• 방송과미디어
• /
• 제8권2호
• /
• pp.149-159
• /
• 2003

현재 사회 전반에 걸쳐 급격히 증가하고 있는 멀티미디어 정보를 효율적으로 관리, 활용할 수 있는 방법이 다양하게 연구되고 있다. 본 연구에서는 내용기반 영상검색을 위한 다중 영상특징 추출방법과 특징결합 방법을 제시한다. 우선 전처리 및 캐니 에지 검출법으로 질의영상내 물체영역의 에지를 검출한다. 그 다음에 제안한 볼록 다각형 알고리즘을 통해 분할된 물체영상을 획득한다. 분할된 물체영상은 HSV 공간으로 변환되고 히스토그램 인터섹션 방법으로 유사도가 측정된다. 또한 분할된 물체영상은 웨블릿 변환 영상으로도 변환된다. 이러한 변환후 웨블릿 부밴드의 LL 영역에 제안하는 거리 밴드 평균 오토코릴로그램 알고리즘을 적용하여 오토코릴로그램 유사도를 측정한다. 그리고 GLCM을 이용한 엔트로피와 콘트라스트 유사도는 LH, HL 영역에서 측정된다. 전 과정을 통해 얻은 4개의 다중 영상특징은 수정된 보다 카운트 방법으로 결합되고 최종 유사도가 결정된다. 실험결과 제안한 다중 영상특징을 사용한 검색 방법이 단일 영상특징을 사용하는 검색 방법보다 소환성과 정확성의 성능에 있어 우수함을 보였다. 그리고 NMRR 측정에서도 개선된 성능을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2002년도 춘계학술발표논문집 (상)
• /
• pp.261-264
• /
• 2002

자동차 전조등에서 나오는 데이터는 다양한 패턴을 가지는 영상자료와 부분적으로 보이는 문자자료이다. 내용기반 영상검색을 통해 자동차 전조등에서 검사자가 판독하는 텍스트와 부분적인 전조등의 영상정보로 차량의 정보를 추출하기 위한 검색 방법을 국립과학수사연구소의 자료를 기반으로 설계하였으며, 영상검색에 사용된 영상특징값의 구성과 영상 검색방법을 연구하였다. 본 논문에서는 영상데이터의 검색을 위해 효과적인 영상특징이 추출 되도록 향상된 방법론을 제시하였다. 특징함수에 대한 유효성 검증을 위해 샘플 영상에서 각 후보 특징함수들에 대한 결과값들을 비교하였으며, 이를 기반으로 유효한 특징함수를 찾아서 검색에 사용되어지도록 구성하였다. 사용되어진 영상의 특징값은 전조등 영상이 가지는 다수의 텍스쳐함수와 가로, 세로 성분값을 사용하였다. 영상 검색을 위해 추출된 영상 특징값을 데이터베이스화하고 용의차량의 전조등 영상을 질의 영상으로 하여 후보 차량에 대한 정보를 검색하도록 하였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.795-800
• /
• 2008

카메라로 입력되는 영상에서 객체를 인식하기 위한 노력은, 기존의 컴퓨터 비전분야에서 좋은 이슈로 연구되고 있다. 영상 내부에 등장하는 객체를 인식하고 해당 객체를 포함하고 있는 전체 이미지에서 현재 영상의 위치를 인식하기 위해서는, 영상 내에 등장할 객체에 대한 트레이닝이 필요하다. 본 논문에서는 영상에 등장할 객체에 대해서, 특징 점을 검출(feature detection)하고 각 점들이 가지는 픽셀 그라디언트 방향의 벡터 값들을 그 이웃하는 벡터 값들과 함께 DoG(difference-of-Gaussian)함수를 이용하여 정형화 한다. 이는 추후에 입력되는 영상에서 검출되는 특징 점들과 그 이웃들 간의 거리나 스케일의 비율 등의 파리미터를 이용하여 비교함으로써, 현재 특징 점들의 위치를 추정하는 정보로 사용된다. 본 논문에서는 광역의 시설 단지를 촬영한 인공위성 영상을 활용하여 시설물 내부에 존재는 건물들에 대한 초기 특징 점들을 검출하고 데이터베이스로 저장한다. 트레이닝이 마친 후에는, 프린트된 인공위성 영상내부의 특정 건물을 카메라를 이용하여 촬영하고, 이 때 입력된 영상의 특징 점을 해석하여 기존에 구축된 데이터베이스 내의 특징 점과 비교하는 과정을 거친다. 매칭되는 특징 점들은 DoG로 정형화된 벡터 값들을 이용하여 해당 건물에 대한 위치를 추정하고, 3차원으로 기 모델링 된 건물을 증강현실 기법을 이용하여 영상에 정합한 후 가시화 한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• pp.300-304
• /
• 2020

본 논문에서는 원격 탐사 영상 정합에서 정확도는 유지하면서 특징점 매칭 (Matching) 복잡도를 줄이기 위해 입력 영상을 전처리하는 구조물 검출 네트워크를 이용한 원격 탐사 영상 정합 방법을 제안한다. 영상 정합의 기존 방법은 입력 영상에서 특징점을 추출하고 설명자 (Descriptor)를 생성한다. 본 논문에서 제안하는 방법은 입력 영상에서 특징점 매칭에 영향을 미치는 구조물만 추출하여 새로운 영상을 만들어 특징점을 추출한다. 추출된 특징점은 필터링 (Filtering)을 거쳐 원본 영상에 매핑 (Mapping)되어 설명자를 생성하여 특징점 매칭 속도를 향상시킨다. 또한 구조물 검출 네트워크에서 학습 영상과 시험 영상의 특성의 차이로 생기는 성능 저하 문제를 개선하기 위해 히스토그램 매핑 기법을 이용한다. 아리랑 3 호가 획득한 원격 탐사 영상에 대한 실험을 통해 제안하는 방법은 정확도를 유지하면서 계산 시간을 SURF 보다 87.5%, SIFT 보다 92.6% 감소시킬 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.41-44
• /
• 2022

Mean-Shift 영상 분할은 객체 검출을 위한 영상 전처리 방법으로써, 영상 처리 및 패턴 인식 분야에서 널리 사용되는 방법이다. 영상 분할은 영역 기반과 에지 기반 방식으로 나누어지며 대표적으로 FCM, Quickshift, Felzenszwalb, SLIC 알고리즘 등 이 있다. 언급한 영상 분할 방법들은 Mean-Shift 영상 분할에 비해서 빠른 속도로 실행시킬 수 있지만, 형태적 특징이 훼손되고 하나의 객체가 여러 세그멘테이션으로 분할된다는 단점을 가지고 있다. 본 논문에서는 소형 객체를 탐지하기 위한 고속화된 Mean-Shift 영상 분할과 객체의 형태적 특징을 이용하여 객체를 탐지하는 방법을 제안한다. 하드웨어 리소스가 제한된 신호처리기에 제안하는 알고리즘을 수행하기 위하여 Mean-Shift 영상 분할에서 필터링 과정을 고속화 하였고, 적외선 영상 내 영상 전처리 수행을 통해 잡음 제거 후 Mean-Shift 영상 분할 방법을 수행함으로써, 객체의 형태적 특징을 잘 살려서 영상 분할을 할 수 있도록 하였다. 또한 각 세그멘테이션의 크기, 너비, 높이, 밝기 정보와 형태적 특징점을 이용한 객체 탐지 방법을 제안한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2001년도 춘계학술발표논문집
• /
• pp.169-172
• /
• 2001

영상의 특성 파악을 위해서 질감 특징이 많이 사용되고 있다 Co-occurrence matrix를 이용한 질감은 영상의 변화형태에 대한 수치자료로 다양한 함수들을 가지고 있으며, 영상의 특성에 따라서 그 함수들을 활용하여 영상의 분할과 분류에 사용하고 있다. 본 논문에서는 질감 특징을 시각화하기 위한 방법으로 GLCM의 로컬값을 새로운 픽셀값으로 하는 영상화 기법에 대해 논하였다. 실험을 통해 질감특징 중 대조적인 관계와 동일성을 가진 질감에 대한 영상을 얻을 수 있었으며, 영상 분석에 대한 시각적인 자료를 얻을 수 있었다. 질감특징은 각 항수별 특징값의 효율적인 사용을 위해 시각화되어질 필요성이 있으며 영상화되어진 질감특징영상을 이용하면 영상의 분석과 이해에 효과적인 접근이 가능하다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 춘계학술발표대회
• /
• pp.382-385
• /
• 2012

이 논문에서는 영상 검색(image retrieval) 및 영상 부류(image categorization)을 위하여 영상을 기술할 때 영상의 클레스(class)별로 서로 다른 주요 특징량(feature)에 가중치 를 주는 방법론을 제안한다. 기존에 연구되어온 영상의 특징량 벡터에 가중치를 주는 방식은 모든 영상 클레스에 대하여 동일하게 가중치를 적용하기 때문에 영상이 클레스별로 서로 다른 특징량이 중요하다는 성질을 이용할 수 없다. 영상이 클레 별로 서로 다른 특징량이 중요하다는 성질을 이용하기 위하여 영상의 클레스별로 특징량 벡터에 서로 다른 가중치 벡터(weight vector)를 학습하였다. 그 후 질의 영상(query image)이 입력되면, 기존의 영상 검색 프레임워크(framework)를 통해 데이터베이 스(database)로 부터 미리 정의된 서브 클레스(sub-class)의 수에 해당하는 영상부 집합(subset)을 만들었다. 그리고 영상부 집합의 특징량 벡터들에 클레스별로 각각 학습된 가중치 벡터를 적용하여 특징량 벡터들 간의 거리를 다시 계산하여 리랭킹(re-ranking)하였다. 이 방법론을 UKBench Dataset에 적용하여 실험을 해보았으며 가중치를 주기 전과 비교 하였을 때 더 높은 정확도를 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.599-602
• /
• 2003

본 논문에서는 스테레오 영상의 정합을 통한 얼굴의 굴곡 특징과 좌표 정보로서 정지 영상에서 생기는 제약 조건의 약화와 굴곡 특징을 이용하여 보다 강건한 얼굴 특징 추출 알고리즘을 제안한다. 얼굴 인식 기술은 정지 영상을 통한 얼굴 영역의 특징들로 얼굴을 구별하고, 얼굴을 검색하기 위하여 다양한 특징을 추출하는데 정지 영상에서는 추출할 수 없는 좌표 정보를 이용한 눈, 코, 입의 정보들과 굴곡 정보를 이용함으로서 얼굴 인식의 효율성을 높이는데 있다. 제안된 알고리즘의 단계는 색상으로부터의 얼굴 영역 검출 단계 얼굴 특징의 추출을 위한 전처리 단계, 눈, 코, 입에 대한 특징 정보로서 사람의 판별 유무와 찾아진 얼굴 영역에 눈 템플릿을 적용하고, 눈 사이의 거리와 기울어짐 코와 입에 대한 거리 정보들로서 스테레오 영상의 굴곡 특징 정보를 추출하는 단계로 이루어져 있다. 또한, 기존의 특징 정보뿐만 아니라 스테레오 영상의 정합을 통한 굴곡 특징 정보를 사용 각각 영상의 종류에 대해서 100%, 93%, 76%의 인식률을 얻었으며 평균 90%로서 정지 영상과의 비교를 통해 8%의 인식률의 향상으로 본 연구의 유효성을 입증하였다.

• 정보처리학회논문지B
• /
• 제19B권2호
• /
• pp.113-122
• /
• 2012

스테레오 정합(stereo matching) 기술은 주어진 두 영상에서 동일한 물체의 영상점이 어떤 위치 관계를 가지고 있는지를 결정하는 기술이다. 본 논문에서는 영상 특징점에 대해 스테레오 위치관계를 결정하는 새로운 스테레오 특징점 정합(stereo feature matching) 방법을 제시한다. 제안하는 방법은 주어진 스테레오 영상에서 FAST 추출기를 이용하여 특징점을 추출하고, 특징점 벡터들의 정보들을 내부에 포함하는 특징창(feature window)이라는 공간을 정의하여 스테레오 정합의 성능을 향상한다. 제안하는 방법은 표준 영상에 추출된 특징점들에 대해 특징창을 생성하고, 참조 영상에서 표준 영상의 특징창과 가장 유사한 특징창을 탐색 및 결정한 다음, 결정된 두 개의 특징창 내부의 특징점들의 시차관계는 특징링크(feature link)를 생성하여 시차를 결정한다. 만약, 이 과정에서 시차가 결정되지 않은 특징점들이 있다면, 특징창 내의 결정된 시차 정보를 이용하여 시차 값을 보간한다. 마지막으로, 제안하는 방법의 성능을 검증하기 위해 결과 영상과 정답 영상의 시차를 비교하여 정합 정확성과 수행시간을 비교하였다. 또한, 기존의 특징점 기반 스테레오 정합 방법들과 제안하는 방법의 성능을 비교 및 분석하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 추계학술발표대회(상)
• /
• pp.240-244
• /
• 2003

최근 디지털 영상 사용의 증가로 인해 자동적인 영상 색인과 검색에 관한 연구가 진행되고 있지만 일반 영상을 대상으로 하는 연구는 아직까지 만족스럽지 못한 실정이다 본 논문에서는 특징 융합을 이용한 관련성 귀환 영상 검색 시스템을 제안하였다. 본 시스템에서는 GLCM의 Contrast, Engergy 그리고 Entropy를 특징 값으로 사용하였고, 특징 융합과 관련성 귀환을 검색시스템에 적용하고 성능을 평가하였다. 7 가지 종류의 영상으로 구성된 실험 데이터베이스를 사용하여 실험 결과, 개별적 특징 값인 Energy 보다 융합 특징 값을 사용한 검색 결과가 무귀환에서 4%, 1차 귀환에서 4%의 Retrieval Precision이 증가함을 볼 수 있었다.