• 한국지능시스템학회논문지
• /
• 제8권6호
• /
• pp.122-128
• /
• 1998

이 논문에서는 영상시퀀스의 프레임간 차영상 블록을 영상활동도의 크기 및 분포에 따라 적응적으로 분류함으로써 영상시퀀스를 압축하는 기법을 제안한다. 활동도의 크기에 의한 분류에서는 차영상 블록에 포함되어 있는 물체의 에지부분에 해당하는 활동블록과 비활동 블록으로 분류하고, 활동도의 분포에 의한 분류에서도 활동블록들을 이산 코사인변환계수의 분포정도를 특징으로 하여 수직, 수평, 저활동 블록으로 분류한다. 대표적인 분류결과를 이용하여 RBFN 신경망을 학습시켜 프레임간 차영상 블록들의 비선형적인 분류 특성을 얻었다. 시뮬레이션 결과 RBFN을 이용한 차영상 블록의 분류가 영상활동도의 정렬방법이나 다층퍼셉트론 신경망(MLP)에 비해 영상시퀀스의 압축성능이 향상되었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.9-12
• /
• 2023

최근 영상 콘텐츠를 통해 영상물의 메시지뿐 아니라 메시지의 형식을 통해 전달된 감정이 시청하는 사람의 심리 상태에 영향을 주고 있다. 이에 따라, 영상 콘텐츠의 감정을 분류하는 연구가 활발히 진행되고 있고 본 논문에서는 대중적인 영상 스트리밍 플랫폼 중 하나인 유튜브 영상을 7가지의 감정 카테고리로 분류하는 여러 개의 영상 데이터 중 각 영상 데이터에서 오디오와 이미지 데이터를 각각 추출하여 학습에 이용하는 멀티 모달 방식 기반의 영상 감정 분류 모델을 제안한다. 사전 학습된 VGG(Visual Geometry Group)모델과 ViT(Vision Transformer) 모델을 오디오 분류 모델과 이미지 분류 모델에 이용하여 학습하고 본 논문에서 제안하는 병합 방법을 이용하여 병합 후 비교하였다. 본 논문에서는 기존 영상 데이터 감정 분류 방식과 다르게 영상 속에서 화자를 인식하지 않고 감정을 분류하여 최고 48%의 정확도를 얻었다.

• 대한공간정보학회지
• /
• 제12권2호
• /
• pp.53-59
• /
• 2004

본 연구에서는 고해상도 위성영상의 분류에 적합한 형상 기반 분류 소프트웨어를 개발하기 위한 연구를 수행하였다. 형상 기반 분류에 필요한 영상분할과 퍼지 기반의 분류 알고리즘을 개발하고, 형상 기반 분류에 요구되는 다양한 요소들을 고려하여 사용자와의 원활한 상호작용을 지원하기 위한 사용자 인터페이스를 구현하였다. 개발된 소프트웨어의 성능을 평가하고자 본 연구에서 개발된 소프트웨어와 현재 전 세계적으로 널리 보급되고 있는 형상 기반 분류 관련 상용 소프트웨어인 eCognition을 적용하여 동일한 영상을 시험적으로 처리해 본 결과 유사한 영상 분류결과를 얻을 수 있었다. 영상분할의 경우에는 본 연구에서 개발한 소프트웨어의 처리속도가 우수하였다. 형상 기반 분류를 수행하는 데에는 프로그램과 사용자간의 고도의 상호작용이 요구되므로, 향후에 이를 편리하게 하기 위한 사용자 인터페이스의 보완이 필요하다는 것을 알 수 있었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.596-598
• /
• 2010

본 논문에서는 의료영상 중 X-ray 영상을 대상으로 영상을 분류하고 분류 결과에 따라 다중 키워드를 생성하는 방법을 제시한다. X-ray영상은 대부분 그레이 영상임으로 Local Binary Patterns (LBP)을 이용하여 픽셀간의 연관성을 특징으로 추출하고, 실시간 학습 및 분류가 가능한 Random Forests 분류기로 영상들을 30개의 클래스로 분류한다. 또한, 미리 정의된 신체 부위간의 관계 가중치를 분류 스코어에 결합하여 신뢰값을 생성하고 이를 기반으로 영상에 대해 다중 주석을 부여하게 된다. 이렇게 부여된 다중 주석은 키워드 기반의 의료영상을 가능케 함으로 보다 쉽고 효율적인 검색 환경을 제공할 수 있다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제9권3호
• /
• pp.301-310
• /
• 2003

본 논문에서는 고해상도 위성영상의 효과적인 분류를 위한 감독분류 시스템을 설계하고 구현하였다. 구현된 시스템은 분류의 정확도 향상을 위한 훈련데이타의 효율적인 선택을 위해서 다양한 인터페이스와 통계자료를 제공한다. 또한, 다양한 위성영상 포맷의 지원과 새로운 감독분류 알고리즘의 확장을 용이하게 하기 위하여 시스템을 모듈화 하였으며, 분광 특성을 고려한 분류의 적용이 가능하다. 분류 알고리즘으로는 평행육면체 분류, 최소거리 분류, 마하라노비스 거리 분류, 최대우도 분류, 퍼지 분류의 감독분류기법을 이용하여 고해상도 위성영상의 처리를 지원한다. 본 시스템의 적용은 고해상도 IKONOS 위성영상을 입력으로 하고, 그 결과를 분석하여 봄으로써 시스템의 응용 가능성을 보여준다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2008년도 동계학술대회
• /
• pp.187-190
• /
• 2008

디지털 영상기기의 발달과 함께 디지털 영상은 우리의 생활의 일부가 되었다. 이러한 디지털 영상이 생활의 일부가 되면서 범죄자들은 범죄현장의 흔적을 디지털 영상으로 저장하기도 하며, 디지털 영상으로 저장된 CCTV를 통하여 범죄의 현장을 재현하기도 한다[5][6]. 이러한 디지털 영상은 사건을 해결하는데 중요한 역할을 하기에 사건을 수사하는데 있어 수집하여야 할 중요한 대상중의 하나이다. 이러한 디지털 영상은 하나의 분석대상에 다수의 파일로 존재할 수 있으며, 이러한 다수의 디지털 영상 속에서 사건 해결에 도움을 줄 수 있는 중요한 영상을 구분하기 위해서는 많은 시간과 인력이 필요하다. 따라서 다수의 영상 증거물을 디지털 영상 포렌식의 한 분야인 디지털 영상 분류기법을 통하여 수사의 편리함과 정확성을 향상시켜야 할 필요가 있다. 하지만 디지털 영상의 수사를 돕기 위한 디지털 영상의 분류기법은 디지털 영상 포렌식의 영역 중에서 연구가 이루어져 있지 않은 영역중의 하나이며, 연구가 진행되고 있는 방식도 국내가 아닌 국외의 법과 수사 환경을 중심으로 연구되어지고 있다. 따라서 국내의 법과 수사 환경에 적용할 수 있는 디지털 영상 분류기법에 대하여 연구할 필요성이 있다. 이에 대해 본 논문에서는 디지털 영상 포렌식 중 하나의 분야인 디지털 영상 분류기법의 연구현황을 확인하며, 디지털 영상 분류기법의 필요성에 대하여 설명하도록 하겠다.

• 한국지리정보학회지
• /
• 제6권3호
• /
• pp.107-116
• /
• 2003

이 연구는 기존의 분광특성에 의한 영상분류방법들이 고해상도 위성영상에 어느 정도 적절한지 알아보는데 목적이 있다. 이를 위하여 매개변수법과 비매개변수법을 혼합한 감독분류, 퍼지이론을 적용한 감독분류 그리고 무감독분류방법을 각각 적용하여 토지피복분류를 실시하고 각 방법들의 적용결과를 서로 비교하였다. 또한 육안판독과 분광특성을 이용한 영상분류 결과를 서로 비교하여 각 방법 간 토지피복분류의 결과를 비교 분석하였다. 실증연구 결과, 고해상도 위성영상은 반사값의 복잡성, 그림자의 영향 등으로 인하여 노이즈 현상이 심하게 발생하였다. 이러한 고해상도 위성영상은 무감독분류보다는 감독분류가 더 적절한 분석방법이며, 특히 퍼지이론을 적용한 감독분류방법이 가장 우수한 것으로 나타났다. 그러나 토지피복분류결과의 전체 정확도가 76% 정도에 불과해 토지피복분류결과의 신뢰성이 낮았다. 또한 육안판독과 영상분류 결과를 서로 비교한 바 뚜렷한 경계와 넓은 면적을 갖는 농경지 등의 항목은 일치도가 높은 반면 산발적으로 분포해 있는 초지 등의 항목은 일치도가 낮게 나타났다. 영상분류와 육안판독 간의 일치도는 79%로 나타났다.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2003년도 춘계학술발표회 논문집
• /
• pp.167-170
• /
• 2003

본 연구는 무감독영상해석(Unsupervised Classification)에서 주성분 분석법(Principal Component Analysis)의 응용성을 연구하기 위하여, 주성분 분석법을 K-means, ISODATA 두가지 무감독분류법에 적용하였다. 적용대상지역은 제주도이다. 본 연구에서 주성분 분석 방법중에서 비정규형 주성분 분석방법 (Unstandardized PCA)과 정규형 주성분 분석방법(Standardized PCA) 두가지 경우로 나누어서 각각 연구하였다. 이를 위하여 제주도의 Landsat TM영상과 국토연구원에서 조사한 제주도 식생분류 조사자료와 현장조사 자료 그리고 1/25,000 수치지도를 이용하였다. 그리고 분석된 자료의 정확도를 평가하기 위하여 오차행렬(Error Matrix)을 도입하여 계산하였다. 우선 비정규형 주성분 분석법으로 구한 주성분 영상과 Landsat TM 원래 영상을 오차행렬을 이용하여 제주도의 식생 분류에 각각 적용하였다. 그 결과, K-means 무감독분류법에서는 Landsat TM 자료를 직접 이용한 경우에는 바다와 육상의 분류가 잘 되지 않았으며, 또한 전반적인 영상분류결과가 관측치와 많은 차이를 보였다. 그러나, 주성분 분석법으로 계산된 주성분 영상으로 K-means방법으로 분류 한 결과는 관측치와 잘 일치를 하였다. ISODATA의 경우, Landsat TM 원래영상을 계산하면, K-means으로 분류한 결과보다는 좋은 값을 나타냈으나, 주성분 분석법으로 구한 영상의 계산결과와 비교하면, 주성분 영상으로 구한 분류결과의 정확도가 약 15%정도 높게 나타났다. 정규형 주성분 분석법의 경우를 보면 K-means에서는 Landsat TM원래 자료보다 우수한 결과를 보여주었으나, 비정규형 주성분 분석법으로 계산된 결과보다는 정확도가 다소 떨어지는 단점이 있었고, ISODATA의 경우도 Landsat TM원래 자료보다 약 7%정도의 높은 정확도를 보였으나, 비정규형 영상보다는 약8%정도 낮은 정확도를 보였다. 본 연구에서 주성분 분석법으로 계산된 결과에서 주목되는 것은, 주성분 분석법으로 구한 주성분 영상은 분류방법(K-means, ISODATA, artificial neural networks)에 따라 분류된 결과값이 비슷하게 나타난 반면, Landsat TM원래 자료는 분류방법에 따라 결과값이 많은 차이를 보여 주었다. 그리고 주성분 분석 방법 중에서도 비정규형 주성분 분석법(Unstandardized PCA)이 정규형 주성분 분석법(Standardized PCA)보다 영상분석에서 더 좋은 결과를 보여주는 것으로 나타났다.

• 대한공간정보학회지
• /
• 제24권1호
• /
• pp.121-128
• /
• 2016

많은 연구들에서 영상자료와 분류 알고리즘 측면에서 분류정확도를 비교하였지만, 참조자료 또는 분석자에 의존하는 훈련샘플에 의한 분류정확도 비교와 관련된 연구는 부족한 실정이다. 본 연구는 감독분류에 있어 훈련샘플로써 지상 분광반사자료의 유용성을 평가하고자 하였다. 이를 위하여 초분광영상과 다중분광영상을 대상으로 영상 수집 훈련샘플과 지상 분광반사자료를 사용하여 분류 정확도를 비교하였다. 그 결과 영상 수집 훈련샘플 사용 시 초분 광영상과 다중분광영상에서 공통적으로 약 90%의 분류정확도를 얻을 수 있었다. 그러나 지상 분광반사자료를 훈련 샘플로 사용하면 초분광영상의 경우 약 10%p, 다중분광영상의 경우 약 20%p의 분류정확도 감소가 발생하였다. 특히 다중분광영상에서 분광반사특성이 유사하게 나타나는 클래스들의 경우 분류정확도가 초분광영상에 비해 매우 낮게 나타났다. 따라서 지상 분광반사자료는 다중분광영상에 적용하는 데에는 한계가 있지만, 초분광영상을 이용한 토지피복분류에 있어 유용한 훈련샘플이 될 수 있다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2003년도 공동 춘계학술대회 논문집
• /
• pp.596-601
• /
• 2003

위성영상으로부터 수계영역을 분류하는 일은 홍수관련 분석을 위해서 매우 중요한 일이다. 본 연구에서는 홍수 발생시 취득된 RADARSAT 영상을 이용해서 산악지역의 수계영역의 분류를 목적으로 하였다. SAR 영상은 능동적 영상취득을 수행하므로 광학영상에 비해서 수계영역이 확실하게 나타나는 반면에 지형의 기복에 따른 여러 가지 왜곡현상이 발생한다. 본 연구에서는 RADARSAT 영상으로부터 수계영역의 분류를 위해 방사보정, 그림자 효과제거, 고도자료 및 경사도 자료의 활용 등의 경우로 구분하여 연구를 수행하였다. 그 결과 RADARSAT 영상만을 활용할 경우 분류의 정확도에 한계를 보였으며, RADARSAT 영상에 지형정보를 추가로 활용함으로서 정확한 수계영역을 분류할 수 있었다. 특히 RADARSAT 영상과 경사도 자료를 동시에 활용하여 수계지역을 분류하는 것이 가장 효과적임을 알 수 있었다.