• 디지털융복합연구
• /
• 제10권3호
• /
• pp.173-178
• /
• 2012

본 논문에서는 영상의 관심 영역을 선택추출하여 효과적으로 객체를 추출 할 수 있는 관심 영역 지도(Saliency Map) 생성 기법을 제안하였다. 제안하는 방법은 객체의 윤곽선에 초점을 맞추어 단일영상의 에지(Edge), HSV 색상 모델의 H(Hue)성분, 포커스(Focus), 엔트로피(Entropy)의 네 가지 특징 정보를 이용한 각각의 특징 지도(Feature Map)를 생성하고, 생성된 특징 지도들을 중심 주변 차이(Center Surround Differences)를 이용하여 중요도 지도(conspicuity map)를 생성하게 된다. 이후 생성된 중요도 지도들을 조합함으로써 관심 영역 지도를 생성하게 된다. 제안한 기법을 이용하여 생성한 관심 영역 지도를 기존 기법의 관심 영역 지도와 비교한 결과 제안한 기법의 우수함을 알 수 있었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2014년도 추계학술대회
• /
• pp.254-255
• /
• 2014

본 논문에서는 중요도 지도에 기반한 관심 영역 동영상 압축 방법에 대해 고찰한다. 동영상 압축은 손실 프로세스이기 때문에 관심 영역에서의 정보 손실 최소화가 필요하며, 이를 위해 중요도 감지 과정에서 추출되는 중요도 지도의 신뢰도가 중요하다. 따라서 다양한 다른 기법의 중요도 지도 적용 결과를 비교함으로써 중요도 지도 추출 알고리즘의 요건에 대해 추론하고, 추출된 중요도 지도를 이용하여 적절하게 동영상을 부호화하는 방법에 대해 제안한다. 마지막으로 실험결과를 통해 보완되어야 할 부분을 제시한다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2012년도 춘계학술논문집 2부
• /
• pp.486-489
• /
• 2012

본 논문에서는 인간의 주의시각(Human Visual Attention)에 기반하여 영상에서 가장 유용하다고 생각되는 관심 영역(Salient Region)을 새로운 방식으로 탐지해내고 관심-객체를 검출하는 방법을 제안한다. 제안하는 시스템은 인간의 주의시각 특성인 주파수와 명도, 색상 특징을 이용하는데, 먼저 주파수-명도 정보를 이용한 특징 지도(Feature map)와 색상 정보를 이용한 특징 지도를 각각 생성 한 후 영상의 특징 점(Saliency Point)을 추출한다. 이렇게 생성된 특징 지도와 특징 점을 이용하여 집중 윈도우의 위치와 크기를 결정하고 집중 윈도우 내에 특징 지도를 결합하여 관심 영역을 탐지하고 해당하는 영역에 대해 관심-객체를 추출한다.

• 정보처리학회논문지B
• /
• 제14B권2호
• /
• pp.99-106
• /
• 2007

본 논문에서는 적응적 관심영역(AAW: Adaptive Attention Window)에 기반한 세포영상 분할 기법을 제안한다. 적응적 관심영역은 분할하기 위해, 명암지도를 이용하여 초기 관심윈도우(IAW: Initial AW)를 생성한다. 생성된 초기 관심윈도우는 쿼드-트리 분할을 이용하여 실제의 관심영역(ROI: Region of Interest)과 유사한 크기가 될 때까지 축소된다. 이렇게 생성된 적응적 관심윈도우는 세포 영상에서 배경을 제거하고 관심영역 추출의 처리 시간을 줄이기 위해서 사용된다. 마지막으로 적응적 관심영역 안에서 영역을 분할하고, 관심영역만을 분리하기 위한 영역 병합과 제거를 수행한다. 실험에서 제안된 기법은 세포영상의 관심영역을 효과적으로 분리하여 인간 시각과 유사한 향상된 영상 분할 결과를 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• 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.

• 한국정보과학회논문지:시스템및이론
• /
• 제28권7호
• /
• pp.317-330
• /
• 2001

대규모 가상환경의 핵심은 사용자 PC의 성능에 영향을 받는 확장성에 있다. 기존의 접근 방식은 대규모 환경을 지원하기 위해 멀티캐스트를 주로 사용하였다. 그러나 멀티캐스트는 현재 멀티캐스트 하드웨어가 지원할 수 있는 그룹의 수가 제한된다는 문제점이 있다. 본 논문에서는 PC 클라이언트와 인터넷과 같은 대규모 네트워크 기반의 확장성 높은 가상환경 모델을 제시한다. 멀티캐스트 네트워크와 PC 클라이언트 사이에 위치하는 관심영역 관리자(AOIM)는 멀티캐스트 그룹과 함께 다중 필터링을 수행하여 정보의 흐름을 최적화한다. 또한, 관심영역 관리자는 사용자의 관심 패턴에 따라 관심영역(AOI)으로부터 PC 클라이언트로의 데이터 전송량을 조절한다. 관심영역은 정보의 정확도에 따라 세 단계로 구분되며, 각 단계의 구분은 네트워크 현황에 따라 적응적으로 수축 또는 확장될 수 있어 PC 클라이언트는 최적화된 가상환경 상태정보를 제공받는다. 결론적으로, 제안된 모델은 다양한 컴퓨팅 환경의 PC 클라이언트에게 정확한 최우선 관심영역 정보를 제공한다.

• 방송공학회논문지
• /
• 제7권4호
• /
• pp.335-344
• /
• 2002

관심 영역 부호화 방법은 관심 영역을 고화질로 부호화하고 배경 영역을 많이 압축함으로써 주관적 화질을 향상시키는 방법이다. 본 논문에서는 관심 영역 부호화를 효율적으로 수행할 수 있는 새로운 슬라이스 구조인 내부 영상 슬라이스 구조를 제안한다. 또한 제안한 내부 영상 슬라이스 구조를 사용할 때에 관심 영역과 배경 영역에 비트율을 할당하는 방법에 대해 다루었다. 비트율을 할당할 때 관심 영역과 배경 영역의 양자화 파라메터의 간격을 고정시켜 빠르게 양자화 파라메터를 결정하도록 하고, 특히 각 영역간에 경계가 드러나지 않도록 화질이 점차적으로 변하도록 양자화 파라메터를 설정하였다. 또한 오류가 있는 전송 환경에서 관심 영역을 배경 영역보다 오류로부터 더 많이 보호하여 주관적 화질을 향상시켰다.

• 한국컴퓨터정보학회논문지
• /
• 제12권5호
• /
• pp.39-47
• /
• 2007

본 논문에서는 관심영역 부호화를 위한 적응적인 관심영역 마스크 생성 방법을 제안한다. 제안한 방법은 사용자가 지정한 관심영역 정보를 이용하여 관심영역 마스크를 생성한다. 기존의 관심영역 부호화 방법에서는 모든 픽셀을 순차적으로 스캔하여 관심영역의 판별을 한 후에 관심영역 마스크를 생성하는 반면에, 제안한 방법은 관심영역 모양 특징을 기반으로 일부 픽셀만을 스캔하여 코드블록 단위의 관심영역의 판별을 한 후에 관심영역 마스크를 생성한다. 그리고 제안한 방법은 성능에 영향을 미치는 패턴 개수, 관심영역 임계값, 배경 임계값 매개변수를 제공한다. 제안한 방법의 유용성을 보이기 위해 기존의 방법들과 비교 실험한 결과, 제안한 방법이 기존의 방법에 비해 속도 면에 있어서 우수함을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제11권1호
• /
• pp.13-22
• /
• 2008

본 논문에서는 동적 관심영역 코딩을 위한 효율적인 관심영역 코드블록 판별 알고리듬을 제안한다. 제안한 알고리듬은 관심영역 코드블록 판별 시간을 줄이기 위하여 관심영역 모양의 특징을 고려하여 일부 마스크 정보만으로 관심영역의 포함율을 계산하고, 포함율과 관심영역 임계값에 의해 관심영역 코드블록 유무를 판별한다. 그리고 판별 알고리듬은 관심영역 임계값을 조절함으로서 관심영역 코드블록 내의 배경 웨이블릿 계수의 우선적 처리와 손실 부분을 조절도 할 수 있었다. 제안한 방법의 유효성을 나타내기 위해 기존의 방법들과 비교 실험을 통해 제안한 방법이 기존의 방법에 비해 품질과 속도 면에 있어서 우수함을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제9권9호
• /
• pp.1139-1149
• /
• 2006

본 논문은 낮은 피사계 심도 영상(low depth-of-field image)에 대해 사용자의 도움 없이 포커스 된 관심 영역을 고속으로 추출하는 효율적인 방법을 제안한다. 우리는 입력 영상에 존재하는 고주파 성분을 HOS(higher order statistics) 계산을 함으로써 영상의 포커스 된 영역을 찾아내는 중요한 지표로 활용한다. 본 논문에서 제안하는 방법은 크게 4가지 단계로 구분할 수 있다. 첫 번째 단계에서는 기존 연구[1] 방법과 동일하게 모든 화소에 관해 HOS 지도를 계산하고 블록화한다. 두 번째 단계에서는 블록화 된 HOS를 이용하여 포커스 된 물체가 존재하는 후보 관심 영역을 대략적으로 구한다. 이후 관심 영역 내부에 존재하는 구멍(hole)을 제거하기 위해 구멍(hole) 추적 및 제거 연산을 수행한다. 마지막으로 최종 관심 후보 영역에서 배경 부분의 화소만 제거하여 포커스 된 관심 물체만을 섬세하게 추출한다. 제안하는 방법은 기존 방법[1]에 비해 정지 영상에서 고속으로 관심 영역을 추출하므로 추후 알고리즘의 변형 없이 낮은 피사계 심도의 동영상에 확장 적용하여 관심 영역을 실시간으로 추출할 수 있다. 본 논문에서 제안하는 방법은 가상 현실(VR)이나 실감 방송, 비디오 인덱싱 시스템과 같은 여러 응용 분야에 효과적으로 적용될 수 있고, 이러한 유용성은 실험 결과를 통해 보였다.