효율적인 화염 세분화를 위한 RGB 이미지 기반 U-Net 학습 표현

• Published in: 한국컴퓨터정보학회논문지, 30(4) pp. 33 - 40
• Main Author: 김종현
• Format: Journal Article
• Language: Korean
• Published: 한국컴퓨터정보학회 01.04.2025
• Subjects: 컴퓨터학
• ISSN: 1598-849X; 2383-9945
• DOI: 10.9708/jksci.2025.30.04.033

본 논문에서는 RGB 이미지에서 색상 기반의 특징을 추출하고 U-Net 기반의 세분화 학습을 통해 화염 영역을 효율적으로 찾는 방법을 제안한다. 제안하는 방법에서는 화재 현장에서 일반적으로 나타나는 화염 영역을 찾는 것을 목표로 한다. 이를 위해 화재 이미지에서 연기 제거 및 색상보정을 통해 이미지를 전처리하고, 반사 제거 과정을 추가하여 빛으로 인한 주변 반사 특징을 제거한다. 또한, 제안된 방법을 통해 화염 영역 이미지를 U-Net으로 학습시켜 다른 화재 이미지에서도 불 영역을 안정적으로 세분화한다. 제안된 방법은 영상의 RGB 색상만을 활용하여 특징을 계산하기 때문에 연산이 가벼워 효율적이고 안정적으로 화염 영역을 선별할 수 있으며, 다양한 디바이스 환경 및 시장에서 활용 가능성이 높다. This paper proposes a method for efficiently detecting flame regions by extracting color-based features from RGB images and applying segmentation training using a U-Net architecture. The goal of the proposed approach is to accurately identify flame regions commonly observed in fire scenes. To achieve this, the fire images are preprocessed through smoke removal and color correction, followed by a reflection removal step to eliminate surrounding reflections caused by light. The segmented flame regions are then used to train a U-Net model, enabling stable flame segmentation in other fire images as well. Since the proposed method relies solely on RGB color features, it is lightweight in computation, allowing for efficient and reliable detection of flame regions. This makes it highly applicable across various device environments and market settings. KCI Citation Count: 0