련의 블록들로 도시되고 설명되었으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 다른 블록들과 본 명세서에서 도시되고 기술된 것과 상이한 순서로 또는 동시에 일어날 수도 있으며, 동일한 또는 유사한 결과를 달성하는 다양한 다른 분기, 흐름 경로, 및 블록의 순서들이 구현될 수 있다. 또한, 본 명세서에서 기술되는 방법의 구현을 위하여 도시된 모든 블록들이 요구되지 않을 수도 있다. 나아가, 본 발명의 일 실시예에 따른 방법은 일련의 과정들을 수행하기 위한 컴퓨터 프로그램의 형태로 구현될 수도 있으며, 상기 컴퓨터 프로그램은 컴퓨터로 판독 가능한 기록 매체에 기록될 수도 있다.
이하에서, 도면을 참조하여 본 발명의 실시예들에 대하여 상세히 살펴본다.
도 1은 본 발명의 일 실시예에 따른 이미지 프로세싱을 이용한 녹조 측정 장치의 블록도이다. 도 1을 참조하면 이미지 프로세싱을 이용한 녹조 측정 장치(100)는 녹조 영상 획득부(110), 녹조 영상 편집부(120), RGB(Red-Green-Blue) 계산부(130) 및 녹조 농도 추정부(140)를 포함할 수 있다. 다른 일 실시예에서는 이미지 프로세싱을 이용한 녹조 측정 장치(100)는 데이터베이스(150)를 더 포함할 수도 있다.
녹조 영상 획득부(110)는 카메라로부터 녹조 영상을 획득할 수 있다. 일 실시예에서 녹조 영상 획득부(110)는 카메라를 포함할 수도 있다. 또한 녹조 영상 획득부(110)는 카메라로부터 직접 또는 간접적으로 녹조 영상을 획득할 수 있다. 예컨대 비행체에 카메라가 설치되고, 비행체에 구비된 통신 모듈을 통해 녹조 영상 획득부(110)는 녹조 영상을 수신할 수도 있다. 카메라에의해 촬영되는 녹조 영상은 컬러 영상일 수 있다. 카메라는 CCD 카메라, 컬러깊이카메라 등 임의의 카메라가 이용될 수 있다.
도 2는 본 발명의 일 실시예에 따라서 녹조 영상에서 녹조 부분 영상을 획득하는 과정을 나타낸다. 도 2를 참조하면 녹조 영상 편집부(120)는 획득한 녹조 영상(10)의 일 부분을 선택하여 녹조 부분 영상(11)을 획득할 수 있다. 녹조 영상 편집부(120)는 녹조 영상(10)의 일 부분을 잘라서 녹조 부분 영상을 획득할 수 있다. 녹조 부분 영상을 획득하는 이유는, 녹조 영상에서 녹조 농도를 측정하기 위해 유의미한 부분을 선택적으로 필터링하기 위함이다. 일 실시예에서 녹조 부분 영상(11)은, 획득한 녹조 영상에서 녹색 성분의 밀도가 가장 높은 부분을 포함할 수 있다. 녹조 부분 영상(11)은 사용자에의해 선택되거나, 녹색 성분의 분포를 기초로 결정될 수도 있다.
도 3은 본 발명의 일 실시예에 따라 녹조 부분 영상(11)에 대하여 RGB 평균영상을 생성하는 과정을 나타내는 도이다. 도 3을 참조하면 RGB 계산부(130)는 선택된 녹조 부분 영상(11)에대한 RGB(Red-Green-Blue) 평균값을 계산할 수 있다. 도 3에서 영상(12)는 계산된 RGB 평균값을 갖는다. 구체적으로 RGB 평균값을 순차적으로 약 99.525, 104.160, 75.759와 같이 나타난다.
녹조 농도 추정부(140)는 계산된 RGB 평균값을 녹조 농도 레퍼런스 테이블에 적용하여 녹조 영상의 녹조 농도를 추정할 수 있다. 여기서 녹조 농도 레퍼런스 테이블은 데이터베이스(15)에 저장될 수 있다.
도 4는 본 발명의 일 실시예에 따른 녹조 농도 레퍼런스 테이블을 나타낸다. 도 4를 참조하면 녹조 농도 레퍼런스 테이블은 녹조 농도와 녹조 농도에 대응하는 레퍼런스 색을 녹조 농도 변화에 따라 순차적으로 나열하여 구성된다. 레퍼런스 색과 녹조 농도를 실험을 통해 산출된 결과를 이용한다.
도 4에서, 녹조 농도 최저치를 1.099로 가정하고 최대치를 100으로 가정한다. 그리고 각 녹조 농도 최저치와 최대치에 대응되는 RGB값을 규정하고 한다. 따라서 녹조 농도에 따라 녹조 색이 그라데이션되어 나타난다.
녹조 농도 추정부(140)는 녹조 부분 영상(11)에 대하여 획득한 평균 RGB값을 도 4에 도시된 녹조 농도 레퍼런스 테이블에 적용하여 획득한 평균 RGB값에 가장 가까운 위치를 결정하고, 그 위치에 해당되는 녹조 농도를 해당 녹조 부분 영상의 녹조 농도로 추정할 수 있다.
도 5는 본 발명의 일 실시예에 따라 녹조 농도 레퍼런스 테이블에서 색차식을 이용하여 녹조 농도를 추정하는 과정을 나타내는 도이다. 도 5를 참조하면 녹조 농도 추정부(140)는 계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 계산하고, 계산된 색차가 가장 작은 레퍼런스 색의 녹조 농도를 상기 녹조 영상의 녹조 농도로 추정할 수 있다. 구체적으로 녹조 농도 추정부(140)는 RGB 평균값과 도 4에 도시된 각 레퍼런스 색에 대응되는 RGB값에 색차식을 적용하여 색차를 계산할 수 있다. 색차 계산은 CIEDE2000이 이용될 수 있다. 녹조 농도 추정부(140)는 녹조 영상의 평균 RGB값과 색차가 가장 적은 색을 결정하고, 결정된 색의 녹조 농도를 녹조 영상의 녹조 농도로 추정할 수 있다.
도 6 내지 도 9는 본 발명의 일 실시예에 따라 녹조 농도 레퍼런스 테이블 생성 및 이를 이용한 녹조 농도 추정이 프로그램 상에서 구현되는 사용자 인터페이스를 나타낸다.
도 6을 참조하면 실험자는 최소 농도의 녹조색(61)의 RGB 값을 정하고 해당 농도의 값을 1로 지정한다. 또한 실험자는 최대 농도의 녹조색(62)의 RGB값을 정하고 해당 농도의 값을 100으로 지정한다. 이에 따라서 녹조 농도 레퍼런스 테이블 생성기(미도시)는 녹조 농도 1부터 100까지에 대한 녹조 색을 생성할 수 있다. 그 결과 도 6에 도시된 바와 같이 녹조 색이 그라데이션으로 나타난다.
도 7을 참조하면 사용자는 녹조 영상의 일 부분을 선택하여 선택 부분을 자를 수 있다. RGB 계산부(130)는 선택된 녹조 부분 영상의 RGB값을 계산하고, 그 평균값도 계산할 수 있다.
도 8을 참조하면 사용자는 녹조 부분 영상을 자르고 나서, 실행버튼(82)을 선택할 수 있다. 그 결과 해당 녹조 부분 영상에 대한 분석이 시작되고 그 과정이 상태바(81)에 도시될 수 있다. 사용자는 결과탭(83)을 선택하여 분석 결과를 확인할 수 있다.
도 9를 참조하면 결과탭(83)이 선택되어 나타난 결과 화면을 나타낸다. 도 9의 결과표시영역(91)은 레퍼런스 테이블의 각 레퍼런스 색과의 색차이값을 나타낸다. 녹조 농도 추청부(130)는 색차가 가장 적은 레퍼런스 색을 결정하고, 결정된 레퍼런스 색에 대응되는 녹조 농도를 녹조 영상의 녹조 농도로 결정할 수 있다.
도 10은 본 발명의 일 실시예에 따른 이미지 프로세싱을 이용한 녹조 측정 방법의 순서도이다. 도 10을 참조하면 녹조가 발생된 부분을 촬영한 녹조 영상을 획득하는 단계(S100), 획득한 녹조 영상의 일 부분을 선택하여 녹조 부분 영상을 획득하는 단계(S200), 선택된 녹조 부분 영상에대한 RGB(Red-Green-Blue) 평균값을 계산하는 단계(S300) 및 계산된 RGB 평균값을 녹조 농도 레퍼런스 테이블에 적용하여 녹조 영상의 녹조 농도를 추정하는 단계를 포함할 수 있다.
일 실시예에 있어서 녹조 농도 레퍼런스 테이블은 녹조 농도와 녹조 농도에 대응하는 레퍼런스 색을 녹조 농도 변화에 따라 순차적으로 나열한 것일 수 있다. 또한 녹조 농도를 추정하는 단계(S400)는, 계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 계산하고, 계산된 색차가 가장 작은 레퍼런스 색의 녹조 농도를 상기 녹조 영상의 녹조 농도로 추정할 수 있다. 또한 녹조 농도를 추정하는 단계(S400)는 계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 CIEDE2000 색차식을 이용하여 계산할 수도 있다.
본 발명의 일 실시예에 따른 컴퓨터로 판독 가능한 기록매체는, 상술한 미지 프로세싱을 이용한 녹조 측정 방법을 실행하기 위한 명령을 저장할 수도 있다.
이상에서 살펴본 본 발명은 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.
Claims (10)
- 카메라로부터 녹조 영상을 획득하는 녹조 영상 획득부;
획득한 녹조 영상의 일 부분을 선택하여 녹조 부분 영상을 획득하는 녹조 영상 편집부;
선택된 녹조 부분 영상에대한 RGB(Red-Green-Blue) 평균값을 계산하는 RGB 계산부; 및
계산된 RGB 평균값을 녹조 농도 레퍼런스 테이블에 적용하여 녹조 영상의 녹조 농도를 추정하는 녹조 농도 추정부를 포함하는 이미지 프로세싱을 이용한 녹조 측정 장치.
- 제1항에 있어서,
상기 녹조 농도 레퍼런스 테이블을 저장하는 데이터베이스를 더 포함하되,
상기 녹조 농도 레퍼런스 테이블은 녹조 농도와 녹조 농도에 대응하는 레퍼런스 색을 녹조 농도 변화에 따라 순차적으로 나열한 것을 특징으로 하는 이미지 프로세싱을 이용한 녹조 측정 장치.
- 제2항에 있어서,
상기 녹조 농도 추정부는,
계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 계산하고, 계산된 색차가 가장 작은 레퍼런스 색의 녹조 농도를 상기 녹조 영상의 녹조 농도로 추정하는 것을 특징으로 하는 이미지 프로세싱을 이용한 녹조 측정 장치.
- 제3항에 있어서,
상기 녹조 농도 추정부는,
계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 CIEDE2000 색차식을 이용하여 계산하는 것을 특징으로 하는 이미지 프로세싱을 이용한 녹조 측정 장치.
- 제1항에 있어서,
상기 녹조 부분 영상은, 획득한 녹조 영상에서 녹색 성분의 밀도가 가장 높은 부분을 포함하는 것을 특징으로 하는 이미지 프로세싱을 이용한 녹조 측정 장치.
- 녹조가 발생된 부분을 촬영한 녹조 영상을 획득하는 단계;
획득한 녹조 영상의 일 부분을 선택하여 녹조 부분 영상을 획득하는 단계;
선택된 녹조 부분 영상에대한 RGB(Red-Green-Blue) 평균값을 계산하는 단계; 및
계산된 RGB 평균값을 녹조 농도 레퍼런스 테이블에 적용하여 녹조 영상의 녹조 농도를 추정하는 단계를 포함하는 이미지 프로세싱을 이용한 녹조 측정 방법.
- 제6항에 있어서,
상기 녹조 농도 레퍼런스 테이블은 녹조 농도와 녹조 농도에 대응하는 레퍼런스 색을 녹조 농도 변화에 따라 순차적으로 나열한 것을 특징으로 하는 이미지 프로세싱을 이용한 녹조 측정 방법.
- 제7항에 있어서,
상기 녹조 농도를 추정하는 단계는,
계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 계산하고, 계산된 색차가 가장 작은 레퍼런스 색의 녹조 농도를 상기 녹조 영상의 녹조 농도로 추정하는 것을 특징으로 하는 이미지 프로세싱을 이용한 녹조 측정 방법.
- 제8항에 있어서,
상기 녹조 농도를 추정하는 단계는,
계산된 RGB 평균값과 상기 레퍼런스 색의 색차를 CIEDE2000 색차식을 이용하여 계산하는 것을 특징으로 하는 이미지 프로세싱을 이용한 녹조 측정 방법.
- 제6항에 있어서,
상기 녹조 부분 영상은, 획득한 녹조 영상에서 녹색 성분의 밀도가 가장 높은 부분을 포함하는 것을 특징으로 하는 이미지 프로세싱을 이용한 녹조 측정 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170042961A KR101924412B1 (ko) | 2017-04-03 | 2017-04-03 | 이미지 프로세싱을 이용한 녹조 측정 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170042961A KR101924412B1 (ko) | 2017-04-03 | 2017-04-03 | 이미지 프로세싱을 이용한 녹조 측정 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180112277A true KR20180112277A (ko) | 2018-10-12 |
| KR101924412B1 KR101924412B1 (ko) | 2019-02-27 |
Family
ID=63876343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170042961A KR101924412B1 (ko) | 2017-04-03 | 2017-04-03 | 이미지 프로세싱을 이용한 녹조 측정 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101924412B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113711087A (zh) * | 2019-04-15 | 2021-11-26 | 国立研究开发法人理化学研究所 | 环境因子预测装置、方法、程序、学习完毕模型以及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014202649A (ja) * | 2013-04-08 | 2014-10-27 | 日本電信電話株式会社 | 微細藻類の濃度決定方法、装置およびプログラム |
| KR20150134659A (ko) | 2014-05-22 | 2015-12-02 | 오혁진 | 녹조 발견 및 제거 로봇 |
-
2017
- 2017-04-03 KR KR1020170042961A patent/KR101924412B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014202649A (ja) * | 2013-04-08 | 2014-10-27 | 日本電信電話株式会社 | 微細藻類の濃度決定方法、装置およびプログラム |
| KR20150134659A (ko) | 2014-05-22 | 2015-12-02 | 오혁진 | 녹조 발견 및 제거 로봇 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113711087A (zh) * | 2019-04-15 | 2021-11-26 | 国立研究开发法人理化学研究所 | 环境因子预测装置、方法、程序、学习完毕模型以及存储介质 |
| CN113711087B (zh) * | 2019-04-15 | 2023-11-14 | 国立研究开发法人理化学研究所 | 环境因子预测装置、方法、程序、学习模型及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101924412B1 (ko) | 2019-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11869192B2 (en) | System and method for vegetation modeling using satellite imagery and/or aerial imagery | |
| US10554857B2 (en) | Method for noise-robust color changes in digital images | |
| Kovaleski et al. | High-quality reverse tone mapping for a wide range of exposures | |
| US20090263045A1 (en) | Image blending using multi-splines | |
| US8897483B2 (en) | System and method for inventorying vegetal substance | |
| CN114612387B (zh) | 基于特征阈值的遥感影像融合方法、系统、设备及介质 | |
| CN103810702B (zh) | 一种基于分块噪声方差估计的图像累积信噪比计算方法 | |
| KR101924412B1 (ko) | 이미지 프로세싱을 이용한 녹조 측정 장치 및 방법 | |
| US20150249774A1 (en) | Ghost artifact detection and removal in hdr image creation using graph based selection of local reference | |
| EP3174008A1 (en) | Method and apparatus for determining a sharpness metric of an image | |
| CN113240758A (zh) | 基于融合衍生指数的遥感影像融合方法、系统、设备及介质 | |
| Buyssens et al. | Eikonal-based vertices growing and iterative seeding for efficient graph-based segmentation | |
| KR20170051971A (ko) | 도시 계획 지원 시스템 및 도시 계획 정보 제공 방법 | |
| Saravia et al. | Multifractal spatial patterns and diversity in an ecological succession | |
| KR20160076645A (ko) | 영상의 비네팅 보정 방법 및 장치 | |
| Prasath et al. | Distance-oriented cuckoo search enabled optimal histogram for underwater image enhancement: a novel quality metric analysis | |
| US9491331B2 (en) | Image processing method, image processing device, and program for restoring spectral characteristics of an object and an illumination, respectively | |
| Goyal et al. | An enhancement of underwater images based on contrast restricted adaptive histogram equalization for image enhancement | |
| JP2023017091A (ja) | 推定装置、推定方法及びプログラム | |
| KR20140011118A (ko) | 평가 전달량에 기초한 안개 영상 보상 방법 | |
| CN109460755A (zh) | 一种绿光估计模型训练方法及装置、影像合成方法及装置 | |
| Miralles et al. | Improved visualization of large temporal series for the evaluation of good environmental status | |
| CN109521475B (zh) | 用于滑坡过程追踪的时移电法数据反演方法及装置 | |
| Kobayashi et al. | Design of characteristics of optical filter set for prediction and visualization of fat content in raw beef cuts | |
| Glaser | Forecasting water temperature in northern Adriatic lagoons: a functional data approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |