• Journal of KIISE:Software and Applications
• /
• v.27 no.10
• /
• pp.1038-1045
• /
• 2000

본 논문에서는 칼라공간상의 거리와 이웃정보를 이용한 클러스터링을 통한 칼라영상 분할 방법을 제안한다. 칼라영상의 한 픽셀은 칼라정보(R.G.B)와 위치정보(x.y)를 가진다. 대개의 칼라공간에서의 클러스터링방법은 픽셀을 (R,G,B)공간으로 변환후 (R,G,B)공간상의 분포만을 이용하지만 여기서는(R,G,B)와 (x.y)모두를 사용하여 클러스터링함으로 영상의 세그먼트들을 찾는다. 클러스터링 방법으로서 인력을 모방하는 중력 클러스터링(gravitational clustering)을 사용하였다. 이 방법은 클러스터의 중심값과 클러스터 수를 미리 정해주지 않아도 자동적으로 결정할 수 있는 장점이 있다. 중력 클러스터링에서 찾은 클러스터 수를 가지고 다른 클러스터링 방법(K-means)에 입력으로 주어 결과를 비교해 본다. 본 논문에서는 이웃관계를 따라 클러스터링하는 것이 정확한 경계선을 찾는데 효과적임을 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.384-385
• /
• 2011

본 논문은 중요도 맵과 Mean Shift 알고리즘을 이용하여 모바일 폰 영상 내의 와인 라벨 검출 방법을 제안한다. Mean Shift 알고리즘은 비모수적 클러스터링 기술로 클러스터의 수에 대한 사전 지식이 없이도 클러스터링이 가능한 알고리즘인데 실행 시간이 많이 필요한 단점이 있다. 이러한 문제를 해결하기 위해서 입력 칼라 와인 영상에 Saliency Map을 먼저 적용하고 영상의 두드러진 영역을 찾는다. 다음으로 Mean Shift 알고리즘을 이용한 분할 결과에서 얻은 칼라 마스크를 따라 빈도가 가장 높은 칼라 영역을 찾고 와인 라벨 영역을 검출한다. 실험결과를 통하여 제안된 방법을 모바일 폰을 이용하여 획득된 다양한 와인 영상의 라벨 영역을 효율적으로 검출할 수 있음을 볼 수 있다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.177-181
• /
• 2001

본 논문에서는 칼라차 영상을 이용하여 물체들의 움직임을 분석하고 이동 형태들의 대한 RGB 특징 값을 추출하였으며 그 동안 미해결 과제로 남았던 이동 물체들 사이의 영역정합(matching)과 군집화 (clustering)를 이용하여 대응(Correspondence)관계를 확인하는 문제를 해결하여 이동 물체들을 추구하여 보았다.

• 방재와보험
• /
• s.50
• /
• pp.2-3
• /
• 1991

• 방재와보험
• /
• s.46
• /
• pp.2-3
• /
• 1990

• 방재와보험
• /
• s.42
• /
• pp.2-3
• /
• 1989

• 방재와보험
• /
• s.48
• /
• pp.2-3
• /
• 1990

• 방재와보험
• /
• s.47
• /
• pp.2-3
• /
• 1990

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.42 no.1
• /
• pp.33-42
• /
• 2005

Identifying color codes needs precise color information of their constituents, and is far from trivial because colors usually suffer severe distortions throughout the entire procedures from printing to acquiring image data. To accomplish accurate identification of colors, we need a reliable segmentation method to separate different color regions from each other, which would enable us to process the whole pixels in the region of a color statistically, instead of a subset of pixels in the region. Color image segmentation can be accomplished by performing edge detection on component image(s). In this paper, we separately detected edges on component images from RGB, HSI, and YIQ color models, and performed mathematical analyses and experiments to find out a pair of component images that provided the best edge image when combined. The best result was obtained by combining Y- and R-component edge images.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.257-262
• /
• 2002

영상을 적은 비트로 표현할 때 먼저 양자화를 이용하여 칼라맵을 생성한다. 그리고 적은 비트의 칼라맵으로도 인간의 시각에 적합하게 표현하기 위해 디더링을 결합한다. 본 논문에서는 디더링 기법중 오차확산법이 주변화소로 양자화 에러를 확산한다는 것을 고려하여 칼라맵을 생성하는 새로운 방법을 제안한다. 제안방법은 LBG 알고리즘의 개선하여 클러스터의 양자화 벡터를 구하는 각각의 반복단계에서 현재 양자화 벡터와 새로운 중심값(centroid)을 연결하는 직선 상에서 새로운 양자화벡터를 구하는 기존의 알고리즘에 에러를 고려하여 새로운 양자화 벡터를 얻을 수 있도록 하였다. 제안방법을 적용하였을 때 기존의 LBG 알고리즘에 비해 양자화 영상과 디더영상의 화질이 개선되었다. 또한 각 칼라별 MSE 와 영상전체 MSE 에 대해서도 제안방법은 기존의 LBG 알고리즘에 대해 개선되었다.