• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.15 no.7
• /
• pp.4475-4481
• /
• 2014

A histogram equalization method have been used traditionally for the image enhancement of low quality images. This uses the transformation function, which is a cumulative density function of an input image, and it has mathematically maximum entropy. This method, however, may yield whitening artifacts. This paper proposes the weighted histogram equalization method based on histogram equalization. It has Weber-Fechner's law for a human's vision characteristics, and a dynamic range modification to solve the problem of some methods, which yield a transformation function, regardless of the input image. Finally, the proposed transformation function was calculated using the weighted average of Weber-Fechner and the histogram equalization transformation functions in a modified dynamic range. The simulation results showed that the proposed algorithm effectively enhances the contrast in terms of the subjective quality. In addition, the proposed method has similar or higher entropy than the other conventional approaches.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.48 no.5
• /
• pp.10-15
• /
• 2011

Histogram equalization is an effective method to enhance the contrast of the image. However, it can result in unwanted artifacts such as excessive contrast enhancement and noise amplification. These artifacts can be reduced by modifying an intensity mapping function which is generated by histogram equalization. In this paper, we present a variational approach to the modification of the intensity mapping function. We define a functional whose minimization produces a modified intensity mapping function. Experimental results show that the intensity mapping function obtained by the proposed method can enhance the contrast of the image without visual artifacts.

• Applied Microscopy
• /
• v.32 no.3
• /
• pp.195-204
• /
• 2002

In this review, the fundamental concepts of delta function, convolution integral and Fourier transformation are discussed. The applications of Fourier transformation to slit function, two very narrow slits, two slits of appreciable width, periodic array of narrow slits, arbitary periodic function, diffraction gratings and gaussian functions are also introduced.

• Journal of Educational Research in Mathematics
• /
• v.14 no.1
• /
• pp.39-69
• /
• 2004

This paper investigates the teaching and learning of Linear function relating functional contexts and suggests the improved methods of representation-shift through this analysis. The methods emphasize the link between students' preacquired knowledge of mathematical representations and the way of using those. This methods are explanatory teaching, teaching and teaming based on modelling perspectives or tasks (interpretation, prediction, translation and scaling). We categorize the 8th grade middle school students' errors on the linear function relating real contexts and make a comparative study of the error-remedial effects and the teaching and teaming methods. We present the results of a study in which representation-shift methods based on modelling perspectives and tasks are more effective in terms of flexible connection of representations and error remediation. Also, We describe how students used modelling perspective-taking to explain and justify their conceptual models, to assess the quality of their models and to make connection to other mathematical representation during the problem solving focusing on the students' self-diagnosis.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.169-171
• /
• 2001

이 논문에서 논해지는 음성변환이라는 것은 어떤 화자의 음성(소스)을 다른 화자의 음성(타겟)으로 바꾸는 것이다. 이 때, 모든 음소들을 녹음해서 데이터베이스화한 음성끼리 매칭시키는 것이 아니라, 몇 번의 학습을 통하여 음색의 특징을 파악한 후 나온 변환함수를 이용하여 원래 화자의 음성을 타겟 음성으로 변환하는 시스템을 제안하고자 한다. 여기서, 음색의 특징들을 추출한 후, 변환함수를 만들기 위한 트레이닝을 위한 방법으로 Gaussian Mixture Modeling을 이용할 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10a
• /
• pp.326-328
• /
• 2000

본 논문에서는 지연계산기반 함수형 언어 프로그램을 받아 Java 프로그램을 목적 코드로 생성하는 컴파일러를 설계하고 구현한다. 이 컴파일러는 제한된 형태의 함수형 언어 Shared Term Graph(STG)를 입력언어로 하는 추상기계 Spineless Tagiess G-Machine (STGM)을 수행 모델로 한다. 본 논문에서는 명령형 언어 L-code를 제안하고 이를 입력언어로 하는 새로운 형태의 STGM인 L-Machine을 제안한다. STG 언어를 L-code로 변환하는 컴파일러와 L-code를 Java로 변환하는 컴파일러를 설계하고 구현함으로써 원하는 컴파일러를 구성한다. 그리고 Glasgow Haskell 컴파일러를 전단부로 하여 지연계산 기반 함수형 언어 Haskell로 작성된 프로그램들을 컴파일하여 STG 프로그램으로 변환한 다음 본 논문에서 구현한 컴파일러로 이를 Java 프로그램으로 변환한다. 변환된 Java 프로그램을 Sun JIT 컴파일러로 컴파일하여 수행한 성능 평가 결과를 제시한다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.565-568
• /
• 2011

NURBS는 매개변수를 이용하여 3차원에서 곡면을 표현한 방법으로서 노트벡터, 조정점, 가중치로 구성된다. 레벨셋은 공간을 음함수로 정의된 장으로 형성하여 음함수의 일정한 값을 추적하여 곡면을 표현한 방법이다. 본 논문에서는 스캔 데이터를 NURBS 형태로 추출한 뒤 이를 정밀한 레벨셋 모델로 변환하였다. 레벨셋 모델을 구성하기 위해서 형성된 음함수는 부호를 갖는 거리함수를 사용하였고, 거리함수를 정밀하게 나타내기 위해 Newton 순환법을 이용하였다. 변환된 레벨셋 모델을 이용하여 형상의 몰핑을 수행하였다. 몰핑은 초기 형상을 목표 형상으로 변화시켜 나가는 과정으로서 레벨셋 모델을 이용한 몰핑은 용이성과 질적인 측면에서 우수하다. 수치 예제에서는 스캔 데이터의 레벨셋 모델 변환과 변환된 형상이 자연스럽게 목표형상으로 변화하는지를 확인한다.

• Review of KIISC
• /
• v.2 no.4
• /
• pp.104-109
• /
• 1992

스위치 이론이나 디지탈 공학$^{2)}$, 정보보호학$^{6.8)}$등의 분야에서 자주 사용되는 많은 함수들은 유한체 GF$(q)^n$에서 GF(q)의 값을 취하는 함수들이다. 특히 q=2인 경우에 함수 f는 쉽게 진리표에 의해 표현된다. 본 글에서는 유한체 위에서 성립하는 행렬 구조를 갖는 대수적 표준형식 변환에 대하여 알아보고, 변환의 계산을 점화적으로 이행해보며, 난수함수의 복잡도에 관한 확률분포를 살펴본다. 대수적 표준형식은 함수의 비선형 위수나 복잡도에 관한 판단에 유용하게 응용할 수 있다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.419-422
• /
• 2002

본 논문에서는 신경망에 비해 보다 단순화되고 빠르게 수렴하는 특성을 보이는 방사 기준함수 구조를 초기에 설계하기 위한 초기화 방법을 제안한다. 이를 위해 웨이블릿 변환을 이용한 분석 기법을 사용하였고, 주어진 문제에 적합한 방사 기준 함수 구조를 초기에 최적 상태로 결정하였다. 시간-주파수 평면에서 지역화 특성이 대상 함수를 근사할 수 있는 특성을 지닌 방사 기준 함수를 선택, 결정하여 은닉층을 구성할 경우, 근사 능력을 지닌 초기 구조를 결정함에 있어서 장점을 지닌다. 제안된 구조는 다층 전방향 신경망 또는 정규 배열된 방사 기준함수 구조에 비해 주어진 문제에 대해 좋은 성능을 보인다.

• Communications of the Korean Mathematical Society
• /
• v.15 no.1
• /
• pp.1-27
• /
• 2000

위너공간과 추상 위너공간 위에서의 푸리에-파인만 변환, 푸리에-위너 변환 그리고 합성곱을 정의하고 여러가지 형태의 함수들에 대한 변환과 합성곱의 존재정리 및 여러가지 성질을 소개한다. 또한, 이 함수들의 파시발 관계와 프란셰렐 관계에 대해서도 알아본다.