• Journal of the Korean Association of Geographic Information Studies
• /
• v.7 no.4
• /
• pp.24-33
• /
• 2004

Advances in remote sensing technologies are resulting in the rapid increase of the number of spectral channels, and thus, growing data volumes. This creates a need for developing faster techniques for processing such data. One application in which such fast processing is needed is the dimension reduction of the multispectral data. Principal component transformation is perhaps the mostpopular dimension reduction technique for multispectral data. In this paper, we discussed the processing procedures of principal component transformation. And we presented and discussed the results of the principal component transformation of the multispectral data. Moreover principal components image data are classified by the Maximum Likelihood method and Multilayer Perceptron method. In addition, the performances of two classification methods and data reduction effects are evaluated and analyzed based on the experimental results.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.4B
• /
• pp.505-513
• /
• 2001

지문영상의 분류는 데이터베이스의 용량이 클 경우 검색시간을 효율적으로 단축시킬 수 있는 핵심적인 기술이다. 따라서 본 논문에서 core point 와 flow-line 추적을 이용한 효율적인 지문 영상 분류 기법을 제안한다. 제안한 방법은 특히 압착 날인된 지문 영상의 분류에 적합한 방법으로 크게 2단계로 이루어져 있다. 첫 번째 단계에서는 먼저 Poincare index를 이용하여 core point를 찾아내고 이를 바탕으로 개략적인 분류를 수행한다. 그 다음 두 번째 단계에서는 core point를 중심으로 flow-line을 추적하여 그 결과를 가지고 세부적인 분류를 수행한다. 세부분류 단계에서는 평활화된 블록의 방향정보를 이용한 효과적인 flow-line 추적 알고리즘과 이를 이용한 새로운 분류 방법이 제안된다. 제안한 방법은 회전이나 이동 그리고 약간의 잡음에 강인한 지문 분류 방법으로 지문입력기를 통하여 획득된 700장의 지문 영상에 적용해 본 결과 93.6%의 분류율을 나타내었다.

• Proceedings of the KSRS Conference
• /
• 2001.03a
• /
• pp.25-33
• /
• 2001

본 연구는 무감독 영상 분류를 위하여 지역 확장 영상 분할과 계층 연결 영상 분류를 포함하는 다중 단계 기법을 제안하고 있다. 모의 자료를 사용하여 제안된 알고리듬 대한 평가와 효율성에 대한 검증을 하였다.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.223-227
• /
• 2006

최근 위성기술의 발전은 크게 두 가지 방향으로 진행되고 있다. 하나는 고해상도(High Resolution)라는 말로 대표되는 공간해상도(Spatial Resolution)의 향상이고, 다른 하나는 초분광(Hyperspectral)으로 대표되는 분광해상도(Spectral Resolution)의 향상이다. 특히 초분광영상(Hyperspectral Image)은 지상피복 및 대상물에 대해 실험실에서 얻을 수 있을 정도의 연속적이고 좁은 파장 간격의 분광정보를 제공하고 있어, 기존에 사용하던 다중분광영상(Multispectral Image) 보다 많은 양의 정보를 사용자에게 제공한다. 본 논문에서는 다중분광영상과 초분광영상의 분광 정보를 활용한 영상분류능력을 비교분석하고 그 결과를 평가하였다. 분석결과는 다중분광영상에서 식별이 어려웠던 초지, 농지, 나지에 대한 분석 능력이 초분광영상에서 상당히 향상됨으로써 감독분류에서 약 20% 정도의 정확도 향상을 가져왔으며, 무감독분류의 경우에는 미소한 차이로 그 정확도가 향상된다는 것이다. 이런 결과는 향후 초분광영상의 토지 피복분류 및 대상물 탐사에 긍정적인 활용 방안을 제시할 수 있음을 알려주고 있다.

• Journal of the Korea Society for Simulation
• /
• v.18 no.4
• /
• pp.197-206
• /
• 2009

The medical information system is an effective medical diagnosis assistance system which offers an environment in which medial images and diagnosis information can be shared. However, this system can only stored and transmitted information without other functions. To resolve this problem and to enhance the efficiency of diagnostic activities, a medical image classification and retrieval system is necessary. The medical image classification and retrieval system can improve efficiency in a medical diagnosis by providing disease-related images and can be useful in various medical practices by checking diverse cases. However, it is difficult to understand the meanings contained in images because the existing image classification and retrieval system has handled superficial information only. Therefore, a medical image classification system which can classify medical images by analyzing the relation among the elements of the image as well as the superficial information has been required. In this paper, we propose the method for learning and classification of brain MRI, in which the superficial information as well as the spatial information extracted from images are used. The superficial information of images, which is color, shape, etc., is called low-level image information and the logical information of the image is called high-level image information. In extracting both low-level and high-level image information in this paper, the anatomical names and structure of the brain have been used. The low-level information is used to give an anatomical name in brain images and the high-level image information is extracted by analyzing the relation among the anatomical parts. Each information is used in learning and classification. In an experiment, the MRI of the brain including disease have been used.

• Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography Conference
• /
• 2010.04a
• /
• pp.271-273
• /
• 2010

고해상도 위성영상을 이용하여 대상물을 분류하는 것은 원격탐사의 중요한 분야이며, 위성영상 분류에 대한 주요 주제 중 하나는 분류정확도를 높이는 것이다. 본 연구에서는 KOMPSAT-2 영상을 이용하여 SVM(Support Vector Machine)과 MLC(Maximum Likelihood Classification) 방법으로 감독분류를 수행하고 각 분류결과의 비교를 통해 분류방법에 따른 정확도를 평가하고자 하였다. 적은 수의 표본 데이터를 이용한 고해상도 위성영상의 분류결과 SVM이 MLC에 비해 양호한 분류결과를 나타냄을 알 수 있었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.7 no.4
• /
• pp.18-28
• /
• 1997

This paper presents image data compression using a classified vector quantization (CVQ) which categories edge blocks according to the energy distribution of subimages in the discrete cosine transform domain. Classifying the edge blocks enhances visual quality of the compressed images while maintaining a high compression ratio. The proposed classification method categories subimages into eight lypes of edge features according to an energy distribution. A neural network, trained with the data generated from the proposed classification method, can successfully classify subimages to eight edge categories. Experimental results are given to show how the (1VQ method incorporatd with a neural network can produce faithful compressed image quality for high compression ratios.

• Proceedings of the KSRS Conference
• /
• 2008.03a
• /
• pp.224-230
• /
• 2008

본 연구는 산림 내 임상을 구획하기 위해 고해상도 IKONOS 위성영상을 객체 지향기반으로 분할 및 분류하였다. 영상분할 시 분광정보와 공간정보를 동시에 이용하여 모양이나 분광정보에 있어서 동질한 영역이라고 정의되는 영상객체를 생성하였다. 분할된 영상을 분류계급(class)으로 분류하기 위하여 NDVI와 경사, 방위, 고도 등 지형인자를 새로운 레이어로 추가시키고, 분류개념을 형성하기 위하여 퍼지 규칙을 사용하였다. 영상의 획득시기가 5월초인 점을 감안하여 NDVI는 0.2, 경사 $^{\circ}5^{\circ}$ 그리고 고도 130m를 기준으로 산림과 비산림지역을 분류할 수 있었고, 지형인자에 영향을 많이 받는 굴참나무와 신갈나무 또한 효율적으로 분류할 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2004.05b
• /
• pp.468-471
• /
• 2004

In this paper, a method for classifying fingerprint ridge lines using runlength codes is proposed. To detect feature points(minutiae) in automatic fingerprint identification system(AFIS), classification of fingerprint ridge lines are essential process. The fingerprint ridge lines are classified by run-length coding, and also the end and bifurcation regions in ridge lines are separated. To evaluate the performance of the proposed method, detected feature regions including minutiae points and classified fingerprint ridge lines are shown.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.01a
• /
• pp.249-252
• /
• 2011

본 논문에서는 쇼크(shock) 그래프 기반의 뼈대 특징을 이용하여 모양 정보를 분류하기 위해 그래프 편집 거리(edit cost) 기반의 k-means 군집화 알고리즘을 적용하는 방법을 제안한다. 본 논문에서 제안된 방법에서는 먼저 질의 영상과 대상 데이터베이스 영상으로부터 뼈대 기반의 쇼크 그래프를 추출한 후 종점(end points)과 분기점(branch points)을 가중치를 이용하여 적응적으로 선택한다. 그런 다음, 두 영상 사이의 편집 거리를 구하여 이를 k-means 군집화 알고리즘의 거리 척도로 적용함으로써 대용량의 영상을 보다 효과적으로 분류한다. 성능을 평가하기 위해서 제안된 알고리즘을 MPEG-7 데이터베이스에 적용하였으며, 그 결과 제안된 영상 분류 방법이 기존의 영상 분류 방법에 비해서 보다 효과적으로 모양 기반의 영상을 분류하였음을 확인하였다.