• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.598-600
• /
• 2002

영상에서 타원을 추출하는 것은 얼굴 인식, 홍채 인식과 같은 컴퓨터 비전분야에서 인식할 영역을 찾는 방법으로 상당히 유용하게 사용된다. 본 논문에서는 기존의 퍼지 C-means 기법이 초기의 클러스터 개수와 중심 값에 따라서 결과가 민감하다는 단점을 보완한 개선된 퍼지 C-means 기법을 타원 추출에 적용한다. 이것은 영상 분할(Segmentation)로부터 후보 초기 클러스터 개수 및 초기 클러스터 중심을 결정하는 방법으로서 본 논문에서는 이 기법으로 영상 클러스터링을 수행하여 타원 영역 추출에 필요한 타원 후보 영역의 최소 인접 사각형(Minimum Enclosed Rectangle)을 찾아낸다. 이렇게 찾아진 최소 인접 사각형에 대해서 면적에 맞는 초기 타원들을 영역 내에 설정한 뒤 적합도(fittness)검사를 기반으로 한 타원 검증을 실시하고 적합도가 높은 영역을 타원 영역으로 추출한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.05a
• /
• pp.363-365
• /
• 2018

대장과 소장에서 모두 폐색 영역을 검출하기 위하여 본 논문에서는 기존에 연구된 장 폐색 영역 검출 방법과 ART2 알고리즘을 이용한 대장 폐색 영역과 소장 폐색 영역을 검출하는 방법을 제안한다. 제안된 방법은 기존에 연구된 방법을 이용하여 ROI 영역을 추출한 후, 추출된 ROI 영역을 ART2 알고리즘을 이용하여 영상을 군집화 한다. 군집화된 ROI 영역과 기존에 연구된 방법으로 X-ray 영상에서 검출한 장 폐색 영역의 형태학적 특징을 비교 및 분석하여 장 폐색의 형태학적 특징을 포함하는 클러스터를 분석한다. 따라서 장 폐색 영역에 해당되는 클러스터로 분류된 영역 내부를 클러스터의 중심에 해당되는 픽셀로 모두 대체한다. 그리고 $3^*3$ 필터를 이용한 침식과 팽창 연산을 적용하여 잡음을 제거한다. 잡음이 제거된 영상에서 각 객체들을 라벨링한 후에 크기를 비교하여 배경과 기타 지방 영역을 제거하고 남은 객체들을 장 폐색 영역으로 검출한다. 제안된 추출 방법을 장 폐색 X-ray 영상을 대상으로 실험한 결과, 기존에 연구된 방법으로 추출에 성공한 대장 장 폐색 영상과 추출에 실패한 소장 폐색 영상 모두에서 추출되는 것을 확인하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2010.10a
• /
• pp.527-530
• /
• 2010

WSN is composed of a lot of small sensors with the limited hardware resources. In WSN, at the initial stage, sensor nodes are randomly deployed over the region of interest, and self-configure the clustered networks by grouping a bunch of sensor nodes and selecting a cluster header among them. Specially, in WSN environment, in which the administrator's intervention is restricted, the self-configuration capability is essential to establish a power-conservative WSN which provides broad sensing coverage and communication coverage. In this paper, we propose a communication coverage-aware cluster head election algorithm for Herearchical WSNs which consists of communication coverage-aware of the Base station is the cluster head node is elected and a clustering.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.635-638
• /
• 2011

유한요소법은 편미분방정식(Partial Differential Equation)의 수치적 근사 해를 구하기 위한 가장 일반적이고 효율적인 방법으로 다양한 공학 분야에서 널리 사용되어지고 있다. 유한요소법의 해석은 연속적인 범위를 가지는 문제를 여러 개의 요소로 나누어 다항식의 형상함수를 만들게 되며 결과적으로 근사 해를 구하게 된다. 이때 해석의 정확성을 높이기 위하여 형상함수의 차수를 높이고 요소의 개수를 늘리게 되면, 이에 따른 수치 계산량의 급격한 증가로 인해 수치해석의 효율성은 떨어지게 된다. 이를 보완하기 위해 유한요소법에 영역분할기법을 적용하여 병렬해석을 수행하면 해의 정확성과 효율성을 동시에 높인다. 병렬해석을 수행하는데 있어서 클러스터의 구조적 특성은 해석의 효율성에 영향을 미치게 된다. 따라서 본 논문에서는 일반적인 모델에 대하여 병렬해석의 수행을 통하여 클러스터의 구조적 특성이 병렬해석의 효율성에 미치는 영향에 대해 확인한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2013.07a
• /
• pp.55-56
• /
• 2013

본 논문에서는 센서 클러스터에서 액터를 재배치하기 위하여 센서신호 공통 중첩영역을 추출하는 기법을 분석한다. 기존의 액터 재배치 알고리즘은 CH (Cluster Head)와 동일하게 센서들과 연결을 설정하고자 하는 액터를 CH가 있는 위치로 이동시킨다. 이러한 액터의 이동방법은 액터와 CH를 단순하게 결합하여 액터를 재배치하는 것이며, 액터와 CH가 서로 중첩되거나 충돌하는 문제점을 가지고 있다. 본 논문에서는 센서 클러스터에서 CH와 중첩 또는 충돌 없이 액터를 재배치하기 위해 센서신호 공통 중첩영역을 추출하는 기법을 제시한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1998.11a
• /
• pp.214-218
• /
• 1998

칼라 영상은 단색조의 영상에 비해 인간의 시각을 크게 향상시킨다. 따라서 칼라 영상 처리에 관한 연구는 매우 중요하다. 칼라 영상은 센서 잡음이나 채널 전송 에러에 의해 생기는 잡음에 의해 자주 오염되어진다. 이러한 칼라 잡음을 제거하기 위해 여러 형태의 필터들이 개발되어 왔는데 혼합된 잡음에서 벡터 $\alpha$-trimmed 평균 필터는 우수한 성능을 보였다. 그러나, 벡터 $\alpha$-trimmed 평균 필터는 필터링 과정이 영상의 전 영역에 걸쳐 균일하게 적용되어지기 때문에 윤곽선 이동이 일어나 blurring 현상이 심하게 나타나는 문제점이 있다. 이러한 문제점을 개선하기 위해 본 논문에서는 윤곽선 영역과 smooth 영역을 구분한 뒤 각 영역에 적합한 선택적인 필터링을 하는 조건적인 퍼지 클러스터 필터를 제안하였고 제안된 조건적인 퍼지 클러스터 필터는 기존의 벡터 $\alpha$-trimmed 평균 필터에 비해 혼합된 잡음에서 우수한 성능을 보였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.287-291
• /
• 2007

기존 센서네트워크 환경의 노드들이 모바일 환경으로 바뀌면서 클러스터를 구축하고 클러스터 헤더를 선정함에 있어 기존 방법은 정적 노드를 대상으로 구축되어 있기 때문에 이를 동적 노드에 적합한 방법으로 구축하기 위해 기존 연속적인 스카이라인 질의방법을 이용하여 클러스터를 구축하고 클러스터헤더를 선정함으로 센서네트워크의 효율적인 환경을 구축하고자 한다. 기존은 클러스터 헤드 선정을 클러스터를 구축하고 구축된 클러스터 내에서 에너지 잔여량을 비교 하여 가장 에너지가 많은 노드를 헤드로 선정하여 라우팅을 고려하는 기법을 사용하였다. 그러나 센서 노드가 모바일 노드일 경우 위치도 함께 고려되어야 할 속성 중 하나일 것이다. 따라서 이 논문에서는 클러스터 헤더 선정기법에서 기존 방식과 달리 클러스터 헤더를 선정하고 클러스터 헤더를 선정하고 클러스터 헤더를 기준으로 R hop 까지를 하나의 클러스터로 설정하는 효율적인 영역 결정 기법을 제안하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.34 no.12B
• /
• pp.1514-1523
• /
• 2009

It is well known that the current wireless sensor networks addressing methods do not work efficiently in networks more than a few hundred nodes. A standard protocol in ZigBee-Standard feature in ZigBee 2007 gives balanced tree based address assignment method with distributed manner. However, it was limited to cover less than hundreds of sensor nodes due to the wasteful use of available address space, because composed sensor networks usually make an unbalanced tree topology in the real deployment. In this paper, we proposed the hierarchical cluster tree based address assignment method to support large and scalable networks. This method provides unique address for each node with distributed manner and supports hierarchical cluster tree on-demand. Simulation results show that the proposed method reduces orphan nodes due to the address exhaustion and supports larger network with limited address space compared with the ZigBee distributed address assignment method defined in ZigBee-Standard feature in ZigBee 2007.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.79-82
• /
• 2006

본 논문에서는 사용자가 결과를 얻고자 하는 목적 집단의 초기 클러스터를 생성하는 알고리즘을 제안한다. 알고리즘이 생성하는 클러스터는 사용자의 입력을 받지 않고 생성되며, 목적 집단에 포함되는 임의의 두 점을 이용한 확장을 통해 초기 클러스터를 생성한다. 이에 따라 서로의 영역을 침범하지 않는 일반적인 클러스터를 생성하는 것이 가능하다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.493-495
• /
• 2000

동영상에서 동작물체 영역과 배경 영역을 추출하는 방법에는 크게 원본 영상들의 특징값을 이용하는 방법, 동작벡터 혹은 광류를 이용하는 방법, 그리고 동작벡터와 원본영상을 모두 이용하는 방법의 세가지가 있다. 이중 많이 사용되고 있는 동작벡터를 이용하는 방법에는 히스토그램을 이용하는 방법과 동작벡터의 특징값에 대한 클러스터링을 이용해 분할 하는 방법이 있는데. 이들 기존 방법은 몇가지 문제점을 가지고 있다. 전자는 구현이 간단하나 세부적인 영역분할이 어렵다는 문제점이 있고, 후자는 일반적으로 높은 계산 복잡도를 가지며 초기 클러스터 개수 선정에 문제를 지니고 있다. 본 논문에서는 낮은 계산 복잡도를 가지며 클러스터 할당과 병합된 클러스터 중심 계산에 있어 보다 적응적인 Seeded Split-Merge 클러스터링 방법을 제안한다.