• 한국정보통신학회논문지
• /
• 제19권8호
• /
• pp.1867-1873
• /
• 2015

에지 검출은 여러 분야에서 다양한 용도로 적용되는 영상 처리 기술 중 하나이고, 대부분의 응용에서 필수적인 전처리 과정으로 사용된다. 기존의 에지 검출 방법들에는 고정 가중치 마스크를 이용한 Sobel, Prewitt, Roberts, LoG등이 있다. 기존의 에지 검출 방법들은 고정된 가중치 마스크를 영상에 적용하기 때문에 다소 에지 검출 특성이 미흡하게 나타난다. 따라서 본 연구에서는 이러한 문제점을 해결하기 위해, 중심 화소를 기준으로 한 십자 마스크와 중심화소의 주변 화소를 중심으로 상, 하, 좌, 우에 마스크를 적용하여 에지를 검출하는 알고리즘을 제안하였다. 그리고 제안한 알고리즘의 성능을 평가하기 위해, 기존의 Sobel, Roberts, Prewitt, LoG 에지 검출 방법들과 비교하였다.

• 한국정보통신학회논문지
• /
• 제19권10호
• /
• pp.2441-2449
• /
• 2015

디지털 정보화 시대에서 영상은 여러 매체에서 필수적으로 이용되며, 에지는 영상에서 물체의 크기, 위치, 방향 등을 포함하는 중요한 특징 정보이다. 이러한 에지를 검출하기 위한 여러 연구들이 국내외에서 진행되고 있다. 기존의 에지 검출 방법들에는 고정된 가중치 값을 적용하는 Sobel, Prewitt, Roberts, Laplacian, LoG 등이 있다. 이와 같은 기존의 에지 검출 방법들은 고정된 가중치 마스크를 영상에 적용하기 때문에 에지 검출 특성이 다소 미흡하게 나타난다. 따라서 본 연구에서는 이러한 문제점을 보완하기 위해, 모폴로지에서 bottom-hat 변환과 열기 연산을 이용하여 영상을 개선하고 마스크 기반의 기울기를 구한 후 에지를 구하는 알고리즘을 제안하였다. 그리고 제안한 알고리즘의 성능을 평가하기 위해, 기존의 Sobel, Roberts, Prewitt, Laplacian, LoG 에지 검출 방법들과 비교하여 시각적 영상을 나타내었고, 각각의 영상을 기준으로 하는 MSE 값을 구하여 유사성을 비교하였다.

• 한국지능시스템학회논문지
• /
• 제11권3호
• /
• pp.223-230
• /
• 2001

자기구성 지도는 주어진 입력에 대해 올바른 출력 값이 제공되지 않는 비교사 방식으로 학습된다. 또한, 반응하는 순서나 위치를 통해 위상이 보존(topology preserving)되는 특성을 가지고 있어 많은 분야에 응용되고 있다. 그러나, 자기 구성지도는 학습이 되기 전에 위상을 미리 고정시켜야 하기 때문에 실제 문제에 적용하기 어렵다는 단점을 가지고 있다. 구조 적응형 자기구성 지도는 자기구성 지도의 고정된 구조 때문에 발생하는 문제를 해결하기 위해 지도의 구조를 학습 중에 적절하게 변경시킨다. 이때, 변화된 구조의 가중치를 어떻게 초기화시킬 것인가 하는 것이 또한 중요한 문제이다. 이 논문에서는 구조 적응형 자기구성 지도 모델에서 유전자 알고리즘을 이용하여 분화된 노드의 가중치를 결정하는 방법을 제안한다. 이 방법은 기존의 구조 적응형 자기구성 지도보다 다소 높은 인식률을 보였고, 숫자 별 인식률 편차를 줄일 수 있었다. 오프라인 필기 숫자 데이터로 실험한 결과, 제안한 방법이 유용함을 알 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2002년도 봄 학술발표논문집 Vol.29 No.1 (B)
• /
• pp.616-618
• /
• 2002

MLP(multilayer perceptron)는 다른 패턴인식 방법에 비해 몇 가지 이점이 있어 다양한 문제영역에서 사용되고 있다 그러나 MLP의 학습에 일반적으로 사용되는 EBP(error backpropagation) 알고리즘은 학습시간이 비교적 오래 걸린다는 단점이 있으며, 이는 실시간 처리를 요구하는 문제나 대규모 데이터 및 MLP 구조로 인해 학습시간이 상당히 긴 문제에서 제약으로 작용한다. 패턴인식에 사용되는 학습데이터는 풍부한 중복특성을 내포하고 있으므로 패턴마다 MLP의 내부변수를 갱신하는 은라인 계열의 학습방식이 속도의 향상에 상당한 효과가 있다. 일반적인 온라인 EBP 알고리즘에서는 내부 가중치 갱신시 고정된 학습률을 적용한다. 고정 학습률을 적절히 선택함으로써 패턴인식 응용에서 상당한 속도개선을 얻을 수 있지만, 학습률을 고정함으로써 온라인 방식에서 패턴별 갱신의 특성을 완전히 활용하지 못하는 비효율성이 발생한다. 또한, 학습도중 패턴군이 학습된 패턴과 그렇지 못한 패턴으로 나뉘고 이 가운데 학습된 패턴은 학습을 위한 계산에 포함될 필요가 없음에도 불구하고, 기존의 온라인 EBP에서는 에폭에 할당된 모든 패턴을 일률적으로 계산에 포함시킨다. 이 문제에 대해 본 논문에서는 학습이 진행됨에 따라 패턴마다 적절한 학습률을 적용하고 필요한 패턴만을 학습에 반영하는 패턴별 가변학습률 및 학습생략(COIL) 방댑을 제안한다. 제안한 COIL의 성능을 입증하기 위해 화자증명과 음성인식을 실험하고 그 결과를 제시한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.413-414
• /
• 2007

본 논문은 칼라 필터 배열(color filter array : CFA) 영상에서 채널 간 상관관계를 이용한 새로운 에지 방향 컬러 보간 방법을 제시하였다. 고정 채널 간 컬러 차 가정에 따라 휘도와 색차간의 차가 큰 경우 에지 영역이라 판단한다. 에지 방향 판별을 정확히 하기 위해 수평, 수직 방향으로 컬러 차 영상을 구하고, 구한 영상에서 변화량을 계산하여 에지 방향 판별 기준으로 사용한다. 에지 판별 기준을 사용하여, 에지 방향에 따라 컬러 보간을 수행한다. 평탄 영역은 이웃 화소와의 유사성에 따라 가중치를 다르게 줘서, 이웃 화소의 가중치 합으로 구한다 실험 결과는 제안하는 알고리즘이 기존 알고리즘 보다 우수함을 보여준다.

• 정보보호학회논문지
• /
• 제7권4호
• /
• pp.37-50
• /
• 1997

시각암호는 기존의 비밀 분산법이 비밀을 분산/복호시의 방대한 연산량을 수반하는 것과는 달리 인간의 시각에 의해 직접 복호되기 때문에 복잡한 연산이 필요없는 방식이다. 본 논문에서는 중첩하는 슬라이드의 매수에 따라 복수의 비밀화상이 복원되는 시각암호에 대해 알아보고, 그 안전성을 검증한다. 분산하고자 하는 비밀화상의 수가 증가함에 따라 크기가 기하 급수적으로 커지기 때문에 복원화성의 인식이 어렵게 된다. 따라서 고정 가중치 부호의 해밍 거리를 조정하여 줄임으로서 복원화상의 해상도를 개선하는 방법을 제안한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 추계학술대회
• /
• pp.47-50
• /
• 2016

객체를 추적하는 기술은 컴퓨터 비전 분야에서 활발히 연구되고 있는 분야 중 하나이다. 그 중 고정된 단일 카메라를 이용한 객체 추적 기술은 비디오 감시(Surveillance) 등에서 활용되고 있다. 고정된 카메라 환경에서 객체를 추적하는 방법 중 배경 모델링(Background Modeling)을 이용한 방법은 간단하면서도 널리 사용되는 방법 중 하나이다. 객체의 움직임이나 특징을 분석하여 배경 모델을 생성한 후 배경 정보를 이용하여 전경을 분리하면 쉽게 객체를 추출할 수 있다. 그러나 객체의 움직임이 적은 경우 해당 영역에서의 배경 모델은 정확하게 생성될 수 없다. 배경 모델을 학습하는 동안 객체가 충분이 움직이면 이런 문제를 해결할 수 있으나 객체가 움직이기 전까지는 오류가 지속된다. 이런 문제를 해결하기 위해 본 논문에서는 인페인팅(Inpainting)을 이용하여 움직임이 적은 영역을 보정하여 정확한 배경 모델을 생성하는 방법을 제안한다. 배경 모델을 생성한 후 객체로 식별할 수 있는 후보 영역을 식별한다. 선정된 영역들 중 사용자가 객체로 판단되는 영역을 선택하여 해당 영역에 대해 인페인팅으로 화소값 및 가중치들을 보정한다. 보정된 영상으로 배경 모델링을 수행하면 움직임이 적은 영역에 대해서도 효과적으로 배경 모델을 생성 할 수 있다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권4호
• /
• pp.268-273
• /
• 2017

최근 감정 분류 분야에서 딥러닝 인코더 기반의 접근 방법이 활발히 적용되고 있다. 딥러닝 인코더 기반의 접근 방법은 가변 길이 문장을 고정 길이 문서 벡터로 압축하여 표현한다. 하지만 딥러닝 인코더에 흔히 사용되는 구조인 장 단기 기억망(Long Short-Term Memory network) 딥러닝 인코더는 문서가 길어지는 경우, 문서 벡터 표현의 품질이 저하된다고 알려져 있다. 본 논문에서는 효과적인 감정 문서의 분류를 위해, 장 단기 기억망의 출력을 중요도에 따라 가중합하여 문서 벡터 표현을 생성하는 주목방법 기반의 딥러닝 인코더를 사용하는 것을 제안한다. 또한, 주목 방법 기반의 딥러닝 인코더를 문서의 감정 분류 영역에 맞게 수정하는 방법을 제안한다. 제안하는 방법은 윈도우 주목 방법(Window Attention Method)을 적용한 단계와 주목 가중치 재조정(Weight Adjustment) 단계로 구성된다. 윈도우 주목 방법은 한 단어 이상으로 구성된 감정 자질을 효과적으로 인식하기 위해, 윈도우 단위로 가중치를 학습한다. 주목 가중치 재조정에서는 학습된 가중치를 평활화(Smoothing) 한다, 실험 결과, 본 논문에서 제안하는 방법은 정확도 기준으로 89.67%의 성능을 나타내어 장 단기 기억망 인코더보다 높은 성능을 보였다.

• 한국멀티미디어학회논문지
• /
• 제10권8호
• /
• pp.1004-1016
• /
• 2007

본 논문에서는 기준신호를 획득하기 어려운 환경에서 환경소음이 정상적인 특성을 가질 경우 음성을 향상시킬 수 있는 가중치 갱신제어 적응소음제거기를 제안하였다. 일반적인 적응소음제거기의 경우 소음만의 기준신호를 획득하여야 한다. 그러나 다수의 기기에 의한 복합적인 소음과 작업자에 의한 음성이 혼합되는 공장 환경에서는 소음발생원들로 부터 순수한 소음신호를 획득하기가 어렵다. 따라서 기준신호를 이용할 수 없기 때문에 이러한 환경에서는 기존의 적응잡음제거기를 사용하기가 어렵다. 제안한 방법에서는 입력신호를 임의의 상수로 하고 기준신호에 마이크로폰의 신호를 입력한다. 그런 다음 음성이 없는 구간에서 적응필터의 가중치를 갱신하여 소음을 제거하고 음성이 발생한 구간에서는 가중치를 고정하여 소음이 제거된 변형 음성신호를 획득한다. 그리고 변형 음성신호를 복원 필터링하여 음성신호를 출력한다. 이것은 다수의 공장소음이 정상적이고 짧은 대화구간에서 소음이 변하지 않는 점을 고려하였다. 실험의 결과 제안한 소음제거기가 공장소음을 효과적으로 제거할 수 있었고 신호 대 잡음비 면에서도 우수함을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (B)
• /
• pp.580-585
• /
• 2006

본 논문에서는 대학생들의 프로그래밍 과제물이나 프로그래밍 경진대회에 제출된 프로그램과 같이 동일한 기능을 요구받는 프로그램 소스 집합들에서 표절 행위가 있었는지를 탐색하는 새로운 알고리즘을 제시한다. 본 논문에서는 프로그램의 소스 집합에서 추출된 키워드들의 빈도수에 기반한 로그 확률값을 가중치로 하는 적응적(adaptive) 유사도 행렬을 만들어 이를 기반으로 주어진 프로그램의 유사구간을 탐색하는 지역정렬(local alignment) 방법을 소개한다. 우리는 10여개 이상의 프로그래밍 대회에 제출된 실제 프로그램으로 본 방법론을 실험하였다. 실험결과 이 방법은 이전의 고정적 유사도 행렬(일치 +1, 불일치 -1, 갭(gap)을 이용한 일치 -2)에 의한 유사구간 탐색에 비하여 여러 장점이 있음을 알 수 있었으며, 보다 다양한 표절탐색 목적으로 제시한 적응적 유사도 행렬이 응용될 수 있음을 알 수 있었다.