최근 IT 산업은 국방, 항공, 자동차, 의료와 같은 전통 산업분야와 서로 융합하는 추세이다. 그러므로 시스템의 하드웨어를 주로 담당하는 임베디드 소프트웨어는 높은 신뢰성, 가용성, 유지보수성이 보장되어야 한다. 이를 위해 최근 COTS (Commercial Off The Shelf) 하드웨어 컴포넌트 기반 임베디드 소프트웨어를 개발하는 추세이다. 그러나 이러한 개발방법에는 일반적 소프트웨어 결함 외에 하드웨어와의 상호작용에 기인하는 결함이 추가적으로 발생할 수 있다. 이를 연동결함(Linkage Fault)라고 정의한다. 이는 발생 빈도가 낮음에도 불구하고 전체 시스템의 중단을 야기할 정도로 위험하다. 본 논문에서는 COTS 하드웨어 컴포넌트 기반 임베디드 소프트웨어 개발 시 이러한 연동결함의 발생을 고려한 신뢰성 모델을 제안한다. 또한 제안된 모델의 타당성을 분석하기 위해 베이지안 분석과 마코프 체인 몬테카를로 방법으로 계산한 베이즈 요인을 이용한다. 끝으로 IT 융합 분야의 실제 데이터를 활용하여 제안된 모델의 이론적 결과를 뒷받침한다.

동적 커패시턴스 제어(DCC) 기술로 인하여 액정 디스플레이 장치의 약점 중 하나였던 응답 시간 성능이 크게 개선되었다. 하지만 DCC는 계산 과정에서 이전 프레임 영상의 실시간 저장 및 출력을 반복해야 하며, 이 과정에 활용되는 고속 메모리는 HD 고해상도 디스플레이 제작에 있어 높은 하드웨어적 부담 및 비용 상승의 원인이 된다. 본 연구에서는 복잡도가 낮은 고속 영상 압축 기법인 변형 지수-골룸 (MEG) 코딩을 제안하며, 이를 통해 DCC 기술에 요구되는 메모리의 양을 크게 줄일 수 있다. 또한 본 연구에서는 화소별 DCC 스위칭 기법을 제안하여 압축 오차가 최종 액정 디스플레이 영상의 시각 품질에 악영향을 미치지 않도록 하였다. 제안된 방식을 이용해 DCC 처리용 메모리의 크기를 1/3로 줄여도 최종 영상의 시각 품질 손상이 거의 없음을 실험을 통해 확인할 수 있었다.

본 논문에서는 연속시점에서 촬영한 CT 영상에서 대응되는 폐결절을 추적 관찰하기 위한 폐결절 정합 방법을 제안한다. 제안 방법은 다음과 같은 다섯 단계로 구생된다. 첫째, 분할된 폐를 포함하는 최적경계볼륨의 중심으로 위치 차이를 보정한다. 둘째, 초기 CT 영상과 추적 CT 영상에서 가장 높은 밝기값을 가지고 있는 갈비뼈 구조를 포함하는 관상최대강도투사 영상을 생성한다. 셋째, 두 관상최대강도투사 영상 간의 정규화된 평균 밝기값 차이를 통해 강체 변환을 최적화한다. 넷째, 강체 정합 후에 폐결절 중심 간의 유클라디안 거리 측정을 통해 대응되는 폐결절 대응 후보를 정의한다. 마지막으로, 폐결절을 매칭하기 위하여 초기 CT 영상 내에 폐결절 템플릿과 추적 CT 영상 내에 탐색 볼륨 간의 템플릿 매칭을 수행 한다. 본 제안 방법의 결과를 평가하기 위하여 육안 평가, 정확성 및 수행시간 측정을 수행하였다. 실험결과 관상최대강도투사를 기반으로 하는 강체정합과 지역적 템플릿 매칭을 이용하여 폐결절이 정확하고 빠르게 정합됨을 알 수 있었다.

본 논문에서는 아날로그 데이터 처리가 가능하고, 온라인 학습, 학습 중 새로운 클래스 추가등의 특징을 가진 패턴 인식기를 제안하였다. 제안한 패턴 인식기는 계층적 구조를 가지고 있으며, 각 레벨별로 서로 다른 메트릭을 적용하여 분류 성능을 향상 시켰다. 제안한 패턴 인식기는 신경망 기반의 패턴 인식 알고리즘인 Gaussian ARTMAP 모델을 기반으로 하고 있다. Gaussian ARTMAP 모델을 계층적으로 구성하고, 계층마다 서로 다른 특징을 학습하도록 하기 위하여 Principal Component Emphasis (P.C.E) 방법을 제안하였으며, 이를 이용하여 새로운 메트릭을 생성하는 방법을 제안하였다. P.C.E는 학습된 입력 데이터들의 분산을 이용하여 클래스 내의 공통 속성을 나타내는 분산이 작은 차원을 제거하고 패턴 간의 서로 다른 속성을 나타내는 분산이 큰 차원만 유지하는 방법이다. 제안한 알고리즘의 학습 과정에서 교사 신호와 다르게 분류된 패턴이 발생하면 잘못 분류 된 클래스와 입력된 패턴을 분리하기 위하여 P.C.E를 수행하고 하위 노드에서 학습하게 된다. 실험 결과 제안한 모델은 기존에 제안된 패턴 인식 모델들 보다 높은 분류 성능을 가지고 있음을 확인하였다.

본 논문에서는 기존의 관계 추출 성능을 향상시키기 위해서 기존의 자질 기반 방법에서 추구하였던 개체 주변 문맥 다양성 정보의 추출 및 적용과 커널 기반 방법의 강점인 관계 인스턴스에 대한 구문 구조적 자질 정보의 통합 활용을 통한 확장된 혼합 커널을 제안한다. ACE RDC 코퍼스를 활용한 실험에서, 기존의 합성곱 구문 트리 커널 기반 혼합 커널을 기반으로 총 9 종류의 평면적 어휘 자질 집합을 정의하고 이를 적용함으로써 성능 향상에 기여하는 어휘 자질 유형을 파악할 수 있었으며, 적은 규모의 학습 집합으로도 현재 최고 수준의 성능에 필적하는 결과를 얻을 수 있었다. 결론적으로 관계 추출을 위한 세 가지 핵심 정보, 즉 개체 자질, 구문 구조적 자질, 주변 문맥 어휘 자질을 통합 적용하면 관계 추출의 성능을 향상시킬 수 있음을 알 수 있었다.

본 논문에서는 세 대의 카메라를 이용하여 사각지대를 효과적으로 제거하기 위한 파노라믹 비전 시스템(panoramic vision system)을 제안한다. 차량의 후방에는 광각 카메라를 사용하여 후방 거울(rear-view mirror)로부터 보이지 않는 사각지대를 제거하며, 나머지 두 대의 카메라는 측면 거울(side-view mirror)의 아래에 설치하여 측면 거울로 보지 못하는 사각지대를 제거한다. 좀 더 효과적인 사각지대 제거를 위해서 세 대의 카메라에서 얻어지는 영상을 정합하는 방법을 제공한다. 먼저, 후방 카메라에서 얻은 영상을 보정하고, 보정된 영상에서 focus-of-contraction(FOC)을 구한다. 그 뒤에 측방 카메라의 영상과 후방 카메라의 영상 사이의 호모그래피(homography)를 구한다. 그 다음으로 영상을 차도와 배경 영역으로 분리하고, 호모그래피를 사용하여 분리한 차도를 정합하고, 가상의 평면에 배경을 투영하여 최종정합을 완성한다. 마지막으로 정합된 영상을 보다 효과적으로 보여주기 위한 실린더 파노라마 영상, 가상의 Top-view 시스템, 그리고 차량의 다양한 정보와 함께 사각지대 영상을 보여주는 통합 정보 가시화 영상을 생성하여 제공한다.

최근 영상 데이터의 효율적인 표현 및 처리를 위해 텐서를 사용하는 연구가 관심을 모으고 있다. 본 연구에서는 2차 텐서로 표현된 데이터를 효과적으로 분류하기 위한 시스템을 개발하는 것을 목적으로 한다. 이를 위해 먼저 일반적인 벡터 데이터에 대해 개발되어진 클래스 요인과 환경 요인으로 이루어진 데이터 생성 모델을 확장하여 2차 텐서로 표현된 영상에 적합한 데이터 생성 모델을 정의하고, 이에 적합한 유사도 함수를 제안하였다. 제안하는 유사도 함수는 행렬정규분포를 이용하여 환경 요인의 확률분포를 추정함으로써 얻을 수 있다. 여러 벤치마크 데이터들을 이용하여 실험한 결과 2차 텐서를 사용함으로써 벡터 형태의 표현방식을 사용하는 것에 비해 분류율이 향상되었음을 확인하였다. 또한 제안하는 유사도 함수가 다른 기존의 유사도 함수에 비해 영상 데이터에 적합함을 확인할 수 있었다.

최근 Flickr, Facebook, Cyworld 처럼 사진 공유를 기반으로 하는 소셜 웹 서비스의 성공과 발달로 얼굴 검출/인식 기술을 이러한 서비스에 접목하려는 다양한 시도가 진행되고 있다. 그러나 인식률 향상에만 초점을 맞춘 기존의 일관처리 기반의 연구들은 수백만의 이용자가 수시로 접근하는 서비스에 적용하기 어렵다. 본 논문에서는 시간에 따라 증가하는 거대한 얼굴 영상 데이터베이스를 효과적으로 분류하기 위해 랜덤 사상(Random Projectio, RP) 비선형 회귀(Non-linear Regression) 그리고 REST(REpresen tational State Transfer) 규약을 사용해 새로운 증가적 얼굴 어노테이션 방법을 제안하고자 한다. 다양한 비교실험 결과에서 제안된 방법은 향상된 인식률과 낮은 계산 복잡도 기록했다. 따라서 제안된 방법은 대규모 웹서비스에 적합한 열굴 어노테이션 알고리즘이다.