• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.161-164
• /
• 2007

최근 인터넷과 멀티미디어 기술이 발달함에 따라 이미지 데이터의 양이 급속히 증가하고 있다. 증가하는 이미지를 효과적으로 관리하고 검색하기 위해 내용기반 이미지 검색에 대한 연구가 활발히 진행되고 있다. 대부분의 내용 기반 이미지 검색 시스템은 색상, 모양, 질감 특징을 이용한 유사도-기반검색에 초점을 맞추고 있다. 따라서 본 논문에서는 이미지에 나타나는 주요 색상과 색상의 공간적 특성을 포함하는 픽셀샘플링, 그리고 이미지의 외형적 변경에 강인함을 갖는 불변 모멘트 값을 이용한 내용기반 이미지 검색 시스템을 제안한다. 첫 번째 유사성 검사 단계에서는 이미지의 영역별로 가중치를 부여하여 추출한 대표색상을 사용하여, 유사하지 않은 이미지를 제거하여 검색대상의 수를 줄이며, 두 번째 유사성 검사 단계에서는 첫 번째 단계에서 선별된 후보 이미지에 색상의 공간적 정보를 포함한 픽셀샘플링을 이용하여 색상의 공간적인 위치까지 유사한 이미지만을 선별한다. 두 번째 유사성 검사단계에서 이미지가 외형적으로 변형된 유사이미지의 검출이 어려운 점을 보완하는 방법으로 이미지의 불변 모멘트를 이용하여 검색의 정확성을 높인다. 제안한 이미지 검색 방법은 10000개의 다양한 이미지로 구성된 데이터베이스에서 검색을 효율성을 실험하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2008.05a
• /
• pp.1779-1783
• /
• 2008

영상해석을 통한 흐름해석의 방법인 Large-Scale Particle Image Velocimetry (LSPIV)는 실험실내의 소규모 흐름해석에 이용하던 Particle Image Velocimetry (PIV)를 자연하천이나 실험실에서 넓은 영역($4m^2{\sim}45,000m^2$)에 적용할 수 있도록 확장시킨 것으로 지난 10여년전부터 세계적으로 널리 이에 대한 연구가 진행되고 있다. PIV는 seeding, illumination, recording 그리고 image processing으로 구성된다. LSPIV(Large Scale PIV)는 PIV의 기본원리를 근거로 하여 기존의 PIV에 비하여 실험실 내에서의 수리모형실험이나 일반 하천에서의 유속측정과 같은 큰 규모의 흐름해석을 할 수 있도록 seeding, illumination에 대한 조정이 필요 하고, 촬영된 image에 대한 왜곡을 없애는 작업이 필요하다. LSPIV는 PIV의 네 가지 단계를 포함하여 seeding, illumination, recording, image transformation, image processing 및 post-processing의 여섯 단계로 구성되어진다 (Li, 2002). LSPIV의 적용시 각 단계마다 유속계산시 오차를 발생시키는 27가지의 요인들이 존재하고 있는바 (Kim, 2006), 본 연구에서는 이들 중 실내의 실험실에서 파악이 가능한 인자들에 대해 그들 각각의 인자들이 유속 측정에 미치는 오차의 정도를 파악하고자 하였다. 본 연구에서는 LSPIV의 적용시 이용되는 이미지의 개수와 이미지 촬영시 적용된 이미지의 해상도에 따른 오차의 발생 정도를 조사하였다. 이미지 촬영에 있어서 비디오카메라를 이용할 경우 촬영시간에 따라 많은 수의 이미지를 취득할 수 있은바 이미지의 수에 따른 유속계산오차를 파악하고자 하였다. 또한 디지털 카메라를 이용할 경우 여러 가지 이미지 해상도를 이용할 수 있으므로 적용한 이미지 해상도에 따른 유속계산에 미치는 오차의 크기를 파악하고자 하였다. 이미지의 갯수가 유속계산시 미치는 오차의 영향의 정도를 조사하기 위해서 초당 30 frame을 촬영할 수 있는 비디오카메라를 이용하여 91초 동안 촬영된 이미지로부터 매 5번째의 이미지를 추출하여 455개의 이미지를 준비하였고 이로부터 이미지수를 10, 50, 100, 200, 300, 400의 순서로 증가시키면서 이미지 개수로부터 나타나는 유속계산 오차를 조사한 결과 이미지의 개수가 50매 이상인 경우는 이로 인한 오차가 1% 이하로 감소함을 파악하였다. 촬영된 이미지의 해상도가 유속계산시 미치는 영향을 조사하기 위해 디지털카메라를 적용하여 세가지 이미지 해상도(640*480, 1280*960, 2048*1536 pixel)로 변화시키면서 유속측정 오차를 분석한 결과 저해상도의 이미지를 이용한 경우 고해상도 이미지를 이용한 경우와 비교하여 3% 가량의 차이를 나타내었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.165-168
• /
• 2007

이미지 데이터를 의미적으로 검색하기 위한 가장 중요한 요소는 이미지의 정보를 표현하고 있는 주석이라고 할 수 있다. 이미지의 주석은 관리자가 사용자 입장에서 검색이 가능한 이미지를 표현할 수 있는 키워드를 선별하여 데이터화한 것이다. 그러다보니 이미지내 의미를 모두 표현하기위해 주석에 수는 증가되고, 증가된 주석은 각각에 이미지에서 차지하고 있는 의미량을 고려하지않고 동일한 크기를 가지게 된다. 이러한 경우 실제적으로 검색하였을 때 의미량에 상관없이 질의어와 주석이 일치한 모든 이미지를 검색하므로 사용자가 검색 결과에서 의미량이 큰 이미지를 다시 재검색하거나 주석입력자와 사용자와 어휘 표현에 차이 때문에 검색에 재검색해야한다. 따라서 본 논문에서는 의미량을 이용하여 효율적인 이미지 검색을 하기 위해 각 키워드 간에 의미적인 관계를 어휘 온톨로지인 WordNet을 이용하여 유사도 측정을 하고, 측정한 데이터를 이용하여 전체 이미지 의미량에서 해당 키워드가 갖는 의미량을 측정한다. 의미량은 이미지 검색시 질의어가 이미지에서 차지하고 있는 비율을 비교하여 가장 높은 의미량을 갖는 이미지를 우선 검색하고 의미량이 가장 큰 키워드를 대표키워드로 추출하여 WordNet상에서 동일한 의미를 갖는 계층에 단어들로 주석을 확장한다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02b
• /
• pp.249-255
• /
• 2007

컴퓨터 하드웨어 및 소프트웨어의 발전으로 그래픽 처리 기술은 날로 발전을 거듭하고 있으며 하드웨어의 기능을 최대한 이끌어내기 위한 소프트웨어 기술 또한 발전하고 있다. 이러한 발전으로 인하여 다양한 영상처리 분야에서 빠른 이미지 프로세싱이 가능하게 되었지만 빠른 이미지 프로세싱 능력에도 불구하고 프로그래밍 기술은 기존 것을 고수하고 있다. 일반적으로 사용해오던 기술은 높은 프로그래밍 지식을 필요로 하는 분야였고 이러한 이유로 이미지 프로세싱 기법을 전문적인 프로그래밍 지식이 부족한 예술계의 사용자가 이용하는 데에는 어려움이 있었다. 이러한 문제점을 해결하고 이미지 하드웨어 및 소프트웨어의 효율적인 사용 환경을 위하여 Apple사에서 OpenGL과 Objective-C를 이용한 좀더 간단한 이미지 프로세싱 기법인 코어 이미지(Core Image)를 개발하였다. OS와 어플리케이션 상에서 빠른 이미지 프로세싱을 위해 개발된 코어 이미지는 기존의 이미지 프로세싱 기법에서 복잡한 형태의 프로그래밍을 요했던 것과는 달리, 여러 이미지 프로세싱 기법을 간단한 플러그인 형태로 지원한다. 예술적인 측면에서 다양한 이미지 프로세싱 기법을 보다 손쉽게 사용할 수 있으며 사용 방법 또한 간단하여 전문적인 프로그램 지식이 부족한 일반 사용자도 예술적인 측면에서 이미지 프로세싱 기술을 쉽게 접목할 수 있도록 구성되어 있다. 하지만 코어 이미지가 국내에서는 소수의 사용자만이 이용하는 Mac OS에서만 사용 가능한 프로세싱 기술이라는 문제점 또한 지니고 있다. 본 논문에서는 코어 이미지의 개념과 구동 원리 및 실제 예술 작품에 적용된 사례를 분석하고, 이를 통하여 다양한 분야에서의 코어 이미지의 가능성에 대하여 전망해 본다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06c
• /
• pp.462-467
• /
• 2008

최근 웹 2.0 시대 참여, 공유, 개방 정신이 확대 되고, 다양한 디지털 저작물들이 대량 제작되어 활용되고 있다. 그리고 디지털 저작물의 특징상 누구나 손쉽게 무제한으로 복제와 유통이 가능함으로 디지털 저작물이 양은 기하급수적으로 증가하고 있다. 증가하는 이미지를 효과적으로 관리하고 검색하기 위해 색상, 질감, 모양 등을 이용한 내용기반 이미지 검색에 대한 연구가 활발히 진행되고 있다. 색상을 이용한 이미지 검색방법의 하나로 색상 히스토그램을 이용한 검색 방법이 있다. 그러나 이는 공간적인 상호관계를 적절히 표현하지 못한다는 단점이 있다. 따라서 본 논문에서는 이미지에 나타나는 주요 색상 및 불변 모멘트 값과 이미지의 중앙을 중심으로 한 영역별 유사도 검사를 통한 내용기반 이미지 검색 시스템을 제안한다. 첫 번째 유사성 검사 단계에서는 이미지의 영역별로 가중치를 부여하여 추출한 대표색상 정보를 사용하여, 유사하지 않은 이미지를 제거하여 검색대상의 수를 줄인다. 두 번째 유사성 검사 단계에서는 이미지를 영역으로 나누고, 이미지의 중심 영역부터 영역을 확장하며 영역마다 구축된 인덱스 검색을 통해 영역기반 유사 이미지 검색을 수행 한다. 세 번 단계에서는 이미지의 변형에 불변한 값인 불변 모멘트를 사용하여, 영역별 검사에서 제외된 유사이미지를 재검사한다. 제안한 이미지 검색 방법은 10000개의 다양한 이미지로 구성된 이미지 데이터베이스에서 검색을 실험을 통해 검색의 정확도 및 회수율을 측정하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.709-711
• /
• 2004

이 논문의 목적은 기하급수적으로 늘어나고 있는 이미지 데이터의 효율적인 검색을 위해 텍스처의 특징을 추출하여 이미지를 검색하는 방법을 제시하고, 다중 필터를 이용한 이미지 검색 기술을 보여주는 것이다. 본 논문에서는 텍스처 이미지 분석에 다양하게 이용되고 있는 Gabor Filtering 기술을 이용하여 질의 이미지에 대한 최적 필터를 선택하는 과정과 선택된 필터를 적용하여 최적의 이미지를 검색하는 프로세스를 제시하고자 한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.177-180
• /
• 2001

본 논문에서는 신경망을 이용한 내용 기반 이미지 분류 방법을 제안한다. 분류 대상이미지는 인터넷상의 다양한 이미지들 중 오브젝트 이미지이대 웹 에이전트를 통하여 획득하고 정규화 과정을 거친다. 획득한 이미지를 분류하기 위한 특징은 웨이블릿 변란 후 추출된 질감 특징이다. 추출된 질감 특징을 이용하여 학습패턴을 생성하고 신경망을 학습한다. 그리고 구성된 신경망 분류기로 이미지를 분류한다. 본 연구에서는 다양한 질감 특징들 중에서 대비(contrast), 에너지(energy), 엔트로피(entropy)를 이용하여 특징을 추출한다. 실험에 사용한 데이터는 30종류에 대하여 각각 10개씩, 300개의 이미지들을 학습 데이터, 테스트 데이터로 사용하여 구성된 분류기의 인식률을 실험하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.35-38
• /
• 2004

기존의 내용기반 이미지 검색 시스템은 색상, 질감, 모양등과 같은 특징 벡터를 추출하여 검색하는 방법이 많이 연구되어 왔다. 특히 색상 정보는 이미지를 검색하기 위하여 중요한 정보로 사용되고 있다. 따라서 색상 이미지를 검색하기 위해서 평균 RGB, HSI값을 이용하거나 히스토그램을 이용하는 방식이 많이 사용 되어왔다. 본 논문에서는 사람이 시각적으로 보고 느끼는 색상(H), 채도(S), 명도(I) 방식을 이용한 HSI값을 사용하여 색상 의미를 이용한 지능적 이미지 검색 기법을 제안하고 알고리즘을 설명한다. 색상 의미(Color Semantics)란 사람의 시각적인 특징을 기반으로 칼라 이미지에 적용하여 감성 형용사 기반으로 검색할 수 있는 방법이다. 색상 의미를 이용한 지능적 이미지 검색은 색상-기반 질의(color-based retrieval)를 제공할 뿐만 아니라 인간의 감성이나 느낌에 의한 의미-기반 질의(semantic-based retrieval)방식을 가능하게 한다. 즉, "시원한 이미지" 혹은 "부드러운 이미지"를 검색하는 방식이다. 따라서 사용자의 검색 의도를 보다 정확하게 표현할 수 있으며, 검색의 결과에 대한 만족도를 향상 시킬 수 있다.

• Proceedings of the Korean Society for Information Management Conference
• /
• 2006.08a
• /
• pp.183-189
• /
• 2006

이 연구에서는 색상 자질을 이용하여 이미지를 검색할 때 이미지를 분할하여 각 영역별로 색인하여 검색하는 것의 유용성을 알아보고 분할된 영역간의 유사도 산출 기법을 제안하였다. 실험결과, 질의 이미지의 특정 영역과 최대의 유사도를 갖는 검색 이미지의 영역을 이미지간 유사도 산출 방법으로 이용하고, 이미지 영역을 세분할수록 이미지 검색 성능이 향상되었다. 특히 검색 성능이 좋지 않은 질의 이미지의 경우, 이 연구에서 제안한 기법이 더욱 유용하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.259-261
• /
• 1998

멀티미디어 데이터 중에서도 많은 부문의 응용에 사용되는 이미지 데이터의 내용 기반 검색에 대한 연구가 활발히 이뤄지고 있지만, 기조의 내용 기반 이미지 검색 대부분이 대상으로 삼고 있는 임지 포맷과는 달리 현재 이용되는 대부분의 이미지는 압축된 상태이다. 이미지 압축의 표준으로 사용되는 JPEG 압축 이미지에 대해서 압축 상태에서 특성을 추출하고 이를 검색에 이용하면 기존의 방법에 비해 압축을 해제하는 비용을 줄일 수 있고 블록 정보를 이용하는 장점을 가지게 된다. 본 논문에서는 JPEG 압축 이미지에서 블록 단위의 정보를 가진 특성으로 추출해내고 이를 사용한 이미지 검색 기법을 제안한다.