오늘날 급격한 멀티미디어 정보의 증가에 따라 영상에서의 시각적 특성을 이용하여 멀티미디어 데이터를 검색하는 내용 기반 영상 검색 기법에 대한 관심이 크게 늘어나고 있다. 본 논문에서는 효과적인 영상 검색을 위한 새로운 접근으로서 edge correlogram과 color coherence vector를 이용한 에지 기반의 공간 기술자를 제안한다. 우선 color vector angle기법을 이용하여 주어진 영상을 고주파 성분과 저주파 성분의 영상으로 나눈다. 저주파 성분의 영상에서는 color coherence vector를 이용하여 평탄 화소의 공간적인 색상 분포를 추출함으로써 이를 평탄 영역에서의 특징 정보로서 활용한다. 반면, 고주파 성분의 영상에서는 edge correlogram으로부터 에지 화소들 간의 분포를 추출하여 이를 에지 영역에서의 특징 정보로 이용한다. 제안된 방법은 색상 간의 지엽적인 특성과 전체적인 특성을 모두 가지고 있기 때문에, 영상 간의 비교에 있어서 영상의 모양과 크기의 급격한 변화로 인한 오검출 등에 매우 강건하다. 또한, 영상에서의 구조적인 특징을 이용함으로써 복잡한 영상에 대해서도 간단하고 유연한 특징을 제공한다. 실험 결과는 영상 색인 및 검색에 있어서 제안된 알고리즘이 최근의 여러 히스토그램 정밀화 기법에 비하여 더 효과적임을 보여준다. 데이터베이스 내 영상의 색인을 위해서는 R*-tree 구조를 이용하였다.

본 논문에서는 영상의 에너지 분포에 따른 통계적 특성과 대역확산방법 (direct sequence spread spectrum)을 이용한 웨이블릿 기반의 비디오 워터마킹(watermarking) 방법을 제안하였다. 제안한 방법에서는 원 비디오를 공간 영역에서 움직임의 다소에 따라 분류된 움직임이 큰 영역과 움직임이 적은 영역을 공간계차측정 (spatial difference metric)방법에 의해 나누어진 장면 (scene) 단위로 각각 3차원 DWT와 2차원 DWT를 수행하여 3 레벨 및 2 레벨로 각각 분해한다. 비가시성과 견고성을 만족시키기 위해 기저대역을 제외한 레벨 3 및 레벨 2에서 부대역 계수값의 표준편차를 이용하여 문턱값을 정하고 워터마크가 삽입될 계수를 각각 선택한다. 그리고 워터마크(watermark)는 시각적인 정보를 가진 이진 영상으로 임의 교환 (random permutation) 후 대역확산방법을 이용하여 비디오 워터마크로 대체되어 선택된 계수에 삽입된다. 제안한 방법의 성능 평가를 위한 모의실험 결과에서 기존의 방법보다 비가시성 및 견고성이 우수함을 확인하였다.

TV와 PC 모니터와 같은 컬러 디스플레이 장치 사용하는 실제 시환경은 표준 시환경과 상당히 다르다. 주위 시환경의 휘도와 색도의 변화에 따라 인간 시각계는 색 순응이 일어나게 되고, 사용자는 디스플레이 상에 재현된 측색적으로 동일한 색을 서로 다르게 느끼게 된다. 따라서 디스플레이에 재현된 색이 표준 시환경 하에서의 원래 색과 동일하게 재현하는 것이 중요하다. 본 논문에서는 동일한 휘도 조건에서 주위 조명광의 색도 변화에 따른 색 순응 모델을 제안한다. 제안한 색 순응 모델은 주위 시환경의 휘도 조건과 색도에 따라 시 세포의 L, M, 및 S 에 대한 감도의 이득을 모두 비선형 함수로 구한다. 그리고 제안한 색 순응 모델의 최적 이득 계수 값은 Breneman 색 순응 실험의 대응색 데이터들로부터 구한다. 제안한 색 순응 모델과 기존 모델들의 성능을 평가해 본 결과, 제안 방식의 색 순응 모델이 기존의 모델에 비해서 전 휘도 조건에서 매우 우수한 성능을 가짐을 확인하였다. 또한, 실제 시환경하에서 제안한 색 순응 모델을 이용하여 재현한 대응색이 표준 시환경 하에서의 원래의 색과 동일하게 보이는 것을 확인하였다.

디지털 홀로그램의 저변이 확대됨에 따라서 3차원 영상의 구성을 위한 스테레오 영상의 압축기술에 대한 국제적인 표준이 3DAV라는 형태로 진행되는 것과 같이 디지털 홀로그램의 압축 기술에 대한 논의도 활발히 이루어질 것으로 보인다. 3DAV의 경우애도 볼 수 있듯이 기존에 존재하는 여러 가지 기술들을 접목하거나 변형한 형태, 혹은 그들의 혼합된 형태로 논의될 가능성이 크다. 또한 디지털 홀로그램의 압축을 위한 전용 시스템을 구성하는 기존의 기술을 배제하고 개발하는 것은 현실적으로 어렵다. 따라서 다양한 영상압축 기술들과 디지털 홀로그램과의 상관관계에 대한 방향을 제시하고자 한다. 본 논문에서는 기존의 비디오 및 영상압축 도구들을 이용하여 디지털 홀로그램을 효율적으로 부호화하는 기술을 제안하고자 한다. Fringe 패턴의 형태로 표현되는 디지털 홀로그램의 생성 원리를 이용하여 비디오 데이터로 가공한 후에 부호화하는 방식을 이용한다. 여기에는 생성된 디지털 홀로그램을 부호화하기 위해 적절한 형태로 변형하는 전처리 과정, 객체 영상의 모든 정보를 포함하는 공간적인 분할, 디지털 홀로그램의 생성원리와 부합되는 주파수 변환기술, 비디오 데이터로 구성하기 위한 스캔방법, 부호화를 위한 주파수 계수의 분류, 그리고 하이브리드 형태의 압축기술 등이 고려되어 하나의 알고리즘을 구성한다. 압축을 위한 부호화 도구에는 정지영상 압축을 위한 JPEG2000을 비롯하여 동영상 압축을 위한 MPEG-2, MPEG-4, 및 H.264와 같은 국제 표준 압축 알고리즘들과 여러 무손실 압축 기술들이 포함된다. 실험 결과를 살펴보면 제안한 알고리즘은 기존의 기술에 비해서 4배에서 8배 이상의 높은 압축율에서 더 좋은 복원 성능을 보였다. 따라서 제안한 기술은 디지털 홀로그램의 부호화를 위한 좋은 연구 사례가 될 것으로 사료된다. 체중 부하에 의해서 생역학적인 변화를 일으키지 않고 얼마나 유지 할 수 있는지는 보다 장기적인 추시 관찰이 필요할 것으로 사료된다.이 생식소의 에너지 요구에 반응하여 변하는 것으로 추정된다.60일 후 $625{\pm}19.76{\mu}m$로 성장하였고, 생존율은 23%로 가장 높게 나타나 치패사육시 가장 적정한 수온은 $15^{\circ}C$라 판단되었다.다. 시도는 긍정적으로 평가되어야 한다. 그러므로 앞으로는 제품디자인 뿐만이 아닌 다른 다양한 분야들에게로 그 범위가 확대되어 디자인 문화적 정체성을 확립하는 연구가 뒤따라야 할 것이다.. 즉, 제품디자인의 결정요인 분석결과는 QFD의 접근방법에, 제품 디자인 파급효과 분석결과는 컨조인트 분석에 각각 보완적 기여를 할 수 있다. 이와 동시에, 실증적 분석결과는 Ettlie(1997)의 디자인 통합(DI) 이론에 대한 실증적 기반을 제공할 수 있다. 마지막으로, 성공적인 디자인 경영(DM)을 위해서는 최고 경영자의 지원뿐만 아니라 부처 간 의사소통의 장애요인을 제거하고 CFT(cross-functional team)를 운영함으로써 동시적 엔지니어링(CE) 및 제품 및 공정 디자인의 개발이 제품 개발의 속도를 가속화하고 디자인 품질을 높이며 시장 성공을 보증할 수 있도록 해야 한다.임과 채팅은 긍정적인 상호관련을 가진 것으로 나타난 반면 전자메일 서비스 이용은 성적 만족과 부정적인 상호관련을 가진 것으로 분석되었다. 이는 대학생들이 지루하게 느끼거나 외로움을 느낄 때 전자메일을 주로 이용하지만 성적 만족을 위해 전자메일을 이용하지 않고 있다는 사실을 보여주는 것이다. (3) 인터넷 이용 이후 다른 미디어와 면대면 커뮤니케이션과의 관계 인터넷을 이용한 후 응답자들의 전통적인 미디어(텔레비전, 라디오, 신문, 잡지, 편지,

Deinterlacing은 비월 주사 영상을 순차 주사 영상으로 변환하는 방법을 뜻하며 2배의 영상 보간 문제로 볼 수 있다. 본 논문에서는 보간하려는 화소의 국부 Gradient 정보를 이용한 간단하면서도 효율적인 deinterlacing 방법을 제안한다. 제안 방법에서는 보간하려는 화소를 중심으로 각 방향별 가중치가 추정되며 이 가중치에 따른 평균으로 보간 할 화소의 밝기값이 결정된다. 제안 방법에서는 모든 방향에 대한 가중치를 고려함으로써 잘못된 방향 판단으로 인한 화질 열화를 피하였고 실제적인 구현에 적합한 구조를 가지고 있다. 모의실험에서 제안 방법은 대표적인 방향성 deinterlacing 방법인 ELA보다 개선된 주관적, 객관적 성능을 보여주었으며 복잡한 구조와 여러 개의 경험적인 파라미터들을 요구하는 ELA의 변형에 대해서도 대등한 성능을 보여주었다.

일반적으로 웨이블릿 계수는 적은 수의 크기가 큰 계수와 많은 수의 작은 크기의 계수로 구성되어 있다. 따라서 본 논문에서는 웨이블릿 계수의 성긴 특성에 근거한 베르누이-가우스 혼합 모델을 이용한 잡음 제거 방법을 제안한다. 베르누이-가우스 혼합 모델은 베르누이 랜덤 변수와 가우스 혼합 랜덤 변수의 곱으로 구성되며, 이에 대한 베이지안 추정법으로 잡음 제거를 수행한다. 본 논문에서는 국부 자승 오차의 기대값를 이용하여 통한 베르누이 랜덤 변수에 대한 간략화된 파라메터의 추정을 통하여 효율적인 잡음 제거 방법을 제시한다. 모의실험 결과를 통하여 본 논문의 방법이 직교 웨이블릿 변환을 사용한 최신의 잡음 제거 방법보다 우수한 성능을 나타낸다는 것을 보여준다.

본 논문에서는 인간의 인지학적인 두뇌 원리인 대뇌피질과 해마 신경망을 공학적으로 모델링하여 얼굴 영상의 특징 벡터들을 고속 학습하고, 각 영상의 최적의 특징을 구성할 수 있는 해마 신경망 모델링 알고리즘인 HNMA(Hippocampal Neuron Modeling Algorithm)을 이용한 얼굴인식 시스템을 제안한다. 시스템은 크게 특징추출 부분과 학습 및 인식 부분으로 구성 되어 있으며, 특징추출 부분에서는 PCA(Principal Component Analysis)와 LDA (Linear Discriminants Analysis)를 순차적으로 적용하여 분별력이 좋은 특징들로 구성한다. 학습부분에서는 해마 신경망 구조의 순서에 따라 입력되는 영상 데이터의 특징들을 치아 이랑 영역에서 호감도 조정에 따라서 반응 패턴으로 이진화 하고, CA3 영역에서 자기 연상 메모리 단계를 거쳐 노이즈를 제거한다. CA3의 정보를 받는 CAI영역에서는 신경망에 의해 학습되어 장기기억이 만들어 진다. 제안한 시스템의 성능을 평가하기 위하여 실험은 표정과 포즈변화 그리고 저 화질 이미지를 각각 구분하여 인식률을 확인하였다. 실험 결과, 본 논문에서 제안하는 특징 추출 방법과 학습 방법을 다른 방법들과 비교하였을 때, 학습시간비용과 인식률에서 우수함을 확인하였다.

본 논문에서 삼각대 위에 고정시킨 카메라를 회전시켜 취득한 비디오 시퀀스로부터 파노라마 영상을 구성하는 새로운 방법을 제안한다. 제안한 방법은 비디오 시퀀스 중에서 실제로 사용할 프레임을 자동으로 선택하는 단계와 파노라마 영상을 구성하는 모자이킹 단계로 나누어진다. 파노라마 영상을 구성하는데 필요한 프레임은 연속된 프레임 간의 중첩 비율 정보를 이용한 보간 검색을 통해 선택된다 이 방법은 카메라의 속도에 상관없이 적절한 프레임을 고속으로 검색할 수 있다. 모자이킹 단계에서는 4쌍의 특징점을 사용하는 사영 변환식(projective transform)을 이용한다. 기존의 연구에서는 특징점을 화소 기반의 정보만을 이용하여 추출하였지만, 본 논문에서 제안한 방법은 특징점의 위치까지 고려하여 사영 변환식의 정확도를 높였다. 제안한 방법은 다양한 영상 시퀀스에 적용하여 실험하였고, 그 결과 모든 영상에 대해서 좋은 화질의 파노라마 영상을 생성하였다.

DCT기반 압축기법에 의해 부호화된 영상은 양자화에 의한 여러 가지 화질열화요소가 포함되는데, 그중 인간 시각에 민감한 대비 왜곡은 화질 열화 요인으로서 가장 중요한 요인이다. 특히 저비트율에서 부호화된 영상의 경우 많은 고주파 성분이 양자화에 의하여 손실되기 때문에 좋은 화질을 갖는 영상을 복원할 수 없을 것이다. 따라서 본 논문에서는 대비 왜곡을 포함하고 있는 부호화된 영상에 대해 DCT영역에서 대비를 개선시키는 새로운 알고리즘을 제안한다. 대비왜곡은 외곽선 주변에서 심하게 나타나기 때문에 DCT블록의 외곽선 포함 정도를 판단하여 문턱치보다 큰 블록은 다시 4개의 부블록으로 나누어 적용된다. 제안되는 방법은 모든 연산이 DCT 영역에서 수행되기 때문에 실시간 처리 응용분야에 적용될 수 있을 것이다.

일반적인 카메라의 시야는 사람에 비하여 매우 좁기 때문에 큰 물체를 한 화면으로 얻기 힘들며, 그 움직임도 넓게 감시하기에 어려움 점이 많다. 이에 본 논문에서는 어안 렌즈(Fish-Eye Lens)를 사용하여 넓은 시야의 영상을 획득하고 전방향 감시를 위한 투시(perspective) 영상과 파노라마(panorama) 영상을 복원하는 방법을 제시한다. 영상 변환 과정에서 어안 렌즈의 특성으로 인한 해상도 차이를 보완하기 위하여 여러 가지 영상 보간법을 적용하고 결과를 비교하였다. 그리고 ME(Moving Edge) 방법으로 움직임을 검출하여 다중 물체를 추적할 수 있도록 하였다.

디지털 입력값과 이에 대응되는 CIEXYZ 삼 자극치 값에 대한 관계를 도출하는 기법인 디스플레이 특성화는 칼라 운영 시스템에서 정확한 색을 재현하는데 중요하다. 9개 채널 제조 응답 곡선으로부터 추정된 디스플레이 장치의 특성화는 기존 3개 채널의 계조 응답 곡선을 사용한 것 보다 성능이 향상된다. 하지만 9개 채널의 계조 응답 곡선을 사용한 디스플레이 장치의 특성화는 각각의 RGB값에 대응되는 CIEXYZ값이 분리되지 않기 때문에, 역 특성화 과정이 직접적으로 적용되지 않는다. 따라서 일반적인 경우 역 특성화 과정은 3차원 참조표를 사용하여 구현된다. 3차원 참조표를 역 특성화 과정에 적용할 경우, 결과의 정확도는 향상 되지만 많은 양의 메모리 공간과 다수의 측정 데이터가 필요한 단점이 있다. 그러므로 본 논문에서는 채널 의존적인 값의 모델링과 GOG(gain, offset gamma) 모델에 기반한 9개 채널의 역 변환 과정을 적용한 역 특성화 기법을 제안한다. 제안한 방법은 디스플레이 특성화의 정확도를 향상할 뿐 아니라 3차원 참조표 방법을 사용할 경우 요구되는 복잡도와 다수의 측정 데이터도 감소할 수 있다.

본 논문은 잡음이 존재하는 전송 선로를 통한 영상 전송 시 발생하는 손실 블록에 대한 방향성 복구 방법을 제안한다. 손실된 블록은 웨이블릿 부대역의 에너지(EWS)와 DC값의 차이(DDC)에 의해 적응적으로 선택되어진 이웃 블록들을 이용한 선형 보간법에 의해 복구된다. 고정된 4-이웃 블록을 사용하여 복구하는 방법은 강한 에지영역에서 블록화된 블러링 효과를 발생시킨다. 본 논문의 방향성 복구 방법은 에지나 영상 내의 방향성 정보에 따라 적응적으로 변하는 이웃 블록을 사용하기 때문에 강한 에지영역에서 효과적이다. EWS만 이용하여 이웃블록을 선택하는 경우는 수직, 수평 에지에서는 좋은 성능을 보이지만 대각 에지에 대해서는 약점을 가지고 있다. DDC만을 이용하여 이웃블록을 선택하는 경우는 대각 에지에서는 좋은 성능을 보이지만 에지 프로파일에 따라 약점을 보인다. 따라서 EWS와 DDC 정보를 함께 이용하여 적응적으로 손실 블록을 복구할 이웃블록을 선택함으로써 두 가지방법의 약점을 서로 보완하여 더 좋은 성능을 보일 수 있다. 모의실험 결과 본 논문의 블록 복구 방법은 객관적 평가와 주관적 평가에서 모두 좋은 성능을 보였다.

본 논문에서는 칼라 특징으로 칼라 오토코렐로그램(autocorrelogram)을 선택하고 질감 특징으로 BDIP(block difference inverse probabilities)와 BVLC(block variance of local correlation coefficient)를 선택하여 이들을 효율적으로 추출하고 결합한 다중 특징기반 영상검색 기법을 제안한다. 칼라 오토코렐로그램은 영상의 H(hue), S(saturation) 칼라 성분으로부터 추출 하였고, BDIP와 BVLC는 V(value) 성분으로부터 추출하였다. 이때 각 특징추출 시 계산량을 고려하여 간소화된 오토코렐로그램과 BVLC를 제안하여 사용하였으며, 추출한 특징들을 효율적으로 저장하기 위해 특징벡터성분들의 값을 그 분포에 따라 균등 또는 비균등 양자화 하여 사용하였다. Corel DB및 VisTex DB에 대한 실험 결과, 칼라 오토코렐로그램과 BDIP, BVLC 질감 특징을 결합함으로써 동일한 차원에서 오토코렐로그램만을 사용할 때보다 최대 9.5%, BDIP, BVLC만을 사용할 때보다 최대 4% 검색성능이 향상되었다. 또한 제안한 다중 특징은 웨이브렛 모멘트, CSD, 칼라 히스토그램에 비해 특징벡터의 저장공간을 약 3분의 1 정도 적게 차지하면서 검색성능이 각각 최대 12.6%, 14.6%, 27.9% 우수하게 나타남을 확인할 수 있었다.

지금까지 적용되었던 MPEG(Motion Picture Expert Group)기반의 워터마크(watermark) 기법들은 새로운 압축 표준 H.264/AVC의 달라진 부호화 방식으로 인하여 H.264/AVC에 그대로 적용되기에는 많은 문제점을 가지고 있다. 본 논문에서는 이전의 압축표준에 사용되었던 DCT(Discrete Cosine Transform)기반의 워터마크 기법이 H.264/AVC에 적용 되었을 때 발생 할 수 있는 문제를 분석하였으며, 그 결과를 영상왜곡 및 비트율(bit-rate) 변화의 측면에서 연구 하였다. 기존의 MPEG-2 사용 되었던 DCT기반 워터마크 기법들이 H.264/AVC에 적용되었을 때 H.264/AVC 부호화의 큰 특징인 인트라(intra) 부호화 및 CAVLC(Context Adaptive Variable Length Coding)의 영향으로 인하여 PSNR은 모든 QP(Quantization Parameter)에 대하여 평균 28.17 dB 감소 되었으며, 비트율은 모든 QP에 대하여 평균 56.71 % 증가 하였다.

본 논문에서는 신경회로망보다 우수한 성능을 보이는 학습 이론인 SVM을 기반으로, 인간의 인지 과학에서 많은 연구가 이루어지고 있는 선택적 주의집중을 응용한 중첩 패턴 인식 시스템을 제안한다. 제안된 선택적 주의집중 모델은 SVM의 입력단에 주의집중층을 추가하여 SVM의 입력을 직접 변화시키는 학습을 하며 선택적 필터의 기능을 수행한다. 주의집중의 핵심은 학습을 멈추는 적절한 시점을 찾는 것과 그 시점에서 결과를 판단하는 주의집중 척도를 정의하는 것이다. 지지벡터는 주변에 존재하는 패턴들을 대표하는 표본이므로 입력 패턴이 초기상태일 때 주의집중을 하고자 하는 클래스의 가장 가까운 지지벡터를 기준으로 그 지지벡터와의 거리가 최소가 되었을 때 주의집중을 멈추는 것이 적절하다. 일반적인 주의집중을 적용하면 주의집중 척도를 정의하기가 난해해지기 때문에 변형된 입력이 원래 입력의 범위를 넘지 않는다는 제약조건을 추가하여 사용할 수 있는 정보의 폭을 넓히고 새로운 척도를 정의하였다. 이때 사용한 정보는 변형된 입력과 원래 입력의 유클리드 거리, SVM의 출력, 초기상태에 가장 가까웠던 히든뉴런의 출력값이다. 인식 실험을 위해 USPS 숫자 데이터를 사용하여 45개의 조합으로 중첩시켰으며, 주의집중을 적용시켰을 때 단일 SVM보다 인식 성능이 월등히 우수함을 확인하였고, 또한 제한된 주의집중을 사용하였을 때 일반적 주의집중을 이용하는 것 보다 성능이 더 뛰어났음을 확인하였다.

본 논문에서는 JPEG2000 기반의 영상에서 웨이블릿 영역의 웨이블릿 계수들의 비를 통해 에지 히스토그램을 추출하는 기법을 제시하였다. 기존의 MPEG-7 에지 히스토그램 기술자는 영상의 에지 정보를 공간 영역에서 추출하기 때문에 복호화 과정이 필요하게 되어 많은 연산량이 요구되고 이는 영상 검색 시간을 지연시키는 원인이 된다. 이를 보완하기 위해 JPEG2000 영상의 에지 히스토그램 정보를 공간 영역이 아닌 웨이블릿 영역에서 직접 추출하고자 하였다. 본 논문에서 사용된 웨이블릿 변환은 JPEG2000 표준에서 정한 압축 기법으로 Le Gall 5/3 필터 계수를 사용 하였다. 에지 추출을 위해 웨이블릿 계수들 중에서 2단계 웨이블릿 변환을 통해 얻어진 LH2, HL2 부 밴드의 홀수 번째 계수들의 비와 LHI과 HLI의 계수들을 사용하였다. 실험을 통해 8개의 질의 영상에 대한 NMRR 값을 비교한 결과, 제안 알고리즘에 의한 에지 히스토그램 추출이 기존 에지 히스토그램 기술자와 비교하여 성능이 떨어지지 않았고, 연산량에 있어서도 많은 감소 효과를 얻을 수 있었다.

적응 음향반향 제거나 적응 등화와 같은 응용에서 입력신호의 상관도는 매우 높고 긴 길이의 적응 필터가 필요하다. 이러한 응용에서 인접투사 알고리즘은 좋은 수렴성능을 보이지만 적응 필터의 계수갱신을 위한 많은 계산량 문제로 하드웨어 구현이 복잡한 단점이 있다. 본 논문에서는 개선된 수렴속도와 계산량을 줄일 수 있는 새로운 부밴드 인접투사 알고리즘과 간단한 구현을 위한 방법을 제안한다. 이 방법에서는 인접투사 알고리즘에 다위상 분해, 노블아이덴티티 그리고 임계 데시메이션을 적용, 상관도 제거를 위해 사용되는 입력 신호 벡터의 수(적응필터의 투사차원)를 줄일 수 있다. 제안한 방법의 적응필터 계수 갱신식은 투사차원의 감소에 의해 NLMS 알고리즘과 비교될 만큼 간단한 형태로 유도된다. 제안한 방법의 효율을 상관도가 높은 입력신호를 사용하여 실험을 통해 평가하였다.

기존 적응 표적 탐지 기법의 경우 클러터 특성이 변하는 비 균일 클러터 상황에서는 만족할 만한 탐지성능을 갖지 못한다. 이는 레이다 좌표 공간상으로 변하는 클러터 파라미터를 신호처리 과정에 효과적으로 적용시키지 못함으로 인해 발생한다. 이러한 문제를 해결하기 위해서는 클러터 환경에 따른 적용 알고리즘 선택 및 선택된 알고리즘의 파라미터 추출을 가능하게 하는 클러터 분류기 사용이 요구된다 본 논문은 이러한 목적으로 구현된 클러터 환경 분류기에 대하여 기술한다. Visual C++ 환경에서 구현된 본 환경 분류 소프트웨어에서는 적응신호처리에 필요한 파라미터 값 추출 및 알고리즘 선택이 가능하며, 또한 단계별 알고리즘의 수행 결과도 확인할 수 있다.

잡음이 존재하는 환경 하에서 음성인식을 실시하는 경우, 잡음을 제거하고 음성을 강조하는 시스템이 필요하다. 따라서 우수한 스펙트럴 분석기강인 인간의 청각계를 모의하는 것은 음성강조에 있어서 효과적이다. 이러한 것을 구현하는 하나의 방법으로서 상호억제라고 하는 청각기강을 적응적으로 사용하는 방법을 제안한다. 이것은 신경회로망에 의해서 잡음의 크기를 추정하여 각 프레임에 대해서 그 크기에 따라서 적응적으로 상호억제 계수와 진폭성분조정 계수를 조정함으로써 음성을 강조하는 방법이다. 스펙트럴왜곡율 척도의 평가로부터 백색잡음뿐만 아니라 유색잡음 및 자동차의 주행잡음에 대해서도 본 방식이 효과적이라는 것을 확인한다.

본 논문에서는 JPEG2000 표준에서 주파수 변환기법으로 채택된 이산 웨이블릿 변환을 기반으로 영상의 부분 데이터만을 암호화하여 계산량을 줄이는 방법을 제안하였다. 또한 계산량이 많은 암호화 알고리즘 대신 비교적 계산량이 적은 캣맵(cat mad)과 카오스 시스템을 이용함으로써 계산량을 더욱 감소시켰다. 이 방법은 영상의 압축비를 유지하기 위해서 양자화와 엔트로피 코딩 사이에서 암호화를 수행하며, 부대역의 선택과 카오스 시스템을 이용한 무작위 변환방법을 사용한다. 영상에 대한 실험방법은 우선 암호화할 부대역을 선택하여 영상데이터를 3차원 블록으로 만든 후 캣맵에 의해 3차원으로 영상의 픽셀값을 교환 하는 방법과 캣맵에 의해 암호화된 부대역을 카오스 시스템을 이용하여 모듈러 연산에 의해 암호화하였다. 또한, JPEG2000의 점진적 전송(Progressive transmission)에 적합하게 암호화하기 위해서 비트 평면을 선택하여 암호화하였다. 제안한 방법을 소프트웨어로 구현하여 500개의 영상을 대상으로 실험한 결과 원 영상 데이터를 부분적으로 암호화함으로써 원 영상을 인식할 수 없을 정도의 암호화효과를 얻을 수 있었다. 본 논문에서는 여러 방식을 제안하였으며, 이들의 암호화 수행시간과 암호화 효율 사이에는 상보적인 관계가 있음을 보여, 적용분야에 따라 선택적으로 사용할 수 있음을 보였다.