• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 추계학술발표논문집 (상)
• /
• pp.109-112
• /
• 2003

본 논문은 비트 플레인의 위치에 따라 정보 삽입량에 대한 주관적이고 고정적인 임계치가 아니라 비트 플레인의 가중치를 고려하여 각 영상의 비트 플레인별 적응적인 임계값에 따라 최대 정보량을 삽입하고 추출하는 알고리즘을 연구하였다. 다양한 이미지를 대강으로 고정 임계값을 적용하는 기존의 방법과 영상의 특징에 따라 비트 플레인별 임계값이 적응적으로 산출되는 제안한 방법에 대해서 최대용량을 측정하고, 같은 양의 정보를 삽입한 후 화질을 비교 분석하였다. 그 결과 기존의 방법보다 용량면이나 화질면에서 나은 결과를 얻을 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 추계학술대회
• /
• pp.497-498
• /
• 2017

기존의 영상 복원 방법에서는 영상에 퍼지 스트레칭 기법을 이용하여 명암 대비를 강조하였다. 강조된 영상에서 Max-Min 연산을 위해서 칼라 채널의 최대값을 이용하여 각 픽셀 값을 정규화 하였다. 정규화 된 픽셀 값에 Min 연산을 적용하여 연결 가중치를 계산하여 훼손된 영상의 복원에 적용하였다. 그러나 일부 손실된 영상에서 손실된 부분을 탐색하기 위해 $10{\times}10$을 가진 마스크를 이용하여 훼손된 영역을 탐색한 후, 탐색된 훼손된 영역에 연결 가중치를 적용하여 임계값보다 적은 경우에는 임계값으로 설정하여 손실된 부분을 복원하였으나 원 영상과의 차이가 나는 경우가 자주 발생하여 복원의 정확성이 낮아지는 문제점이 있다. 따라서 본 논문에서는 영상의 복원의 정확성을 높이기 위하여 그레이 영상뿐만 아니라 칼라 영상에서도 복원의 정확성을 높일 수 있는 방법을 제안한다. 제안된 방법을 다양한 칼라 영상을 대상으로 실험한 결과, 제안된 방법이 기존의 방법보다 복원의 정확성이 높아진 것을 확인할 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2013년도 하계학술대회
• /
• pp.242-243
• /
• 2013

본 논문에서는 모바일 환경에서의 얼굴인증 성능 향상 방법을 제안한다. 제안했던 기존 방법에서는 다중 반경 LBP 히스토그램을 분석하고 임계값을 적용하여 개인별 주요 블록을 구성하였다. 이 때 임계값의 적용에 따라 인증 성능의 변화가 발생할 수 있고, 주요 블록에 동일한 가중치를 적용하기 때문에 블록의 분별력을 크게 고려하지 않았다. 제안하는 방법은 주요 블록에 가중치를 적용하는 방법으로 주요한 블록과 비교적 덜 중요한 블록의 분별력을 높여 개인인증의 성능을 향상시킨다. 실험 결과 제안하는 방법이 기존 방법들 과 비교하여 낮은 에러율을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 춘계학술대회
• /
• pp.886-888
• /
• 2013

에지는 물체의 크기, 방향, 위치 등의 정보를 포함한다. 이러한 에지를 검출하기 위한 기존의 에지검출 방법은 Sobel, Prewitt, Roberts, Laplacian 연산자 등을 이용한 방법이다. 기존의 방법은 에지를 검출하기 위하여 고정된 가중치 마스크를 이용하며 에지 검출 특성이 다소 미흡하다. 따라서 이와 같은 기존의 방법의 단점을 보완하기 위하여, 본 논문에서는 표준편차 및 임계값에 따른 가중치를 이용한 에지 검출 알고리즘을 제안하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 춘계학술대회 학술발표 논문집
• /
• pp.53-56
• /
• 1998

본 논문에서의 공학적인 체계성을 갖고 초기 연결 가중치 및 임계치를 결정해 주면서, 학습까지 가능한 신경망을 제안한다. 기존의 오류 역전파 신경망을 적용할 때 경험에 의하여 은닉층 노드수를 결정하거나 임의의 실수 값으로 초기 연결 가중치 및 임계값을 주었을 때 자주 발생하는 학습 마비 현상을 피할 수 있고, Bose가 제안된 Voronoi 공간 분류에 의한 신경망 구성에서 학습이 불가능하다는 제안적인 단점을 보안하였다. 초기 가중치는 Voronoi 공간 분류가 이루어져 있다고 할 때 Bose가 제안한 초기 가중치 결정법을 개선하여 사용하고, Bose의 경우 신경망 노드가 Step function을 이용하여 정보를 전달하였으나 본 연구에서는 학습이 가능한 함수인 Sigmoid function을 이용하였다. 제안된 새로운 신경망의 성능 및 효율성을 비교하기 위하여 선형분리가 불가능한 XOR문제를 실험한 결과, 기존의 학습 가능한 EBP에서 허용오차 0.05 수준일 때 80%정도 학습마비 현상이 발생하였던 심각한 문제점을 보완할 수 있었고, 또한 학습 속도면에서 8~9배 정도 빠른 성능을 나타내었다.

• 정보처리학회논문지B
• /
• 제11B권4호
• /
• pp.395-402
• /
• 2004

본 논문은 비트 플레인별 적응적 임계값을 이용한 대용량 스테가노그라피 방법을 제안하였다. 모든 비트 플레인에 고정적인 임계값을 적용하여 정보를 삽입하면, 비트 플레인에 따라 화질의 열화가 생긴다. 따라서 본 논문에서는 고정 임계값의 문제점을 해결하기 위하여 비트 플레인별 가중치를 정의하였다. 그리고 비트 플레인의 삽입 용량을 적응적으로 증가시키기 위하여, 비트 플레인별 평균 복잡도와 가중치를 이용하여 새로운 적응적 임계값 설정 방법을 제안하였다. 실험에서는 각 표준 이미지에 동일한 화질과 정보량을 삽입하고, 이에 따른 삽입 용량과 화질을 비교하였다. 그 결과, 제안한 방법이 기존의 방법보다 삽입 용량면에서 평균 약 6%의 정도 증가되었고, 화질면에서도 평균 약 2.4dB 향상되었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.661-663
• /
• 2016

영상 신호를 처리하는 과정에서 열화가 발생하며, 열화는 영상 내의 화소 값을 변화시켜 원래의 정보를 훼손시킨다. 특히, AWGN(additive white Gaussian noise)이 대표적이다. AWGN을 제거하기 위한 대표적인 필터에는 MF(mean filter), WF(wiener filter), AWMF(adaptive weighted mean filter) 등이 있다. 그러나 기존의 평균 필터에 의해 처리한 영상은 에지 영역에서 보존 특성이 미흡하다. 따라서 본 논문에서는 국부 마스크의 표준편차에 임계값을 적용하여 처리하며, 표준편차가 임계값 보다 작은 경우 필터링하지 않고 임계값 보다 큰 경우 표준편차를 이용한 가중치를 사용하여 처리하는 알고리즘을 제안하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 추계학술발표논문집 (상)
• /
• pp.543-546
• /
• 2001

본 논문에서는 빠른 속도로 증가하고 있는 인터넷상의 정보와 서비스를 검색함에 있어서 기본적인 내용은 유지하면서 정보의 과부하(information overload)문제를 해결하기 위한 문서요약의 방법으로 통계적 접근 방법에서 Kupiec의 요약문이 가지는 특성을 이용하여 문서의 방법을 설계하였다. 요약문의 각 문장에 대하여 중요도에 따라 가중치를 부여 한 후, 주어진 임계값에 따라 가중치가 낮은 문장들을 제외한다. 제외 후 가중치 점수를 부여해서 요약문 문장의 개수를 조절하면서 중요문을 추출할 수 있다.

• 한국정보통신학회논문지
• /
• 제24권5호
• /
• pp.609-615
• /
• 2020

현대 사회는 4차 산업 혁명과 더불어 디지털 장비의 사용이 증가하여 영상 및 신호처리의 중요성이 높아지고 있으며, 이와 함께 잡음 제거에 관한 연구가 활발하게 이루어지고 있다. 본 논문은 랜덤 임펄스 잡음 제거를 위한 스위칭 필터 알고리즘을 제안한다. 제안한 알고리즘은 영상에 존재하는 잡음 수준을 판단하여 임계값을 구하며, 임계값은 입력 화소값과 기준치의 차이와 비교되어 필터의 가중치 스위칭 과정에 사용한다. 필터의 최종 출력은 스위칭에 따라 화소 가중치 및 변형된 가중치 메디안 필터를 적용하여 추정치를 구하며, 추정치와 입력 화소값을 비교하여 최종 출력을 구한다. 제안한 알고리즘의 성능을 평가하기 위해 시뮬레이션 및 PSNR 등을 이용하여 기존 방법들과 비교하였다.

• 한국콘텐츠학회논문지
• /
• 제16권5호
• /
• pp.104-112
• /
• 2016

Adaboost 학습 알고리즘은 학습 단계마다 가장 좋은 특징을 선택하도록 하는 학습 알고리즘 이다. 각 학습 단계에서는 최적의 특징을 선택하기 위해 특정 임계값과 그에 대한 최소 오차율을 가지는 특징을 선택하도록 되어 있다. 하지만, 임계값을 이용하는 방법은 최적의 오차율을 검출하는데 있어 효율적인 방법이 아니다. 본 논문에서는 최적의 오차율을 검출하기 위한 퍼지 Adaboost 기법을 제안한다. 퍼지를 통해 결정 경계를 유연하게 한 Adaboost는 학습 단계가 적어도 좋은 성능을 보이는 장점이 있다. 기존의 Adaboost는 학습 전에 학습데이터에 대한 가중치를 동일하게 할당한다. 하지만, 본 논문에서는 이에 대한 가중치를 확률을 이용하여 초기 가중치를 다르게 줌으로서, 적은 학습에도 좋은 결과를 보이는 방법을 제안한다. 실험 결과에서는 기존의 Adaboost와 제안하는 방법에 대한 성능 평가를 통해, 퍼지 Adaboost가 기존 방법에 비해 좋은 결과를 보였다.