KR20240012673A - System and method for converting raster images of traditional wooden buildings into cad electronic drawings - Google Patents

System and method for converting raster images of traditional wooden buildings into cad electronic drawings Download PDF

Info

Publication number
KR20240012673A
KR20240012673A KR1020220089973A KR20220089973A KR20240012673A KR 20240012673 A KR20240012673 A KR 20240012673A KR 1020220089973 A KR1020220089973 A KR 1020220089973A KR 20220089973 A KR20220089973 A KR 20220089973A KR 20240012673 A KR20240012673 A KR 20240012673A
Authority
KR
South Korea
Prior art keywords
image
data
split
images
segmented
Prior art date
Application number
KR1020220089973A
Other languages
Korean (ko)
Inventor
박승훈
Original Assignee
(주)인텔리코리아
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)인텔리코리아 filed Critical (주)인텔리코리아
Priority to KR1020220089973A priority Critical patent/KR20240012673A/en
Publication of KR20240012673A publication Critical patent/KR20240012673A/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words

Abstract

본 발명은 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템 및 방법에 관한 것으로, 해결하고자 하는 과제는 전통 목조 문화재 건축물에 특성화되고 전문화된 프로세서를 통해 우리 고유의 목조 문화재 건축물에 대한 손 도면 이미지를 빠르고 정확하게 캐드 전자 도면으로 변환하는데 있다.
일례로, 전통목조건축물의 스캔 이미지를 분할하고, 다수의 분할 이미지에 대한 이미지 프로세싱을 각각 수행하여 상기 분할 이미지 각각에 포함된 부재 객체를 인식하고, 상기 부재 객체가 인식된 다수의 분할 이미지를 병합한 후 파일 교환이 가능한 포맷으로 변환하는 전처리부; 및 상기 전처리부를 통해 변환된 이미지 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성하는 후처리부를 포함하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템을 개시한다.The present invention relates to a system and method for converting raster images of traditional wooden buildings into CAD electronic drawings. The problem to be solved is a hand drawing of our unique wooden cultural heritage buildings through a processor specialized and specialized for traditional wooden cultural heritage buildings. The goal is to quickly and accurately convert images into CAD electronic drawings.
For example, a scanned image of a traditional wooden building is divided, image processing is performed on each of the multiple split images to recognize member objects included in each of the split images, and the multiple split images in which the absent objects are recognized are merged. A pre-processing unit that converts the file into a format that can be exchanged; and a post-processing unit that generates vector data by performing coordinate transformation on member objects of the image file converted through the pre-processing unit. Disclosed is a system for converting a raster image of a traditional wooden building into a CAD electronic drawing.

Description

전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템 및 방법{SYSTEM AND METHOD FOR CONVERTING RASTER IMAGES OF TRADITIONAL WOODEN BUILDINGS INTO CAD ELECTRONIC DRAWINGS} System and method for converting raster images of traditional wooden buildings into CAD electronic drawings {SYSTEM AND METHOD FOR CONVERTING RASTER IMAGES OF TRADITIONAL WOODEN BUILDINGS INTO CAD ELECTRONIC DRAWINGS}

본 발명의 실시예는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템 및 방법에 관한 것이다.Embodiments of the present invention relate to a system and method for converting a raster image of a traditional wooden building into a CAD electronic drawing.

일반적으로, 전통 목조 건축 문화재에 대한 래스터 이미지 자료(Raster Image Data)는 수정이 어렵고, 이미지 자료 내에서 목조 부재의 검색과 명칭을 전산화 데이터로 활용할 수 없는 문제점이 있다.In general, raster image data for traditional wooden architectural cultural assets are difficult to modify, and there is a problem in that search and names of wooden members within the image data cannot be used as computerized data.

이에 따라, 해당 건축 문화재에 대한 보수가 필요할 경우 기존의 손 도면을 활용해야 하기 때문에, 해당 건축 문화재에 대한 개보수 작업이 원활하게 이루어질 수 없다.Accordingly, when repairs to the relevant architectural cultural assets are required, existing hand drawings must be used, so the renovation work on the relevant architectural cultural assets cannot be carried out smoothly.

현재, 기존 래스터 이미지 자료에 대한 벡터 변환 작업은 국내외에서 상용화되어 있는 프로그램만을 이용한 범용적인 벡터화 작업만을 할 수 있기 때문에, 전통 목조 문화재 건축물에 대한 정확한 전자 도면화가 쉽지 않은 실정이다.Currently, vector conversion work on existing raster image data can only be done as a general-purpose vectorization work using only programs commercialized at home and abroad, making accurate electronic drawing of traditional wooden cultural heritage buildings difficult.

등록특허공보 제10-1869302호(등록일자: 2018년06월14일)Registered Patent Publication No. 10-1869302 (registration date: June 14, 2018) 등록특허공보 제10-1015765호(등록일자: 2011년02월10일)Registered Patent Publication No. 10-1015765 (registration date: February 10, 2011)

본 발명의 실시예는, 전통 목조 문화재 건축물에 특성화되고 전문화된 프로세서를 통해 우리 고유의 목조 문화재 건축물에 대한 손 도면 이미지를 빠르고 정확하게 캐드 전자 도면으로 변환할 수 있는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템 및 방법을 제공한다.An embodiment of the present invention is to convert a raster image of a traditional wooden building into a CAD electronic drawing by quickly and accurately converting a hand drawing image of our unique wooden cultural heritage building into a CAD electronic drawing through a processor specialized and specialized for traditional wooden cultural heritage buildings. Provides a system and method for converting to drawings.

본 발명의 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템은, 전통목조건축물의 스캔 이미지를 분할하고, 다수의 분할 이미지에 대한 이미지 프로세싱을 각각 수행하여 상기 분할 이미지 각각에 포함된 부재 객체를 인식하고, 상기 부재 객체가 인식된 다수의 분할 이미지를 병합한 후 파일 교환이 가능한 포맷으로 변환하는 전처리부; 및 상기 전처리부를 통해 변환된 이미지 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성하는 후처리부를 포함한다.The system for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention divides a scanned image of a traditional wooden building, performs image processing on a plurality of divided images, and A pre-processing unit that recognizes included absent objects, merges a plurality of split images in which the absent objects are recognized, and converts them into a file exchangeable format; and a post-processing unit that generates vector data by performing coordinate transformation on a member object of the image file converted through the pre-processing unit.

또한, 상기 전처리부는, 상기 스캔 이미지에 대하여 서로 다른 개수로 각각 분할하여 다수의 분할 이미지를 각각 생성하는 분할 이미지 생성부; 상기 분할 이미지 생성부를 통해 생성된 상기 분할 이미지 각각에 대한 해상도 및 색 표현 방식을 통일하는 데이터 전처리를 수행하는 데이터 전처리 수행부; 전통목조건축물의 각 부재를 구성하는 부재 객체의 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로, 상기 데이터 전처리 수행부를 통해 데이터 전처리가 완료된 분할 이미지 각각에 대하여 미리 설정된 배수만큼 확대한 후 이미지 프로세싱을 수행하여 상기 부재 객체를 인식하는 부재 객체 인식부; 상기 부재 객체 인식부를 통해 상기 부재 객체가 인식된 다수의 분할 이미지를 상기 스캔 이미지와 동일한 크기를 갖도록 크기를 축소한 후 병합하는 분할 이미지 병합부; 및 상기 분할 이미지 병합부를 통해 생성된 이미지 파일을 DXF 파일로 변환하는 이미지 파일 변환부를 포함할 수 있다.In addition, the pre-processing unit may include a split image generator that generates a plurality of split images by dividing the scanned image into different numbers; a data preprocessing unit that performs data preprocessing to unify resolution and color expression methods for each of the segmented images generated through the segmented image generator; Based on an artificial intelligence algorithm learned in advance for the recognition of member objects constituting each member of a traditional wooden building, each segmented image for which data preprocessing has been completed is enlarged by a preset multiple and then image processed through the data preprocessing unit. an absent object recognition unit that recognizes the absent object; a split image merging unit that reduces the size of a plurality of split images in which the absent object is recognized through the absent object recognition unit to have the same size as the scanned image and then merges them; and an image file conversion unit that converts the image file generated through the split image merge unit into a DXF file.

또한, 상기 부재 객체 인식부는, 다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 이미지 분할 경계선 및 분할된 이미지의 크기로 인해 상기 분할 이미지에서 인식되지 않은 객체가 인식되도록 상기 제1 분할 이미지와 상기 제2 분할 이미지 간의 미인식 객체를 상호 보완적으로 탐색하여 상기 부재 객체를 인식할 수 있다.In addition, when the plurality of segmented images consists of a first segmented image having an NxN segmented image and a second segmented image having an MxM (a natural number where M>N) segmented image, the image division boundary line and the segmented image are The missing object may be recognized by complementary search for unrecognized objects between the first split image and the second split image so that the unrecognized object in the split image is recognized due to the size of the image.

또한, 상기 부재 객체 인식부는, 다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 상기 제1 분할 이미지에서 인식되지 않은 제1 미인식 객체에 대한 데이터들을 취합하고, 취합된 제1 미인식 객체 데이터를 생성하고, 상기 MxM 분할 이미지에서 탐색하여 상기 부재 객체를 인식하고, 상기 제2 분할 이미지에서 인식되지 않은 제2 미인식 객체에 대한 데이터들을 취합하고, 취합된 제2 미인식 객체 데이터를 생성하고, 상기 NxN 분할 이미지에서 탐색하여 상기 부재 객체를 인식할 수 있다.In addition, when the plurality of split images consists of a first split image having an NxN split image and a second split image having an MxM (a natural number where M>N) split image, the absent object recognition unit Collect data on a first unrecognized object, generate collected first unrecognized object data, recognize the absent object by searching in the MxM segmented image, and recognize the absent object in the second segmented image. The absent object may be recognized by collecting data on the second unrecognized object, generating the collected second unrecognized object data, and searching in the NxN segmented image.

또한, 상기 전처리부는, 상기 스캔 이미지에서 텍스트 객체를 추출하여 텍스트 객체 데이터를 생성하는 텍스트 객체 추출부를 더 포함할 수 있다.In addition, the pre-processing unit may further include a text object extraction unit generating text object data by extracting a text object from the scanned image.

또한, 상기 후처리부는, 텍스트 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로 상기 텍스트 객체 데이터에 포함된 텍스트 객체를 인식하여 텍스트 데이터를 생성하는 텍스트 데이터 생성부; 및 상기 DXF 파일에 상기 텍스트 데이터를 추가하고, 상기 텍스트 데이터가 추가된 DXF 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성하는 캐드 파일 생성부를 포함할 수 있다.In addition, the post-processing unit includes a text data generation unit that recognizes text objects included in the text object data and generates text data based on an artificial intelligence algorithm previously learned for text recognition; and a CAD file creation unit that adds the text data to the DXF file and generates vector data by performing coordinate transformation on a member object of the DXF file to which the text data has been added.

본 발명의 다른 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법은, 전처리부가, 전통목조건축물의 스캔 이미지를 분할하고, 다수의 분할 이미지에 대한 이미지 프로세싱을 각각 수행하여 상기 분할 이미지 각각에 포함된 부재 객체를 인식하고, 상기 부재 객체가 인식된 다수의 분할 이미지를 병합한 후 파일 교환이 가능한 포맷으로 변환하는 전처리 단계; 및 후처리부가, 상기 전처리 단계를 통해 변환된 이미지 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성하는 후처리 단계를 포함한다.In the method of converting a raster image of a traditional wooden building into a CAD electronic drawing according to another embodiment of the present invention, the preprocessing unit divides the scanned image of the traditional wooden building and performs image processing on a plurality of divided images, respectively. A pre-processing step of recognizing an absent object included in each split image, merging a plurality of split images in which the absent object is recognized, and then converting them into a format that allows file exchange; and a post-processing step in which the post-processing unit generates vector data by performing coordinate transformation on a member object of the image file converted through the pre-processing step.

또한, 상기 전처리 단계는, 상기 스캔 이미지에 대하여 서로 다른 개수로 각각 분할하여 다수의 분할 이미지를 각각 생성하는 분할 이미지 생성 단계; 상기 분할 이미지 생성 단계를 통해 생성된 상기 분할 이미지 각각에 대한 해상도 및 색 표현 방식을 통일하는 데이터 전처리를 수행하는 데이터 전처리 수행 단계; 전통목조건축물의 각 부재를 구성하는 부재 객체의 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로, 상기 데이터 전처리 수행 단계를 통해 데이터 전처리가 완료된 분할 이미지 각각에 대하여 미리 설정된 배수만큼 확대한 후 이미지 프로세싱을 수행하여 상기 부재 객체를 인식하는 부재 객체 인식 단계; 상기 부재 객체 인식 단계를 통해 상기 부재 객체가 인식된 다수의 분할 이미지를 상기 스캔 이미지와 동일한 크기를 갖도록 크기를 축소한 후 병합하는 분할 이미지 병합 단계; 및 상기 분할 이미지 병합 단계를 통해 생성된 이미지 파일을 DXF 파일로 변환하는 이미지 파일 변환 단계를 포함할 수 있다.In addition, the pre-processing step includes a split image generation step of generating a plurality of split images by dividing the scanned image into different numbers; A data preprocessing step of performing data preprocessing to unify the resolution and color expression method for each of the divided images generated through the divided image generation step; Based on an artificial intelligence algorithm learned in advance for the recognition of member objects constituting each member of a traditional wooden building, each segmented image for which data preprocessing has been completed through the data preprocessing step is enlarged by a preset multiple and then image processed. An absent object recognition step of recognizing the absent object by performing; A split image merging step of reducing the size of a plurality of split images in which the absent object is recognized through the absent object recognition step to have the same size as the scanned image and then merging them; and an image file conversion step of converting the image file generated through the split image merging step into a DXF file.

또한, 상기 부재 객체 인식 단계는, 다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 이미지 분할 경계선 및 분할된 이미지의 크기로 인해 상기 분할 이미지에서 인식되지 않은 객체가 인식되도록 상기 제1 분할 이미지와 상기 제2 분할 이미지 간의 미인식 객체를 상호 보완적으로 탐색하여 상기 부재 객체를 인식할 수 있다.In addition, the absent object recognition step is performed when the plurality of split images consists of a first split image having an NxN split image and a second split image having an MxM (a natural number where M>N) split image, the image splitting boundary line and the splitting image. The missing object may be recognized by complementary search for unrecognized objects between the first split image and the second split image so that the unrecognized object in the split image is recognized due to the size of the split image.

또한, 상기 부재 객체 인식 단계는, 다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 상기 제1 분할 이미지에서 인식되지 않은 제1 미인식 객체에 대한 데이터들을 취합하고, 취합된 제1 미인식 객체 데이터를 생성하고, 상기 MxM 분할 이미지에서 탐색하여 상기 부재 객체를 인식하고, 상기 제2 분할 이미지에서 인식되지 않은 제2 미인식 객체에 대한 데이터들을 취합하고, 취합된 제2 미인식 객체 데이터를 생성하고, 상기 NxN 분할 이미지에서 탐색하여 상기 부재 객체를 인식할 수 있다.In addition, the absent object recognition step may be performed when the plurality of split images consists of a first split image having an NxN split image and a second split image having an MxM (a natural number where M>N) split image. Collect data about a first unrecognized object that is not recognized in the collected first unrecognized object data, search in the MxM segmented image to recognize the absent object, and recognize the absent object that is not recognized in the second segmented image. Data on a second unrecognized object may be collected, collected second unrecognized object data may be generated, and the absent object may be recognized by searching in the NxN segmented image.

또한, 상기 전처리 단계는, 상기 스캔 이미지에서 텍스트 객체를 추출하여 텍스트 객체 데이터를 생성하는 텍스트 객체 추출 단계를 더 포함할 수 있다.Additionally, the preprocessing step may further include a text object extraction step of extracting text objects from the scanned image to generate text object data.

또한, 상기 후처리 단계는, 텍스트 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로 상기 텍스트 객체 데이터에 포함된 텍스트 객체를 인식하여 텍스트 데이터를 생성하는 텍스트 데이터 생성 단계; 및 상기 DXF 파일에 상기 텍스트 데이터를 추가하고, 상기 텍스트 데이터가 추가된 DXF 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성하는 캐드 파일 생성 단계를 포함할 수 있다.In addition, the post-processing step includes a text data generation step of generating text data by recognizing text objects included in the text object data based on an artificial intelligence algorithm previously learned for text recognition; And it may include a CAD file generating step of adding the text data to the DXF file and performing coordinate transformation on a member object of the DXF file to which the text data has been added to generate vector data.

본 발명에 따르면, 전통 목조 문화재 건축물에 특성화되고 전문화된 프로세서를 통해 우리 고유의 목조 문화재 건축물에 대한 손 도면 이미지를 빠르고 정확하게 캐드 전자 도면으로 변환할 수 있는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템 및 방법을 제공할 수 있다.According to the present invention, a raster image of a traditional wooden building can be converted into a CAD electronic drawing by quickly and accurately converting a hand drawing image of our unique wooden cultural heritage building into a CAD electronic drawing through a processor specialized and specialized for traditional wooden cultural heritage buildings. A conversion system and method can be provided.

이로 인해, 전자 도면 데이터를 활용하여 전통 목조 건축 문화재에 대한 개보수 작업 및 건축물 이력 데이터로 적극 활용할 수 있고, 전통 목조 건축 문화재를 공부하고 연구하는 집단에게 정확한 문화재 도면 데이터를 제공할 수 있으며, 손 도면 이미지와 실제 문화재 간의 데이터 오류를 캐드 도면화 된 파일을 이용하여 현실화 작업을 빠르게 진행할 수 있다.As a result, electronic drawing data can be actively utilized as renovation work and building history data for traditional wooden architectural cultural assets, and accurate cultural heritage drawing data can be provided to groups studying and researching traditional wooden architectural cultural assets, as well as hand drawings. Data errors between images and actual cultural assets can be quickly realized by using CAD drawing files.

도 1은 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템의 구현 형태 및 동작 방식을 나타낸 개요도이다.
도 2는 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템의 동작 알고리즘을 나타낸 순서도이다.
도 3은 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템의 구성을 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 전처리부의 구성을 나타낸 블록도이다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 부재 객체 인식부에서 부재 객체를 인식하는 방법을 설명하기 위해 예시적으로 나타낸 도면이다.
도 7는 본 발명의 일 실시예에 따른 후처리부의 구성을 나타낸 블록도이다.
도 8은 본 발명의 다른 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법의 구성을 나타낸 순서도이다.
도 9는 본 발명의 다른 실시예에 따른 전처리 단계의 구성을 나타낸 순서도이다.
도 10은 본 발명의 다른 실시예에 따른 후처리 단계의 구성을 나타낸 순서도이다.Figure 1 is a schematic diagram showing the implementation and operation method of a system for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention.
Figure 2 is a flowchart showing the operation algorithm of a system for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention.
Figure 3 is a block diagram showing the configuration of a system for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention.
Figure 4 is a block diagram showing the configuration of a preprocessing unit according to an embodiment of the present invention.
5 and 6 are exemplary diagrams to explain a method of recognizing an absent object in an absent object recognition unit according to an embodiment of the present invention.
Figure 7 is a block diagram showing the configuration of a post-processing unit according to an embodiment of the present invention.
Figure 8 is a flowchart showing the configuration of a method for converting a raster image of a traditional wooden building into a CAD electronic drawing according to another embodiment of the present invention.
Figure 9 is a flowchart showing the configuration of a preprocessing step according to another embodiment of the present invention.
Figure 10 is a flowchart showing the configuration of a post-processing step according to another embodiment of the present invention.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.The terms used in this specification will be briefly explained, and the present invention will be described in detail.

본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.The terms used in the present invention are general terms that are currently widely used as much as possible while considering the function in the present invention, but this may vary depending on the intention or precedent of a person working in the art, the emergence of new technology, etc. In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning will be described in detail in the description of the relevant invention. Therefore, the terms used in the present invention should be defined based on the meaning of the term and the overall content of the present invention, rather than simply the name of the term.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 병합으로 구현될 수 있다.When it is said that a part "includes" a certain element throughout the specification, this means that, unless specifically stated to the contrary, it does not exclude other elements but may further include other elements. In addition, terms such as "... unit" and "module" used in the specification refer to a unit that processes at least one function or operation, which may be implemented as hardware or software, or as a combination of hardware and software. .

아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다. Below, with reference to the attached drawings, embodiments of the present invention will be described in detail so that those skilled in the art can easily implement the present invention. However, the present invention may be implemented in many different forms and is not limited to the embodiments described herein. In order to clearly explain the present invention in the drawings, parts that are not related to the description are omitted, and similar parts are given similar reference numerals throughout the specification.

도 1은 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템의 구현 형태 및 동작 방식을 나타낸 개요도이다.Figure 1 is a schematic diagram showing the implementation and operation method of a system for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템(100)은 사용자 통신단말(10), 운영 서버(20) 및 데이터베이스(30)와, 이들 각각에 설치되어 실행되는 프로그램 또는 어플리케이션 형태로 구현되어 전통목조건축물의 래스터 이미지(또는 스캔 이미지, 손 도면)를 캐드 엔진(ex. CADian)을 활용하여 캐드 전자 도면으로 변환하는 알고리즘을 통해 CAD 벡터 파일을 제공할 수 있다.Referring to Figure 1, the system 100 for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention includes a user communication terminal 10, an operation server 20, and a database 30. , implemented in the form of a program or application that is installed and executed on each of these, through an algorithm that converts raster images (or scanned images, hand drawings) of traditional wooden buildings into CAD electronic drawings using a CAD engine (ex. CADian). Vector files can be provided.

상기 사용자 통신단말(10)은, 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환 서비스를 제공하기 위한 전용 프로그램(ex. CADian Client, Web PHM Client)이 설치 또는 탑재되거나 웹 브라우저의 웹 사이트에 접속할 수 있으며, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. The user communication terminal 10 has a dedicated program (ex. CADian Client, Web PHM Client) installed or installed to provide a service for converting raster images of traditional wooden buildings into CAD electronic drawings, or can access the website of a web browser. PCS (Personal Communication System), GSM (Global System for Mobile communications), PDC (Personal Digital Cellular), PHS (Personal Handyphone System), PDA (Personal Digital Assistant), IMT (International Mobile Telecommunication)-2000, CDMA (Code Division Multiple Access)-2000, W-CDMA (W-Code Division Multiple Access), Wibro (Wireless Broadband Internet) terminal, smartphone, smartpad, tablet PC, etc. It may include a type of handheld-based wireless communication device.

여기서, 웹 브라우저는 웹(WWW: world wide web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(hypertext mark-up language)로 서술된 하이퍼텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(app)을 포함할 수 있다.Here, a web browser is a program that allows the use of web (WWW: world wide web) services and refers to a program that receives and displays hypertext written in HTML (hypertext mark-up language). For example, Netscape, Includes Explorer, Chrome, etc. Additionally, an application refers to an application on a terminal and may include, for example, an app running on a mobile terminal (smartphone).

상기 운영 서버(20)는, 사용자 통신단말(10) 및 데이터베이스(30) 각각과 연결되어, 사용자 통신단말(10)로부터 전통목조건축물의 래스터 이미지를 입력 받고, 입력된 래스터 이미지로부터 각종 부재 인식 및 인공지능 기반의 한글 인식 프로세싱을 수행하고, 해당 프로세싱 결과물을 기반으로 캐드 전자 도면으로 변환하는 서비스를 제공하고, 하드웨어적으로 통상적인 웹 서버와 동일한 구성을 가지며, 소프트웨어적으로는 C, C++, Java, Visual Basic, Visual C 등과 같은 다양한 형태의 언어를 통해 구현되어 여러 가지 기능을 하는 프로그램 모듈을 포함할 수 있다. 또한, 일반적인 서버용 하드웨어에 도스(dos), 윈도우(window), 리눅스(linux), 유닉스(unix), 매킨토시(macintosh), 안드로이드(Android), 아이오에서(iOS) 등의 운영 체제에 따라 다양하게 제공되고 있는 웹 서버 프로그램을 이용하여 구현될 수 있다.The operation server 20 is connected to each of the user communication terminal 10 and the database 30, receives a raster image of a traditional wooden building from the user communication terminal 10, recognizes various members from the input raster image, and It performs artificial intelligence-based Hangul recognition processing and provides a service that converts the processing results into CAD electronic drawings. In terms of hardware, it has the same configuration as a typical web server, and in terms of software, it has C, C++, and Java. , Visual Basic, Visual C, etc. can be implemented through various types of languages and include program modules that perform various functions. In addition, general server hardware is provided in a variety of operating systems such as DOS, Windows, Linux, Unix, Macintosh, Android, and iOS. It can be implemented using an existing web server program.

한편, 사용자 통신단말(10)과 운영 서버(20) 간을 연결하는 인터넷 네트워크의 무선 통신망의 일 예로는, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced), 5G 등)에 따라 구축된 이동 통신망을 포함할 수 있으나, 특별히 한정하는 것은 아니다. 또한, 유선 통신망의 일 예로는, LAN(Local Area Network), WAN(Wide Area Network)등의 폐쇄형 네트워크일 수 있으며, 인터넷과 같은 개방형 네트워크인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전세계적인 개방형 컴퓨터 네트워크 구조를 의미한다.Meanwhile, an example of a wireless communication network of the Internet network connecting the user communication terminal 10 and the operation server 20 includes technical standards or communication methods for mobile communication (e.g., GSM (Global System for Mobile communication) ), CDMA (Code Division Multi Access), CDMA2000 (Code Division Multi Access 2000), EV-DO (Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA (Wideband CDMA), HSDPA (High Speed Downlink Packet Access) , HSUPA (High Speed Uplink Packet Access), LTE (Long Term Evolution), LTE-A (Long Term Evolution-Advanced), 5G, etc.), but is not particularly limited. Additionally, an example of a wired communication network may be a closed network such as a LAN (Local Area Network) or a WAN (Wide Area Network), and it is preferably an open network such as the Internet. The Internet uses the TCP/IP protocol and several services existing at its upper layer, namely HTTP (HyperText Transfer Protocol), Telnet, FTP (File Transfer Protocol), DNS (Domain Name System), SMTP (Simple Mail Transfer Protocol), and SNMP ( It refers to a global open computer network structure that provides Simple Network Management Protocol (NFS), Network File Service (NFS), and Network Information Service (NIS).

상기 데이터베이스(30)는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템(100)을 통해 생성된 결과물(캐드 전자 도면 파일) 및 해당 결과물을 생성하기 위해 필요한 각종 파일과 자료가 저장되어 있으며, 지속적으로 업데이트되며 관리될 수 있다.The database 30 stores the results (CAD electronic drawing files) generated through the system 100 for converting raster images of traditional wooden buildings into CAD electronic drawings and various files and data necessary to generate the results. , can be continuously updated and managed.

도 2는 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템의 동작 알고리즘(TWArchVector Algorism)을 나타낸 순서도이다.Figure 2 is a flowchart showing the operation algorithm (TWArchVector Algorism) of a system for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템의 'TWArchVector Algorism'은 크게 전처리(Pre-Processing)과 후처리(Post Processing) 단계로 구성될 수 있다.Referring to Figure 2, the 'TWArchVector Algorism' of the system for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention is largely divided into Pre-Processing and Post Processing stages. It can be configured.

상기 전처리(Pre-Processing)은, 전통목조건축물에 대한 래스터 이미지(또는 스캔 이미지)(jpg, png, bmp 등)를 입력 받고, 입력된 래스터 이미지에 대한 한글 객체 인식 및 이미지 분할(ex. 2x2, 3x3) 과정을 진행할 수 있다. 이때, 래스터 이미지로부터 인식된 한글 객체에 대한 데이터는 후처리 과정을 위해 전달되고, 분할된 이미지는 이미지 인식 전 처리를 수행하여 래스터 이미지에 대한 해상도 및 색 표현 방식을 통일한다. 이미지 인식 전 처리가 수행된 2x2 분할 이미지와 3x3 분할 이미지에 대한 부재 객체에 대한 인식 과정을 수행한 후, 부재 객체가 각각 인식되면 해당 분할 이미지를 원본 이미지의 크기로 다시 병합한다. 이미지가 병합된 데이터는 DXF 파일로 변환된 후 후처리 진행하기 위해 전달될 수 있다.In the pre-processing, a raster image (or scanned image) (jpg, png, bmp, etc.) of a traditional wooden building is input, and Korean object recognition and image segmentation (ex. 2x2, You can proceed with the 3x3) process. At this time, data on Hangul objects recognized from the raster image are transferred for post-processing, and the divided image is processed before image recognition to unify the resolution and color expression method for the raster image. After performing the recognition process for absent objects on the 2x2 segmented image and 3x3 segmented image that have been processed before image recognition, when each absent object is recognized, the segmented images are merged back to the size of the original image. Data with merged images can be converted to a DXF file and then sent for post-processing.

상기 후처리(Post Processing)은, 전처리 과정으로부터 전달된 한글 데이터와 전통 목조 객체에 대한 데이터를 기반으로 CAD 좌표 변환 과정을 수행한 후 이들을 병합하여 CAD 파일(ex. DWG)을 생성함으로써, 래스터 이미지에 대한 캐드 전자 도면을 제공할 수 있다.The post processing is performed by performing a CAD coordinate conversion process based on the Hangul data transferred from the pre-processing process and data on traditional wooden objects, and then merging them to create a CAD file (ex. DWG), thereby creating a raster image. CAD electronic drawings can be provided.

이하, 첨부된 도면을 참조하여 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템의 구성에 대하여 좀 더 상세히 설명한다.Hereinafter, the configuration of a system for converting a raster image of a traditional wooden building into a CAD electronic drawing will be described in more detail with reference to the attached drawings.

도 3은 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템의 구성을 나타낸 블록도이고, 도 4는 본 발명의 일 실시예에 따른 전처리부의 구성을 나타낸 블록도이고, 도 5 및 도 6은 본 발명의 일 실시예에 따른 부재 객체 인식부에서 부재 객체를 인식하는 방법을 설명하기 위해 예시적으로 나타낸 도면이며, 도 7는 본 발명의 일 실시예에 따른 후처리부의 구성을 나타낸 블록도이다.Figure 3 is a block diagram showing the configuration of a system for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention, and Figure 4 is a block diagram showing the configuration of a preprocessing unit according to an embodiment of the present invention. 5 and 6 are exemplary diagrams to explain a method of recognizing an absent object in an absent object recognition unit according to an embodiment of the present invention, and Figure 7 is a diagram showing an exemplary method according to an embodiment of the present invention. This is a block diagram showing the configuration of the post-processing unit.

도 3을 참조하면, 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템(100)은 전처리부(110) 및 후처리부(120) 중 적어도 하나를 포함할 수 있다.Referring to FIG. 3, the system 100 for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention may include at least one of a pre-processing unit 110 and a post-processing unit 120. there is.

상기 전처리부(110)는, 전통목조건축물의 스캔 이미지를 분할하고, 다수의 분할 이미지에 대한 이미지 프로세싱을 각각 수행하여 분할 이미지 각각에 포함된 부재 객체를 인식하고, 재 객체가 인식된 다수의 분할 이미지를 병합한 후 파일 교환이 가능한 포맷으로 변환할 수 있다.The pre-processing unit 110 divides the scanned image of the traditional wooden building, performs image processing on each of the plurality of divided images, recognizes the absent object included in each divided image, and divides the plurality of segmented objects in which the re-object is recognized. After merging the images, you can convert them to a format that allows file exchange.

이를 위해 전처리부(110)는 도 4에 도시된 바와 같이, 분할 이미지 생성부(111), 데이터 전처리 수행부(112), 부재 객체 인식부(113), 분할 이미지 병합부(114), 이미지 파일 변환부(115) 및 텍스트 객체 인식부(116) 중 적어도 하나를 포함할 수 있다.For this purpose, as shown in FIG. 4, the pre-processing unit 110 includes a split image generator 111, a data pre-processing unit 112, an absent object recognition unit 113, a split image merge unit 114, and an image file. It may include at least one of a conversion unit 115 and a text object recognition unit 116.

상기 분할 이미지 생성부(111)는, 전통목조건축물이 그려진 스캔 이미지(또는 래스터 이미지)(BMP, TIFF, PNG, JPG 등)를 입력 받고, 입력된 스캔 이미지(또는 래스터 이미지)에 대하여 서로 다른 개수로 각각 분할하여 다수의 분할 이미지를 각각 생성할 수 있다. The split image generator 111 receives a scanned image (or raster image) (BMP, TIFF, PNG, JPG, etc.) depicting a traditional wooden building, and generates different numbers for the input scanned image (or raster image). You can create multiple divided images by dividing each image.

예를 들어, 스캔 이미지(또는 래스터 이미지)를 2x2로 분할한 제1 분할 이미지와 3x3으로 분할한 제2 분할 이미지를 각각 생성할 수 있으나, 이는 발명의 이해를 돕기 위한 일례일 뿐이며 본 실시예에서는 이와 같은 형태로만 분할 이미지를 생성하는 것이 아니라, 4x4, 5x5, 6x6 등 더 많은 개수로 더 많은 분할 이미지를 생성하여 실시할 수 있음이 당연하다.For example, a first split image by dividing a scanned image (or raster image) into 2x2 and a second split image by dividing into 3x3 can be generated, but this is only an example to help understand the invention, and in this embodiment, It is natural that, rather than generating segmented images only in this form, it is possible to generate more segmented images in larger numbers such as 4x4, 5x5, 6x6, etc.

상기 데이터 전처리 수행부(112)는, 분할 이미지 생성부(111)를 통해 생성된 분할 이미지(제1 분할 이미지(2x2), 제2 분할 이미지(3x3)) 각각에 대한 해상도 및 색 표현 방식을 통일하는 데이터 전처리를 수행할 수 있다. 이러한 데이터 전처리 과정은 분할 이미지들을 모두 같은 크기를 갖는 이미지로 통일하기 위한 과정으로, 가로, 세로 픽셀 사이즈를 표현하는 해상도를 통일하고, 색을 표현하는 방식을 통일(RGB, HSV, Gray-scale, Binary 등)할 수 있다. 물론, 스캔 이미지 생성부(111)에서 스캔 이미지(래스터 이미지)를 균등 분할함에 따라 데이터 전처리 과정을 생략할 수 있으나, 보다 정확한 객체 인식 및 검출을 위해 분할된 이미지들에 대한 데이터 전처리 과정이 수행되는 것이 바람직하다.The data preprocessing unit 112 unifies the resolution and color expression method for each segmented image (first segmented image (2x2), second segmented image (3x3)) generated through the segmented image generator 111. Data preprocessing can be performed. This data preprocessing process is a process to unify all segmented images into an image with the same size, unifying the resolution for expressing horizontal and vertical pixel sizes, and unifying the method of expressing color (RGB, HSV, Gray-scale, Binary, etc.) can be done. Of course, the data pre-processing process can be omitted by equally dividing the scanned image (raster image) in the scan image generator 111, but the data pre-processing process is performed on the divided images for more accurate object recognition and detection. It is desirable.

상기 부재 객체 인식부(113)는, 전통목조건축물의 각 부재를 구성하는 부재 객체 단위의 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로, 데이터 전처리 수행부(112)를 통해 데이터 전처리가 완료된 분할 이미지 각각에 대하여 미리 설정된 배수만큼 확대(예를 들어 4배로 확대)한 후, 객체 인식을 위한 이미지 프로세싱을 수행하여 미리 학습된 부재 객체를 인식할 수 있다(데이터 전처리 과정 생략 시 분할 이미지 생성부(111)를 통해 생성된 분할 이미지 별로 이미지 프로세싱을 수행함). The member object recognition unit 113 is based on an artificial intelligence algorithm learned in advance for the recognition of member object units constituting each member of a traditional wooden building, and the data preprocessing is completed through the data preprocessing unit 112. After enlarging each image by a preset multiple (for example, enlarging 4 times), image processing for object recognition can be performed to recognize pre-learned absent objects (if the data pre-processing process is omitted, the segmented image generator ( Image processing is performed for each segmented image created through 111).

본 실시예에서 미리 학습된 부재 객체 단위는 살미, 첨자, 주두, 소로, 초각, 치수, 주석 등으로 전통목조건축물을 구성하는 기본적인 요소를 포함할 수 있다. 인공지능 알고리즘은 이와 같이 전통목조건축물의 기본적인 객체 단위인 살미, 첨자, 주두, 소로, 초각, 치수, 주석 등의 형태, 모양, 구조 등에 관한 이미지 데이터와 그에 대한 라벨 데이터를 학습데이터로 이용하여 학습한 딥러닝 알고리즘을 바탕으로 분할 이미지로부터 부재 객체 단위를 각각 인식할 수 있다.In this embodiment, the member object unit learned in advance may include basic elements that constitute a traditional wooden building, such as salmi, subscript, capital, minor, initial angle, dimension, and annotation. In this way, the artificial intelligence algorithm learns by using image data and label data related to the form, shape, and structure of the basic object units of traditional wooden buildings, such as salmi, subscript, capital, minor, angle, dimension, and annotation, as learning data. Based on a deep learning algorithm, each missing object unit can be recognized from a segmented image.

상기 부재 객체 인식부(113)는, 다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 이미지 분할 경계선 및 분할된 이미지의 크기로 인해 분할 이미지에서 인식되지 않은 객체가 인식될 수 있도록 제1 분할 이미지와 제2 분할 이미지 간의 미인식 객체를 상호 보완적으로 탐색하여 부재 객체를 인식할 수 있다.When the plurality of segmented images consists of a first segmented image having an NxN segmented image and a second segmented image having an MxM (a natural number where M>N) segmented image, the absence object recognition unit 113 provides an image division boundary line and Due to the size of the divided image, an unrecognized object may be recognized in the divided image by complementary searching for unrecognized objects between the first divided image and the second divided image to recognize the missing object.

좀 더 구체적으로 부재 객체 인식부(113)는, 다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 제1 분할 이미지에서 인식되지 않은 제1 미인식 객체에 대한 데이터들을 취합하고, 취합된 제1 미인식 객체 데이터를 생성하고, MxM 분할 이미지에서 탐색하여 부재 객체를 인식하고, 제2 분할 이미지에서 인식되지 않은 제2 미인식 객체에 대한 데이터들을 취합하고, 취합된 제2 미인식 객체 데이터를 생성하고, NxN 분할 이미지에서 탐색하여 부재 객체를 인식할 수 있다.More specifically, when the plurality of segmented images consists of a first segmented image having an NxN segmented image and a second segmented image having an MxM (a natural number where M>N) segmented image, 1 Collect data for the first unrecognized object that is not recognized in the split image, generate the collected first unrecognized object data, search in the MxM split image to recognize an absent object, and recognize an absent object that is not recognized in the second split image. The missing object can be recognized by collecting data about the second unrecognized object, generating the collected second unrecognized object data, and searching in the NxN segmented image.

예를 들어, 분할 이미지 생성부(111)에서 도 5에 도시된 바와 같이 2x2로 분할된 제1 분할 이미지와 도 6에 도시된 바와 같은 3x3로 분할된 제2 분할 이미지가 있다고 가정할 경우, 제1 분할 이미지(2x2) 중 ①, ②번 분할 이미지의 분할 경계선에 의해 객체 M1이 인식되지 못하는 경우, 해당 미인식 대상 요소를 제1 미인식 객체로 정의한 후, 정의된 제1 미인식 객체들을 취합하여 제1 미인식 객체 데이터를 생성할 수 있다. 이러한 제1 미인식 객체 데이터에는 미리 학습된 데이터는 정의되지 않은 요소들에 대한 형태, 구조, 모양 등에 대한 데이터를 포함할 수 있다. 이후 제2 분할 이미지(3x3)에서 제1 미인식 객체 데이터를 기반으로 탐색 과정을 수행하여 이전에 인식되지 않았던 새로운 부재 객체를 인식할 수 있다. 즉, 도 5에 도시된 제1 분할 이미지에서는 ①, ②번 분할 이미지의 분할 경계선에 의해 객체 M1이 잘려지게 되어 객체 M1에 대한 인식이 불가하였으나, ①, ②번 분할 이미지에서 잘려진 요소들을 취합하고, 이들을 조합 또는 결합한 형태가 도 6에 도시된 제2 분할 이미지(3x3)에서 연결 객체로서 존재하는지 탐색하는 과정을 통해 ⑤번 분할 이미지 상에서 객체 M1이 인식될 수 있다. For example, assuming that the split image generator 111 has a first split image divided into 2x2 as shown in FIG. 5 and a second split image divided into 3x3 as shown in FIG. 6, the If object M1 is not recognized due to the division boundary of split images ① and ② among 1 split images (2x2), define the unrecognized target element as the first unrecognized object and then collect the defined first unrecognized objects. Thus, first unrecognized object data can be generated. This first unrecognized object data may include data on the shape, structure, shape, etc. of elements that are not defined in the pre-learned data. Afterwards, a search process is performed based on the first unrecognized object data in the second segmented image (3x3) to recognize a new, previously unrecognized object. That is, in the first split image shown in FIG. 5, the object M1 was cut off by the division boundary of the split images ① and ②, making it impossible to recognize the object M1. However, the cut elements from the split images ① and ② were collected. , object M1 can be recognized on divided image ⑤ through the process of searching whether a combination or combination of these exists as a connected object in the second divided image (3x3) shown in FIG. 6.

또한, 이와는 반대로 제2 분할 이미지가 제1 분할 이미지보다 분할 섹터가 많기 때문에 하나의 이미지에 상대적으로 큰 부재 객체가 인식되지 않을 수 있다. 이러한 경우 상술한 바와 반대로 제2 분할 이미지에서 인식되지 않은 제2 미인식 객체에 대한 데이터들을 취합하고, 취합된 제2 미인식 객체 데이터를 생성하고, 제2 미인식 객체 데이터를 기반으로 제1 분할 이미지에서 미인식 객체 조합 또는 결합된 형태가 존재하는지 탐색하여 해당 객체를 인식할 수 있다.Additionally, on the contrary, because the second split image has more split sectors than the first split image, a relatively large missing object in one image may not be recognized. In this case, contrary to what was described above, data on the second unrecognized object that was not recognized in the second segmented image is collected, the collected second unrecognized object data is generated, and first segmentation is performed based on the second unrecognized object data. The object can be recognized by searching for the presence of a combination or combined form of unrecognized objects in the image.

상기 분할 이미지 병합부(114)는, 부재 객체 인식부(113)에서 객체 인식 과정이 완료되면 확대한 각각의 분할 이미지를 원본(스캔 이미지 또는 래스터)와 동일한 크기를 갖도록 그 크기를 각각 축소(예를 들어 1/4배로 축소)하는 재 가공 과정을 수행한 후 해당 데이터(또는 분할 이미지)들을 병합할 수 있다.When the object recognition process is completed in the absent object recognition unit 113, the split image merge unit 114 reduces the size of each enlarged split image to have the same size as the original (scanned image or raster) (e.g. For example, after performing a reprocessing process of reducing the data to 1/4 times the size, the data (or split images) can be merged.

상기 이미지 파일 변환부(115)는, 분할 이미지 병합부(114)를 통해 생성된 이미지 파일을 DXF 파일로 변환(저장)할 수 있다. DXF(Drawing Exchange File) 파일(도면 변환 파일)은 DWG의 Exchange 파일로서 다른 포맷으로 변환할 수 있는 파일이다. 이러한 DXF 파일은 다른 응용 프로그램(예를 들어 AutoCAD)의 도면이나 이미지로 사용할 수 있으며, 반대로 다른 프로그램에서 작업한 내용도 해당 응용 프로그램으로 불러올 수 있다.The image file conversion unit 115 may convert (save) the image file generated through the split image merge unit 114 into a DXF file. A DXF (Drawing Exchange File) file (drawing conversion file) is a DWG exchange file that can be converted to other formats. These DXF files can be used as drawings or images in other applications (for example, AutoCAD), and conversely, content created in other programs can also be imported into the application.

상기 텍스트 객체 추출부(116)는, 스캔 이미지(래스터 이미지)에 포함된 텍스트 객체를 추출하여 텍스트 객체 데이터를 생성할 수 있다. 래스터 이미지는 픽셀 정보를 포함할 수 있으므로, 해당 이미지 상에서 추출된 텍스트 객체의 좌표정보를 얻을 수 있으며, 추출된 텍스트 객체 데이터와 더불어 텍스트 객체 위치정보(좌표정보)를 획득하여 후처리부(120)로 전달될 수 있다.The text object extractor 116 may generate text object data by extracting a text object included in a scanned image (raster image). Since a raster image may include pixel information, coordinate information of a text object extracted from the image can be obtained. In addition to the extracted text object data, text object location information (coordinate information) can be obtained and sent to the post-processing unit 120. It can be delivered.

상기 후처리부(120)는, 전처리부(110)를 통해 변환된 이미지 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성할 수 있다.The post-processing unit 120 may generate vector data by performing coordinate transformation on a member object of the image file converted through the pre-processing unit 110.

이를 위해 후처리부(120)는 도 7에 도시된 바와 같이, 텍스트 데이터 생성부(121) 및 캐드 파일 생성부(122) 중 적어도 하나를 포함할 수 있다.To this end, the post-processing unit 120 may include at least one of a text data generating unit 121 and a CAD file generating unit 122, as shown in FIG. 7 .

상기 텍스트 데이터 생성부(121)는, 텍스트 인식에 대하여 미리 학습된 딥러닝 알고리즘을 기반으로 텍스트 객체 데이터에 포함된 텍스트 객체를 인식하여 텍스트 데이터를 생성할 수 있다. 좀 더 구체적으로는, 문자 인식율을 높이기 위해 텍스트 객체 데이터에 대한 전처리를 수행한 후, 텍스트 객체 데이터의 텍스트 영역에서 글자를 검출하고, 검출된 글자를 구분하는 특징을 대량의 데이터를 통해 미리 학습된 딥러닝 알고리즘을 통해 해당 글자가 어떠한 문자인지를 인식할 수 있으며, 이후 인식된 문자의 내용적인 부분을 따져서 부자연스러운 단어나 문자가 포함되어 있으면 이를 수정하는 후처리 과정을 수행함으로써 텍스트 데이터를 얻을 수 있다. 이렇게 생성된 텍스트 데이터는 캐드 파일 생성부(122)로 전달될 수 있다.The text data generator 121 may generate text data by recognizing text objects included in text object data based on a deep learning algorithm previously learned for text recognition. More specifically, after preprocessing the text object data to increase the character recognition rate, letters are detected in the text area of the text object data, and the features that distinguish the detected letters are learned in advance through a large amount of data. Through a deep learning algorithm, it is possible to recognize what kind of character the character is, and then text data can be obtained by performing a post-processing process to check the content of the recognized character and correct it if it contains unnatural words or characters. there is. The text data generated in this way can be transmitted to the CAD file creation unit 122.

상기 캐드 파일 생성부(122)는, DXF 파일에 텍스트 데이터 생성부(121)를 통해 생성된 텍스트 데이터를 추가하여 전통목조건축물의 스캔 이미지(래스터 이미지) 상에 텍스트(예를 들어 한글)로 이루어진 부재 명칭, 설명 등에 대한 텍스트 데이터를 DXF 파일에 적용할 수 있다. The CAD file generator 122 adds text data generated through the text data generator 121 to the DXF file, consisting of text (for example, Korean) on a scanned image (raster image) of a traditional wooden building. Text data for member names, descriptions, etc. can be applied to DXF files.

또한, 캐드 파일 생성부(122)는, 텍스트 데이터가 추가된 DXF 파일의 각 부재 객체에 대한 좌표 변환(CAD 레이어화 작업)을 수행하여 벡터 데이터(캐드 전자 파일)를 생성(변환) 할 수 있다.In addition, the CAD file creation unit 122 can generate (convert) vector data (CAD electronic file) by performing coordinate conversion (CAD layering operation) on each member object of the DXF file to which text data has been added. .

도 8은 본 발명의 다른 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법의 구성을 나타낸 순서도이고, 도 9는 본 발명의 다른 실시예에 따른 전처리 단계의 구성을 나타낸 순서도이며, 도 10은 본 발명의 다른 실시예에 따른 후처리 단계의 구성을 나타낸 순서도이다.Figure 8 is a flowchart showing the configuration of a method for converting a raster image of a traditional wooden building into a CAD electronic drawing according to another embodiment of the present invention, and Figure 9 is a flowchart showing the configuration of a pre-processing step according to another embodiment of the present invention. 10 is a flowchart showing the configuration of a post-processing step according to another embodiment of the present invention.

도 8을 참조하면, 본 발명의 일 실시예에 따른 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법(S100)은 전처리 단계(S110) 및 후처리 단계(S120) 중 적어도 하나를 포함할 수 있다.Referring to Figure 8, the method (S100) for converting a raster image of a traditional wooden building into a CAD electronic drawing according to an embodiment of the present invention may include at least one of a pre-processing step (S110) and a post-processing step (S120). You can.

상기 전처리 단계(S110)는, 전통목조건축물의 스캔 이미지를 분할하고, 다수의 분할 이미지에 대한 이미지 프로세싱을 각각 수행하여 분할 이미지 각각에 포함된 부재 객체를 인식하고, 부재 객체가 인식된 다수의 분할 이미지를 병합한 후 파일 교환이 가능한 포맷으로 변환할 수 있다.The preprocessing step (S110) divides the scanned image of the traditional wooden building, performs image processing on each of the multiple divided images, recognizes the absent object included in each divided image, and divides the multiple divided images in which the absent object is recognized. After merging the images, you can convert them to a format that allows file exchange.

이를 위해 전처리 단계(S110)는 도 4에 도시된 바와 같이, 분할 이미지 생성 단계(S111), 데이터 전처리 수행 단계(S112), 부재 객체 인식 단계(S113), 분할 이미지 병합 단계(S114), 이미지 파일 변환 단계(S115) 및 텍스트 객체 추출 단계(S116) 중 적어도 하나를 포함할 수 있다.For this purpose, the pre-processing step (S110) includes, as shown in FIG. 4, a split image generation step (S111), a data pre-processing step (S112), an absent object recognition step (S113), a split image merging step (S114), and an image file. It may include at least one of a conversion step (S115) and a text object extraction step (S116).

상기 분할 이미지 생성 단계(S111)는, 전통목조건축물이 그려진 스캔 이미지(또는 래스터 이미지)(BMP, TIFF, PNG, JPG 등)를 입력 받고, 입력된 스캔 이미지(또는 래스터 이미지)에 대하여 서로 다른 개수로 각각 분할하여 다수의 분할 이미지를 각각 생성할 수 있다. The segmented image generation step (S111) receives a scanned image (or raster image) (BMP, TIFF, PNG, JPG, etc.) depicting a traditional wooden building, and generates different numbers of input scanned images (or raster images). You can create multiple divided images by dividing each image.

예를 들어, 스캔 이미지(또는 래스터 이미지)를 2x2로 분할한 제1 분할 이미지와 3x3으로 분할한 제2 분할 이미지를 각각 생성할 수 있으나, 이는 발명의 이해를 돕기 위한 일례일 뿐이며 본 실시예에서는 이와 같은 형태로만 분할 이미지를 생성하는 것이 아니라, 4x4, 5x5, 6x6 등 더 많은 개수로 더 많은 분할 이미지를 생성하여 실시할 수 있음이 당연하다.For example, a first split image by dividing a scanned image (or raster image) into 2x2 and a second split image by dividing into 3x3 can be generated, but this is only an example to help understand the invention and in this embodiment, It is natural that, rather than generating segmented images only in this form, it is possible to generate more segmented images in larger numbers such as 4x4, 5x5, 6x6, etc.

상기 데이터 전처리 수행 단계(S112)는, 분할 이미지 생성 단계(S111)를 통해 생성된 분할 이미지(제1 분할 이미지(2x2), 제2 분할 이미지(3x3)) 각각에 대한 해상도 및 색 표현 방식을 통일하는 데이터 전처리를 수행할 수 있다. 이러한 데이터 전처리 과정은 분할 이미지들을 모두 같은 크기를 갖는 이미지로 통일하기 위한 과정으로, 가로, 세로 픽셀 사이즈를 표현하는 해상도를 통일하고, 색을 표현하는 방식을 통일(RGB, HSV, Gray-scale, Binary 등)할 수 있다. 물론, 분할 스캔 이미지 생성 단계(S111)에서 스캔 이미지(래스터 이미지)를 균등 분할함에 따라 데이터 전처리 과정을 생략할 수 있으나, 보다 정확한 객체 인식 및 검출을 위해 분할된 이미지들에 대한 데이터 전처리 과정이 수행되는 것이 바람직하다.The data preprocessing step (S112) unifies the resolution and color expression method for each of the split images (first split image (2x2), second split image (3x3)) generated through the split image generation step (S111). Data preprocessing can be performed. This data preprocessing process is a process to unify all segmented images into an image with the same size, unifying the resolution for expressing horizontal and vertical pixel sizes, and unifying the method of expressing color (RGB, HSV, Gray-scale, Binary, etc.) can be done. Of course, the data preprocessing process can be omitted by equally dividing the scanned image (raster image) in the segmented scan image generation step (S111), but the data preprocessing process is performed on the segmented images for more accurate object recognition and detection. It is desirable to be

상기 부재 객체 인식 단계(S113)는, 전통목조건축물의 각 부재를 구성하는 부재 객체 단위의 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로, 데이터 전처리 수행 단계(S112)를 통해 데이터 전처리가 완료된 분할 이미지 각각에 대하여 미리 설정된 배수만큼 확대(예를 들어 4배로 확대)한 후, 객체 인식을 위한 이미지 프로세싱을 수행하여 미리 학습된 부재 객체를 인식할 수 있다(데이터 전처리 과정 생략 시 분할 이미지 생성 단계(S111)를 통해 생성된 분할 이미지 별로 이미지 프로세싱을 수행함). The member object recognition step (S113) is based on an artificial intelligence algorithm learned in advance for the recognition of member object units constituting each member of a traditional wooden building, and the data preprocessing step (S112) is performed to divide the data. After enlarging each image by a preset multiple (for example, magnifying 4 times), image processing for object recognition can be performed to recognize pre-learned absent objects (if the data pre-processing process is omitted, the segmented image generation step ( Image processing is performed for each segmented image generated through S111).

본 실시예에서 미리 학습된 부재 객체 단위는 살미, 첨자, 주두, 소로, 초각, 치수, 주석 등으로 전통목조건축물을 구성하는 기본적인 요소를 포함할 수 있다. 인공지능 알고리즘은 이와 같이 전통목조건축물의 기본적인 객체 단위인 살미, 첨자, 주두, 소로, 초각, 치수, 주석 등의 형태, 모양, 구조 등에 관한 이미지 데이터와 그에 대한 라벨 데이터를 학습데이터로 이용하여 학습한 딥러닝 알고리즘을 바탕으로 분할 이미지로부터 부재 객체 단위를 각각 인식할 수 있다.In this embodiment, the member object unit learned in advance may include basic elements that constitute a traditional wooden building, such as salmi, subscript, capital, minor, initial angle, dimension, and annotation. In this way, the artificial intelligence algorithm learns by using image data and label data related to the form, shape, and structure of the basic object units of traditional wooden buildings, such as salmi, subscript, capital, minor, angle, dimension, and annotation, as learning data. Based on a deep learning algorithm, each missing object unit can be recognized from a segmented image.

상기 부재 객체 인식 단계(S113)는, 다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 이미지 분할 경계선 및 분할된 이미지의 크기로 인해 분할 이미지에서 인식되지 않은 객체가 인식될 수 있도록 제1 분할 이미지와 제2 분할 이미지 간의 미인식 객체를 상호 보완적으로 탐색하여 부재 객체를 인식할 수 있다.The absent object recognition step (S113) is performed when the plurality of segmented images consists of a first segmented image with an NxN segmented image and a second segmented image with an MxM (a natural number where M>N) segmented image, an image division boundary line and Due to the size of the divided image, an unrecognized object may be recognized in the divided image by complementary searching for unrecognized objects between the first divided image and the second divided image to recognize the missing object.

좀 더 구체적으로 부재 객체 인식 단계(S113)는, 다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 제1 분할 이미지에서 인식되지 않은 제1 미인식 객체에 대한 데이터들을 취합하고, 취합된 제1 미인식 객체 데이터를 생성하고, MxM 분할 이미지에서 탐색하여 부재 객체를 인식하고, 제2 분할 이미지에서 인식되지 않은 제2 미인식 객체에 대한 데이터들을 취합하고, 취합된 제2 미인식 객체 데이터를 생성하고, NxN 분할 이미지에서 탐색하여 부재 객체를 인식할 수 있다.More specifically, the absent object recognition step (S113) is performed when the plurality of segmented images consists of a first segmented image having an NxN segmented image and a second segmented image having an MxM (a natural number where M>N) segmented image. 1 Collect data for the first unrecognized object that is not recognized in the split image, generate the collected first unrecognized object data, search in the MxM split image to recognize an absent object, and recognize an absent object that is not recognized in the second split image. The missing object can be recognized by collecting data about the second unrecognized object, generating the collected second unrecognized object data, and searching in the NxN segmented image.

예를 들어, 분할 이미지 생성 단계(S111)에서 도 5에 도시된 바와 같이 2x2로 분할된 제1 분할 이미지와 도 6에 도시된 바와 같은 3x3로 분할된 제2 분할 이미지가 있다고 가정할 경우, 제1 분할 이미지(2x2) 중 ①, ②번 분할 이미지의 분할 경계선에 의해 객체 M1이 인식되지 못하는 경우, 해당 미인식 대상 요소를 제1 미인식 객체로 정의한 후, 정의된 제1 미인식 객체들을 취합하여 제1 미인식 객체 데이터를 생성할 수 있다. 이러한 제1 미인식 객체 데이터에는 미리 학습된 데이터는 정의되지 않은 요소들에 대한 형태, 구조, 모양 등에 대한 데이터를 포함할 수 있다. 이후 제2 분할 이미지(3x3)에서 제1 미인식 객체 데이터를 기반으로 탐색 과정을 수행하여 이전에 인식되지 않았던 새로운 부재 객체를 인식할 수 있다. 즉, 도 5에 도시된 제1 분할 이미지에서는 ①, ②번 분할 이미지의 분할 경계선에 의해 객체 M1이 잘려지게 되어 객체 M1에 대한 인식이 불가하였으나, ①, ②번 분할 이미지에서 잘려진 요소들을 취합하고, 이들을 조합 또는 결합한 형태가 도 6에 도시된 제2 분할 이미지(3x3)에서 연결 객체로서 존재하는지 탐색하는 과정을 통해 ⑤번 분할 이미지 상에서 객체 M1이 인식될 수 있다. For example, assuming that in the split image generation step (S111) there is a first split image divided into 2x2 as shown in FIG. 5 and a second split image divided into 3x3 as shown in FIG. 6, the If object M1 is not recognized due to the division boundary of split images ① and ② among 1 split images (2x2), define the unrecognized target element as the first unrecognized object and then collect the defined first unrecognized objects. Thus, first unrecognized object data can be generated. This first unrecognized object data may include data on the shape, structure, shape, etc. of elements that are not defined in the pre-learned data. Afterwards, a search process is performed based on the first unrecognized object data in the second segmented image (3x3) to recognize a new, previously unrecognized object. That is, in the first split image shown in FIG. 5, the object M1 was cut off by the division boundary of the split images ① and ②, making it impossible to recognize the object M1. However, the cut elements from the split images ① and ② were collected. , object M1 can be recognized on divided image ⑤ through the process of searching whether a combination or combination of these exists as a connected object in the second divided image (3x3) shown in FIG. 6.

또한, 이와는 반대로 제2 분할 이미지가 제1 분할 이미지보다 분할 섹터가 많기 때문에 하나의 이미지에 상대적으로 큰 부재 객체가 인식되지 않을 수 있다. 이러한 경우 상술한 바와 반대로 제2 분할 이미지에서 인식되지 않은 제2 미인식 객체에 대한 데이터들을 취합하고, 취합된 제2 미인식 객체 데이터를 생성하고, 제2 미인식 객체 데이터를 기반으로 제1 분할 이미지에서 미인식 객체 조합 또는 결합된 형태가 존재하는지 탐색하여 해당 객체를 인식할 수 있다.Additionally, on the contrary, because the second split image has more split sectors than the first split image, a relatively large missing object in one image may not be recognized. In this case, contrary to what was described above, data on the second unrecognized object that was not recognized in the second segmented image is collected, the collected second unrecognized object data is generated, and first segmentation is performed based on the second unrecognized object data. The object can be recognized by searching for the presence of a combination or combined form of unrecognized objects in the image.

상기 분할 이미지 병합 단계(S114)는, 부재 객체 인식 단계(S113)에서 객체 인식 과정이 완료되면 확대한 각각의 분할 이미지를 원본(스캔 이미지 또는 래스터)와 동일한 크기를 갖도록 그 크기를 각각 축소(예를 들어 1/4배로 축소)하는 재 가공 과정을 수행한 후 해당 데이터(또는 분할 이미지)들을 병합할 수 있다.In the split image merging step (S114), when the object recognition process is completed in the absent object recognition step (S113), each enlarged split image is reduced in size to have the same size as the original (scanned image or raster) (e.g. For example, after performing a reprocessing process of reducing the data to 1/4 times the size, the data (or split images) can be merged.

상기 이미지 파일 변환 단계(S115)는, 분할 이미지 병합 단계(S114)를 통해 생성된 이미지 파일을 DXF 파일로 변환(저장)할 수 있다. DXF(Drawing Exchange File) 파일(도면 변환 파일)은 DWG의 Exchange 파일로서 다른 포맷으로 변환할 수 있는 파일이다. 이러한 DXF 파일은 다른 응용 프로그램(예를 들어 AutoCAD)의 도면이나 이미지로 사용할 수 있으며, 반대로 다른 프로그램에서 작업한 내용도 해당 응용 프로그램으로 불러올 수 있다.The image file conversion step (S115) may convert (save) the image file generated through the split image merging step (S114) into a DXF file. A DXF (Drawing Exchange File) file (drawing conversion file) is a DWG exchange file that can be converted to other formats. These DXF files can be used as drawings or images in other applications (for example, AutoCAD), and conversely, content created in other programs can also be imported into the application.

상기 텍스트 객체 추출 단계(S116)는, 스캔 이미지(래스터 이미지)에 포함된 텍스트 객체를 추출하여 텍스트 객체 데이터를 생성할 수 있다. 래스터 이미지는 픽셀 정보를 포함할 수 있으므로, 해당 이미지 상에서 추출된 텍스트 객체의 좌표정보를 얻을 수 있으며, 추출된 텍스트 객체 데이터와 더불어 텍스트 객체 위치정보(좌표정보)를 획득하여 후처리 단계(S120)로 전달될 수 있다.The text object extraction step (S116) may generate text object data by extracting a text object included in a scanned image (raster image). Since a raster image may include pixel information, coordinate information of a text object extracted from the image can be obtained, and text object location information (coordinate information) is obtained in addition to the extracted text object data in a post-processing step (S120). It can be transmitted as .

상기 후처리 단계(S120)는, 전처리 단계(S110)를 통해 변환된 이미지 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성할 수 있다.The post-processing step (S120) may generate vector data by performing coordinate transformation on a member object of the image file converted through the pre-processing step (S110).

이를 위해 후처리 단계(S120)는 도 7에 도시된 바와 같이, 텍스트 데이터 생성 단계(S121) 및 캐드 파일 생성 단계(S122) 중 적어도 하나를 포함할 수 있다.To this end, the post-processing step (S120) may include at least one of a text data generating step (S121) and a CAD file generating step (S122), as shown in FIG. 7.

상기 텍스트 데이터 생성 단계(S121)는, 텍스트 인식에 대하여 미리 학습된 딥러닝 알고리즘을 기반으로 텍스트 객체 데이터에 포함된 텍스트 객체를 인식하여 텍스트 데이터를 생성할 수 있다. 좀 더 구체적으로는, 문자 인식율을 높이기 위해 텍스트 객체 데이터에 대한 전처리를 수행한 후, 텍스트 객체 데이터의 텍스트 영역에서 글자를 검출하고, 검출된 글자를 구분하는 특징을 대량의 데이터를 통해 미리 학습된 딥러닝 알고리즘을 통해 해당 글자가 어떠한 문자인지를 인식할 수 있으며, 이후 인식된 문자의 내용적인 부분을 따져서 부자연스러운 단어나 문자가 포함되어 있으면 이를 수정하는 후처리 과정을 수행함으로써 텍스트 데이터를 얻을 수 있다. 이렇게 생성된 텍스트 데이터는 캐드 파일 생성 단계(S122)로 전달될 수 있다.In the text data generation step (S121), text data may be generated by recognizing text objects included in text object data based on a deep learning algorithm previously learned for text recognition. More specifically, after preprocessing the text object data to increase the character recognition rate, letters are detected in the text area of the text object data, and the features that distinguish the detected letters are learned in advance through a large amount of data. Through a deep learning algorithm, it is possible to recognize what kind of character the character is, and then text data can be obtained by performing a post-processing process to check the content of the recognized character and correct it if it contains unnatural words or characters. there is. The text data generated in this way can be transmitted to the CAD file creation step (S122).

상기 캐드 파일 생성 단계(S122)는, DXF 파일에 텍스트 데이터 생성 단계(S121)를 통해 생성된 텍스트 데이터를 추가하여 전통목조건축물의 스캔 이미지(래스터 이미지) 상에 텍스트(예를 들어 한글)로 이루어진 부재 명칭, 설명 등에 대한 텍스트 데이터를 DXF 파일에 적용할 수 있다. The CAD file creation step (S122) consists of text (e.g., Korean) on a scanned image (raster image) of a traditional wooden building by adding text data generated through the text data creation step (S121) to the DXF file. Text data for member names, descriptions, etc. can be applied to DXF files.

또한, 캐드 파일 생성 단계(S122)는, 텍스트 데이터가 추가된 DXF 파일의 각 부재 객체에 대한 좌표 변환(CAD 레이어화 작업)을 수행하여 벡터 데이터(캐드 전자 파일)를 생성(변환) 할 수 있다.In addition, in the CAD file creation step (S122), vector data (CAD electronic file) can be created (converted) by performing coordinate conversion (CAD layering operation) on each member object of the DXF file to which text data has been added. .

이상에서 설명한 것은 본 발명에 의한 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템 및 방법을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.What has been described above is only an embodiment for implementing the system and method for converting a raster image of a traditional wooden building into a CAD electronic drawing according to the present invention, and the present invention is not limited to the above embodiment, and the following patents As claimed in the claims, it will be said that the technical spirit of the present invention exists to the extent that anyone skilled in the art can make various changes and implementations without departing from the gist of the present invention.

100: 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템
110: 전처리부
111: 분할 이미지 생성부
112: 이미지 전처리 수행부
113: 부재 객체 인식부
114: 분할 이미지 병합부
115: 이미지 파일 변환부
116: 텍스트 객체 추출부
120: 후처리부
121: 텍스트 데이터 생성부
122: 캐드 파일 생성부
10: 사용자 통신단말
20: 운영 서버
30: 데이터베이스
S100: 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법
S110: 전처리 단계
S111: 분할 이미지 생성 단계
S112: 이미지 전처리 수행 단계
S113: 부재 객체 인식 단계
S114: 분할 이미지 병합 단계
S115: 이미지 파일 변환 단계
S116: 텍스트 객체 추출 단계
S120: 후처리 단계
S121: 텍스트 데이터 생성 단계
S122: 캐드 파일 생성 단계100: A system that converts raster images of traditional wooden buildings into CAD electronic drawings
110: Preprocessing unit
111: Split image creation unit
112: Image preprocessing unit
113: Absent object recognition unit
114: Split image merge unit
115: Image file conversion unit
116: Text object extraction unit
120: Post-processing unit
121: Text data generation unit
122: CAD file creation unit
10: User communication terminal
20: Operation server
30: Database
S100: How to convert raster images of traditional wooden buildings into CAD electronic drawings
S110: Preprocessing step
S111: Segmented image creation step
S112: Step of performing image preprocessing
S113: Absent object recognition step
S114: Segmented image merging step
S115: Image file conversion step
S116: Text object extraction step
S120: Post-processing step
S121: Text data generation step
S122: CAD file creation step

Claims (12)

전통목조건축물의 스캔 이미지를 분할하고, 다수의 분할 이미지에 대한 이미지 프로세싱을 각각 수행하여 상기 분할 이미지 각각에 포함된 부재 객체를 인식하고, 상기 부재 객체가 인식된 다수의 분할 이미지를 병합한 후 파일 교환이 가능한 포맷으로 변환하는 전처리부; 및
상기 전처리부를 통해 변환된 이미지 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성하는 후처리부를 포함하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템.
Split a scanned image of a traditional wooden building, perform image processing on each of the multiple split images to recognize member objects included in each of the split images, merge the multiple split images in which the member objects were recognized, and then file the file. A pre-processing unit that converts into an exchangeable format; and
A system for converting a raster image of a traditional wooden building into a CAD electronic drawing, comprising a post-processing unit that generates vector data by performing coordinate transformation on member objects of the image file converted through the pre-processing unit.
 제1 항에 있어서,
상기 전처리부는,
상기 스캔 이미지에 대하여 서로 다른 개수로 각각 분할하여 다수의 분할 이미지를 각각 생성하는 분할 이미지 생성부;
상기 분할 이미지 생성부를 통해 생성된 상기 분할 이미지 각각에 대한 해상도 및 색 표현 방식을 통일하는 데이터 전처리를 수행하는 데이터 전처리 수행부;
전통목조건축물의 각 부재를 구성하는 부재 객체의 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로, 상기 데이터 전처리 수행부를 통해 데이터 전처리가 완료된 분할 이미지 각각에 대하여 미리 설정된 배수만큼 확대한 후 이미지 프로세싱을 수행하여 상기 부재 객체를 인식하는 부재 객체 인식부;
상기 부재 객체 인식부를 통해 상기 부재 객체가 인식된 다수의 분할 이미지를 상기 스캔 이미지와 동일한 크기를 갖도록 크기를 축소한 후 병합하는 분할 이미지 병합부; 및
상기 분할 이미지 병합부를 통해 생성된 이미지 파일을 DXF 파일로 변환하는 이미지 파일 변환부를 포함하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템.
According to claim 1,
The preprocessor,
a split image generator that divides the scanned image into different numbers to generate a plurality of split images;
a data preprocessing unit that performs data preprocessing to unify resolution and color expression methods for each of the segmented images generated through the segmented image generator;
Based on an artificial intelligence algorithm learned in advance for the recognition of member objects constituting each member of a traditional wooden building, each segmented image for which data preprocessing has been completed is enlarged by a preset multiple and then image processed through the data preprocessing unit. an absent object recognition unit that recognizes the absent object;
a split image merging unit that reduces the size of a plurality of split images in which the absent object is recognized through the absent object recognition unit to have the same size as the scanned image and then merges them; and
A system for converting a raster image of a traditional wooden building into a CAD electronic drawing, comprising an image file conversion unit for converting the image file generated through the split image merge unit into a DXF file.
 제2 항에 있어서,
상기 부재 객체 인식부는,
다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 이미지 분할 경계선 및 분할된 이미지의 크기로 인해 상기 분할 이미지에서 인식되지 않은 객체가 인식되도록 상기 제1 분할 이미지와 상기 제2 분할 이미지 간의 미인식 객체를 상호 보완적으로 탐색하여 상기 부재 객체를 인식하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템.
According to clause 2,
The absent object recognition unit,
When a plurality of segmented images consists of a first segmented image with NxN segmented images and a second segmented image with MxM (a natural number where M>N) segmented images, the image segmented images are CAD electronic drawing of a raster image of a traditional wooden building, characterized in that the absent object is recognized by complementary search for unrecognized objects between the first split image and the second split image so that unrecognized objects are recognized in A system that converts to .
 제2 항에 있어서,
상기 부재 객체 인식부는,
다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 상기 제1 분할 이미지에서 인식되지 않은 제1 미인식 객체에 대한 데이터들을 취합하고, 취합된 제1 미인식 객체 데이터를 생성하고, 상기 MxM 분할 이미지에서 탐색하여 상기 부재 객체를 인식하고, 상기 제2 분할 이미지에서 인식되지 않은 제2 미인식 객체에 대한 데이터들을 취합하고, 취합된 제2 미인식 객체 데이터를 생성하고, 상기 NxN 분할 이미지에서 탐색하여 상기 부재 객체를 인식하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템.
According to clause 2,
The absent object recognition unit,
When a plurality of split images consists of a first split image with NxN split images and a second split image with MxM (a natural number where M>N) split images, a first unrecognized object that is not recognized in the first split image Collect data for, generate collected first unrecognized object data, search in the MxM segmented image to recognize the absent object, and data for a second unrecognized object not recognized in the second segmented image. A system for converting a raster image of a traditional wooden building into a CAD electronic drawing, characterized in that it collects the collected second unrecognized object data, and recognizes the member object by searching in the NxN segmented image.
 제2 항에 있어서,
상기 전처리부는,
상기 스캔 이미지에서 텍스트 객체를 추출하여 텍스트 객체 데이터를 생성하는 텍스트 객체 추출부를 더 포함하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템.
According to clause 2,
The preprocessor,
A system for converting a raster image of a traditional wooden building into a CAD electronic drawing, further comprising a text object extraction unit for extracting text objects from the scanned image and generating text object data.
 제5 항에 있어서,
상기 후처리부는,
텍스트 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로 상기 텍스트 객체 데이터에 포함된 텍스트 객체를 인식하여 텍스트 데이터를 생성하는 텍스트 데이터 생성부; 및
상기 DXF 파일에 상기 텍스트 데이터를 추가하고, 상기 텍스트 데이터가 추가된 DXF 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성하는 캐드 파일 생성부를 포함하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 시스템.
According to clause 5,
The post-processing unit,
A text data generator that generates text data by recognizing text objects included in the text object data based on an artificial intelligence algorithm previously learned for text recognition; and
A raster image of a traditional wooden building, comprising a CAD file generator for adding the text data to the DXF file and generating vector data by performing coordinate transformation on a member object of the DXF file to which the text data has been added. A system that converts CAD electronic drawings.
 전처리부가, 전통목조건축물의 스캔 이미지를 분할하고, 다수의 분할 이미지에 대한 이미지 프로세싱을 각각 수행하여 상기 분할 이미지 각각에 포함된 부재 객체를 인식하고, 상기 부재 객체가 인식된 다수의 분할 이미지를 병합한 후 파일 교환이 가능한 포맷으로 변환하는 전처리 단계; 및
후처리부가, 상기 전처리 단계를 통해 변환된 이미지 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성하는 후처리 단계를 포함하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법.
The pre-processing unit divides the scanned image of the traditional wooden building, performs image processing on each of the plurality of split images, recognizes the absent object included in each of the split images, and merges the plurality of split images in which the absent object is recognized. A preprocessing step to convert the file into a format that can be exchanged; and
Converting a raster image of a traditional wooden building into a CAD electronic drawing, wherein the post-processing unit includes a post-processing step of generating vector data by performing coordinate transformation on member objects of the image file converted through the pre-processing step. How to.
 제7 항에 있어서,
상기 전처리 단계는,
상기 스캔 이미지에 대하여 서로 다른 개수로 각각 분할하여 다수의 분할 이미지를 각각 생성하는 분할 이미지 생성 단계;
상기 분할 이미지 생성 단계를 통해 생성된 상기 분할 이미지 각각에 대한 해상도 및 색 표현 방식을 통일하는 데이터 전처리를 수행하는 데이터 전처리 수행 단계;
전통목조건축물의 각 부재를 구성하는 부재 객체의 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로, 상기 데이터 전처리 수행 단계를 통해 데이터 전처리가 완료된 분할 이미지 각각에 대하여 미리 설정된 배수만큼 확대한 후 이미지 프로세싱을 수행하여 상기 부재 객체를 인식하는 부재 객체 인식 단계;
상기 부재 객체 인식 단계를 통해 상기 부재 객체가 인식된 다수의 분할 이미지를 상기 스캔 이미지와 동일한 크기를 갖도록 크기를 축소한 후 병합하는 분할 이미지 병합 단계; 및
상기 분할 이미지 병합 단계를 통해 생성된 이미지 파일을 DXF 파일로 변환하는 이미지 파일 변환 단계를 포함하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법.
According to clause 7,
The preprocessing step is,
A split image generating step of dividing the scanned image into different numbers to generate a plurality of split images;
A data preprocessing step of performing data preprocessing to unify the resolution and color expression method for each of the divided images generated through the divided image generation step;
Based on an artificial intelligence algorithm learned in advance for the recognition of member objects constituting each member of a traditional wooden building, each segmented image for which data preprocessing has been completed through the data preprocessing step is enlarged by a preset multiple and then image processed. An absent object recognition step of recognizing the absent object by performing;
A split image merging step of reducing the size of a plurality of split images in which the absent object is recognized through the absent object recognition step to have the same size as the scanned image and then merging them; and
A method of converting a raster image of a traditional wooden building into a CAD electronic drawing, comprising an image file conversion step of converting the image file generated through the split image merging step into a DXF file.
 제8 항에 있어서,
상기 부재 객체 인식 단계는,
다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 이미지 분할 경계선 및 분할된 이미지의 크기로 인해 상기 분할 이미지에서 인식되지 않은 객체가 인식되도록 상기 제1 분할 이미지와 상기 제2 분할 이미지 간의 미인식 객체를 상호 보완적으로 탐색하여 상기 부재 객체를 인식하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법.
According to clause 8,
The absent object recognition step is,
When a plurality of segmented images consists of a first segmented image with NxN segmented images and a second segmented image with MxM (a natural number where M>N) segmented images, the image segmented images are CAD electronic drawing of a raster image of a traditional wooden building, characterized in that the absent object is recognized by complementary search for unrecognized objects between the first split image and the second split image so that unrecognized objects are recognized in How to convert to .
 제8 항에 있어서,
상기 부재 객체 인식 단계는,
다수의 분할 이미지가 NxN 분할 이미지를 갖는 제1 분할 이미지와 MxM(M>N인 자연수) 분할 이미지를 갖는 제2 분할 이미지로 구성되는 경우, 상기 제1 분할 이미지에서 인식되지 않은 제1 미인식 객체에 대한 데이터들을 취합하고, 취합된 제1 미인식 객체 데이터를 생성하고, 상기 MxM 분할 이미지에서 탐색하여 상기 부재 객체를 인식하고, 상기 제2 분할 이미지에서 인식되지 않은 제2 미인식 객체에 대한 데이터들을 취합하고, 취합된 제2 미인식 객체 데이터를 생성하고, 상기 NxN 분할 이미지에서 탐색하여 상기 부재 객체를 인식하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법.
According to clause 8,
The absent object recognition step is,
When a plurality of split images consists of a first split image with NxN split images and a second split image with MxM (a natural number where M>N) split images, a first unrecognized object that is not recognized in the first split image Collect data for, generate collected first unrecognized object data, search in the MxM segmented image to recognize the absent object, and data for a second unrecognized object not recognized in the second segmented image. A method of converting a raster image of a traditional wooden building into a CAD electronic drawing, comprising collecting the collected second unrecognized object data, and recognizing the member object by searching in the NxN segmented image.
 제8 항에 있어서,
상기 전처리 단계는,
상기 스캔 이미지에서 텍스트 객체를 추출하여 텍스트 객체 데이터를 생성하는 텍스트 객체 추출 단계를 더 포함하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법.
According to clause 8,
The preprocessing step is,
A method of converting a raster image of a traditional wooden building into a CAD electronic drawing, further comprising a text object extraction step of extracting a text object from the scanned image to generate text object data.
 제11 항에 있어서,
상기 후처리 단계는,
텍스트 인식에 대하여 미리 학습된 인공지능 알고리즘을 기반으로 상기 텍스트 객체 데이터에 포함된 텍스트 객체를 인식하여 텍스트 데이터를 생성하는 텍스트 데이터 생성 단계; 및
상기 DXF 파일에 상기 텍스트 데이터를 추가하고, 상기 텍스트 데이터가 추가된 DXF 파일의 부재 객체에 대한 좌표 변환을 수행하여 벡터 데이터를 생성하는 캐드 파일 생성 단계를 포함하는 것을 특징으로 하는 전통목조건축물의 래스터 이미지를 캐드 전자 도면으로 변환하는 방법.
According to claim 11,
The post-processing step is,
A text data generation step of generating text data by recognizing text objects included in the text object data based on an artificial intelligence algorithm previously learned for text recognition; and
A raster of a traditional wooden building comprising a CAD file creation step of adding the text data to the DXF file and generating vector data by performing coordinate transformation on a member object of the DXF file to which the text data has been added. How to convert images to CAD electronic drawings.
KR1020220089973A 2022-07-21 2022-07-21 System and method for converting raster images of traditional wooden buildings into cad electronic drawings KR20240012673A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220089973A KR20240012673A (en) 2022-07-21 2022-07-21 System and method for converting raster images of traditional wooden buildings into cad electronic drawings

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220089973A KR20240012673A (en) 2022-07-21 2022-07-21 System and method for converting raster images of traditional wooden buildings into cad electronic drawings

Publications (1)

Publication Number Publication Date
KR20240012673A true KR20240012673A (en) 2024-01-30

Family

ID=89715389

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220089973A KR20240012673A (en) 2022-07-21 2022-07-21 System and method for converting raster images of traditional wooden buildings into cad electronic drawings

Country Status (1)

Country Link
KR (1) KR20240012673A (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101015765B1 (en) 2002-12-13 2011-02-22 더 보잉 캄파니 Apparatus and methods for converting raster illustrated parts images into intelligent vector-layered files
KR101869302B1 (en) 2011-11-17 2018-06-20 에이치피프린팅코리아 주식회사 Raster image conversion apparatus, image scanning apparatus, method for conversion of raster image, and computer-readable recording medium

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101015765B1 (en) 2002-12-13 2011-02-22 더 보잉 캄파니 Apparatus and methods for converting raster illustrated parts images into intelligent vector-layered files
KR101869302B1 (en) 2011-11-17 2018-06-20 에이치피프린팅코리아 주식회사 Raster image conversion apparatus, image scanning apparatus, method for conversion of raster image, and computer-readable recording medium

Similar Documents

Publication Publication Date Title
CN109005145B (en) Malicious URL detection system and method based on automatic feature extraction
CN107967475B (en) Verification code identification method based on window sliding and convolutional neural network
CN112019569B (en) Malicious domain name detection method and device and storage medium
CN111460967B (en) Illegal building identification method, device, equipment and storage medium
RU2631168C2 (en) Methods and devices that convert images of documents to electronic documents using trie-data structures containing unparameterized symbols for definition of word and morphemes on document image
CN111797821B (en) Text detection method and device, electronic equipment and computer storage medium
CN109977337B (en) Webpage design comparison method, device and equipment and readable storage medium
CN111552966A (en) Malicious software homology detection method based on information fusion
CN110765740B (en) Full-type text replacement method, system, device and storage medium based on DOM tree
US11010543B1 (en) Systems and methods for table extraction in documents
CN112333706A (en) Internet of things equipment anomaly detection method and device, computing equipment and storage medium
Van Phan et al. A nom historical document recognition system for digital archiving
CN111931769A (en) Invoice processing device, invoice processing apparatus, invoice computing device and invoice storage medium combining RPA and AI
KR20240012673A (en) System and method for converting raster images of traditional wooden buildings into cad electronic drawings
KR102562170B1 (en) Method for providing deep learning based paper book digitizing service
CN113420295A (en) Malicious software detection method and device
JP6758250B2 (en) Local feature expression learning device and method
CN110287988B (en) Data enhancement method, device and computer readable storage medium
CN114283431B (en) Text detection method based on differentiable binarization
CN113516114B (en) Natural scene text detection method, equipment and medium
CN113221649B (en) Method for solving wired table identification and analysis
CN115063826A (en) Mobile terminal driver license identification method and system based on deep learning
Sridevi et al. Segmentation of text lines and characters in ancient tamil script documents using computational intelligence techniques
KR20230029206A (en) Apparatus for constructing training data for artificial intelligence based text recognition
RU2625020C1 (en) Devices and methods, which prepare parametered symbols for transforming images of documents into electronic documents