• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 추계학술대회
• /
• pp.78-81
• /
• 2012

본 논문에서는 차량 출입통제, 주정차 단속, 과속 차량 단속 등 다양한 분야에서 사용가능한 신형 차량번호판 검출 방법을 제안한다. 먼저 가우시안 차이를 이용한 필터링을 사용하여 번호판의 연속적인 주요 숫자가 잘 나타나도록 이진화를 수행한다. 이후 번호판의 형태학적 특징을 이용한 반복 레이블링 기법을 이용하여 번호판 영역을 결정한다. 마지막으로 투영 변환을 통한 번호판의 정형화 과정을 거쳐 카메라나 차량의 위치에 따라 발생하는 기울어짐과 같은 왜곡을 보정한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2000년도 추계학술발표논문집
• /
• pp.147-150
• /
• 2000

본 논문은 무인감시 시스템의 특성상 조명 상태의 변화나 카메라의 흔들림과 같은 환경의 변화에 적응할 수 있도록 연속된 세 프레임간의 차영상를 이용하는 방법을 적용하여 움직임 정보를 추출하고, 영역의 분할 및 특징점 추출을 수행한 후에, 인공 신경회로망 기법을 적용하여 이동표적을 추적한다. 추적시에는 추출된 각각의 표적간의 데이터 연결을 움직임 정보의 특징점들을 이용, 레이블링하여 각각의 표적을 연결시켜 추적의 성능을 높였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 하계종합학술대회 논문집(4)
• /
• pp.153-156
• /
• 2002

The image labeling and classification is one of the important tasks for a content-based image retrieval and an image understanding. This paper propose a new technique to label and classify natural images with a color-spatial histogram and production rules. We show that our proposed method is very efficient for a natural image composed of a few regions.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.333-334
• /
• 2009

In this paper, I propose the novel method based on Labeled Hough transform and GLCM(Grey-Level Co-occurrence Matrix) for license plate detection. A lot of conventional methods have been proposed to detect the license plate, but those are useless in order to detect the license plate well in case of dark or unstable images. Histogram equalization is preprocessed to each image before applying this method. As a result, the license plate is detected accurately

• 한국컴퓨터정보학회논문지
• /
• 제6권2호
• /
• pp.14-19
• /
• 2001

본 논문은 2차 다항식을 이용하여 3차원 물체의 표면 특징을 추출하고 표현하는 방법을 제안한다. 우리는 수정된 스캔 라인 기법을 이용하여 에지 맵을 얻는다. 에지 맵으로부터 3차원 물체의 각 면들을 분리하기 위해 레이블링 연산을 하고 각 면에서 중심점과 모서리 점들을 추출한다. 그 다음에, 평면 방정식으로부터 각 면이 평면인지 곡면인지를 판단하고, 3차원 물체를 표현하기 위해 각 면의 평면 또는 곡면의 계수 및 특징들을 추출한다. 그리고 합성영상과 실측영상을 통해서 제안된 기법의 성능을 알아보았다.

• 디지털융복합연구
• /
• 제16권2호
• /
• pp.19-26
• /
• 2018

흉부 CT 영상에서 폐 질환의 진단을 위해서 폐 분할, 폐혈관 분할과 폐 질환 부위에 대한 괴사 세포 비율의 수치적 계산을 제안 하였다. 첫 번째 단계는 흉부 CT 영상에서 3차원 레이블링 기법과 3차원 영역 성장법을 적용하여 폐와 기관지를 분리한다. 두 번째 단계는 폐혈관 분할은 1차 다항식 회귀(Polynomial Regression)를 사용한 변화율을 적용하여 분할한 다음, 잡음 제거를 실시하여 최종의 폐혈관을 분할한다. 세 번째 단계는 2단계 이미지 에서 질환 예상 인자를 발견하고, 괴사 세포의 비율을 계산하는 것이다. 질환 예상인자는 폐에 대해서 3차원 레이블링 기법을 적용하였고, 각 레이블 중심 값을 관측하여 변화가 없는 레이블을 찾는다. 이렇게 찾은 질환 예상 인자는 조영제 투입 전/후 영상을 정합한 뒤, 면적을 비교하면 폐의 괴사 세포 비율을 계산할 수 있다.

• 디지털융복합연구
• /
• 제12권11호
• /
• pp.309-316
• /
• 2014

본 논문에서는 초점/비초점 영상에서 깊이 지도를 효율적으로 추출하기 위하여 그래프 컷(Graph Cut)과 이산 웨이블릿 변환(Discrete Wavelet Transform)을 이용한 깊이 지도 생성 기법을 제안한다. 제안하는 방법은 우선 해당 영상을 영역 별로 처리하기 위해 그래프 컷 방법으로 각 픽셀 간의 유사도를 이용하여 분할한다. 그 다음 분할 영역을 레이블링 하여 원 영상의 분할 영역 정보를 생성한다. 그리고 이산 웨이블릿 변환을 이용하여 원 영상 내의 주파수 정보를 나타내는 LL, LH, HH, HL 부대역(Subband)을 생성한다. 마지막으로 4개의 부대역 중 영상의 초점/비초점 영역을 분석할 단서가 되는 HH, HL 대역을 이용하여 주파수 지도를 생성한 뒤 분할 영역에 따라 깊이 정보를 계산함으로써 깊이 지도를 추출한다. 제안하는 방법은 초점 정보인 블러(Blur)의 양에 따라 동적인 깊이의 할당이 가능하여 효율적인 깊이 지도의 생성이 가능하였다. 실험으로 PSNR(Peak Signal to Noise Ratio) 방법을 통해 제안하는 방법의 성능을 평가하였다.

• 정보보호학회논문지
• /
• 제29권3호
• /
• pp.549-555
• /
• 2019

최근 AV 벤더들의 악성코드 동향 보고서에 따르면 신종, 변종 악성코드의 출현 개수가 기하급수적으로 증가하고 있다. 이에 따라 분석 속도가 떨어지는 수동적 분석방법을 대체하고자 기계학습을 적용하는 악성코드 분석 연구가 활발히 연구되고 있다. 하지만 지도학습기반의 기계학습을 이용할 때 많은 연구에서 AV 벤더가 제공하는 신뢰성이 낮은 악성코드 패밀리명을 레이블로 사용하고 있다. 이와 같이 악성코드 레이블의 낮은 신뢰성 문제를 해결하기 위해 본 논문에서는 새로운 레이블링 기법인 "Unified Labeling"을 소개하고 나아가 Fine-grained 방식의 특징 분석을 통해 악성 행위 유사성을 검증한다. 본 연구의 검증을 위해 다양한 기반의 클러스터링 알고리즘을 이용하여 기존의 레이블링 기법과 비교하였다.

• 한국컴퓨터정보학회논문지
• /
• 제14권9호
• /
• pp.21-28
• /
• 2009

색상 극화란 주어진 텍스트 영역에서 글자색이 무엇인지를 결정하는 과정으로서 텍스트 추출을 위해서 선행되야 하는 작업이다. 본 논문에서는 텍스트 영역이 주어졌을 때 글자 영역을 추출하기 위한 색상 극화 기법을 제안한다. 제안된 방법은 글자 영역과 배경 영역에 대한 관찰을 바탕으로 두 영역 사이의 면적 비율과 표준편차비율의 관계를 색상 극화에 이용한다. 이를 위하여 그레이 스케일로 주어진 텍스트 영역을 Otsu의 방법으로 이진화하고 이진화된 두 영역을 각각 4-CC 레이블링한다. 레이블링된 두 그룹의 영역에 대해 각각 면적과 영역 중심으로부터의 거리에 대한 표준편차를 계산한 다음 두 그룹에서 면적이 가장 넓은 영역을 갖는 영역 사이의 면적 비와 표준편차가 가장 작은 영역들 사이의 표준편차 비를 이용하여 색상 극화를 수행한다. 다양한 폰트와 크기를 갖는 텍스트 영역에 대한 실험을 통해 제안된 방법이 강건하게 색상 극화를 수행함을 확인하였다.

• 방송공학회논문지
• /
• 제26권1호
• /
• pp.79-87
• /
• 2021

본 논문에서는 소량의 레이블 데이터로 딥러닝 기반 분류 모델을 훈련할 때 적용되는 준 지도 학습 기법 (semi-supervised learning: SSL)에 대해서 분석한다. 기존의 준 지도 학습 기법은 크게 일관성 정규화 (consistency regularization), 엔트로피 기반 (entropybased), 의사 레이블링 (pseudo labeling)으로 구분할 수 있다. 우선, 각 준 지도 학습 기법의 알고리즘에 대해서 서술한다. 실험에서는 준 지도학습 기법을 레이블 데이터의 수를 변화시키면서 훈련 후 분류 정확도를 평가한다. 최종적으로 실험 결과를 바탕으로 기존 준 지도 학습 기법의 한계에 대해서 서술하고, 분류 성능을 향상하기 위한 연구 방향을 제시한다.