• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.425-427
• /
• 2000

얼굴 표정은 사람의 감정을 표현함과 동시에 그것을 이해할 수 있는 중요한 수단이다. 최근 이러한 얼굴 표정의 자동인식과 추적을 위한 연구가 많이 진행되고 있다. 본 연구에서는 대략적인 얼굴영역을 설정하여 얼굴의 표정을 나타내는 표정요소들을 찾아낸 후, 각 요소의 특징점을 추출하고 추적하는 방법을 제시한다. 제안하는 시스템의 개요는 입력영상의 첫 프레임에서 얼굴영역 및 특징점을 찾고, 연속되는 프레임에서 반복적으로 이를 추적한다. 특징점 추출과 추적에는 템플릿 매칭과 Canny 경계선 검출기, Gabor 웨이블릿 변환을 사용하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.778-780
• /
• 2004

본 논문에서는 오브젝트가 서로 겹쳤다가 분리되는 상황 하에서도 오브젝트를 정확히 추적할 수 있는 칼라관계(color relationship)특징 벡터를 제안한다. 오브젝트의 정확한 추적경로와 이벤트 검출을 위하여 신뢰성 있는 특징 벡터 추출은 필수적이다. 향상된 오브젝트 추적을 위해 면적. 크기뿐만 아니라 본 논문에서 제안한 칼라관계 특징 벡터를 사용한다. 실험 영상에 적용한 결과 제안된 방법을 사용하였을 경우 멀티오브젝트의 영상에서 겹침(occlusion)과 나타남(disocclusion)이 발생하는 경우에도 정확한 경로 추적이 이루어짐을 볼 수 있었다

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.550-552
• /
• 2002

본 논문에서는 웨이브렛 변환 영역의 정보를 신경망 학습을 통하여 영상검색에 관한 연구를 제안하였다. 영상검색은 연구가 이루어지고 있지만, 영상의 특징을 정확하게 표현한다는 것은 현실적으로 어렵기 때문에 영상의 저장 및 검색에 많은 어려움이 있다. 따라서 영상데이터의 효율적인 저장 및 검색을 위해서는 공간 영역보다는 변환 영역에서의 특징추출 방법이 고려되어야 한다. 본 논문에서는 웨이브렛 변환 후 생성되는 저주파 대역의 영상을 일정한 크기로 ( 2$^n$$\times$2$^n$) 분할한 다음 각 블록의 표준편차를 구하고, 주어진 경계 값을 기준으로 작성된 블록 맵을 유사성의 척도로 이용하여 유사한 영상을 함께 모아 카테고리 분류에 의한 저장을 한다. 또한 질의영상에 대한 블록 맵을 신경망 학습을 통해 해당 카테고리를 찾아 1:1매칭을 통한 검색을 함으로써 검색 시간을 줄이고, 제안된 시스템 효율을 증대 시킬 수 있었다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2009.05a
• /
• pp.32-36
• /
• 2009

본 논문에서는 DCT영역에서 반복적 이진위상컴퓨터형성홀로그램을 이용한 디지털 영상 워터마킹 기술을 제안하였다. 워터마크로 주로 사용되는 랜덤 시퀸스 또는 로고와 같은 은닉영상 대신 은닉영상을 손실없이 재생할 수 있는 이진위상컴퓨터형성홀로그램을 생성하고, 이를 반복적으로 표현해서 워터마크로 사용한다. 그리고 이 워터마크를 호스트영상의 DCT 계수에 적절한 규칙을 통해 가중치를 부여하여 삽입한 후, IDCT한다. 워터마크의 추출은 워터마킹된 영상과 호스트영상을 DCT하고, 삽입시 적용한 규칙을 통해서 수행한다. 그리고 추출된 워터마크의 역푸리에 변환과 호스트영상에 삽입하기전의 워터마크를 역푸리에 변환하여 재생한 은닉영상과의 상관을 취함으로써 워터마크의 존재여부를 검증한다. 제안한 방법은 워터마크 삽입/추출시 반복되는 홀로그램정보를 활용하고, 이진 값으로 구성되어 있으므로 기존의 어떠한 워터마킹 기술보다 외부 공격에 견실한 특징을 가지고 있으며, 컴퓨터 시뮬레이션을 통해 그 성능을 확인하였다.

• Journal of KIISE:Software and Applications
• /
• v.28 no.8
• /
• pp.570-581
• /
• 2001

본 논문에서는 윤곽선(edge) 기반의 형태 정보와 웨이브렛 변환(wavelet transform)에 의한 방향(direction) 정보를 사요하는데 2단계 상표 영상 검색 시스템을 제안한다. 1 단계에서는 후보 상표 영상을 추출하기 위해 영상의 전반적인 정보로 원 상표 영상(original trademark image)을 웨이브렛 변환하여 얻은 X, Y 방향 고주파(high frequency) 성분으로부터 구한 방향 정보와 영상의 윤곽선에 대해 모멘트를 구하는 향상된 불변 모멘트(improved invariant moment)를 이용한다. 2단계에서는 후부 영상들에 대해 영상의 세부 정보인 윤곽선 각도(edge angle)와 윤곽선 반지름(edge radius) 정보를 추출하여 유사도 측정 알고리즘을 통해 결과 영상을 산출하게 된다. 본 상표 영상 검색 시스템은 문자 색인으로는 색인이 용이 하지 않은 기하학적도형 상표 영상만을 사용하였다. 본 시스템에서는 색상과는 상관없는 특징인 형태 정보와 방향 정보만을 이용하므로 같은 색상 구성을 가진 유사 영상뿐만 아니라, 유사하지만 바탕이 반전된 영상이나 색상이 다른 유사 영상에 대해서도 바르게 검색할 수 있으며, 각 특징을 일반화해줌으로 이동.회전.크기 변화에도 불변하는 견고성을 가진다. 또한 효율적인 검색을 위해 2단계의 구조를 사용하였으며, 각 단계마다 계산량을 줄여 검색 시간을 감소시키도록 설계되었다.

• Korea Multimedia Society
• /
• v.7 no.2
• /
• pp.68-73
• /
• 2003

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.428-432
• /
• 2005

영상 데이터와 같은 대용량의 데이터를 분류하고자 할 경우, 입력 데이터의 차원을 줄여서 특징 벡터를 뽑아내는 전처리 과정은 필수적이다. 이 경우 특징 벡터가 입력 데이터의 정보를 최대한 포함하도록 하는 것이 중요하다. 특징 벡터를 뽑는 대표적인 방법으로는 PCA, ICA, LDA, MLP와 같은 특징 추출(feature extraction) 방법을 들 수 있다. PCA와 LDA는 무감독 학습 방식이고, LDA, MLP는 감독 학습 방식에 해당한다. 감독학습 방식의 경우 입력 정보와 함께 클래스 정보를 사용하기 때문에 데이터를 분류하기에 더 좋은 특징들을 뽑아낼 수 있는 장점이 있다. 본 논문에서는 무감독 학습 방식인 PCA에 클래스에 대한 정보를 함께 사용하여 특징을 추출함으로써 데이터 분류에 더욱 적합한 특징들을 뽑는 방법을 제안하였다. 그리고, Yale face database를 사용하여 제안한 알고리즘의 성능을 기존의 알고리즘과 비교, 테스트하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.509-511
• /
• 1998

본 논문에서는 동영상 데이터베이스에서 Key-frame을 검색하는 방법을 제안한다. 본 논문에서는 Key-frame을 검색하기위해 컬러 피쳐를 공간영역에서 추출하지 않고 wavelet transform 영역에서 컬러 피쳐를 추출하는 방법을 제안한다. wavelet transform 의 저주파 밴드는 영상전체의 특징을 잘 나타내고 고주파 밴드는 texture 와 국부적인 컬러 특성을 잘 나타낸다. 색인과정 알고리즘은 영상의 크기를 정규화하고 RGB 컬러공간에서 HSV 컬러 공간으로 변환을 하여, H, S, V 각 채널에 대해 Daubechies' wavelet transform을 수행한 후 변환 영역에서 피쳐를 추출하게 된다. 색인을 위한 피쳐로 wavelet 계수와 lowest 밴드의 평균과 표준편차를 추출하였다. 효율적인 검색을 위해 검색은 2단계로 수행된다. 먼저 평균과 표준편차만을 이용한 1차 검색을 통해 2차 검색의 후보 영상들을 추출하고 2차 검색에서는 1차 검색 통과 영상들에 대해서만 wavelet 계수들을 비교하여 최종 검색 결과를 얻게 된다. 검색결과 기존의 컬러 피쳐를 이용한 방법보다 우수한 검색결과를 얻을 수 있었다.

• Smart Media Journal
• /
• v.13 no.4
• /
• pp.86-93
• /
• 2024

The development of functional magnetic resonance imaging (fMRI) has significantly contributed to mapping brain functions and understanding brain networks during rest. This paper proposes a CNN-LSTM-based classification model to classify the progression stages of Alzheimer's disease. Firstly, four preprocessing steps are performed to remove noise from the fMRI data before feature extraction. Secondly, the U-Net architecture is utilized to extract spatial features once preprocessing is completed. Thirdly, the extracted spatial features undergo LSTM processing to extract temporal features, ultimately leading to classification. Experiments were conducted by adjusting the temporal dimension of the data. Using 5-fold cross-validation, an average accuracy of 96.4% was achieved, indicating that the proposed method has high potential for identifying the progression of Alzheimer's disease by analyzing fMRI data.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.24 no.10B
• /
• pp.1902-1911
• /
• 1999

In this paper we present a content-based image retrieval algorithm using the visual feature vectors which describe the spatial characteristics of objects. The proposed technique uses the Gaussian mixture model(GMM) to represent multi-colored objects and the expectation maximization(EM) algorithm is employed to estimate the maximum likelihood(ML) parameters of the model. After image segmentation is performed based on GMM, the shape and color features are extracted from each object using Fourier descriptors and color histograms, respectively. Image retrieval consists of two steps: first, the shape-based query is carried out to find the candidate images whose objects have the similar shapes with the query image and second, the color-based query is followed. The experimental results show that the proposed algorithm is effective in image retrieving by using the spatial and visual features of segmented objects.