• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.330-333
• /
• 2003

영상 분류는 내용기반 영상검색에서 부적절한 이미지를 효과적으로 걸러 낼 수 있게 하여 영상 검색의 성능을 향상 시키는데 큰 역할을 하게 된다. 따라서 최근 의미 있는 영상의 분류가 내용기반검색분야에서 중요한 과제로 대두되고 있다. 본 논문에서는 에지 정보를 이용해서 객체 영상을 인공객체영상과 자연객체영상으로 분류하는 방법을 제안한다. 직선형태의 에지를 많이 가지는 인공객체의 경우 에지 방향 히스토그램의 에너지가 자연객체에 비해 높은 값을 가지기 때문에 객체 분류에 유용한 정보로서 에지 정보를 활용하였다. 또한 에너지 값을 낮추는 원형의 에지가 인공객체영상에서 주로 발견되는 점을 이용하여, 제거에 의해 분류의 성능을 높이고자 하였다. 한편 가버 필터를 이용한 분류 결과에 비해 에지 정보를 이용한 분류가 성능 면에서 보다 나은 결과를 얻을 수 있었다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.656-659
• /
• 2004

최근 많은 연구에서, 동일한 영상그룹들로부터 추출된 저수준의 특징들을 이용해서 고수준의 정보를 분석한 뒤, 이를 이용해서 영상을 분류하는 방법들을 소개하고 있다. 이러한 연구는 CBIR의 인덱싱에서 저수준의 특징만을 사용할 때 발생하는 의미적인 차이(semantic gap)문제를 해결하여, 검색의 효율을 높일 수 있게 한다. 하지만 이들 연구는 대부분 전경(scenery)영상만을 대상으로 하고 있다. 한편 영상을 객체 단위로 다루는 것은 CBIR의 성능을 크게 향상 시킬 수 있는 요인이 된다. 왜냐하면 대부분의 사용자는 관심있는 객체가 포함된 영상을 검색하기 원하기 때문이다. 본 논문에서는 영상의 객체를 인공객체와 자연객체로 분류하는 방법을 제안한다. 인공객체의 경우 자연객체에 비해 상대적으로 직선형태의 에지가 많이 발견되며 객체를 구성하는 패턴이 규칙적이고 방향성을 가진다. 또한 인공객체는 자연객체에 비해 객체영역의 경계가 직선에 의한 단순한 형태로 나타난다. 이러한 특징들을 EDH(edge Direction Histogram)의 에너지, EDAS(Energy Difference of Adjacent Sector)와 가버 필터를 통해 추출하여 분류에 이용한다. 실험을 통하여 각 특징들을 개별적으로 사용해서 76%에서 84% 사이의 분류 정확성을 얻었으며, 제안한 머징 방법을 이용하여 최종적으로 약 90%의 정확성으로 분류하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.318-321
• /
• 2003

의미 있는 객체가 영상에 포함되어 있는지를 판단하여 영상을 객체 및 비객체 영상으로 분류함으로써 영상 검색이나 효과적인 영상 데이터베이스 구축 등에 유용하게 활용 가능하다. 이에 본 논문에서는 영상 유형에 따른 특징을 분석하여 영상 분류를 위한 기준을 선정함으로써 입력 영상을 객체 및 비객체 영상으로 분류할 수 있는 방법을 제안한다 일반적으로 객체는 주로 영상의 중심 부근에 위치하고 주변과는 상이한 칼라 특징으로 표현되므로, 영상 중심 부근에 주로 위치하는 칼라의 분포 정보를 영상 분류의 기준으로 사용하였다. 또한 객체 추출 방법[4]을 적용하여 추출된 객체와 배경 사이의 공유 경계에서 발생하는 경계 강도 정도를 활용하였다. 코렐 CD에서 무작위로 선택된 800장의 영상에 대해 제안된 기준을 적용하여 분류한 결과 약80%의 분류 정확도를 얻었다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 2007.06a
• /
• pp.289-292
• /
• 2007

객체기반 영상분류를 위한 영상분할에 있어서 중요한 요소로는 분할축척(Scale), 분광 정보(Color), 공간 정보(Shape) 등이 있으며 공간 정보에 해당하는 공간 변수는 평활도(Smoothness)와 조밀도(Compactness)가 있다. 이들 가중치의 선택이 최종적으로 객체기반 영상분류의 결과를 좌우하게 된다. 본 연구는 객체기반 영상분류의 준비 과정이라 할 수 있는 영상분할에 있어서 다양한 가중치를 적용을 통하여 영상을 분할하였다. 영상분할을 위해 적용한 가중치는 10, 20, 30의 분할축척(Scale)과 분광 정보(Color)와 공간 정보(Shape)간의 가중치 조합, 공간 변수인 평활도(Smoothness)와 조밀도(Compactness)간의 가중치 조합을 사용하였다. 각 가중치 조합을 통하여 분할된 영상의 분석은 Moran's I 와 객체 내부 분산(Intrasegment Variance)을 이용하여 분석하였다. 각 객체간의 상관관계 분석을 위하여 Moran's I를 계산하였으며 분류된 지역의 동질성을 분석하기 위하여 객체 면적을 고려한 객체 내부 분산(Intrasegment Variance)값을 계산하였다. Moran's I 가 낮은 값을 가질수록 객체 간의 공간상관관계가 낮아지므로 이웃 객체간의 이질성은 높아지며 객체 내부 분산(Intrasegment Variance)이 낮은 값을 가질수록 지역간의 동질성은 높아지게 된다. Moran's I 와 객체 내부 분산(Intrasegment Variance)의 조합을 통하여 객체기반 영상분류 시 가장 높은 분류 정확도가 예상되는 밴드별 영상분할 가중치를 얻을 수 있다.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1357-1358
• /
• 2015

본 논문에서는 축사에서 비젼 기반으로 이동 객체를 분류하는 방법을 제안한다. 제안하는 방법은 축사 내 설치된 CCTV로부터 영상을 입력받아 Adaptive GMM알고리즘을 이용하여 이동 객체를 추출한다. 다음, 이동 객체 가 사람인지 소인지 또는 차량인지 분류하기 위해 이동 객체의 특징을 추출한다. 이동 객체 특징 추출 방법으로는 기존의 Monolithic-based방법인 HoG알고리즘을 개선하여 축사의 복잡한 환경에서 다양한 자세를 가지는 사람과 소 그리고 차량의 구조적 특징을 추출한다. 추출한 특징은 벡터화 하여 SVM분류기 입력값에 적합하도록 한다. SVM 분류를 통해 이동 객체의 구조적 특징을 블록화 하여 이동 객체의 신체 모델을 생성한다. 마지막으로 생성된 신체 모델을 이용하여 이동 객체가 사람인지 소인지 또는 차량인지 분류한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.187-190
• /
• 2004

본 논문에서는 영상을 자동적으로 객체와 비객체 영상으로 분류하는 방법을 제안한다. 객체 영상은 객체를 포함하는 영상이다. 객체는 영상의 중심 부근에 위치하고 주변 영역과는 상이한 칼라 분포를 가지는 영역들로 정의한다 영상 분류를 위해 객체의 특징에 기반하여 세 가지 기준을 정의한다. 첫 번째 기준인 중심 영역의 특이성은 중심영역과 주변 영역간의 칼라 분포의 차이를 통해 계산된다. 두 번째 기준은 영상 내의 특이 픽셀의 분산이다 특이 픽셀은 영상의 주변영역보다 중심 부근에서 더욱 빈번하게 나타나는 상호 인접한 픽셀들의 칼라 쌍에 의해 정의된다. 마지막 기준은 객체의 핵심 영역 경계에서의 경계 강도이다. 영상을 분류하기 위해서 신경 회로망 학습을 통해서 세 가지 기준들을 통합하도록 한다. 900개의 영상들에 대해 실헝한 결과 84.2%의 분류 정확도를 얻었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.121-124
• /
• 2001

계통수는 특정 객체의 분류 즉 특정 객체로부터 추출한 염기서열을 이용하여 그 객체의 소속 분류 집단을 결정하기 위해서 사용될 수 있다. 만약 특정지역에서 획득한 토끼의 종을 구분하기 위해서 이미 분류된 토끼의 염기서열들을 가지고 염기서열들과의 관계를 표현하는 계통수를 제작함으로써, 객체를 분류 할 수 있다. 계통수 제작은 기존의 계통수 제작 도구들(MEGA등)이 사용되지만, 이러한 계통수 제작 도구는 객체의 어떤 특성에 의해서 종이 나뉘어지는 가는 예측 할 수 없다. 계통수 제작에 이용되는 염기서열 데이터는 기존의 염기서열 데이터 베이스들(EMBL, GenBank, DDBJ)에서 인터넷을 이용하여 찾을 수 있지만, 계통생물학을 위해 누적된 데이터가 아니므로, 계통수 제작을 위해서는 사용이 제한적이다. 또 계통수 제작 도구을 사용하기 위해서는 자신이 관련 염기서열 데이터를 수집하여야 한다. 본 논문은 웹기반 계통수 추론 시스템을 제시한다. 본 시스템은 염기서열 데이터를 검색하여, 계통 분류 즉 계통수 제작을 위한 데이터로 저장하고, 이를 이용하여 계통수를 그릴 수 있다. 또한 이렇게 저장된 데이터는 데이터 마이닝 분류 기법을 사용하여, 각 객체 분류 집단을 모델링하며, 분류 속성을 예측할 수 있다.

• Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography Conference
• /
• 2007.04a
• /
• pp.215-218
• /
• 2007

이 논문은 고해상도 Quickbird 영상을 이용하여 세부레벨계획을 위한 토지피복분류를 수행하였으며 고해상도 영상을 이용한 토지피복분류를 위하여 객체기반분류와 ISODATA 기법을 적용하였다. 객체기반분류는 eCognition 소프트웨어를 사용하였으며 ISODATA 기법의 토지피복분류 결과와 비교분석을 수행하였다. 연구 대상지역은 인도의 Sukkalampatti이라 하는 작은 유역을 대상으로 연구를 진행하였다. 고해상도 영상의 사용으로 토지피복분류에 있어서 공간 해상도에 따른 토지피복의 세부레벨분류 정확도를 향상 시킬 수 있는 이점을 확인 할 수 있으며 또한, 객체기반분류와 ISODATA 기법의 분류 결과는 eCognition을 사용한 객체기반 토지피복분류결과가 ISODATA의 픽셀기반의 분류방법보다 높은 정확도를 보였다.

• 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 Korean Society of Computer Information Conference
• /
• 2009.01a
• /
• pp.237-240
• /
• 2009

감시 시스템은 지역의 특성에 따라 다양한 환경 및 설치 조건을 가지게 되며, 지능적 처리 요구에 따라 객체 분류를 필요로 한다. 본 논문에서는 검출된 객체로부터 특징 정보의 자율적 추출 및 학습을 이용하여 객체를 분류하기 위한 방안을 제시하고자 한다. 다양한 환경 및 설치 조건에서도 감시 시스템의 입력과 처리에 대한 추가적 보정 과정이 필요하지 않으며, 연속적으로 입력되는 객체의 형태와 움직임 정보를 효과적으로 활용하여 객체의 특징 추출 및 분류가 가능하게 된다.