• 대한원격탐사학회지
• /
• 제24권2호
• /
• pp.117-124
• /
• 2008

지형지물은 각각의 특징적 요인을 내포하고 있다. 이 특징적 요인들은, 공간해상도에 따라 정도의 차이가 있겠지만, 수집된 위성영상에도 반영된다. 이러한 요인들 중에서는 영상분류에 활용될 경우 영상 분류의 정확도를 높혀주고, 때로는 이것이 거의 물체인식의 수준까지 기여할 수 있는 것들이 있다. 이 연구에서는 텍스춰 및 지형지물의 배열에 있어서 특징적 현상을 보이는 비닐하우스를 대상으로 spatial auto-corelation 개념을 기반으로 자동적으로 이를 인지하는 방법을 개발하였다. 사용된 알고리즘은 디지타이징과 같은 사람의 직접적인 개입이 없이 자동화된 방법으로 비닐하우스의 특정한 패턴이 반복적으로 나타나는 것을 감지할 수 있도록 개발되었다. 패틴의 인식에 더하여 비닐하우스의 기하학적 모양을 고려하는 방법도 도입하였다. 그럼으로써 비닐하우스의 추출에 단순히 화소 단위의 분석이 아닌 보다 객체지향적인 방법으로 비닐하우스를 추출하도록 하였다. 개발된 방법을 제주지역의 IKONOS에 적용시켜 본 결과 연구대상지역내의 비닐하우스가 매우 정확하게 적출되었다.

• 한국안광학회지
• /
• 제10권4호
• /
• pp.391-403
• /
• 2005

신체가 가지는 감각, 즉 오감 중 가장 중요한 것이 시각이다. 그것은 눈이 신체 내에서 가지는 신비성과 더불어 중요한 역할을 담당하는 기관이라는 것을 대신 해주고 있는 표현임에 틀림이 없다. 프랑스의 유명한 안경디자이너 알랑미클리(Alain Mikeli)는 안경을 "안경은 보는 것과 보여지는 것을 위해 존재 한다"라고 정의 하고 있다. 이 말은 안경이 안과 밖에서 보여 지는 가장 기본적인 기능을 철학적으로 잘 정리한 정의 중의 하나이다. 현재 세계에는 많은 안경디자인의 결과물들이 존재하고 안경디자이너들이 소비자에게 최상의 가치와 철학을 전달해 주기 위한 디자인 작업들이 많아 진행 되고 있다. 이것에 대한 최종 목표는 보는 것이라는 가장 기본적인 기능과 보여지는 기능을 디자이너의 감성을 통해 최고의 결과들을 만드는 것이며, 소비자의 만족감과 즐거움을 전달해 주기 위한 여러 가지 방법들을 시도하는 것이다. 여기에서 인터페이스라는 중요한 점을 파악할 필요가 있다. 안경은 사람이 가지는 눈과 보는 사용의 원활한 커뮤니케이션을 해야 하며 타인이 바라보는 자신의 모습에 대한 연결의 매개체, 즉 인터페이스의 역할을 충분히 해야 한다는 것이 현재 안경제품을 바라보는 디자이너들의 생각이다. 이것은 안경이 상호간의 인터페이스 역할을 충분히 해야 하여 이 점올 충족시키기 위해 디자인 초기에서부터 면밀히 검토되고 계획 되어야 한다. 본 연구는 옵티컬 아트라는 미술 주류를 이용해 사용자와 제품 간의 필요 충분 조건이 될 수 있도록 연구 하였다.

• 한국음향학회지
• /
• 제24권1호
• /
• pp.29-37
• /
• 2005

본 논문은 한국의 전통 음악, 즉 국악 장르를 자동으로 분류하는 시스템을 제안한다. 제안된 시스템은 입력 음악의 내용기반 분석을 통하여 궁중음악, 풍류방음악, 민속성악, 민속기악, 불교음악, 무속음악 등 6가지 장르중 하나로 자동분류하여 해당 음악의 장르 결과를 보여준다. 국악 장르 분류에 사용된 내용기반 알고리즘은 크게 음악의 특징 벡터 추출 그리고 장르 분류를 위한 패턴인식 과정 2가지로 구성된다. 음악의 특징 벡터 추출은 디지탈 신호 처리기술을 이용하여 해당 음악의 spectral centroid, rolloff, flux 등 STFT (Short Time Fourier Transform) 기반의 특징 계수들과 MFCC (Mel frequency cepstral coefficient), LPC (Linear predictive coding) 등의 계수들을 구한 후 SFS (Sequential Forward Selection) 최적 특징 벡터 열을 선별하여 사용하였으며 패틴 분류 알고리즘으로는 k-NN (k -Nearest Neighbor), Gaussian, GMM (Gaussian Mixture Model), SVM (Support Vector Machine) 분류기를 사용하였다. 특히 본 연구에서는 입력 질의의 패턴 (혹은 구간) 변화에 따른 시스템의 불확실성을 개선하기 위하여 MFC (Multi Feature Clustring) 방법을 이용하여 DB를 구축하였다. 모의실험 결과 k-NN 과 SVM 분류기 모두 $97{\%}$ 이상의 장르 분류 성공률을 보였으나, SVM 이 k-NN에 비해 약 3배 이상의 빠른 분류 성능을 가지고 있음을 확인하였다.

• 정보보호학회논문지
• /
• 제15권6호
• /
• pp.13-25
• /
• 2005

오늘날 리눅스 운영체제는 임베디드 시스템, 라우터, 대규모 서버에 이르기까지 다양한 분야에 사용되고 있다. 이는 리눅스 운영체제가 추구하는 커널 소스 공개 정책이 시스템 개발자들에게 여러 가지 이점을 주기 때문이다. 하지만 시스템 보안 측면에서 볼 때, 리눅스 커널 소스 공개는 보안상 문제점을 발생시킬 수 있는데, 만일 누군가가 리눅스 기반의 시스템을 공격하려 한다면 그 공격자는 리눅스 커널의 취약성을 이용하여 쉽게 시스템을 공격할 수 있기 때문이다. 현재까지 소프트웨어의 취약성을 분석하는 방법은 많이 있었지만 기존의 방법들본 방대한 크기의 리눅스 커널 소스에서 취약성을 발견하기에 적합하지 않다. 본 논문에서는 소스레벨 리눅스 커널 변수 취약성을 발견하는 방법론으로 Onion 메커니즘을 제안한다. Onion 메커니즘은 두 단계로 이루어져 있는데, 첫 번째 단계는 패틴매칭 방법을 이용하여 취약 가능성이 있는 변수들을 선정하는 단계이고, 두 번째 단계는 선정된 변수들의 취약 여부를 시스템 콜 트리를 이용해 검사하는 단계이다. 또한 본 논문에서 제안한 방법론을 이미 알려진 두 가지 소스레벨 취약성에 적용한 결과를 보인다.