• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2000년도 추계학술대회
• /
• pp.208-213
• /
• 2000

본 논문은 정지 화상에 대한 CBIR(Content-Based Image Retrieval)방법 중 칼라 특성을 이용해서 영상 내 공간 정보를 충분하게 표현할 수 있는 알고리즘을 제안한다. 일반적으로 칼라 특성을 이용한 CBIR은 영상 내 공간정보를 충분하게 표현하지 못하는 단점을 지니고 있다. 이에 기존 논문에서는 인위적으로 영상을 여러 개로 분할하는 방법 등으로 공간정보를 표현하고자 하였지만 특징벡터의 수가 급격히 늘어남에 따라 검색효율이 저하된다는 단점을 가지고있다. 본 논문에서는 기존의 방법을 칼라 오브젝트의 추출 방법에 따라 1차와 2차 관계에 의한 방법으로 분류하고, 이동, 회전 특히 크기 변화(축소, 확대)에 탁월한 성능을 보이는 칼라 오브젝트의 3차 관계를 이용한 방법을 소개한다. 주어진 영상으로부터 양자화된 24개의 버킷을 생성해서 각 버킷 내의 칼라에 대한 색의 표준 편차로 색의 분산 정도틀 나타내고, 히스토그램의 빈도수가 높은 세 개 버킷의 평균 칼라 위치를 계산해서 그들의 상호 각도를 추출하여 영상의 특징 벡터로 사용한을 제안하였다. 실험결과 기존 방법보다 특히 영상의 크기 변화에 대해 좋은 결과를 얻을 수 있었으며, 계산량도 적어 효율적임을 보여 주었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 추계학술대회
• /
• pp.169-171
• /
• 2011

최근 통신 환경의 진화와 고사양 모바일 단말기의 대중화로 인하여 모바일 통신 환경에서 동영상 서비스를 이용하는 사용자가 급증하고 있다. 사용자들은 제한적인 데이터 사용량을 이용하여 필요한 영상을 효율적으로 검색 및 탐색하기 위하여 미리보기 서비스 또는 Thumbnail을 이용한다. 이 중 Thumbnail은 동영상의 복호화 과정에서 제공되는 서비스이며, 이를 효과적으로 추출하는데 있어서 낮은 복잡도의 기술들이 사용되어야 한다. 본 논문에서는 영상의 히스토그램의 특징을 이용한 Thumbnail 추출 기법을 제안한다. 제안하는 추출 기법에서는 각 영상의 히스토그램을 비교 및 분석하여 하나의 video을 다수의 구간으로 분할하고, 각 구간의 대표 Thumbnail을 추출하는 방법을 사용한다. 다양한 영상을 이용한 실험 결과는 제안하는 알고리즘이 효과적으로 Thumbnail을 추출함을 보여준다.

• 융합신호처리학회논문지
• /
• 제2권2호
• /
• pp.47-54
• /
• 2001

본 논문에서는 얼굴의 특징 추출 알고리즘을 제안한다. 사람의 얼굴에 대한 특징 인수를 추출하기 위하여 우선 이진 영상을 생성한다. 하나 하나의 고립된 영역으로 분리하기 위하여 화소 라베링을 한 후 만들어진 가변 블록 단위로 면적을 구하고, 윤곽선 추적 방법에 의하여 둘레를 추한 후 면적, 둘레, 원형도 및 모양의 유사도를 구한다. 전체 유사도와 일반적인 구조 및 특징을 활용하여 눈, 코, 입의 특징 요소를 추출한 후 12개의 얼굴의 특징 인수들을 추출한다. 얼굴의 왼쪽 눈과 오른쪽 눈 사이의 거리, 왼쪽 눈과 코와의 거리, 오른쪽 눈과 코와의 거리, 왼쪽 눈과 입과의 거리, 오른쪽 눈과 입과의 거리, 코와 입과의 거리 및 각 거리간의 기울기를 이용하여 100명으로부터 획득한 297개의 원 영상을 대상으로 12개의 특징 인수를 추출한 결과 92.73%의 추출 성공률을 보였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2000년도 제13회 신호처리 합동 학술대회 논문집
• /
• pp.465-468
• /
• 2000

얼굴 영상은 똑같은 표정의 같은 사람이라도 조명에 따라 매우 다른 얼굴 영상으로 나타난다. 따라서 본 논문에서는 조명 변화에 강인한 얼굴 인식 방법을 제안한다. 제안된 방법은 오프라인 훈련(off-line training)과 온라인 인식(on-line recognition)의 두 부분으로 이루어져 있다. 오프라인 훈련은 PCA(principal component analysis)를 기반으로 한다. 온라인 인식에서는 조명 변화에 대한 보상, 얼굴 특징의 추출, 그리고 인식을 위한 분류 과정의 3 단계로 구성되어 있다. 오프라인 훈련에서는 전체 훈련 얼굴 영상 데이터에 PCA를 적용하여 조명 변화가 최대한 제외된 특징 벡터 공간을 생성한다. 실제 인식 단계에서는 첫 번째로 입력 영상으로 들어온 얼굴 영상에서 조명의 영향을 보상하기 위해 준동형 필터링(homomorphic filtering) 후 밝기 정규화(normalization)를 취한다. 두 번째 단계에서는 입력 데이터의 차원을 줄이고 얼굴 특징 벡터를 구하기 위해 PCA를 수행한다. 마지막 과정으로서 입력 영상의 특징 벡터들과 오프라인에서 미리 구하여진 특징 벡터들의 유사도를 측정하여 얼굴을 인식하게 된다. 실험 결과 제안된 방법은 기존의 Eigenface 방법에 비해 우수한 성능을 나타내었다.

• 융합신호처리학회논문지
• /
• 제2권4호
• /
• pp.22-30
• /
• 2001

본 논문은 유방질환 중에서 유관(duct )에 발생하는 유방종양을 Benign, DCIS(ductal carcinoma in situ) NOS (invasive ductal carcinoma)로 분류하기 위해 3가지 분류기 (classifier) 를 생성한 후, 비교 분석하였다. 분류기 생성에서 가장 중요한 단계인 특징 추출 단계에서 세포핵의 기하학적 특징을 형태학적 특징을 추출하여 분류기를 생성하고 염색질 패턴의 내부적 변화를 나타내는 질감 특징을 추출하여 2가지 배율(100/400배)에서 2개의 분류기를 생성하였다. 400배 배율의 유방질환 영상에서 세포핵을 추출하여 핵의 형태학적 특징값인 핵의 면적, 둘레. 가로, 세로(장. 단축) 의 길이, 원형성의 비율을 구한 후 이 특징값들을 조합하여 판별분석에 의해 분류기를 생생하고, 분류 정확도를 검증하였다. 100배 배율과 400배의 배율의 유방질환 영상에서 1, 2, 3, 4 단계(level)의 wavelet 변환를 적용한 후, 분할된 서브밴드에서 GLCM(Gray Level Co-occurrence Matrix)을 이용하여 질감 특징(entropy Energy, Contrast, Homogeneity)를 추출하고, 이 특징값들을 조합하여 판변 분석에 의해 분류기를 생성한 후 분류 정확도를 검증하였다. 이 세 분류기를 비교 분석 하였을때 현민경 100배 배율의 영상을 3단계 wavelet 변환을 적용하고 질감 특징을 추출하여 생성한 분류기가 다른 두 분류기보다 유방 질환 Benign, DCIS; NOS를 분류하는데 더 나은 결과를 보였다.

• 한국멀티미디어학회논문지
• /
• 제6권7호
• /
• pp.1178-1188
• /
• 2003

본 논문에서는 손에 든 비디오 카메라로 촬영한 영상을 결합하여 대형 고해상도 영상을 생성하는 모자익 기법에 관해 기술한다. 기존의 특징점 기반 대응점 검색 기법들이 사람의 개입에 의해 영상을 정합하거나, 형태정보만 이용하는 방법을 사용 하는 것과는 달리 형태정보와 칼라정보를 모두 사용하여 사람의 개입이 없이 자동으로 정확한 중첩영역을 검색하는 방법을 제안한다. 제안한 방법은 인접하는 영상 간에 빠른 속도로 대응점을 추정하여 영상간의 초기 변환관계를 계산하는 보로노이 거리(Voronoi Distance)정합법을 이용하여 비슷한 형태를 가진 후보 영역들을 추출한 다음, 칼라 정보를 이용하여 최종 중첩영역을 찾는다. 이것은 영상내의 특징점을 기준으로 특징점 사이의 거리가 동일하도록 기준영상의 보로노이 평면(Voronoi Surface)을 생성하고 입력영상과 기준 영상간의 정합 부분에서 누적된 보로노이 거리를 최소화하는 대응점을 이항검색 기법으로 추출하는 방법이다. 추출된 계산된 초기 변환행렬은 Levenberg-Marquadt 방법을 통해 최적 변환행렬로 수정되고 이 변환행렬에 의해 영상이 합성되어진다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제16권1호
• /
• pp.85-89
• /
• 2010

대부분의 영상들은 여러 객체 영역들의 시각적인 특징과 각각의 의미들의 조합으로 구성되어 있다. 그러나 일반적으로 영상 처리를 위한 컴퓨터 시스템들은 영상을 특정 객체 영역의 의미 정보 단위로 해석하지 못하기 때문에 사람이 영상을 인지하는 것과 의미적인 차이(semantic gap)가 발생한다. 본 논문에서는 이러한 문제점을 극복하기 위하여 각 객체 영역 단위에서 추출한 고유한 특징점들을 고차원의 의미 정보로 모델링하여 영상을 분류하는 방법을 제안한다. 제안하는 방법은 객체 단위로 추출된 고유한 특징점들의 의미 정보를 특정 객체 영역을 인식하기 위한 의미 단서로 이용한다. 이를 통하여 기존의 영상 분류 방법들에 비하여 인간의 인지 능력과 유사하고 보다 효율적으로 영상을 분류할 수 있는 장점이 있다. 실험 결과는 다양한 카테고리 종류의 영상에 대하여 제안하는 방법의 효과적인 분류 성능을 보여준다.

• 한국인터넷방송통신학회논문지
• /
• 제13권6호
• /
• pp.63-69
• /
• 2013

특징 기반 영상 인식 방법은 객체의 특징을 이용하므로 템플릿 정합에 비해 고속으로 수행될 수 있다. 불변 특징 기반의 파노라마 생성은 영상 인식의 한 응용으로서, 두 영상 간의 특징점 정합에 많은 처리 시간이 필요하다. 본 논문에서는 특징 강도 정보를 이용하여 특징점 정합 속도를 향상시키는 방법을 제안한다. SURF 알고리즘으로 특징점들을 추출한 후, 특징 강도 정보를 계산하여 강한 특징점들을 선택하여 특징 정합에 사용한다. 특징 강도가 강한 특징점들은 그렇지 않은 특징점들 보다 더 의미 있다고 볼 수 있다. 실험에서 $320{\times}240$ 크기의 칼라 영상에 대해 제안한 방법은 특징 강도 정보를 사용하지 않았을 때보다 40% 이상 처리 속도의 향상을 보였다.

• 한국멀티미디어학회논문지
• /
• 제8권10호
• /
• pp.1347-1359
• /
• 2005

본 논문에서는 공간 명암도 의존 행렬을 이용하여 문서영상의 다양한 블록들을 상세하게 분류해 낼 수 있는 방법을 제안하였다. 제안한 블록분류 방법에서는 먼저 명암도 문서영상을 이진화하여 평활화 기법을 적용함으로써 명암도 영상의 질감특징을 이용하여 분할하는 것보다 신속하게 블록을 분할하고 동시에 그 위치정보도 구할 수 있도록 하였다. 분할된 각 블록들의 공간 명암도 의존 행렬로부터 문서블록들의 7가지 질감특징을 구하고, 이를 정규화한 다음 역전파 신경회로망를 이용하여 문서블록들을 분류하였다. 문서블록들을 큰 문자, 중간 문자, 작은 문자, 표, 그래픽 및 사진 등 여섯 가지 유형으로 상세 분류하였다. 또한 명암도 문서영상의 2차 통계 질감특징을 얻기 위해 공간 명암도 의존 행렬을 구할 때, 기존의 사진과 같은 일반 영상분할에서와는 달리, 문서블록 고유의 특징이 잘 반영되도록 하였다. 즉, 분할된 각 블록을 하나의 마스크로 정하여 수평 한 방향의 공간 명암도 의존 행렬을 구함으로써 고속의 질감특징추출과 상세 블록분류가 가능하도록 하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (2)
• /
• pp.580-582
• /
• 2003

특징점 기반 지문 인식 방법은 지문 영상의 전처리 과정을 포함한 특징점 추출 과정과 추출된 특징점들의 유사도를 판단하는 정합 과정으로 구성된다. 특징점들의 정합과정을 수행하는 여러 가지 방법들 중 Hausdorff 거리 기반 정합 방법은 이동과 회전이 적은 지문의 특징점들에 대해 빠르게 계산할 수 있는 장점을 갖는다. 그러나, 이 방법은 이동과 회전이 많은 지문 영상의 경우 연산이 많아지는 단점을 가진다. 본 논문에서는 정합을 실행하기 전 지문의 중심점과 지역적인 블럭들의 방향성을 기준으로 정렬을 수행하여 비교되는 지문 특징점간의 회전 오차와 이동 오차를 줄임으로써, 기존의 정합 방법의 불필요한 연산량을 줄일 수 있는 방법을 제안하였다. 제안된 방법을 검증하기 위해 Hausdorff 거리 기반 정합 방법을 구현하고 그것에 대한 결과와 선정렬을 사용한 후의 정합 결과를 실험, 비교하였다. 이때의 평균 Hausdorff 거리는 Genuine의 경우 0.095가 줄어들었고, Improster의 경우 0.655가 늘어나는 성능 향상을 나타냈다.