• Smart Media Journal
• /
• v.4 no.4
• /
• pp.18-23
• /
• 2015

In this paper, we propose a method for detecting the number of clusters. This method can improve the performance of a gaussian mixture model function in conventional markov random field method by using the tensor voting. The key point of the proposed method is that extracts the number of the center through the continuity of saliency map of the input data of the tensor voting token. At first, we separate the foreground and background region candidate in a given natural images. After that, we extract the appropriate cluster number for each separate candidate regions by applying the tensor voting. We can make accurate modeling a gaussian mixture model by using a detected number of cluster. We can return the result of natural binary text image by calculating the unary term and the pairwise term of markov random field. After the experiment, we can confirm that the proposed method returns the optimal cluster number and text binarization results are improved.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1997.03a
• /
• pp.141-161
• /
• 1997

팩시밀리로부터 수신된 영상은 글자를 두껍게 하는 돌출잡영(salient noise), 문자주변에 점이 추가되는 고춧가루 잡영(pepper noise), 선의절단을 일으키는 백색잡영(white noise)으로 인하여 가독성이 떨어진다. 수신된 팩시밀리 영상을 원래의 영상으로 복원하기 위하여 최근에 Handley 와 Dougherty가 처음으로 형태학적 복원 방법을 제안하였다. 형태학적 복원 방법은 돌출잡영에 대해서 효과적이었지만, 확률적으로 발생하는 백색잡영과 고춧가루잡영에 대해서는 팩시밀리 영상을 결정적 수열(deterministic sequence)로다루었기 때문에 효과적이지 못했다. 본 논문에서는 주사과정, 고딩과정, 그리고 통신과정에서 생성되는 돌출, 고춧가루, 백색잡영에 의해 훼손된 팩시밀리 영상을 칼만여과를 이용하여 복원하는 새로운 방법을 제안하였다. 제안된 방법은 모델링과 복원 두 단계로 구축된다. 첫째, 이웃 화소들과의 종속관계를 갖는 팩시밀리 영상을 마르코프 랜덤 필드를 바탕으로 팩시밀리 시스템 모델을 제안하였다. 둘째, 제안된 팩시밀리 시스템 모델을 칼만 여과과정의 시스템 모델 및 관측모델로 재구성한 다음, 칼만 여과과정의 ill-conditioned 문제를 극복하기 위하여 양정치 (positive definite)공분산 행렬을 유도하여 새로운 복원방법을 제안하였다. 제안된 방법의 복원 능력을 검증하기 위하여 사무실에서 가장 많이 사용되는 한글을 사용하여 알파벳 대소문자, 숫자, 특수문자로 구성된 문서를 만들어 실험하였다. 그 결과, 제안된 방법이 형태학적인 복원 방법보다 성능이 우수함을 밝혔다.

• The Transactions of the Korea Information Processing Society
• /
• v.7 no.8
• /
• pp.2555-2564
• /
• 2000

In this paper, a new unsupervised image segmentation algorithm is proposed. To model the contextual information presented in images, the characteristics of the Markov random fields (MRF) are utilized. Textured images are modeled as realizations of the stationary Gaussian MRF on a two-dimensional square lattice using the conditional autoregressive (CAR) equations with a second-order noncausal neighborhood. To detect boundaries, hypothesis tests over two masked areas are performed. Under the hypothesis, masked areas are assumed to belong to the same class of textures and CAR equation parameters are estimated in a minimum-mean-square-error (MMSE) sense. If the hypothesis is rejected, a measure of dissimilarity between two areas is accumulated on the rejected area. This approach produces potential edge maps. Using these maps, boundary detection can be performed, which resulting no micro edges. The performance of the proposed algorithm is evaluated by some experiments using real images as weB as synthetic ones. The experiments demonstrate that the proposed algorithm can produce satisfactorY segmentation without any a priori information.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.38 no.4
• /
• pp.1-1
• /
• 2001

본 논문에서는 웨이블릿 변환을 멀티스케일 매치 필터의 관점에서 해석하고, 이를 위하여 마르코프 랜덤 필드에 묻혀있는 가우시안 형태의 작은 물체를 검출하는 이론적 근거를 제시하며, 이의 응용으로 맘모그램에 존재하는 마이크로캘시피케이션을 검출하는 알고리즘을 제안한다. 검출하고자 하는 물체가 가우시안 형태이고 그 스케일이 웨이블릿 변환에 의해 계산된 것과 일치하며, 그 주변의 잡영이 마르코프 프로세스이면, LoG(Laplacian of Gaussian) 웨이블릿은 멀티스케일 매치 필터로 작용하며, 적절한 디테일 이미지를 단순히 이진화함으로써 최적의 검출기를 구현할 수 있다. 그런데, 마이크로캘시피케이션은 정확한 가우시안 형태를 갖지 않고, 게다가 맘모그램의 배경이미지도 마르코프 프로세스라는 가정에서 벗어난다. 이러한 불일치를 해결하기 위하여, 본 논문에서는 멀티스케일 웨이블릿 계수에서 추출한 특징벡터를 Hotelling observer에 입력하여 처리함으로써 이를 보상하고자 하였다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.38 no.4
• /
• pp.325-334
• /
• 2001

It is shown that the multiscale prewhitening matched filter for detecting Gaussian objects in Markov noise can be implemented by the undecimated wavelet transform with a biorthogonal spline wavelet. If the object to be detected is Gaussian shaped and its scale coincides with one of those computed by the wavelet transform, and if the background noise is truly Markov, then optimum detection is realized by thresholding the appropriate details image. Our detection algorithm is applied to the digitized mammograms for detecting microcalcifications. However, microcalcifications are not exactly Gaussian shaped and its background noise may not be Markov. In order to campensate for these discrepancy, Hotelling observer is employed, which is applied to feature vectors comprised of 3-octave wavelet coefficients.

• Journal of KIISE:Software and Applications
• /
• v.28 no.1
• /
• pp.46-51
• /
• 2001

2D로 확장한 HMM은 다수 제안되었지만 엄밀한 의미에 있어서 2D HMM이라고 하기에 부족한 점이 많다. 본 논문에서는 기존의 랜덤 필드 모형이 아닌 새로운 2D HMM을 제안한다. 상하 및 좌우 방향의 causal chain 관계를 가정하고 완전한 격자 형성 조건을 두어 2D HMM의 평가, 매개 변수를 추정하는 알고리즘을 제시하였다. 각각의 알고리즘은 동적 프로그래밍과 최우 추정법에 근거한 것이다. 변수 추정 알고리즘은 반복적으로 이루어지며 국소 최적치에 수렴함을 보였다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.48 no.1
• /
• pp.157-165
• /
• 2011

It is challenging to detect foreground objects when background includes an illumination variation, shadow or structural variation due to its motion. Basically pixel-based background models including codebook-based modeling suffer from statistical randomness of each pixel. This paper proposes an algorithm that incorporates Markov random field model into pixel-based background modeling to achieve more accurate foreground detection. Under the assumptions the distance between the pixel on the input imaging and the corresponding background model and the difference between the scene estimates of the spatio-temporally neighboring pixels are exponentially distributed, a recursive approach for estimating the MRF regularizing parameters is proposed. The proposed method alternates between estimating the parameters with the intermediate foreground detection and estimating the foreground detection with the estimated parameters, after computing it with random initial parameters. Extensive experiment is conducted with several videos recorded both indoors and outdoors to compare the proposed method with the standard codebook-based algorithm.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.495-496
• /
• 2012

원격 환경에서 작동하는 원격 로봇을 조종하기 위해서는 조종사가 빠르게 계획을 세워야 한다. 이를 위해 GPS, 자이로스코프, 비디오 카메라, 3D 센서 등에서 획득한 2D 및 3D 데이터셋으로 복셀 맵을 구성한다. 지형 모델의 각 복셀은 이웃하는 복셀에 큰 영향을 받는다. 그러므로 깁스-마르코프 랜덤 필드 모델(GMRF, Gibbs-Markov Random Field) 을 사용하여 복셀맵에서 이동 가능한 영역을 탐색하는 방법을 제안한다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2003.06a
• /
• pp.1-5
• /
• 2003

의료영상의 분할은 의료영상을 컴퓨터 진단 및 가시화에 필요한 같은 성질을 가진 여러 조직으로 나누어주는 방법이다. 즉 입력되어진 영상을 처리하여 유사한 화소들의 집합인 영역들로 화소들을 구분하는 작업이며 영상분할의 결과는 영상인식의 정확성에 큰 영향을 미친다. MRI(Magnetic Resonance Imaging)으로부터 정상적인 세포조직 또는 뇌종양과 같은 비정상적인 세포조직의 가시화와 분석을 위해서는 대상 세포조직의 적절한 분류를 필요로 한다. 하지만 기존의 영역 검출 방법으로는 잡음이 섞여 있는 영상에서 여러 가지의 처리과정(주로 잡음 제거)이 필수적이고 그런 과정으로 인해 정확한 영역 검출이 힘들게 된다. 이에 잡음이 있더라도 이를 제거하기 위한 처리가 필요 없이 영역기반으로 필요한 파라미터의 추정을 통한 MRF(Markov Random Field)를 이용하여 보다 효율적이고 정확하게 MRI에서 질환 영역을 검출할 수 있다.

• Journal of Korea Multimedia Society
• /
• v.18 no.12
• /
• pp.1432-1438
• /
• 2015

We present a methodology to detect moving shadows in video sequences, which is considered as a challenging and critical problem in the most visual surveillance systems since 1980s. While most previous moving shadow detection methods used hand-crafted features such as chromaticity, physical properties, geometry, or combination thereof, our method can automatically learn features to classify whether image segments are shadow or foreground by using a deep learning architecture. Furthermore, applying Markov Random Field enables our system to refine our shadow detection results to improve its performance. Our algorithm is applied to five different challenging datasets of moving shadow detection, and its performance is comparable to that of state-of-the-art approaches.