• 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.

• 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.

• 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 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.

• 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 Korean Information Science Society Conference
• /
• 2001.10c
• /
• pp.547-549
• /
• 2001

대규모 온라인 게임과 같이 수많은 사용자를 수용하는 클라이언트/서버 방식 응용에서는 네트워크의 대역폭을 효율적으로 사용하는 것이 중요하다. 각 클라이언트의 관심영역에 해당하는 데이터만을 보내어 트래픽을 줄이는 방법을 관심영역 관리라 하며, 클래스기반, 영역 기반, 격자기반 등 여러 가지의 방법이 제안되어 있다. 본 논문에서는 작은 영역에서 거리 기반으로 관심영역을 정하는 관심영역 관리 기법을 제안하고, 이를 이용하여 참가자가 편중된 영역에서 생기는 트래픽 집중 현상을 해소하는 방법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.314-317
• /
• 2011

본 논문은 상향식 현저함 모델을 이용하여 입력 영상으로부터 시각적 주의를 갖는 영역들을 자동으로 검출하는 방법을 제안한다. 제안한 방법에서는 인간의 시각 시스템과 같이 사전 지식 없이 시각정보의 공간적인 분포에 근거하여 장면을 해석하는 상향식 현저함 모델 방법을 입력 영상에 적용하여 관심 물체 영역을 검출하는 연구이다. 상향식 현저함 방법은 Treisman의 세부특징이론 연구에서 제시한 바와 같이 시각적 주의를 갖는 영역은 시각정보의 현격한 대비차이를 가지는 영역으로 집중되어 배경에서 관심영역을 구분할 수 있다. 입력 영상에서 현저함 모델을 통해 3차원 현저함 맵을 생성한다. 그리고 생성된 현저함 맵으로부터 실제 관심영역들을 검출하기 위해 제안한 방법에서는 적응적 임계치 방법을 적용하여 관심영역을 검출한다. 제안한 방법을 관심영역 분할에 적용한 결과, 영역 분할 정확도 및 정밀도가 약 88%와 89%로 제시되어 관심 영상분할 시스템에 적용이 가능함을 알 수 있다.

• 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.

• Journal of Korea Multimedia Society
• /
• v.11 no.1
• /
• pp.13-22
• /
• 2008

This paper proposes an efficient ROI code block discrimination algorithm for dynamic ROI coding. The proposed algorithm calculates the girth of the ROI only with some mask information in consideration of the characteristics of the shape of the ROI for reducing a ROI code block discrimination time, and this proposed algorithm discriminates whether there is a ROI code block by the girth and the critical value of the ROI. Also, this discrimination algorithm is capable of treating the coefficients of the background within a ROI code block preferentially and controlling a loss by controlling the threshold value of the ROI. In order to demonstrate the utility of the proposed method, this paper conducted a comparative experiment of the proposed method with the existing methods. As a result of this experiment, it was confirmed that the proposed method was superior to the conventional methods in terms of quality and speed.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.429-431
• /
• 1998

본 논문에서는 의료 영상 중에서 성대 운동의 불규칙적인 움직임을 판단하여 자동으로 진단 파라미터를 구하는 비디오스트로보키모그래피(Videostrobokymography) 시스템에서 관심 영역을 추출하는 방법을 소개하고자 한다. CCD카메라에 의해 촬영된 영상은 비디오 테이프에 저장된 후 이미지 캡쳐 보드에서 그레이 이미지(gray-level)로 변환되어 저장된다. 입력된 영상은 움직이는 영상을 촬영한 것이므로 관심 영역의 위치가 각 프레임마다 다르다. 또한 실제로 입력된 성대영상들이 점진적인 농도 변화를 보이기 때문에 에지에 의해 영역을 추출하는 일반적인 영역 추출방법은 사용하기 어렵다. 본 논문에서는 두 번의 단계를 통하여 관심 영역을 추출하고 있다. 첫 번째는 입력된 영상에서 노이즈를 제거한 후 각 프레임에서 영상의 최소 에너지를 구한다. 두 번째로 농도 변화 값을 특징 값으로 이용하는 분할-합병 알고리즘(Split-merge Algorithm)을 적용하여 관심 영역을 추출하였다. 제안한 알고리즘을 19명의 성대 영상에 적용하여 분석한 결과 성대의 관심 영역을 추출할 수 있었다. 그리고, 영상의 에너지 값을 이용하는 스네이크 알고리즘(Snake Algorithm)에 적용하여 비교해본 결과 본 연구에서 제안하는 스네이크 알고리즘보다 좋은 성능을 보임을 확인할 수 있었다. 본 연구에서 제안하는 관심 영역 추출 방법은 동적인 변화를 보이는 영상에서 관심 영역을 추출할 수 있을 뿐 아니라 계산 량이 적어 200x280크기의 이미지를 초당 약 40프레임에 대한 관심 영역을 추출할 수 있는 장점이 있다.