• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.59-62
• /
• 2012

본 논문에서는 이산 코사인 변환한 결과를 기반으로 필터링을 통해 디모자이킹 하는 알고리듬을 제안한다. 이산 코사인 변환한 결과로 에너지가 에지방향의 정보를 나타내는 분포 특성을 활용하여 가중치를 부여할 수 있는 효율적인 방법을 제안하고 이를 통해 필터링 하는 방법을 제안한다. 실험결과에서는 기존의 양선형 보간법에 비해 PSNR 측면에서의 뛰어난 성능을 보여준다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 추계학술대회
• /
• pp.180-181
• /
• 2018

JPEG은 가장 널리 사용되는 표준 이미지 압축기술이다. 본 논문에서는 이미지 압축 알고리즘을 소개하고 압축 및 압축 해제의 각 단계를 서술하고자 한다. 이미지 압축은 디지털 이미지를 데이터 압축을 적용하는 과정이다. 이산여현변환은 시간 도메인에서 주파수 도메인으로 변환하는 기술이다. 먼저, 이미지는 8 by 8 픽셀 블록으로 분할하게 된다. 둘째, 위에서 아래로 왼쪽에서 오른쪽으로 진행하면서 DCT가 각각의 블록에 적용하게 된다. 셋째, 각 블록은 양자화를 통해 압축을 진행한다. 넷째, 이미지를 구성하는 압축된 블록의 배열은 크게 줄어든 공간에 저장된다. 끝으로, 원하는 경우 이미지는 역 이산여현변환 (IDCT)을 사용하는 프로세스인 압축 해제를 통해 재구성하게 된다.

• 방송공학회논문지
• /
• 제1권2호
• /
• pp.142-151
• /
• 1996

디지털 비디오 카세트 레코더(DVCR)는 디지털 기록과 다양한 디지털 영상처리 기술과 같은 여러가지 측면에서 놀랄만한 성능에 힘입어 차세대 VCR로 대두되고 있다. 본 논문에서는 DVCR 시스템의 표준규격을 이해하고, 성능을 평가하고, 재생된 DVCR의 영상을 개선시키는 알고리듬을 제안하고자 한다. 보다 자세히 설명하자면, DVCR 영상을 개선하기 위하여 이산 코사인 변환, 양자화, 역 이산코사인 변환과 역양자화를 영상 시스템의 열화요인으로 모델링하고, 이러한 열화모델 때문에 발생하는 블럭 현상을 적응적으로 복원하는 고속 알고리듬을 제안한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.28-30
• /
• 2011

본 논문에서는 특이값 분해(Singular Value Decomposition)을 이용하여 이미지의 주파수 영역 내에 정보를 은닉하는 방법을 제시한다. 이미지를 주파수 영역으로 변환하기 위하여 블록 단위로 이산 코사인 변환(Discrete Cosine Transform)을 수행한다. 이후 인접한 네 블록의 DC 값들로 구성된 행렬의 특이값을 은닉하고자 하는 정보에 따라 변환한다. 원래의 DC 값은 정보에 따라 변환된 DC 값으로 대체되고 역 이산 코사인 변환(Inverse Discrete Cosine Transform)을 수행하여 정보가 은닉된 이미지를 얻는다. 제안하는 알고리즘의 성능을 분석하기 위해 JPEG(Joint Photographic Coding Experts Group), 선명화(Sharpening), 히스토그램 등화(Histogram Equalization)와 같이 다양한 이미지 변화를 거친 후, 은닉된 정보의 신뢰도를 비교한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권7호
• /
• pp.487-494
• /
• 2013

의료 영상 워터마킹은 헬스케어 정보 시스템의 보안 서비스 분야에서 많은 주목을 받고 있다. 본 논문은 워터마킹을 삽입할 최적의 서버 블록 위치 선택을 위한 개선된 퍼지 클러스터링 기법, 이산 웨이블릿 변환 및 이산 코사인 변환을 분할된 회백질 의료 영상에 적용한 블라인드 의료 영상 워터마킹 기법을 제안한다. 모의실험결과, 제안한 워터마킹 기법은 기존의 기법들보다 PSNR과 M-SVD에서 우수한 성능을 보였다. 또한, 제안한 워터마킹 기법은 노이즈 첨가, 필터링, JPEG 압축, 블러링, 히스토그램 균일화, 크로핑과 같은 공격에서도 기존의 기법들보다 정규화된 연관성 값에서 보다 강인함을 보였다.

• 한국통신학회:학술대회논문집
• /
• 한국통신학회 1985년도 추계학술발표회 논문집
• /
• pp.113-117
• /
• 1985

• 전자공학회논문지
• /
• 제54권6호
• /
• pp.100-105
• /
• 2017

본 논문은 개인 인증 알고리즘에 관한 것으로 심전도를 이용한 생체 인증 방식은 특정 보정기준점을 추출하는 방법과 그렇지 않은 방법으로 분류할 수 있으며 본 논문에서 제안하는 방법은 특정 보정기준점을 추출하지 않는 방법으로 이산 코사인 변환과 랜덤 포레스트 분류기를 사용하였다. 심전도 신호는 R-Peak 점을 기준으로 단일 심박으로 나누었으며 각 심박의 특징 추출을 위해 이산 코사인 변환을 적용하였다. 이산 코사인 변환 계수는 정보가 저주파에 집중되는 특성이 있으므로 초기 저주파에 해당하는 40까지 값을 특징으로 랜덤 포레스트 분류기를 구성하였다. 랜덤 포레스트는 의사결정 트리의 앙상블 분류기로 결정 트리를 기본으로 하고 있으므로 빠른 학습 속도와 많은 양의 데이터 처리 능력, 다양한 클래스를 분류할 수 있어 실생활에 적용 가능하며 무엇보다 ID의 승인과 거절을 위한 임계값을 분류기 내부에서 조절할 수 있어 오 분류에 강건한 알고리즘을 구성할 수 있다. 18개의 심전도 파일로 구성된 MIT-BIT Normal Sinus Rhythm 데이터베이스를 선정하여 성능을 평가하였으며 99.99%의 심전도 인식률을 보였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권5호
• /
• pp.201-208
• /
• 2016

실시간으로 여러 시계열 데이터를 수집, 저장하는 데는 많은 저장 공간을 요구하게 된다. 이러한 공간 문제를 해결하는 방안으로, 이산 코사인 변환 압축에서 가변 샘플 크기를 사용하는 방안을 제안하였다. 시계열 데이터 셋은 값의 변화가 작을수록, 그리고 변화의 빈도가 낮을수록 압축률이 높아지는 특성을 가지고 있으며 이러한 특성을 잘 반영할 수 있는 척도로 변동 계수와 인접 요소 간 변동성 계수를 사용하여 가변 샘플 크기를 결정하는 데 사용하였다. 여러 실제 데이터 셋을 대상으로 시험한 결과, 두 방식 모두 양호한 압축률을 보이고 있다. 그러나 인접 요소간 변동성 계수 기반 압축 방식이 변동 계수 기반 방식 보다 샘플 크기 결정 방식이 훨씬 간단할 뿐만 아니라 보다 나은 압축률을 보임을 확인하였다.

• 한국음향학회지
• /
• 제20권7호
• /
• pp.47-54
• /
• 2001

본 논문은 스펙트럴 크기 파라미터들에 대한 효율적인 가변 차원 양자화 기법을 제안한다. 특히, 하모닉 부호화 기에서의 스펙트럴 크기값 계수들은 가변차원이기 때문에 가변 차원의 양자화를 필요로 한다. 따라서, 본 논문에서는 스펙트럴 크기값 계수들에 대해 가변 이산 코사인 변환(DCT: Discrete Cosine Transform) 및 가변 차원에 적합한 훈련구조를 가지는 비정방형 변환 벡터 양자화 (NSTVQ: Nonsquare Transform Vector Quantization)를 홀수/짝수 구조 및 분할(Split) 구조 그리고 다단계(Multi-stage) 구조 등과 결합시킨 효율적인 양자화 기법을 제안한다. 제안된 양자화 기법의 성능평가는 스펙트럴의 크기값에 대한 주파수 왜곡(SD: Spectral Distortion) 값을 사용하였으며, 다단계 비정방형 변환 벡터 양자화(MSNSTVQ: Multi-Stage Nonsquare Transform Vector Quantization)가 가장 좋은 성능을 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.2-4
• /
• 2021

분산된 환경에서 머신 러닝의 학습 가중치를 공유하여 학습하는 방법은 훈련 데이터를 직접 공유하는 것이 아니기 때문에 안전한 것으로 여겨졌다. 하지만, 최근 연구에 따르면 악의적인 공격자가 공유된 가중치를 분석하여 원본 데이터를 완벽하게 복원할 수 있는 취약점이 발견되었다. Gradient Leakage Attack은 이러한 취약점을 이용해 훈련 데이터를 복원하는 공격 기법이다. 본 연구에서는 개별 장치에서 학습을 진행하고 가중치를 서버와 공유하는 학습 환경인 연합 학습 환경에서 해당 공격을 방어하기 위해 이산 코사인 변환에 기반한 이미지 변환 기법을 제시한다. 실험 결과, 우리의 이미지 변환 기법을 적용하면 공유된 가중치로부터 원본 데이터를 완벽하게 복원할 수 없다.