로젯 주사 탐색기는 적외선 유도 미사일에 장착되어 표적을 추적하는 장치이다. 단소자 검출기가 로젯 패턴의 형태로 공간을 주사함으로써 표적의 2차원 영상을 획득할 수 있다. 검출된 영상은 시계내의 위치에 따라서 형태가 변하고 대상 물체의 수가 고정되어 있지 않기 때문에 unsupervised clustering 방법을 이용하여 이들을 구분한다. 기존의 ISODATA 방식은 씨앗점(seed point)과 대상 화소간의 거리를 이용하여 clustering하기 때문에 물체의 모양이 복잡하거나 병합 및 분리 파라미터 값이 변하면 clustering 결과가 실제와 다르게 나타난다. 본 논문에서는 이러한 단점을 개선한 새로운 clustering 방법인 ALCA (Arrav Linkage Clustering Algorithm)을 제안한다. 이 방식은 화소가 저장된 메모리 번호의 연속성을 이용하여 clustering하기 때문에 초기 씨앗점과 병합 및 분리 파라미터를 필요로 하지 않는다. 따라서 대상 물체의 모양과 관계없이 clustering을 할 수 있다. 대상 물체의 clustering를 기존 방식과 비교 평가함으로써 제안된 방식의 우수성을 확인한다. 또한 제안된 ALCA을 로젯 주사 탐색기의 반대응 능력으로 이용하여 3차원 시뮬레이터상에서 추적 실험을 행한다. 기존 방식과 비교 평가를 통하여 제안된 ALCA 방식이 로젯 주사 탐색기의 반대응 능력으로서 우수한 성능을 가지고 있음을 확인한다.
본 논문에서는, 움직임 벡터와 보상 블록을 이용한 분류기를 제안하고, 이 분류기로써 MCD(motion compensated difference) 블록을 CVQ(classified vector quantization)하는 새로운 MCDI(motion compensated difference image) 부호화 방법을 제안하였다. MCD 블록의 분산은 움직임 벡터의 크기뿐만 아니라 보상 블록의 분산과도 밀접한 관계가 있으므로, 이 특성들을 이용하여, 새로운 분류기를 제안하였다. 제안한 방법은 서브 코드북(sub-codebook)을 선택하는 분류기에 대한 부가 정보가 필요 없으면서, 모의 실험 결과 분류 비트가 필요한 기존의 방법에 비해 제안한 방법이 좋은 성능을 나타내었다.
고속 움직임 추정 방법들에서는, 움직임 추정 오차는 최적 탐색점에서 멀어질수록 단조 증가한다는 성질을 이용하여, 계산량을 줄인다 본 논문에서는 먼저, 참조 탐색점들의 MAE (mean absolute error) 차가 클 때에, 대부분의 움직임 벡터는 작은 MAE의 참조 탐색점 방향에서 나타난다는 통계적 특성을 조사하였다 그러므로, 이 특성을 이용하여 탐색점 수를 줄일 수 있는 고속 움직임 추정 방법을 제안한다 모의 실험 결과, 기존의 고속 움직임 추정 방법들에 비해서는 비슷한 성능을 유지하면서 계산량을 줄일 수 있었다.
본 논문에서는 DCT 계수특성을 이용한 도메인 분류방법과 부분 탐색방법을 사용한 프랙탈 압축방법을 제안한다 일반적으로 프랙탈 영상 부호화 방법은 레인지 블록과 매칭되는 도메인을 탐색하는데 많은 시간이 걸리는 문제점을 갖는다 이를 해결하기위해 DCT계수 특성을 이용하여 4가지 영역으로 분류하여 탐색을 함으로서 시간복잡도를 해결하고, 분류된 특성에 따라 적합한 부호화 과정을 수행한다 프랙탈 영상의 압축율은 레인지 블록의 개수에 의해 결정되므로, 도메인 영역의 데이터와 레인지 영역의 데이터 매칭을 부분 탐색 과정을 통해 큰 레인지 영역에서 수행되게 유도함으로써 영상의 압축율을 높일 수 있었다 이때 DCT계수의 특성을 이용해 부분 탐색의 방향과 거리를 결정하므로써 부분 탐색의 시간 복잡도를 줄였다 제안한 알고리듬을 실제 영상에 적용하여 실험한 결과, 기존 알고리듬의 결과에 비하여 화질은 1 dB, 압축율은 0 806 이상의 향상된 결과를 얻었다.
본 논문에서는 다중 클래스 데이터를 위한 특징 추출 방법을 최적화하는 기법을 제안한다 제안된 특징 추출 기법은 분류 오차에 기반한 방법으로 특징 공간(feature space)을 탐색하여 가우시안 최대우도 분류기 (Gaussian ML Classifier)의 분류오차(classification error)가 최소가 되도록 하는 특징벡터 집합을 구하는 방법이다 제안된 방법은 임의의 초기 특징벡터를 설정한 후 steepest descent 알고리즘을 적용하여 분류오차가 감소하는 방향으로 초기벡터를 갱신시킨다 본 논문에서는 순차탐색 및 전체탐색 두 가지의 방법을 제안하며 순차탐색은 추가로 특징벡터를 구하는 경우 이미 구해진 특징벡터를 포함하여 최소의 분류오차를 얻을 수 있는 특징벡터를 구한다 반면에 전체탐색 방법은 추가의 특징벡터를 구할 경우 새로운 초기 특징벡터 집합을 설정하여 이미 구해진 특징벡터를 포함하는 제약을 받지 않는다. 실험결과 제안된 두 가지 방법은 기존의 특징추출 방법보다 우수한 성능을 보여주고 있다.
본 논문에서는 분수계 기반 영상 분할의 속도 개선을 위한 새로운 전처리 방법을 제안하였다 영상 분할을 위한 분수계 변환에 있어서, 단순히 단일척도 또는 다중척도의 형태학적 기울기 연산자를 사용하여 만드는 기존의 기준 영상과는 달리, 제안한 방법에서는 원 영상에 라플라시안 연산을 수행해 램프 에지의 위치와 에지 폭을 구한후 이로부터 램프 에지 기울기 보정값을 구하였다 그런후, 단일척도 기울기 연산자를 사용한 영상에 이들 램프 에지의 위치에만 보정값을 더하여 기준 영상을 만들었다 여기에 마커 영상을 만들어 부식에 의해 재구성하여 얻은 영상을 분수계 변환함으로써, 단일 또는 다중 척도 기울기 연산에 의한 기준 영상을 사용한 경우보다 과분할을 방지할 수 있어서, 분수계 기반 영상 분할 처리 시간의 대부분을 차지하는 영역 병합을 대폭 줄여 총 영상 분할 시간을 단축하였다 기존의 방법들과의 비교 실험을 통하여 제안한 방법은 램프 에지나 에지 밀집 지역의 주요 에지들의 소실 없이 과분할을 줄여 전체 영상 분할 속도를 약 2배 가까이 향상시킬 수 있음을 확인하였다
기존의 적응 어레이 시스템은 입력 신호에 고유치의 최대 값과 최소 값의 차이가 큰 다중 간섭 신호가 입사될 경우에 모든 간섭 신호를 제거하지 못하는 결정적인 문제점을 가지고 있다 본 논문에서는 기존의 Applebaum 어레이의 출력부에 자동이득조절장치를 부착한 어레이 시스템을 제안한다 고유치가 확산된 신호가 입사될 경우, 신호 전력이 큰 간섭 신호는 수 회 반복 수렴 후에 쉽게 제거되고 어레이 출력에는 고유치 확산의 원인이 되는 상대적으로 낮은 전력의 간섭 신호만 존재하게 된다 이 때 자동이득조절장치가 출력에 잔존해 있는 낮은 전력의 간섭 선호를 순간적으로 증폭시켜 입력의 저전력의 간섭 신호와 출력 신호 사이의 상관값을 높여서 가중치 벡터가 적응하도록 한다 컴퓨터 모의 실험 결과 제안한 모델에서는 이러한 고유치 확산 문제를 해결하여 다중 간섭 신호 환경에서 어레이 출력의 높은 신호 대 잡음비와 빠른 수렴 속도를 얻을 수 있었다.
본 논문에서는 GPS에 의해 측정된 차량의 주행 궤적을 지도상의 도로와 매칭시키기 위한 새로운 지도매칭 알고리즘을 제안한다 이는 차량항법장치에서 중요한 기능인 차량의 위치 정밀도를 간접적으로 향상시켜 준다 제안한 알고리즘은 주행중인 차량을 Singer 모델의 상태방정식으로써 모델링한 후 칼만 필터를 적용하여 차량의 위치를 정확히 도로 위로 위치시킴과 동시에 위치정확도를 개선시켜 준다 그리고 교차로에서는 실제 주행경로를 정확히 판단하기 어렵기 때문에 칼만 필터링에 의해 추정된 위치값을 선형회귀(linear regression) 시킴으로써 차량의 진행 방향각을 결정한 다음 각 도로의 방향각과 비교하여 치량의 주행경로를 판단하도록 한다