• Journal of KIISE:Software and Applications
• /
• v.31 no.9
• /
• pp.1204-1217
• /
• 2004

Numerous statistical and machine learning techniques have been studied for automatic text classification. However, because they train the classifiers using only feature vectors of documents, ambiguity between two possible categories significantly degrades precision of classification. To remedy the drawback, we propose a new method which incorporates relationship information of categories into extant classifiers. In this paper, we first perform the document classification using the k-NN classifier which is generally known for relatively good performance in spite of its simplicity. We employ the relationship information from an object-based thesaurus to reduce the ambiguity. By referencing various relationships in the thesaurus corresponding to the structured categories, the precision of k-NN classification is drastically improved, removing the ambiguity. Experiment result shows that this method achieves the precision up to 13.86% over the k-NN classification, preserving its recall.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.11a
• /
• pp.33-35
• /
• 2018

기존의 사람간의 유사성 측정 시스템은 적외선 빔이나 열 감지 영상 장치를 통해 측정하였다. 하지만 이와 같은 방법으로 측정하면 2명 이상의 객체를 분류해내는 기술은 제공하지 않는다. 이에 본 논문은 고정된 카메라를 이용하여 각 사람의 피부색과 옷차림 등의 RGB 정보를 이용한 사람 유사성 측정 기법을 제안한다. RGB카메라 영상을 통하여 객체의 RGB 히스토그램을 얻은 후 각 객체에 대해 Bhattacharyya metric, Cosine similarity, Jensen difference, Euclidean distance로 histogram similarity를 계산하여 객체 추적 및 유사성 측정을 통해 객체를 분류한다. 제안된 시스템은 C/C++를 기반으로 구현하여, 유사성 측정 성능을 평가하였다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.13 no.5
• /
• pp.35-49
• /
• 2014

This paper proposes the on-road object detection and classification algorithm by using a detection system consisting of only laser scanners. Each sensor data acquired by the laser scanner is fused with a grid map and the measurement error and spot spaces are corrected using a labeling method and dilation operation. Fuzzy method which uses the object information (length, width) as input parameters can classify the objects such as a pedestrian, bicycle and vehicle. In this way, the accuracy of the detection system is increased. Through experiments for some scenarios in the real road environment, the performance of the proposed detection and classification system for the actual objects is demonstrated through the comparison with the actual information acquired by GPS-RTK.

• Korean Journal of Remote Sensing
• /
• v.39 no.2
• /
• pp.223-232
• /
• 2023

A widely used method for monitoring land cover using high-resolution satellite images is to classify the images based on the colors of the objects of interest. In urban areas, not only major objects such as buildings and roads but also vegetation such as trees frequently appear in high-resolution satellite images. However, the colors of vegetation objects often resemble those of other objects such as buildings, roads, and shadows, making it difficult to accurately classify objects based solely on color information. In this study, we propose a method that can accurately classify not only objects with various colors such as buildings but also vegetation objects. The proposed method uses the normalized difference vegetation index (NDVI) image, which is useful for detecting vegetation objects, along with the RGB image and classifies objects into subclasses. The subclass classification results are fused, and the final classification result is generated by combining them with the image segmentation results. In experiments using Compact Advanced Satellite 500-1 imagery, the proposed method, which applies the NDVI and subclass classification together, showed an overall accuracy of 87.42%, while the overall accuracy of the subchannel classification technique without using the NDVI and the subclass classification technique alone were 73.18% and 81.79%, respectively.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.410-414
• /
• 2003

본 논문은 비디오 시퀀스에 카메라 패닝 보상과 2차원 시공간 엔트로피 임계법을 적용하여 추출한 객체포함영역을 대상으로 영상 분할을 수행하는 이동 객체 분할 기법에 관한 것이다. 우선, 웨이블렛 변환에 의해 구성한 피라미드 계층 구조상에서 카메라 패닝 벡터를 추정하여 전역 움직임을 보상한다. 이후, 전역 움직임이 보상된 기준영상을 대상으로 각 프레임간에서 2차원 시공간 엔트로피 임계법을 적용하여 이동 객체가 포함될 가능성이 있는 영역을 블록 단위로 추출한다. 다음으로, 2차원 시공간 엔트로피 입계법에 의해 분류된 영역을 토대로 각 블록을 움직임블록, 준 움직임 블록, 비 움직임 블록 중 어느 하나로 분류한 검색 테이블을 작성한다. 이어서, 검색 테이블을 참조하여 초기 탐색 계층 및 탐색 영역을 적응적으로 선정함으로써 피라미드 계층 구조상에서 효율적인 고속 움직임 추정을 수행하여 이동 객체에 해당하는 객체포함영역만을 추출한다. 최종적으로, 이렇게 추출된 객체포함영역에서 임계 기울기 영상을 정의한 후, 이를 기준 삼아 객체포함영역에 화소 단위의 형태학 기반 영상 분할 알고리즘을 적용함으로써 비디오 시퀀스에 포함된 이동 객체를 분할한다. 컴퓨터 시뮬레이션 결과를 통해 고찰할 때, 제안된 방법은 이동 객체에 대한 상대적으로 우수한 분할 특성을 제공할 수 있고, 특히 저대조 경계면의 분할 특성을 제고시키고 있음을 확인할 수 있다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.19 no.1
• /
• pp.105-113
• /
• 2011

Since existing thematic maps have been made with medium- to low-resolution satellite images, they have several shortcomings including low positional accuracy and low precision of presented thematic information. Digital aerial photo image taken recently can express panchromatic and color bands as well as NIR (Near Infrared) bands which can be used in interpreting forest areas. High resolution images are also available, so it would be possible to conduct precision land cover classification. In this context, this paper implemented object-based land cover classification by using digital aerial photos with 0.12m GSD (Ground Sample Distance) resolution and IKONOS satellite images with 1m GSD resolution, both of which were taken on the same area, and also executed qualitative analysis with ortho images and existing land cover maps to check the possibility of object-based land cover classification using digital aerial photos and to present usability of digital aerial photos. Also, the accuracy of such classification was analyzed by generating TTA(Training and Test Area) masks and also analyzed their accuracy through comparison of classified areas using screen digitizing. The result showed that it was possible to make a land cover map with digital aerial photos, which allows more detailed classification compared to satellite images.

• Broadcasting and Media Magazine
• /
• v.25 no.2
• /
• pp.44-51
• /
• 2020

동영상 프레임 내 객체 영역들을 배경으로부터 분할하는 기술인 동영상 객체 분할(video object segmentation)은 다양한 컴퓨터 비전 분야에 활용 가능한 연구 분야이다. 최근, 동영상 객체 분할과 관련된 연구 내용으로 CVPR, ICCV, ECCV의 컴퓨터 비전 최우수 학회에 매년 20편 가까이 발표될 정도로 많은 관심을 받고 있다. 동영상 객체 분할은 사용자가 제공하는 정보에 따라 비지도(unsupervised) 동영상 객체 분할, 준지도(semi-supervised) 동영상 객체 분할, 인터렉티브(interactive) 동영상 객체 분할의 세 카테고리로 분류할 수 있다. 본 고에서는 최근 연구가 활발하게 수행되고 있는 비지도 동영상 객체 분할과 준지도 동영상 객체 분할 연구의 최신 동향에 대해 소개하고자 한다.

• The Journal of the Korea Contents Association
• /
• v.16 no.7
• /
• pp.31-41
• /
• 2016

Atmospheric correction as a preprocessing work should be performed to conduct accurately landcover/landuse classification using hyperspectral imagery. Atmospheric correction on airborne hyperspectral images was conducted and then the effect of atmospheric correction by comparing spectral reflectance characteristics before and after atmospheric correction for a few landuse classes was analyzed. In addition, land cover classification was first conducted respectively by the maximum likelihood method and the spectral angle mapper method after atmospheric correction and then the results were compared. Applying the spectral angle mapper method, the sea water area were able to be classified with the minimum of noise at the threshold angle of 4 arc degree. It is considered that object-based classification method, which take into account of scale, spectral information, shape, texture and so forth comprehensively, is more advantageous than pixel-based classification methods in conducting landcover classification of the coastal area with hyperspectral images in which even the same object represents various spectral characteristics.

• Proceedings of the KSRS Conference
• /
• 2008.03a
• /
• pp.224-230
• /
• 2008

본 연구는 산림 내 임상을 구획하기 위해 고해상도 IKONOS 위성영상을 객체 지향기반으로 분할 및 분류하였다. 영상분할 시 분광정보와 공간정보를 동시에 이용하여 모양이나 분광정보에 있어서 동질한 영역이라고 정의되는 영상객체를 생성하였다. 분할된 영상을 분류계급(class)으로 분류하기 위하여 NDVI와 경사, 방위, 고도 등 지형인자를 새로운 레이어로 추가시키고, 분류개념을 형성하기 위하여 퍼지 규칙을 사용하였다. 영상의 획득시기가 5월초인 점을 감안하여 NDVI는 0.2, 경사 $^{\circ}5^{\circ}$ 그리고 고도 130m를 기준으로 산림과 비산림지역을 분류할 수 있었고, 지형인자에 영향을 많이 받는 굴참나무와 신갈나무 또한 효율적으로 분류할 수 있었다.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.837-840
• /
• 2000

동영상에서 움직이는 객체 분할 및 모션 예측을 동시에 수행할 수 있는 연구는 다양한 방법으로 시도 되어 왔다. 실제 이미지를 서로 다른 움직임이나 서로 다른 공간적인 특정 영역으로 분리 될 수 있다고 가정 한다면 복수의 객체 또는 객체의 움직임으로 표현 할 수 있다. 객체 분할 측면에서 볼 때 효율적인 분할을 위해서는 특징 입력 벡터의 선택이 중요한 변수로 작용한다. 본 연구에서는 정밀한 객체 분할을 위해 밝기, 질감(Texture) 정보와 같은 정지영상의 특징 입력 벡터와 움직임 벡터 같은 동영상의 특징 입력 벡터를 동시에 사용한다. 분리된 객체는 각각의 클래스를 구성하게 되고 이를 위한 클래스 분류기로서 Median Radial Basis 신경 회로망을 사용한다. 객체 분할과 움직임 예측을 위해서 확률적 방법을 통한 에너지 함수를 구하고 비용함수를 도입한다. 신경 회로망의 각 Basis 함수는 영상의 특정한 영역에서 활성화되며 객체의 분류를 위해 신경 회로망 출력으로 가중치의 합으로서 나타나게 된다.