• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10a
• /
• pp.127-129
• /
• 2000

일반적인 색 정보추출방법으로 색 히스토그램(Color Histogram)은 색의 분포나 응집성, 질감에 대한 구분능력이 없다는 단점을 가지고 있어 정환한 이미지 유사성 비교를 위해 추가적인 정보를 요구한다. Androutsos등은 Haar Wavelet 변환을 통해 이미지의 방향성 질감정보를 구하였다[1]. 하지만 이 방법은 Haar Wavelet 변환의 특성으로 인해 정확한 방향성 정보를 얻을 수 없었다. 본 논문에서는 인접 픽셀(pixel)값의 편차(deviaiton)를 이용하여 방향성 정보를 추출 성능을 향상시키는 방법을 제안하였고, Brodatz 112 질감 이미지와 실재 자연사진을 통해 방향성 질감의 성능을 평가하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.14 no.10
• /
• pp.73-82
• /
• 2009

This paper proposes a variance recovery method for character strokes that can be missed in applying the previously proposed color variance approach in text detection of natural scene images. The previous method has a shortcoming of missing the color variance due to the fixed length of horizontal and vertical windows of variance detection when the character strokes are thick or long. Thus, this paper proposes a variance recovery method by using geometric information of bounding boxes of connected components and heuristic knowledge. We have tested the proposed method using various kinds of document-style and natural scene images such as billboards, signboards, etc captured by digital cameras and mobile-phone cameras. And we showed the improved text detection accuracy even in the images of containing large characters.

• Journal of KIISE
• /
• v.42 no.1
• /
• pp.93-96
• /
• 2015

The SIFT method is well-known for robustness against various image transformations, and is widely used for image retrieval and matching. The SIFT method extracts keypoints using scale space analysis, which is different from conventional keypoint detection methods that depend only on the image space. The SIFT method has also been extended to use higher-order scale space derivatives for increasing the number of keypoints detected. Such detection of additional keypoints detected was shown to provide performance gain in image retrieval experiments. Herein, a sigma based normalization method for keypoint detection is introduced using higher-order scale space derivatives.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.35 no.6
• /
• pp.164-172
• /
• 2023

The grain size distribution of sand provides crucial information for understanding coastal erosion and sediment deposition. The commonly used sieve analysis for grain size distribution analysis has limitations such as time-consuming processes and the inability to obtain information about individual particle shapes and colors. In this study, we propose a grain size distribution analysis method using smartphone digital images, which is simpler and more efficient than the sieve analysis method. During the image analysis process, we effectively detect particles from relatively low-resolution smartphone digital images by extracting particle boundaries through image gradient calculation. Using samples collected from four beaches in Gyeongsangbuk-do, we compare and validate the proposed boundary extraction image analysis method with the analysis method that does not extract boundaries, against sieve analysis results. The proposed method shows an average error rate of 8.21% at D₅₀, exhibiting a 65% lower error compared to the method without boundary extraction. Therefore, grain size distribution analysis using smartphone digital images is convenient, efficient, and demonstrated accuracy comparable to sieve analysis.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.429-431
• /
• 1998

본 논문에서는 의료 영상 중에서 성대 운동의 불규칙적인 움직임을 판단하여 자동으로 진단 파라미터를 구하는 비디오스트로보키모그래피(Videostrobokymography) 시스템에서 관심 영역을 추출하는 방법을 소개하고자 한다. CCD카메라에 의해 촬영된 영상은 비디오 테이프에 저장된 후 이미지 캡쳐 보드에서 그레이 이미지(gray-level)로 변환되어 저장된다. 입력된 영상은 움직이는 영상을 촬영한 것이므로 관심 영역의 위치가 각 프레임마다 다르다. 또한 실제로 입력된 성대영상들이 점진적인 농도 변화를 보이기 때문에 에지에 의해 영역을 추출하는 일반적인 영역 추출방법은 사용하기 어렵다. 본 논문에서는 두 번의 단계를 통하여 관심 영역을 추출하고 있다. 첫 번째는 입력된 영상에서 노이즈를 제거한 후 각 프레임에서 영상의 최소 에너지를 구한다. 두 번째로 농도 변화 값을 특징 값으로 이용하는 분할-합병 알고리즘(Split-merge Algorithm)을 적용하여 관심 영역을 추출하였다. 제안한 알고리즘을 19명의 성대 영상에 적용하여 분석한 결과 성대의 관심 영역을 추출할 수 있었다. 그리고, 영상의 에너지 값을 이용하는 스네이크 알고리즘(Snake Algorithm)에 적용하여 비교해본 결과 본 연구에서 제안하는 스네이크 알고리즘보다 좋은 성능을 보임을 확인할 수 있었다. 본 연구에서 제안하는 관심 영역 추출 방법은 동적인 변화를 보이는 영상에서 관심 영역을 추출할 수 있을 뿐 아니라 계산 량이 적어 200x280크기의 이미지를 초당 약 40프레임에 대한 관심 영역을 추출할 수 있는 장점이 있다.

• Journal of IKEEE
• /
• v.27 no.1
• /
• pp.59-64
• /
• 2023

Deep learning can solve various computer vision problems, but it requires a large dataset. Data augmentation technique based on image binarization for constructing large-scale datasets is proposed in this paper. By extracting features using image binarization and randomly placing the remaining pixels, new images are generated. The generated images showed similar quality to the original images and demonstrated excellent performance in deep learning models.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.05a
• /
• pp.339-342
• /
• 2017

Geometric transform of an image is used to image correction. Ridid-Body, Simlilary transform, etc, many correction methods are exist in computer vision. Image warping is used to correction for image with perspective. To image warping I extracted 4 feature point about warping position. But It is difficult to extract 4 points accurately and warping result with these point is occurs error over 3 or 4 pixel at warping position. So I used template matching to extract 4 points correctly and selected repeatedly 2 points of 4 points because to confirm result correctly. positions of 2 points are changed in near of 3 by 3 pixel and warped each change. So I selected optimal 4 points with a error of less than 1 pixel and finally, warped image using optimal points. For this way is possible to obtain optimum result.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.15 no.4
• /
• pp.709-716
• /
• 2020

In social media, when posting a post, tag information of an image is generally used because the search is mainly performed using a tag. Users want to expose the post to many people by attaching the tag to the post. Also, the user has trouble posting the tag to be tagged along with the post, and posts that have not been tagged are also posted. In this paper, we propose a method to find an image similar to the input image, extract the label attached to the image, find the posts on instagram, where the label exists as a tag, and recommend other tags in the post. In the proposed method, the label is extracted from the image through the model of the convolutional neural network (CNN) deep learning technique, and the instagram is crawled with the extracted label to sort and recommended tags other than the label. We can see that it is easy to post an image using the recommended tag, increase the exposure of the search, and derive high accuracy due to fewer search errors.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.307-310
• /
• 2011

최근 멀티미디어 데이터의 급속한 증가는 그를 대상으로 하는 다양한 컴퓨팅 기술의 발전을 가져왔다. 이러한 기술이 인간과의 상호 작용에서 그 양적 범위와 질적 깊이를 더해감에 따라, 멀티미디어 데이터 특히 그 중 가장 대표적이라 할 수 있는 이미지 데이터를 의미적으로 이해할 수 있는 방법의 필요성이 대두되고 있다. 이미지의 의미를 이해하기 위해 저수준(low level)의 시각 정보만을 이용하는 경우 인간과의 상호 작용에서 의미 격차(conceptual gap) 문제가 발생할 수 있다. 이미지 객체의 시각 정보들을 가공해서 온톨로지(ontology)와 같은 형태의 지식 베이스(knowledge base)와 연동하여 보다 고수준의 의미를 부여하는 경우에는 해당 도메인을 벗어난 새로운 환경에 대해 적응력과 강인함이 떨어진다. 이러한 문제를 근본적으로 해결하기 위해서는 지식 베이스가 없는 상태에서 이미지 데이터의 형태로 주어진 대상 객체로부터 의미를 부여할 수 있는 정보들을 추출해, 구조적으로 지식 베이스를 형성해 나가고 이를 토대로 대상 이미지 객체의 의미를 이해할 수 있는 시스템이 필요하다. 본 논문에서는 발달 심리학 이론들을 바탕으로 시각과 관련된 인간의 생득적 능력을 찾고, 이를 기반으로 우선 주어진 이미지 객체로부터 의미 정보를 효과적으로 추출할 수 있는 방법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.455-458
• /
• 2008

단백질체학에서 2-DE는 조직내의 단백질을 규명하는 단백질 분리 기술로서 2-DE에 의하여 생성된 단백질 이미지에서 스팟 매칭을 진행하여 상이한 단백질 젤 내에 존재하는 동일한 단백질 클래스를 찾을 수 있다. 그러나 단백질 2-DE 이미지는 실험 환경의 변화에 민감하여 이미지의 위치적인 변형이나 먼지, 공기방울 등으로 인해 많은 에러 정보를 포함할 수 있다. 이러한 에러는 스팟 매칭에 치명적인 영향을 주어 낮은 정확도를 가지게 된다. 본 논문에서는 단백질 2-DE 이미지 분석을 위한 스팟 매칭에서의 정확도를 향상시키기 위하여 기준점 학습과 기준점 추출의 두 단계로 이루어진 자동화된 기준점 추출 방법을 사용하여 스팟 매칭의 정확도를 향상시킬 수 있는 최적의 기준점을 선정하는 방법을 제안하며 선정된 기준점을 기반으로 다수의 기준 이미지를 선택하여 스팟 매칭을 반복적으로 진행함으로써 확률 기반의 정확한 스팟 매칭 결과를 도출하고자 한다. 특히 데이터 마이닝 기법에서 사용되는 최소지지도 값을 적용함으로써 지지도가 높은 스팟 매칭 결과를 빈발한 스팟 매칭으로 판정한다. 제안한 스팟 매칭 정확도 향상 기법의 정확도를 평가하기 위하여 실제 단백질 2-DE 젤 이미지 데이터를 사용하여 입력 기준점의 개수와 최소 지지도의 증가에 따른 정확도의 변화를 분석하였다.