• Transactions of the Society of Information Storage Systems
• /
• v.3 no.4
• /
• pp.154-159
• /
• 2007

본 논문에서는 확대, 축소, 회전 등과 같은 선형, 비선형 왜곡이 포함된 이미지에 대해, 이미지의 외곽선을 찾아서 이미지를 보정하고 싱크 마크(Sync. Mark)를 사용하여 데이터를 샘플링하는 알고리즘을 제안한다. 외곽선을 찾기 위한 방법으로 허프 변환(Hough Transform)을 사용하였으며, 찾아낸 외곽선을 이용하여 이미지의 영역을 인식하고, 이미지의 왜곡을 줄이기 위하여 이미지 와핑(warping) 기법을 적용하였다. 이미지의 비선형 왜곡을 보상하기 위하여 이미지의 싱크 마크(Sync. Mark)를 공분산(covariance)을 사용하여 인식하고 샘플링 위치를 보정하였다. 또한, 제안된 알고리즘은 Over Sampling 자체를 하나의 이미지 확대로 인식하여 처리하기 때문에 어떠한 Over Sampling 에도 적용 가능하다.

• Journal of KIISE:Databases
• /
• v.30 no.2
• /
• pp.134-144
• /
• 2003

Spatial relationships among objects are one of the important ingredients for expressing constraints of an image in image or multimedia retrieval systems. In this paper, we propose a unified image retrieval scheme using spatial relationships among objects and their features. The proposed scheme is especially effective in computing similarity between query image and images in the database. Also, objects and their spatial relationships are captured and annotated in XML. It could give better precision and flexibility in retrieving images from database. Finally, we have implemented a prototype system for retrieving images based on proposed technique and showed some of the experiment results.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.105-106
• /
• 2018

본 논문에서는 동적 프로젝션 맵핑을 구현하기 위하여 3차원 공간의 깊이 정보와 대상 객체의 색상영상에서의 특징점을 추출하여 3차원 공간상에서 움직이는 2차원 평면 객체의 자세를 안정적으로 추정하는 기법을 제안한다. 제안 기법은 타겟 이미지를 출력하여 타겟 이미지 보다 큰 평면 패널에 부착하고, 이 평면 패널을 3차원 공간상에서 움직이는 환경에서 타겟 이미지의 자세를 안정적으로 추정하기 위하여 고안되었다. 제안 기법에서는 우선 패널이 움직일 수 있는 깊이 영역을 지정하여 해당 깊이 영역에 존재하는 2차원 패널을 추출하고, 패널의 사각영역을 추출한다. 또한, 색상 영상에 SURF 알고리즘을 적용하여 2차원 평면상에 부착된 타겟 이미지의 영역을 색상 특징을 기반으로 함께 추출하여 패널의 사각 영역과 타겟 이미지의 상대적인 위치 정보를 추출한다. 셋업 단계에서 추출된 타겟 이미지의 상대적인 위치 정보를 이용하여, 조명의 변화에 의하여 순간적으로 타겟 이미지의 특징점 추적에 실패한 경우, 패널의 사각 영역에 의해 계산된 타겟 이미지의 상대적 위치 정보를 계산하여 자세 추정에 사용함으로써 움직이는 타겟 이미지의 3차원 자세를 안정적으로 추정할 수 있도록 하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.1
• /
• pp.77-82
• /
• 2022

The research study was conducted for development of the advanced image analysis service system based on deep learning. CNN(Convolutional Neural Network) is built in this system to extract learning data collected from Google and Instagram. The service gets a place image of Jeju as an input and provides relevant location information of it based on its own learning data. Accuracy improvement plans are applied throughout this study. In conclusion, the implemented system shows about 79.2 of prediction accuracy. When the system has plenty of learning data, it is expected to predict various places more accurately.

• Annual Conference of KIPS
• /
• 2024.05a
• /
• pp.397-400
• /
• 2024

2013년 도커가 등장한 이후, 컨테이너 기술을 기반으로 한 프로젝트 및 사업이 지속적으로 활성화되고 있는 추세이다. 도커 컨테이너는 커널을 포함하고 있지 않음에 따라 기존 가상머신에 비해 경량화된 형태로 애플리케이션을 프로비저닝하는데 활용될 수 있다. 또한, 도커에서는 퍼블릭 도커 이미지 레포지토리인 Docker Hub를 통해 개발된 도커 이미지가 공유 및 배포될 수 있도록 하여 개발자들이 자신의 목적에 부합하는 서비스를 구축하는데 많은 도움을 주고 있다. 최근에는 클라우드 네이티브 환경에 대한 수요가 증가하면서 컨테이너 기술이 더욱 각광받고 있는 실정이다. 이에 따라 도커 이미지 및 이를 기반으로 한 도커 컨테이너 환경에 대한 보안을 위한 연구/개발은 다수 이루어지고 있으나, 도커 이미지 라이선스 컴플라이언스 이슈에 대한 논의 및 민감 데이터 보호 방안에 대한 연구/개발은 부재한 상황이다. 이에 본 논문에서는 도커 이미지 라이선스 컴플라이언스 위반 방지 시스템을 제안하여 도커 이미지 업로드시, Docker Hub 내 도커 이미지와 유사도 검사를 수행할 수 있는 방안을 제시하고자 하며, 도커 이미지 내 민감 데이터를 식별하고 이를 보안할 수 있는 방안에 대해 제시하여 신뢰할 수 있는 도커 컨테이너 공급망을 구축할 수 있음을 보인다.

• 한국HCI학회:학술대회논문집
• /
• 2008.02a
• /
• pp.380-383
• /
• 2008

본 논문은 단순한 키워드 검색에서 발생하는 오차를 줄이기 위해 이미지의 코너정보와 그레이스케일 히스토그램 정제를 이용한 영상 검색 시스템을 구현하고자 한다. 먼저 원하는 이미지의 특정을 추출하는 단계와 추출된 특징을 분석하는 단계, 확보된 정보를 데이터베이스로부터 검색하는 단계, 그 결과 안에서의 그레이스케일 히스토그램 정제 방법으로 다시 재검색하는 단계, 마지막으로 정확한 정보 추출단계를 거치게 된다. 구현 알고리즘은 검색 단계에 있어서 크게 2단계로 나눠진다. 먼저 이미지를 에지로 변환 코너정보를 추출하는 단계, 코너 점의 픽셀을 3*3으로 나누어 RGB중의 픽셀의 합을 하는 단계, 그 코너 값을 데이터베이스와 비교하는 단계, 최대 500개까지의 추출된 이미지를 데이터베이스에 저장되는 단계로 이루어지며 다음 단계는 원 이미지를 그레이스케일로 변환 등질화하는 단계, 히스토그램 정보 획득하는 단계, 8*8 개의 빈으로 나누어 최대 색상정보 값을 추출하는 단계, 그리고 최대 색상정보 영역을 1단계 결과 값과 비교하여 정확한 검색을 얻는 단계로 구성되며 시뮬레이션 결과는 우수한 정확도를 보여 주고 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07a
• /
• pp.631-633
• /
• 2005

본 논문에서는 모바일 환경에서의 수생 식물 정보 검색 시스템을 구현하였다. 검색 시스템은 크게 스케치를 통한 잎 모양 검색, 식물 서식지의 GPS 정보를 이용한 검색, 모양 예제를 통한 검색으로 나누어 구현하였다. 우선, 스케치를 통한 잎 모양 검색은 사용자로부터의 스케치 입력, 해당 이미지의 표현, 데이터베이스에 저장된 이미지와의 매칭, 추출의 네 단계로 이루어진다. GPS 정보를 이용한 검색은 식물의 서식지의 지리정보를 바탕으로 검색을 하며, 모양 예제를 통한 검색은 꽃모양, 잎모양 등에 대한 대표적인 샘플 이미지를 정의하여 사용자의 선택에 의해 검색을 하도록 하였다. 실험을 통해서 사용자의 성향, 질의 이미지의 복잡도, 실험 이미지의 셀 사이즈에 따른 다양한 실험 결과를 얻을 수 있었다.

• Annual Conference of KIPS
• /
• 2012.11a
• /
• pp.507-509
• /
• 2012

많은 사용자가 직접 글을 작성하고 데이터를 업로드 하는 SNS 서비스의 데이터 분류 및 분석에서 빅 데이터 활용방안이 다양하게 논의되고 있다. 특히 기존에 활용하던 텍스트 기반의 분류에서 이미지, 동영상에 대한 분류가 다양하게 시도되고 있다. 본 논문에서는 위키피디아를 이용한 이미지 태그의 의미정보를 바탕으로 플리커에서 샘플 이미지를 추출하고 이를 활용하여 'bag of visual word' 기법으로 사용자가 업로드한 이미지를 자동 분류하는 방법을 소개한다.

• Annual Conference of KIPS
• /
• 2023.05a
• /
• pp.334-335
• /
• 2023

본 논문에서는 이미지 데이터와 각종 텍스트 기반의 데이터를 적절히 결합하여 유용한 데이터를 만들어 내는 방법을 제안한다. 그 사례로 편의점 상품 이미지와 편의점 프로모션 데이터, 사용자 위치정보 데이터를 적절히 결합하여 사용자가 편의점 상품 전면 이미지를 제공했을 때, 해당 상품이 어떤 편의점 브랜드에서 어떤 프로모션을 진행하고 있는지, 그리고 현재 위치에서 가까운 점포가 어디인지를 사용자에게 제공하는 시스템을 구현한다. 이미지를 어떤 데이터와 결합하는지에 따라 다양한 요구사항에 대응할 수 있다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.8 no.6
• /
• pp.692-704
• /
• 2002

In this paper, we present am image retrieval method based on color-spatial features using quadtree and texture information extracted from object MBRs in an image. Tile proposed method consists of creating a DC image from an original image, changing a color coordinate system, and decomposing regions using quadtree. As such, conditions are present to decompose the DC image, then the system extracts representative colors from each region. And, image segmentation is used to search for object MBRs, including object themselves, object included in the background, or certain background region, then the wavelet coefficients are calculated to provide texture information. Experiments were conducted using the proposed similarity method based on color-spatial and texture features. Our method was able to refute the amount of feature vector storage by about 53%, but was similar to the original image as regards precision and recall. Furthermore, to make up for the deficiency in using only color-spatial features, texture information was added and the results showed images that included objects from the query images.