• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.10B
• /
• pp.1419-1427
• /
• 2001

본 논문은 연속영상에서 non-rigid object를 자동으로 분할하고 알고리즘을 제안하였다. Non-rigid object는 형태의 변화가 일정하기 않은 object로서 기존의 분할 알고리즘과는 다른 새로운 분할 알고리즘을 필요로 한다. 본 논문에서는 특히 구름이나 연기와 같이 형태의 변화가 큰 non-rigid object를 자동으로 분할하는 알고리즘을 제안하였다. 제안된 알고리즘은 공간분할, 시간분할, 그리고 공간분할과 시간분할의 결합의 세 가지 단계로 구성되어 있다. 공간분할은 영상에서 픽셀의 intensity를 마코프 랜덤 필드로 가정하고 에너지 최소화를 통해 영상을 분할한다. 시간분할은 속도벡터를 기반으로 하여 움직임이 있는 영역만을 분할한다. 마지막으로 공간분할과 시간분할을 결합하여 non-rigid object의 최종적인 분할을 수행한다. 실험결과, 제안된 알고리즘은 연속영상에서 non-rigid object를 자동으로 분할함을 확인할 수 있었다.

• The KIPS Transactions:PartD
• /
• v.11D no.1
• /
• pp.23-30
• /
• 2004

In order to approximate the spatial query result size we partition the input rectangles into subsets and estimate the query result size based on the partitioned spatial area. In this paper we examine query result size estimation in skewed data. We examine the existing spatial partitioning techniques such as equi-area and equi-count partitioning, which are analogous to the equi-width and equi-height histograms used in relational databases, and examine the other partitioning techniques based on spatial indexing. In this paper we propose a new spatial partitioning technique based on the Hilbert space filling curve. We present a detailed experimental evaluation comparing the proposed technique and the existing techniques using synthetic as well as real-life datasets. The experiments showed that the proposed partitioning technique based on the Hilbert space filling curve achieves better query result size estimation than the existing techniques for space query size, bucket numbers, skewed data, and spatial data size.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10a
• /
• pp.109-111
• /
• 2001

공간데이터베이스에서 공간 질의를 최적화하기 위해서는 질의 결과 크기를 계산하는 것이 필수적이다. 그러나 공간 데이터베이스의 크기는 매우 방대하여 질의 결과 크기를 계산하는데 비용이 많이 든다. 이러한 문제를 해결하기 위해서는 실제 공간 데이터의 분포와 특성에 근접하도록 공간 데이터의 분포를 요약하여 이를 토대로 질의 결과 크기를 추정하는 것이 효과적이라 할 수 있다. 공간 분할 방법에는 균등분할 방법과 비균등 분할 방법이 있으면, 본 논문에서 제안한 방법은 1차원 데이터에 대한 선택률 추정기법 중에서 그 성능이 가장 우수하다고 평가된 바 있는 최대 면적 차이 분말을 공간 데이터베이스에 적용하여 공간 분할하는 것이다. 공간 데이터베이스에서 선택을 추정 방법은 공간 분할 방법에 따라 성능상의 차이가 있으며 본 논문은 기존의 방법과 제안한 방법을 실험을 통하여 선택률 추정의 정확성을 비교, 평가하여 제안한 방법이 우수함을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.773-775
• /
• 2003

이동성을 갖는 장치들의 위치 정보를 관리하기 위하여 이동체 데이터베이스에 관한 연구가 필요하게 되었다. 이동체 색인의 검색에서 영역 질의와 궤적 질의는 공간 근접성과 궤적 연결성과 같이 상반된 특징으로 인하여 함께 고려되지 않았다. 이동체 색인에서 영역 질의의 성능개선을 위해서는 노드간의 심한 중복과 사장 공간(Dead space)을 줄여야 하고, 궤적 질의의 성능 개선을 위해서는 이동체의 궤적 보전이 이루어져야 한다. 이와 같은 요구 조건을 만족하기 위해, 이 논문에서는 R-tree를 기반의 색인 구조에서 새로운 분할 정책을 제안한다. 제시하는 색인 구조에서 단말 노드의 엔트리는 궤적이며, 비단말 노드의 엔트리는 자식 노드이다. 단말 노드 분할 정책에서 동일 궤적을 그룹화해서 분할 하는 공간 축 분할 정책과 공간 활용도를 높이는 시간 축 분할 정책을 제안한다. 시간 축 분할 후 사장영역이 클 경우에는 다중 분할을 수행하여 사장 공간을 줄이고 노드간의 중복을 최소화한다. 비 단말 노드 분할 정책에서는 같은 궤적을 저장하는 노드들을 연결 노드(Connected Node)라고 정의하고, 엔트리의 궤적 연결성을 기준으로 분할한다.

• 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 Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.138-140
• /
• 1998

공간 데이터베이스 시스템의 성능을 향상시키기 위해서는 동적 및 정적 환경에서 발생하는 공간객체를 효율적으로 관리할 수 있는 공간색인방법이 필요하다. 그리고 검색의 성능을 높이기 위해서는 공간국부성을 고려한 공간색인방법이 요구되며, 공간국부성은 객체들의 위치 속성과 관계가 있다. 본 논문에서는 공간국부성 정도를 측정하기 위한 새로운 측도인 변형계층분산을 기술하였다. 그리고 기존의 검색공간 분할 방법의 성능을 변형계층분산에 의해 평가하였다. 실험에 의하면 하나의 분할 도메인을 선택한 후 선택된 도메인에서 분할 위치를 결정하는 것은 검색공간 상에 표현된 모든 엔트리들의 위치 속성을 충분히 반영하지 못하는 문제점이 있었다. 따라서 분할 도메인 및 위치의 선택은 검색공간을 구성하는 모든 도메인에서 동시에 고려되어야 한다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.25 no.1
• /
• pp.29-36
• /
• 2017

In this paper, we implement a spatial big data analysis prototype based on Spark which is an in-memory system and compares the performance by the spatial split algorithm on this basis. In cluster computing environments, big data is divided into blocks of a certain size order to balance the computing load of big data. Existing research showed that in the case of the Hadoop based spatial big data system, the split method by spatial is more effective than the general sequential split method. Hadoop based spatial data system stores raw data as it is in spatial-divided blocks. However, in the proposed Spark-based spatial analysis system, there is a difference that spatial data is converted into a memory data structure and stored in a spatial block for search efficiency. Therefore, in this paper, we propose an in-memory spatial big data prototype and a spatial split block storage method. Also, we compare the performance of existing spatial split algorithms in the proposed prototype. We presented an appropriate spatial split strategy with the Spark based big data system. In the experiment, we compared the query execution time of the spatial split algorithm, and confirmed that the BSP algorithm shows the best performance.

• Proceedings of the KIEE Conference
• /
• 2011.07a
• /
• pp.1892-1893
• /
• 2011

본 논문에서는 Centroidal Voronoi Tessellation을 이용하여 군집로봇의 협조탐색을 위한 공간분할기법을 제안한다. 탐색공간은 Centroidal Voronoi Tessellation을 이용하여 분할한다. 전역 경로 계획 및 군집 로봇 간의 충돌 회피는 포텐셜 필드를 이용한다. 탐색공간에 밀도 함수를 사용하여 공간분할의 유동성을 부여한다. 마지막으로, 군집로봇의 협조탐색의 가능성을 시뮬레이션을 통하여 확인한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.55-57
• /
• 2002

공간 데이터베이스의 규모는 매우 방대하여 질의 처리에 많은 비용이 발생한다. 따라서 효율적인 질의 처리를 위해서는 질의 수행 결과의 예측이 필요하다. 이를 위해 실제 공간 데이터의 특성을 근접하게 나타내는 요약 데이터를 생성하여 그 결과를 통해 질의 결과의 크기를 추정하게 된다. 기존의 공간 데이터 요약 기법으로는 면적 균등 분할 기법, 개수 균등 분할 기법, 인덱스 분활 기법 등이 있다. 본 논문에서는 기존에 연구된 다양한 분말 기법에 대해 알아보고, 힐버트 공간 재움 곡선 방법에 개수 균등 분말 기법을 적용시킨 새로운 공간 분할 방법을 제안하여 기존의 방법과 새로운 방법의 성능을 비교한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.206-208
• /
• 2000

본 논문은 칼라 정보와 움직임 정보를 이용한 객체 분할 기법의 설계에 대하여 소개한다. 객체 분할 알고리즘은 L*u*v 공간의 칼라 특성과 움직임 특성을 결합하여 설계하였다. 즉 공간 분할은 mean shift 칼라 클러스터링 알고리즘(color clustering algorithm)을 사용하여 중심 칼라 영역에 따라 동일한 칼라 지역으로 통합한다. 시간 분할은 움직임 검출을 위하여 affine six parameter 움직임 모델과 optical flow equation를 이용하여 움직임이 발생한 부분을 검출한다. 다음에 공간 분할과 시간 분할에 따라 결과를 통합하고 MAD(mean absolute difference)를 사용하여 객체를 추출하는 알고리즘을 설계하였다.