• Journal of Korean Society for Geospatial Information Science
• /
• v.15 no.3
• /
• pp.33-39
• /
• 2007

Hyperspectral remote sensing data contain plenty of information about objects, which makes object classification more precise. In this paper, we proposed a new spectral similarity measure, called Spectral Mutual Information (SMI) for hyperspectral image classification problem. It is derived from the concept of mutual information arising in information theory and can be used to measure the statistical dependency between spectra. SMI views each pixel spectrum as a random variable and classifies image by measuring the similarity between two spectra form analogy mutual information. The proposed SMI was tested to evaluate its effectiveness. The evaluation was done by comparing the results of preexisting classification method (SAM, SSV). The evaluation results showed the proposed approach has a good potential in the classification of hyperspectral images.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.140-141
• /
• 2016

기존의 사람 계수 측정 시스템은 적외선 빔이나 열 감지 영상 장치를 통해 측정하였다. 하지만 이와 같은 방법으로 측정하면 객체가 들어가거나 나가는 정보는 제공하지 않는다. 이에 본 논문은 고정된 카메라를 이용하여 각 사람의 피부색과 옷차림 등의 RGB 정보를 이용한 사람 계수 측정 기법을 제안한다. RGB카메라 영상을 통하여 객체의 RGB 히스토그램을 얻은 후 각 객체에 대해 Bhattacharyya metric을 통한 histogram similarity을 계산하여 객체 추적 및 분류를 통해 사람 계수 측정을 한다. 제안된 시스템은 C/C++을 기반으로 구현하여, 사람 계수 측정 성능을 평가하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.210-212
• /
• 1999

공간 데이터베이스 시스템에 관한 연구는 다양한 분야에서 진행되고 있으며 특히 공간 데이터베이스 시스템의 가장 중요한 응용인 지리정보시스템에 대한 연구가 중점적으로 이루어지고 있다. 지리정보시스템에서 이용되는 공간 객체는 Point, Lie, Region 등으로 분류되며 불규칙한 n차원의 가변 길이 속성을 가진다. 이는 또한 공간 객체간의 위상 관계와 위치 정보를 포함하여야 한다. 본 논문에서는 기존의 저장구조를 용이하게 확장 가능할 수 있도록 하는 관계표현을 이용한 공간 객체 데이터 구조를 제안한다. 제안된 구조는 공간 데이터와 속성 데이터를 효율적으로 연결시키며 공간 위상 관계를 유지하고 관리한다. 이는 도한 레이어 구조에서 관리되는 데이터에 의하여 공간 객체 간의 일관성을 유지시킨다.

• Journal of the Korean Association of Geographic Information Studies
• /
• v.24 no.3
• /
• pp.73-82
• /
• 2021

Rural roads are the significant infrastructure for developing and managing the rural areas, hence the utilization of the remote sensing datasets for managing the rural roads is necessary for expanding the rural transportation infrastructure and improving the life quality of the rural residents. In this research, the two different methods such as image classification and image segmentation were compared for mapping the rural road based on the given high-resolution satellite image acquired in the rural areas. In the image classification method, the deep learning with the multiple neural networks was employed to the given high-resolution satellite image for generating the object classification map, then the rural roads were mapped by extracting the road objects from the generated object classification map. In the image segmentation method, the multiresolution segmentation was employed to the same satellite image for generating the segment image, then the rural roads were mapped by merging the road objects located on the rural roads on the satellite image. We used the 100 checkpoints for assessing the accuracy of the two rural roads mapped by the different methods and drew the following conclusions. The image segmentation method had the better performance than the image classification method for mapping the rural roads using the give satellite image, because some of the rural roads mapped by the image classification method were not identified due to the miclassification errors occurred in the object classification map, while all of the rural roads mapped by the image segmentation method were identified. However some of the rural roads mapped by the image segmentation method also had the miclassfication errors due to some rural road segments including the non-rural road objects. In future research the object-oriented classification or the convolutional neural networks widely used for detecting the precise objects from the image sources would be used for improving the accuracy of the rural roads using the high-resolution satellite image.

• Proceedings of the Korea Association of Information Systems Conference
• /
• 1997.10a
• /
• pp.437-443
• /
• 1997

객체를 기반으로 하는 소프트웨어 부품의 재사용은 개별 부품의 효율적 관리와 이 것의 적절한 조합을 통해 소프트웨어 생산성을 극대화한다. 이를 위해서는 클래스 라이브러 리 화에 의한 명확한 식별과 분류, 정제, 저장으로 사용자 요구에 맞는 부품을 쉽게 검색할 수 있으며 새로운 부품의 수정과 합성이 가능한 재사용 시스템이 요구된다. 따라서 본 논문 에서는 객체지향을 기반의 소프트웨어 개발에 있어 브라우징 기법을 적용하여 사용자 요구 에 맞도록 재사용 부품들을 분류, 저장, 검색하여 재상용 할뿐더러 검색된 클래스가 사용자 의 요구에 맞도록 수정-합성 과정을 통해 재사용 가능하게 하는 다중 뷰 재사용 통합 시스 템인 MRIS (Multi-View Reuse Integrated System)를 구현하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.481-483
• /
• 1998

객체지향 방법에 의한 소프트웨어 개발은 문제해결의 적용 측면에서 많은 유연성을 가지고 있으며 사용자 환경의 많은 요구조건을 만족시키고 있다는 것은 이미 공인된 사실이다. 그러나 잘못 적용한 컴퍼넌트는 객체지향 시스템 개발에 많은 제한을 가져올 수 있다. 본 연구에서는 시스템 구현 시 연속적으로 변화되는 속성들과 적용방법들이 변화하는 것을 관리하여 새로운 시스템 개발에 필요한 컴퍼넌트의 선택과 행위성을 이해하는 문제를 해결하고자 퍼지 메커니즘을 이용한 디스크립터 분류와 분석도구의 적용에 관한 방법론을 제시하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.04a
• /
• pp.879-883
• /
• 2000

비디오 기반 사람의 모션 캡쳐에 관한 연구는 최근 몇 년 동안 컴퓨터 비전분야에서 폭넓은 연구가 진행되어지고 있다. 본 논문은 비디오 기반으로 사람의 모션을 전체 프레임이 진행되는 동안 프레임 별로 디스플레이 한다. 첫 프레임에서 비디오 세그멘테이션 과정에서 샷을 검출하고 이를 이용하여 객체를 분류한다. 분류된 객체에서 사람의 영역을 추출한다. 추출된 영역은 다음 프레임의 위치를 예측하게 된다.

• Journal of Korea Multimedia Society
• /
• v.16 no.2
• /
• pp.169-179
• /
• 2013

Change detection algorithms take two image frames and return the locations of newly introduced objects which cause differences between the images. This paper presents a new change detection method, which classifies intensity changes due to introduced objects, reflected light and shadow from the objects to their neighborhood, and the noise, and exactly localizes the introduced objects. For classification and localization, first we analyze the histogram of the intensity difference between two images, and estimate multiple threshold values. Second we estimate candidate object boundaries using the gradient difference between two images. Using those threshold values and candidate object boundaries, we segment the frame difference image into multiple regions. Finally we classify whether each region belongs to the introduced objects or not using textures in the region. Experiments show that the proposed method exactly localizes the objects in various scenes with different lighting.

• Journal of Korea Multimedia Society
• /
• v.13 no.8
• /
• pp.1128-1141
• /
• 2010

This paper proposes a method of moving object detection in crowded scene using clustered trajectory. Unlike previous appearance based approaches, the proposed method employes motion information only to isolate moving objects. In the proposed method, feature points are extracted from input frames first and then feature tracking is followed to create feature trajectories. Based on an assumption that feature points originated from the same objects shows similar motion as the object moves, the proposed method detects moving objects by clustering trajectories of similar motions. For this purpose an energy function based on spatial proximity, motion coherence, and temporal continuity is defined to measure the similarity between two trajectories and the clustering is achieved by minimizing the energy function in CRFs (conditional random fields). Compared to previous methods, which are unable to separate falsely merged trajectories during the clustering process, the proposed method is able to rearrange the falsely merged trajectories during iteration because the clustering is solved my energy minimization in CRFs. Experiment results with three different crowded scenes show about 94% detection rate with 7% false alarm rate.

• Journal of Korea Multimedia Society
• /
• v.13 no.1
• /
• pp.47-57
• /
• 2010

The object detection is essential for identifying objects, location information, and user context-aware in the image. In this paper, we propose a robust object detection system. The System linearly transforms learning data obtained from the background images to Principal components. It organizes the Eigen-background with the selected Principal components which are able to discriminate between foreground and background. The Fuzzy-C-means (FCM) carries out clustering for images with inputs from the Eigen-background information and classifies them into objects and backgrounds. It used various patterns of backgrounds as learning data in order to implement a system applicable even to the changing environments, Our system was able to effectively detect partial movements of a human body, as well as to discriminate between objects and backgrounds removing noises and shadows without anyone frame image for fixed background.