본 논문에서는 CT 및 CT 혈관 조영 영상에서 강체 정합 및 뼈 소거법을 이용한 하지 혈관 자동 추출 방법을 제안한다. 첫째, 뼈의 부분적인 움직임을 반영하기 위하여 해부학 정보를 바탕으로 하지를 자동 구역화하고, 둘째, CT와 CTA 영상간 움직임을 산정하기 위하여 거리지도 기반의 강체 정합을 수행한다. 셋째, CTA 영상에서 복잡한 구조를 갖는 뼈를 제거하고 뼈에 인접한 혈관이 깎이는 것을 방지하기 위하여 뼈 소거법과 혈관 마스킹 기법을 제안한다. 넷째, 정합오차 및 연골 등의 잡음을 줄이기 위하여 혈관 추적 기반의 후 처리 과정을 통하여 보정한다. 제안 방법의 평가를 위해 육안 평가와 정확성 평가 그리고 수행시간을 측정하였다. 육안 평가를 위해 차감 기법, 정합 후 차감 기법, 제안 방법을 적용한 결과를 볼륨렌더링과 최대 강도 투영영상을 사용하여 비교하였다. 정확성 평가를 위해 CTA 영상과 차감 기반 기법 및 제안 방법을 적용한 결과의 밝기값 분포도를 분석하였다. 실험 결과 뼈는 제거되고 가는 혈관 및 다른 조직의 손실 없이 혈관이 정확하게 추출되었음을 볼 수 있었고, 13명의 환자 데이터 전채에 대한 전체 수행시간은 약 40포 정도로 측정되었다.

본 논문은 빠르게 움직이는 인간 신체를 추적할 수 있는 실시간 인간 신체 움직임 추적 알고리듬을 제안한다. 반복 최근접점(Iterative closest point) 알고리듬은 효율적이고 계산량이 적어 실시간 인간 신체 움직임 추적에 적합하지만 잘못된 최근접점(Closest point) 선택으로 인해 국부적 최소점(Local minimum)에 쉽게 빠지게 되어 종종 추적에 실패하게 된다. 이를 극복하기 위해, 반복 최근접점 알고리듬에 움직임 이력(Motion history) 정보를 기반으로 한 파티클 필터 (Particle filter)를 결합한다. 제안하는 인간 신체 움직임 추적은 계층적 트리 구조를 사용함으로써 신체 추적 공간 크기를 줄여주며, 움직임 이력 정보를 이용한 움직임 예측 모델을 사용함으로써 빠른 인간 신체 움직임 추적을 가능하게 한다. 실험 결과는 제안하는 인간 신체 움직임 추적이 정확한 추적 성능과 빠른 수렴 속도를 가진다는 것을 보여 준다.

색은 일반적으로 주요 속성인 색상, 채도, 명도가 다양한 수치로 결합되어 사람의 감정에 영향을 미친다. 반면, 사람은 같은 색이더라도 개인에 따라 다양한 감정을 느낀다. 이러한 색과 감정의 특성을 감성 기반의 디지털 기술과 컨텐츠에 활용하면, 상호작용과 함께 사용자의 흥미와 몰입을 이끌어 낼 수 있다. 이를 위해, 본 논문은 일반적으로 사람들이 어떤 색에 대해 어떤 감정을 느끼는지를 정의한 다음, 개인의 취향을 최대한 반영한 색변환 방법을 제안한다. 먼저, 색과 감정의 관계를 템플릿으로 정의한 후, 색변환을 수행한다. 이때, 색에 대한 개개인의 감정은 다르기 때문에, 각 템플릿은 모든 사람에게 동일하게 적용되지 않고, 개인의 취향에 따라 다르게 적용되어야 한다. 이를 위해, 사용자의 색상, 채도 명도에 대한 선호도를 학습을 통해 가중치를 얻어 적용함으로서 각 사용자에게 적합한 변환을 수행한다. 실험과 설문조사 결과, 템플릿을 동일하게 적용하는 것보다 사용자 취향을 반영한 변환이 사용자의 감성을 만족시켜주었음을 알 수 있었다.

본 논문은 뼈대-구조(skeleton) 형태의 Active Shape Models을 이용한 사람의 자세 정합에 대한 새로운 접근 방법을 제안한다. 제안된 방법은 모델 생성과 정합 과정에서의 빠른 수행 시간을 위해 기존 윤곽 형태(silhouette)의 모델이 아닌 뼈대-구조 형태의 모델을 적용하였다. 기존 Active Shape Models을 뼈대-구조 형태로 사람 자세 정합에 적용했을 경우 자세를 결정짓는 팔과 다리의 부정확한 정합은 사람 몸의 다양한 색상 정보와 전후(fore-rear direction)만을 고려한 특징점(landmark)의 방향정보로 인해 발생되며, 이러한 문제점은 입력 영상의 차영상 정보와 사람의 자세를 결정짓는 팔과 다리의 중요 특징점에 방향정보를 추가하여 해결하였다. 사람의 뼈대-구조 모델을 생성하기 위해 600개의 이미지를 사용 하였으며, 생성된 형태 모델은 사람의 자세에 정합될 수 있는 17개의 특징점을 포함한다. 정합 과정에서 최대 30번 이하의 반복 과정을 수행 하며, 최대 수행 시간은 0.03초로 빠른 수행 시간의 결과를 얻었다.

필적 감정은 개인의 필적 개성을 이용하여 임의의 두 필기 문장 또는 텍스트가 동일인에 의해 작성되었는지를 판별하는 기술이다. 본 논문은 패턴 인식 기술을 사용하여 효과적으로 필적을 분석하고 판별하는 오프-라인 환경에서의 검증 방법을 제안한다. 본 논문에서 연구된 방법의 핵심 절차는 문자 영역 추출, 문서의 구조적 특징을 반영하는 특징의 추출, DTW(Dynamic Time Warping) 알고리즘과 주성분 분석을 이용한 특징 분석이다. 실험 결과는 제안하는 방법의 우수한 성능을 보여준다.

자동차 번호판 인식 시스템은 문자 추출, 특징 추출 등의 영상처리와 추출된 문자를 인식하는 인식기로 구성된다. 특징 추출은 문자 영역의 데이터 감소뿐만 아니라 인식 성능을 결정한다. 따라서 본 논문에서는 번호판 인식의 결과에 영향이 큰 숫자 인식, 특히 숫자의 특징 추출에 초점을 두었으며, 데이터의 군집성을 재배치하여 데이터 간의 최적의 산란도를 확보할 수 있는 통계적 특징의 혼합 모델을 제안하고, 이를 다층 퍼셉트론과 LVQ 신경망을 이용하여 유효성을 검증하였다. 제안된 통계적 특징 추출 방법은 번호판 영상이 갖는 정보를 가장 잘 유지하고, 잡음과 외부 환경에 강건하며 효과적인 방법임을 보여준다.

본 논문에서는 혼합형 데이터에 대한 특징 선별 기법의 효율성을 비교하기 위해 특징 필터링과 특징 래핑을 통한 특징 선별 후, 클래스 분류 성능을 측정하였다. 혼합형 데이터는 숫자형 특징과 범주형 특징이 함께 혼합되어 있으므로, 숫자형 특징을 범주형 특징으로 이산화를 하여 단일형 데이터로 변환한 뒤 특징 선별 기법 등을 적용할 수 있다. 본 연구에서는 혼합형 데이터를 전처리하여 단일형 데이터로 변환하고, 널리 활용되는 특징 필터링 기법과 특징 래핑 기법을 통해 클래스 분류 성능을 높일 수 있는 특징 집합을 선별하였다. 선별된 특징 집합을 통한 클래스 분류 성능을 비교한 결과, 특징 필터링에 비해 특징 래핑을 통해 선별한 특징 집합을 활용하여 클래스 분류를 하였을 때 분류 정확도가 높은 것을 확인할 수 있었다.

본 논문은 컴퓨터 마우스를 제어하기 위한 실시간 손 제스처 인식 방법을 제안한다. 다양한 제스처를 표현하기 위해, 손 제스처를 연속적인 손 모양의 시퀀스로 정의하고, 이러한 손 제스처를 인식하기 위한 계층적 베이지안 네트워크를 디자인한다. 제안하는 방법은 손 포스처와 제스처 인식을 위한 계층적 구조를 가지며, 이는 특징 추출과정에서 발생하는 잡음에 강인하다는 장점을 가진다. 제안하는 방법의 유용성을 증명하기 위해, 제스처 기반 가상 마우스 인터페이스를 개발하였다. 실험에서 제안한 방법은 단순한 배경에서는 94.8%, 복잡한 배경에서는 88.1%의 인식률을 보였으며, HMM 기반의 기존 방법보다 우수한 성능을 보였다.

수화 적출이란 연속된 영상에서 수화의 시작과 끝점을 찾고, 이를 사전에 정의된 수화 단어로 인식하는 방법을 말한다. 수화는 매우 다양한 손의 움직임과 모양으로 구성되어 있고, 그 변화가 다양하여 적출에 많은 어려움이 있다. 특히, 다양한 길이의 궤적 정보로 구성된 수화는 길이가 긴 수화에 대해 짧은 길이를 갖는 수화가 인식에 필요한 정보를 추출하기 어려운 문제점 있다. 본 논문에서는 다양한 길이를 갖는 입력 데이터의 특징을 반영할 수 있는 Semi-Markov Conditional Random Field에 기반하여 다양한 수화의 길이에 강인하게 수화를 적출하는 방법을 제안한다. 성능 평가를 위해 미국 수화와 한국 수화 데이터베이스를 사용하여 연속된 수화 영상에서의 수화 적출 성능을 평가하였고, 실험 결과 기존의 Hidden Markov Model과 Conditional Random Field보다 뛰어난 성능을 보였다.