• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.634-636
• /
• 2003

본 논문은 마스크 방식의 관심 영역(ROI, Region Of Interest) 부호 설계와 구현에 대하여 제시한다. 관심 영역에 대한 정지 영상 압축 알고리즘은 웨이블릿 변환과 사용자가 지정한 관심 영역을 결합하여 설계하였다. 즉, 사용자가 지정한 관심 영역을 이용하여 관심 영역 마스크를 생성한다. 양자화 과정에서 웨이블릿 계수들을 각 레벨과 서브밴드로 구분하고 생성된 관심 영역 마스크 정보를 이용하여 양자화 과정을 처리하여 부호화한다. 관심 영역에 대하여서는 높은 영상 품질과 그리고 전체 영상에 대하여서는 높은 압축을 동시에 실현시킬 수 있는 마스크 방식의 관심 영역 부호화 알고리즘을 설계하고 구현하였다.

• The KIPS Transactions:PartB
• /
• v.14B no.2
• /
• pp.99-106
• /
• 2007

In this paper, we present an AAW(Adaptive Attention Window) based cell image segmentation method. For semantic AAW detection we create an initial Attention Window by using a luminance map. Then the initial AW is reduced to the optimal size of the real ROI(Region of Interest) by using a quad tree segmentation. The purpose of AAW is to remove the background and to reduce the amount of processing time for segmenting ROIs. Experimental results show that the proposed method segments one or more ROIs efficiently and gives the similar segmentation result as compared with the human perception.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.199-202
• /
• 2006

본 논문에서는 적응적 관심윈도우에 기반한 세포영상 세그먼테이션 기법을 제안한다. 명암지도를 이용하여 초기 관심윈도우를 생성하고, 초기 관심윈도우를 쿼드-트리 분할을 통해 실제 관심영역과 유사한 크기가 될 때까지 축소한다. 이렇게 생성된 적응적 관심윈도우는 세포영상에서 배경을 제거하고 관심영역 추출의 처리시간을 줄일 수 있다. 그리고 세그먼테이션과 관심영역의 분리를 위한 영역 병합 및 제거를 수행하여 최종적으로 정밀한 관심영역을 얻어낸다. 실험에서 제안된 기법은 세포영상의 관심영역을 효과적으로 분리하여 인간 시각과 유사한 향상된 세그먼테이션 결과를 보여준다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.321-327
• /
• 2002

본 논문은 기존의 귀납적 결정 트리 방식에서의 문제점 개선을 통한 사용자 관심 프로파일 구축을 목적으로 한다. 특히 사용자 관심 프로파일의 정확도 향상을 위한 속성 선택에 대한 연구에 초점을 맞추고 있다. 사용자의 관심, 비관심 문서를 대상으로 사용자 관심 키워드를 생성하고 이를 바탕으로 초기 문서들을 재표현한다. 재표현된 문서를 입력 집합으로 하여 기계학습을 진행한다. 본 논문의 의사 결정 트리 생성 알고리즘은 입력 집합을 클래스별로 가장 잘 나누는 속성을 선택하여 노드를 구성하는 면에서는 기존의 알고리즘과 같다. 그러나 기존의 의사 결정 트리 알고리즘에서는 hill-climbing.방식을 사용함으로써 사용자의 관심을 나타내는 중요한 단어가 사용자 관심 프로파일에서 숨겨질 경우가 발생한다. 이를 최소화하기 위해 특징 추출을 통해 선택된 속성을 그대로 학습의 입력 데이터로 사용하는 것이 아니라 입력데이터를 가장 잘 나누는 속성과 그 다음 속성을 대상으로 disjunctive 연산을 통해 새로운 속성을 생성하여 이것을 속성 집합에 포함시키고 이를 학습의 입력 데이터로 이용한다. 이와 같이 disjunctive operator를 이용하여 새로운 속성을 의사 결정 트리 형성 시 이용하면 사용자의 중요한 관심을 포함하는 의미 있는(semantic) 사용자 관심 프로파일 구축이 가능해지고, 사용자 관심 프로파일을 기반으로 사용자가 관심 있는 문서를 제공할 수 있는 개인화 서비스를 제공한다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2001.05a
• /
• pp.268-279
• /
• 2001

본 논문에서는 세금 계산서 상에서의 관심 영역 및 관심 영역 내의 데이터를 추출하는 알고리즘을 제안한다. 먼저, 입력되는 세금 계산서 영상의 색상 정보를 이용하여 서식을 자동으로 추출한다. 추출된 서식 영상을 가지고 문서의 기울기 및 관심 대상 영역의 위치를 파악한 후, 원 영상에 대하여 관심영역을 추출한다. 관심영역에 대한 히스토그램을 분석하여 바탕 영역으로부터 인식 대상 데이터를 추출한다. 제안한 알고리즘을 다양한 화질의 세금 계산서 영상에 대하여 적용한 결과, 정확하게 관심 영역을 분할해내고 인식 대상 데이터를 추출할 수 있음을 보인다.

• Journal of the Korea Society of Computer and Information
• /
• v.19 no.4
• /
• pp.43-53
• /
• 2014

In this paper, we propose an ontology-based approach to measuring degree-of-interest in country by analyzing wikipedia usage data. First, we developed the degree-of-interest ontology called DOI ontology by extracting concept hierarchies from wikipedia categories. Second, we map the title of frequently edited articles into DOI ontology, and we measure degree-of-interest based on DOI ontology by analyzing wikipedia page views. Finally, we perform chi-square test of independence to figure out if interesting fields are independent or not by country. This approach shows interesting fields are closely related to each country, and provides degree of interests by country timely and flexibly as compared with conventional questionnaire survey analysis.

• Journal of the Korea Society of Computer and Information
• /
• v.12 no.5
• /
• pp.39-47
• /
• 2007

In this thesis, a method of generating an adaptable Region-Of-Interest(ROI) Mask for the Region-Of-Interest coding is suggested. In the method, an ROI Mask is generated using the information of the ROI designated by a user. In the existed method of ROI coding, after scanning all the pixels in order and discriminating an ROI, an ROI Mask is generated. But, in our method, after scanning a part of pixels based on the shape pattern of an ROI and discriminating a ROI by one code block unit, an ROI Mask is generated. Moreover, from the method, a pattern number, threshold of a ROI and background threshold parameter are provided. According to the result of its comparing test with the existed methods to show the usability, it is proved that our method is superior in speed to the existed ones.

• Proceedings of the Korea Society of Information Technology Applications Conference
• /
• 2007.05a
• /
• pp.38-46
• /
• 2007

본 논문에서는 실시간으로 획득된 영상을 분석하여 움직이는 다수 물체를 검출하고, 카메라를 자동 제어하여 관심 보행자만을 추적하는 시스템을 제안한다. 다수 물체 영역 검출은 차영상과 이전변환 밀도값을 이용한다. 검출된 다수 물체 영역에서 사람의 구조적 정보와 형태 정보를 이용하여 나무들의 흔들림으로 인한 영역이나 차량의 움직임 영역은 제거되고, 관심 보행자 영역만을 검출하였다. 관심 보행자 추적은 무게중심 차를 이용한 움직임 정보와 k-means 알고리즘으로 구한 세 점의 평균 색상 정보를 이용한다. 원거리 관심 보행자는 인식률을 높이기 위해 줌을 실행하여 확대하고, 관심 보행자의 화면상 위치에 따라 카메라 방향을 자동으로 조정하여 관심 보행자반을 연속적으로 추적한다. 실험 결과, 제안한 시스템은 실시간으로 움직이는 다수 물체를 검출하고, 사람의 구조적 특정과 형태 정보로 관심 보행자만을 검출할 수 있었고, 움직임 정보와 색상정보로 관심 보행자를 연속적으로 추적할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06c
• /
• pp.226-228
• /
• 2006

관심사 분리는 소프트웨어 공학에서 핵심 문제로 다루어왔다. 기존의 OOD나 CBD등은 관심사를 분리하여 모듈화함으로써 프로그램 개발 및 유지보수를 용이하도록 발전해왔다. 하지만, 에러 처리나 로깅과 같이 여러 모듈에 산재되어 실행되는 횡단 관심사는 기존의 방법으로 해결하기 어려웠다. AOP는 이와 같은 횡단 관심사를 처리하려는 데 목적을 두고 제안된 방법으로 기존의 OOD나 CBD의 단점을 보완하면서 병행적으로 발전해왔다[1]. AOP가 나타난 가장 큰 특징은 기존의 개발 방법론을 기반으로 핵심 관심사를 개발하고 해결하기 어려운 횡단 관심사는 AOP로 개발하려는데 초기 목적을 두고 있다. 하지만, 대부분의 연구가 초기 요구사항 분석 단계에서 관심사를 명시하는데 초점을 두고 있을 뿐 구현 단계에서 효율적인 접근 방법은 아직 부족한 편이다. 본 논문에서는 Java와 AspectJ를 이용하여 구현한 간단한 사례 연구를 적용한 AOP 개발 프레임워크를 제안한다. AOP 개발 프레임워크에서는 관심사 분리, 구현, 평가의 세 단계를 기술한다. 이 중 구현단계에서는 핵심 관심사와 횡단 관심사 구현에 초점을 두고 AOP 기법에 쉽게 접근할 수 있는 방법을 기술하고 있다. 프레임워크는 프로그램 개발을 보다 용이하게 하고 확장 및 유지보수시 많은 시간을 단축시키려는데 있다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.215-218
• /
• 2003

JPEG2000은 ISO/ITU-T에 의해 개발된 가장 최근의 영상 압축 표준으로 기존의 JPEG 표준이 제공하는 압축 성능을 개선하고 새로운 기능을 제공해준다. 이러한 기능 중 하나는 관심영역(Region of Interest) 부호화이다. JPEG2000 표준에서는 이러한 관심영역 부호화를 위해 Part 1에서는 Maxshift 방법을 정의하고 있다. Maxshift 방법은 관심영역을 완전히 복원하기 전까지 배경이 복원되지 않는다. 또한 영상전체를 웨이블릿 변환을 함으로써 메모리와 계산량이 상당히 많아진다. 본 논문에서는 JPEG 2000에서 사용되는 Maxshift 방법에서 관심영역이 완전복원되기 전에는 배경영역이 복원되지 않는 단점을 보완하고 부호화효율과 메모리 사용을 줄일 수 있는 영상 타일링에 기반한 관심영역 부호화 방법을 제안한다.