• The KIPS Transactions:PartB
• /
• v.9B no.5
• /
• pp.701-706
• /
• 2002

A set of color features has been efficiently used to measure the similarity of given images. However, the size of the color features is too large to implement an indexing scheme effectively. In this paper a new method is proposed to retrieve similar images using an interpolated color histogram. The idea is similar to the already reported methods that use the distributions of color histograms. The new method is different in that simplified color histograms decide the similarity between a query image and target images. In order to represent the distribution of the color histograms, the best order of interpolated polynomial has been simulated. After a histogram distribution is represented in a polynomial form, only a few number of polynomial coefficients are indexed and stored in a database as a color descriptor. The new method has been applied to real images and achieved satisfactory results.

• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.849-852
• /
• 2000

본 논문은 배경이 고정되지 않은 복잡한 동영상에서의 물체 추적을 위하여 다중 모델 색상 히스토그램 역투영(Multi Model Color Histogram Back-projection)방법을 제안한다. 색상 히스토그램 역투영(Color Histogram Back-projection)을 이용하면 카메라의 움직임 때문에 발생하는 배경의 변화에 관계없이 물체를 추적할 수 있다. 기존의 방법은 추적하려는 물체에 대해 하나의 모델만을 적용했기 때문에, 배경영역 색분포의 영향을 많이 받는다. 이를 해결하기 위해 다중 모델 색상 히스토그램 역투영 방법을 이용하였다. 이 방법은 추적하려는 물체에 대해 여러 개의 모델을 구하여 각각에 대해 색상 히스토그램 역투영을 수행한다 또한 역투영 이진 영상에서 물체의 위치를 결정하기 위한 수평, 수직 프로젝션 방법의 문제점을 레이블링(Labeling)을 사용하여 보완하였다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1999.05a
• /
• pp.68-74
• /
• 1999

본 논문에서는 영상의 내용을 나타내는 키워드를 이용하는 기존의 텍스트 기반 영상 검색과 영역 색상 정보를 이용한 내용 기반 영상 검색을 결합한 시스템을 구현함으로서, 보다 효과적인 영상 검색을 할 수 있도록 하였다. 영상의 크기는 입력된 원 영상을 사용하였으며, 색상 정보 추출에 있어 HSI 공간으로 변환하여 256개의 칼라로 양자화하였다. 보통의 정지 영상의 경우 대부분의 객체가 중앙에 있을 경우를 고려하여, 영상을 중앙 영역과 배경 영역으로 구분하고, 각각의 영역에서 두 개의 히스토그램을 생성한다. 중앙 영역과 배경영역의 히스토그램 인터섹션을 이용한 검색을 실험하였고, 영역색상과 기존의 키워드를 결합한 검색도 또한 실험하였다. 기존의 히스토그램 인터섹션의 경우 Precision/Recall이 0.34/0.60인데 비해 영역 색상 히스토그램을 인터섹션한 경우의 Precision/Recall은 0.69/0.76이고 키워드를 결합한 경우의 Precision/Recall은 0.92/0.80를 얻음으로써, 제안된 방식의 검색이 비교적 효율적임을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.07a
• /
• pp.80-82
• /
• 2010

본 논문에서는 깊이 정보를 이용하여 영상을 색상 분포가 각각 다른 객체 영상으로 분리하고 개별적으로 히스토그램 매칭 기법을 적용하는 조명 보상 기법을 제안한다. 서로 위치가 다른 다시점 카메라의 경우, 다시점 비디오 부호화(multi-view video coding)의 성능을 저하시키는 인접 시점 영상 간 조명 불일치 현상이 발생한다. 이러한 조명 불일치를 보상하기 위한 히스토그램 매칭(histogram matching)을 이용한 전처리 기법이 제안되었다. 모든 시점의 다시점 영상 히스토그램은 정해진 참조 시점 영상의 히스토그램으로 매칭되어 조명 불일치와 다시점 비디오 부호화의 성능을 개선할 수 있다. 하지만 일반적인 영상은 색상 분포와 깊이 정보가 상호 독립적인 객체들로 구성되어 있다. 또한 다시점 비디오는 시점에 따라 획득된 영상 간에 동일 객체의 위치와 깊이가 서로 달라 정해진 참조 시점의 히스토그램으로 매칭하는 기존의 방법은 적합하지 않다. 본 논문에서는 주어진 영상 내에서 깊이 정보를 이용하여 객체를 먼저 분리하고, 객체 영상별로 히스토그램 매칭 기법을 적용하여 색상 보상을 수행하는 새로운 기법을 제안한다. 실험을 통해 제안하는 객체 단위의 조명 보상 기법이 향상된 다시점 비디오 부호화 효율을 보이는 것을 확인하였다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1999.12a
• /
• pp.193-198
• /
• 1999

본 논문에서는 영상의 내용을 나타내는 색상과 체인 코드에 기반한 복잡도와 영역 색정보를 이용한 내용 기반 영상 검색을 결합한 시스템을 구현하였다. 실험 대상으로 선택한 꽃 영상의 경우 대부분의 인식 대상 객체가 중앙에 있을 경우를 고려하여, 영상을 중앙 영역과 전체 영역으로 구분하고, 각각의 영역에서 두 개의 히스토그램을 생성한다. 그리고 전체 영역에 대한 기준치를 구하고 chain code글 이용한 복잡도를 구하였다. 중앙영역과 전체영역의 히스토그램 인터섹션을 이용한 검색을 실험하였고, 영역 색상과 복잡도를 결합한 검색도 또한 실험하였다. 기존의 히스토그램 인터섹션의 경우 Precision/Recall이 0.370/0.60인데 비해 영역 색상 히스토그램을 인터섹션한 경우의 Precision/Recall은 0.69/0.76이고 복잡도를 결합한 경우의 Precision/Recall은 0.92/0.80를 얻음으로써, 제안된 방식의 검색이 비교적 효율적임을 보였다.

• The KIPS Transactions:PartB
• /
• v.14B no.4
• /
• pp.255-262
• /
• 2007

This paper proposes an enhanced skin color-based detection method to find a region of human face in color images. The proposed detection method combines three color spaces, RGB, $YC_bC_r$, YIQ and builds color union histograms of luminance and chrominance components respectively. Combined color union histograms are then fed in to the back-propagation neural network for training and Levenberg-Marquadt algorithm is applied to the iteration process of training. Proposed method with Levenberg-Marquadt algorithm applied to training process of neural network contributes to solve a local minimum problem of back-propagation neural network, one of common methods of training for face detection, and lead to make lower a detection error rate. Further, proposed color-based detection method using combined color union histograms which give emphasis to chrominance components divided from luminance components inputs more confident values at the neural network and shows higher detection accuracy in comparison to the histogram of single color space. The experiments show that these approaches perform a good capability for face region detection, and these are robust to illumination conditions.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2015.11a
• /
• pp.96-99
• /
• 2015

본 논문에서는 중복되지 않는 서로 다른 카메라의 영상을 활용한 동일 객체 판단 및 추적 기술에 대하여 소개한다. 영상분석에서 색상 정보는 가장 기본이 되는 중요한 정보라 할 수 있다. 특히 색상 정보를 이용하는 히스토그램은 일반적으로 추적, 인식 등에 많이 사용되고 있으나 이동 객체나 조도 변화 등에 따라 성능에 차이를 보인다. 이러한 문제점을 해결하고자 본 연구에서는 동일 객체 판단을 위해 대표적으로 사용되는 히스토그램 정합의 두 알고리즘(HSV 공간에서의 Histogram matching 방법과 RGB 공간에서의MCSHR 알고리즘) 결합을 통해 분할 히스토그램은 객체를 3조각으로 나누어 전체와 각각의 히스토그램을 구하며 MCSHR을 RGB공간이 아니 Hue 공간 히스토그램으로 변경하여 유사도를 도출 하였으며 조도 변화에 강인한 모델을 만들기 위해 Controlled equalization기법을 사용하여 원 영상의 히스토그램의 확률과 평활화한 히스토그램의 확률 융합을 시도 하였다. 해당 실험의 비교 결과 기존 HSV공간에서 Histogram matching을 통한 유사도 비교보다 12.9% 향상된 정합율의 결과를 보였다. 또한 영상 정보와 스마트 기기를 통한 인식 방법의 융합을 통해 영상 내에서 동일 객체 판단에 대한 추가 정보 제공에 대해 방법론 적인 부분을 제안 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.601-603
• /
• 2000

본 논문에서는 영상의 영역과 넓이를 이용하는 변형된 체인 코드에 기반한 복잡도와 영역 색상 정보를 이용한 내용 기반 영상 검색을 결합하여 WWW상에서 검색하는 시스템을 구현하였다. 입력된 영상을 이용하여 검색하는 방법을 사용하였으며, 색상 정보 추출은 RGB 신호를 256칼라로 양자화하였다. 보통의 정지 영상의 경우 대부분의 객체가 중앙에 있을 경우를 고려하여, 영상을 중앙 영역과 배경 영역으로 구분하고, 각각의 영역에서 두 개의 히스토그램을 생성한다. 중앙 영역과 배경 영역의 색상 히스토그램 인터섹션을 이용한 검색 및 물체의 복잡도를 결합한 방법도 제시하였다. 기존의 색상 히스토그램 인터섹션의 방법의 경우보다 물체의 복잡도를 결합한 제한된 방법이 실험결과에 더 좋은 결과를 얻을 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• pp.19-22
• /
• 2012

본 논문에서는 히스토그램 분석을 통한 안개 강도 측정과 제거, 그리고 HSI채널에서 색상을 보정하는 방법을 제안한다. 이를 위해 영상에서 안개가 많은 지역과 적은 지역을 히스토그램을 통해 분석하고 안개 강도 맵을 만들어 안개의 양에 따라 안개를 제거한다. 안개로 인하여 악화된 영상의 색상은 HSI 공간에서 분석하여, 안개 강도에 따른 보정을 한다. 제안하는 기법은 기존의 기법들과 비교하여 색상의 편향성을 보정하여 가시성뿐만 아니라 영상 내에 색상이 자연스럽게 조화된 결과를 얻었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.808-810
• /
• 2016

Color constancy는 다양한 광원 아래에서 사물의 색을 인지하는 능력이다. 사람의 눈은 절대적인 색상을 인지하는 것이 아니라 주변 환경과의 상대적인 색상을 인지하지만[1], 기계는 절대적인 색상 값으로 받아들이므로 기계가 광원의 영향을 받은 사물의 색상을 정확히 알기 위해서는 기계가 받아들이는 색상 값에서 광원의 영향을 제거해 주는 과정이 필요하다. 이를 카메라에서는 화이트 밸런싱 또는 칼라 밸런싱이라 부르기도 하며 이러한 과정을 위해서 다양한 기법들이 존재하는데, 영상 전체의 각 색상 채널의 평균값은 무채색이라는 Grey world 기법[2]부터, 영상에서 가장 높은 색상 값을 갖는 곳이 광원을 가장 잘 표현한다고 가정하는 White patch(Max RGB)기법[1], 색상 히스토그램 보정을 통한 화이트 밸런싱[3], 최근에는 무채색 지점에서의 각 색상 채널의 변화량이 모두 같다는 가정을 통해 무채색 지점을 찾는 Grey pixel[4] 등 많은 기법이 연구되었다. 본 연구에서는 칼라 히스토그램 보정으로 칼라 대비 개선 효과를 통해 각 색상 채널의 비율이 비슷한 곳을 무채색 지점으로 표본을 수집하여 해당 표본으로부터 칼라 벡터로서 PCA를 통한 대표 값을 추출하여 광원을 예측하는 기법을 소개한다.