• Journal of Korean Society of Industrial and Systems Engineering
• /
• v.16 no.28
• /
• pp.125-127
• /
• 1993

히스토그램은 주어진 데이타가 해당하는 분포의 밀도함수를 그리는데 널리 이용되는 기본적인 방법이다. 히스토그램은 어떠한 분포에도 이용이 가능하며, 그 작성이 간단하지만 구간의 선택과 그 넓이의 선정에 어려움이 있다. 본 논문에서는 이와 같은 적정 계급구간의 수를 설정하기 위한 문제를 일종의 통계적 모형선택 문제로 간주하여, 최근 모형선택의 평가기준으로 널리 이용되고 있는 AIC에 바탕을 두고 적정 계급구간의 결정과정에 대해 분석하였다.

• Journal of KIISE:Databases
• /
• v.34 no.4
• /
• pp.369-377
• /
• 2007

Histogram is one of tools that efficiently summarize data, and it is widely used for selectivity estimation and approximate query answering. Existing histogram construction algorithms are applicable to point data represented by a set of values. As often as point data, we can meet interval data such as daily temperature and daily stock prices. In this paper, we thus propose the histogram construction algorithms for interval data by extending several methods used in existing histogram construction algorithms. Our experiment results, using synthetic data, show our algorithms outperform naive extension of existing algorithms.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.189-192
• /
• 2015

본 논문에서는 HDR(high dynamic range)영상을 LDR(low dynamic range)영상장치에 표현하기 위해 히스토그램 변형기법과 구간별 히스토그램 평활화를 이용한 인지기반의 톤 맵핑(tone mapping)기법을 제안한다. 인간의 시각특성을 이용한 톤 맵핑 알고리듬은 상당히 효과적이지만 고정된 형태의 맵핑 함수를 사용하기 때문에 모든 영상에서 동일한 효과를 얻지 못한다. 그리고 히스토그램 변형 기법을 적용한 인지기반 톤 맵핑 알고리듬의 경우 인지기반 톤 맵핑 함수를 이용해서 원 영상의 히스토그램을 제한하고 보상과정을 통해서 적극적인 톤 맵핑 함수를 얻을 수 있다. 그렇기 때문에 contrast 의 향상과 원 영상의 디테일 보존을 함께 얻을 수 있다. 하지만 전역 히스토그램 평활화의 사용으로 영상이 지나치게 밝아지거나 지나치게 어두워지는 경우가 발생할 수 있다. 제안하는 방법은 구간별 히스토그램 평활화를 적용하여 톤 맵핑 함수를 얻는다. 이는 과도한 평활화를 방지하고 원 영상의 디테일 보존의 성능이 더 좋다. 시뮬레이션 및 실험을 통해 성능을 비교하고 기존 방법에 비해 제안한 방법이 우수함을 입증한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10c
• /
• pp.33-38
• /
• 2006

히스토그램은 원본 데이타를 효과적으로 요약하는 기법중의 하나 이며, 선택도 측정과 근사 질의 처리 등에 널리 사용되고 있다. 기존의 히스토그램 구축 알고리즘들은 하나의 값으로 표현되는 점 데이타에 대하여 적용 가능한 알고리즘 이었다. 그러나 일상생활에서는 하루 동안의 온도, 주식 가격과 같은 구간 데이타들도 점 데이타만큼 흔하게 접할 수 있다. 본 논문에서는 기존의 Max 에러에 대한 히스토그램 구축 알고리을 구간 데이터에 대하여 확장한다. 합성 데이타를 사용한 실험을 통하여 기존의 점 데이타에 대한 히스토그램을 초보적으로 확장하는 방법보다 본 논문에서 제시된 알고리즘의 성능이 좋다는 것을 보였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2010.05a
• /
• pp.466-468
• /
• 2010

본 논문에서는 다양한 컬러모델 영상을 대상으로 히스토그램의 차이를 이용한 장면 전환 검출 결과를 비교한다. 임계값은 히스토그램의 변화에 따라 변화하는 적응적 임계값 설정 방법을 사용하여 오검출과 미검출의 확률을 줄였다. 점진적인 장면 전환에도 강인한 검출을 위하여 탐색 구간의 변화와 히스토그램의 변화가 급격하게 자주 일어나는 구간의 히스토그램의 변화율을 이용하여 장면 전환을 검출 하는 방법을 제안 하였다.

• KSCI Review
• /
• v.15 no.1
• /
• pp.173-177
• /
• 2007

3D 디스플레이 기술이 발전함에 따라 스테레오 영상의 전송시 요구되는 비트레이트의 감소가 절실히 필요하다. 하지만, 스테레오 영상은 서로 다른 카메라에 의해 취득되기 때문에 잠재적으로 서로 차이가 있고, 이것은 디스패리티 추정시 큰 오차를 유발할 수 있으며 전송될 비트레이트에 영향을 줄 수 있다. 따라서 스테레오 영상들 사이의 밸런싱이 필요하다. 스테레오 영상의 밸런싱을 위해, 본 논문에서는 히스토그램 Specification 방법과 타깃 영상의 국부정보, 스테레오 영상간의 오차 분포를 이용한다. 히스토그램 Specification 방법은 그레이레벨의 맵핑관계를 정의한다. 따라서 이를 통해 맵핑될 레벨의 맵핑 구간을 구할 수 있다. 그 구간에서, 맵핑될 기준영상의 히스토그램 분포와 스테레오 오차값의 분포는 서로 모양이 유사할 것이다. 그러나, 폐색된 영역이나 노이즈에 의해 그 모양이 변하므로 우리는 맵핑될 픽셀들을 오차영상에서 그 픽셀들의 근방에서 구한 평균들과 오른쪽 영상(타깃 영상)에서 맵핑될 픽셀의 근방에서 구한 평균이 최소 값을 갖는 위치 값으로 맵핑한다. 제안된 방법은 실험에서 기존 방법보다 향상된 결과를 나타내는 것을 보여 준다.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.4
• /
• pp.705-712
• /
• 2009

Histogram is the oldest and most widely used density estimator for presentation and exploration of observed univariate data. The structure of a histogram really depends on the number of bins and the width of the bins, so that slight changes on bins can produce totally different shape of a histogram. In order to solve this problem the fuzzy histogram was introduced and the result was good enough (Loquin and Strauss, 2008). In particular, when estimating loss distribution related with operational risk a histogram has been widely used. In this article, instead of an ordinary histogram we try to use a fuzzy histogram for estimating loss distribution and show that a fuzzy histogram provide more stable results.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2016.10a
• /
• pp.626-628
• /
• 2016

본 논문에서는 이진 영상에서 일부 정보가 손실된 경우에 히스토그램을 분석하여 구간을 분할한 후, 오츠 이진화와 퍼지 이진화 기법을 적용하여 원 영상을 이진화 한 후에 홉필드 네트워크를 적용하여 영상을 복원하는 방법을 제안한다. 제안된 방법은 그레이 영상에서 히스토그램을 분석하여 픽셀 값의 변화의 폭이 큰 부분들을 분석하여 구간들을 분할하고 변화의 폭이 큰 부분의 지점에 속하는 영역은 오츠 이진화 기법을 적용하여 이진화하고 그 외의 구간들은 퍼지 이진화 기법을 적용하여 영상을 이진화 한다. 그리고 이진화 된 영상을 홉필드 네트워크를 적용하여 학습한다. 실험 영상에 정보 손실이 발생한 영상을 대상으로 제안된 방법을 적용한 결과, 대부분의 정보 손실이 있는 영상에서 모두 복원되는 것을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.11a
• /
• pp.169-171
• /
• 2011

최근 통신 환경의 진화와 고사양 모바일 단말기의 대중화로 인하여 모바일 통신 환경에서 동영상 서비스를 이용하는 사용자가 급증하고 있다. 사용자들은 제한적인 데이터 사용량을 이용하여 필요한 영상을 효율적으로 검색 및 탐색하기 위하여 미리보기 서비스 또는 Thumbnail을 이용한다. 이 중 Thumbnail은 동영상의 복호화 과정에서 제공되는 서비스이며, 이를 효과적으로 추출하는데 있어서 낮은 복잡도의 기술들이 사용되어야 한다. 본 논문에서는 영상의 히스토그램의 특징을 이용한 Thumbnail 추출 기법을 제안한다. 제안하는 추출 기법에서는 각 영상의 히스토그램을 비교 및 분석하여 하나의 video을 다수의 구간으로 분할하고, 각 구간의 대표 Thumbnail을 추출하는 방법을 사용한다. 다양한 영상을 이용한 실험 결과는 제안하는 알고리즘이 효과적으로 Thumbnail을 추출함을 보여준다.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.50 no.12
• /
• pp.159-167
• /
• 2013

In stereo-view system, variations of target camera position or lighting conditions cause discrepancies on the luminance and chrominance components of stereo views. These discrepancies lead to inaccurate frame view prediction and low quality of 3 D video coding. In this paper, an efficient histogram interval calibration method is proposed for stereo-view coding, so as to compensate for the luminance component of target view. First the proposed method is analyzed by the histogram of the target image frame. Then, it divide two sections of histogram of that frame to correct the color discrepancies. Secondly, each section of the target frame is corrected the luminance component by identify the maximum matching region between the reference frame and the target frame. We have verified our proposed histogram matching method in comparison with the other color correction ones. Experimental results show that it can correct better luminance calibration results of PSNR(Peak Signal to Noise Ratio) and has less computation time.