• Journal of Advanced Marine Engineering and Technology
• /
• v.28 no.4
• /
• pp.587-592
• /
• 2004

Pixel classification is one of basic issues of image processing. The general characteristics of the pixels belonging to various classes are discussed and the radical principles of pixel classification are given. At the same time, a pixel classification scheme based on image information scales is proposed. The proposed method is overcome that computation amount become greater and contents easily get turned. And image directional scales has excellent anti-noise performance. In the result of experiment. good efficiency is showed compare with other methods.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.187-190
• /
• 2004

본 논문에서는 영상을 자동적으로 객체와 비객체 영상으로 분류하는 방법을 제안한다. 객체 영상은 객체를 포함하는 영상이다. 객체는 영상의 중심 부근에 위치하고 주변 영역과는 상이한 칼라 분포를 가지는 영역들로 정의한다 영상 분류를 위해 객체의 특징에 기반하여 세 가지 기준을 정의한다. 첫 번째 기준인 중심 영역의 특이성은 중심영역과 주변 영역간의 칼라 분포의 차이를 통해 계산된다. 두 번째 기준은 영상 내의 특이 픽셀의 분산이다 특이 픽셀은 영상의 주변영역보다 중심 부근에서 더욱 빈번하게 나타나는 상호 인접한 픽셀들의 칼라 쌍에 의해 정의된다. 마지막 기준은 객체의 핵심 영역 경계에서의 경계 강도이다. 영상을 분류하기 위해서 신경 회로망 학습을 통해서 세 가지 기준들을 통합하도록 한다. 900개의 영상들에 대해 실헝한 결과 84.2%의 분류 정확도를 얻었다.

• Proceedings of the Korean Society of Surveying, Geodesy, Photogrammetry, and Cartography Conference
• /
• 2007.04a
• /
• pp.215-218
• /
• 2007

이 논문은 고해상도 Quickbird 영상을 이용하여 세부레벨계획을 위한 토지피복분류를 수행하였으며 고해상도 영상을 이용한 토지피복분류를 위하여 객체기반분류와 ISODATA 기법을 적용하였다. 객체기반분류는 eCognition 소프트웨어를 사용하였으며 ISODATA 기법의 토지피복분류 결과와 비교분석을 수행하였다. 연구 대상지역은 인도의 Sukkalampatti이라 하는 작은 유역을 대상으로 연구를 진행하였다. 고해상도 영상의 사용으로 토지피복분류에 있어서 공간 해상도에 따른 토지피복의 세부레벨분류 정확도를 향상 시킬 수 있는 이점을 확인 할 수 있으며 또한, 객체기반분류와 ISODATA 기법의 분류 결과는 eCognition을 사용한 객체기반 토지피복분류결과가 ISODATA의 픽셀기반의 분류방법보다 높은 정확도를 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.06a
• /
• pp.64-65
• /
• 2013

본 논문에서는 슈퍼픽셀(superpixel) 단위의 그래프 컷 알고리즘을 적용하여 객체 추적의 정확도를 향상시키기 위한 방법을 제안한다. 먼저 영상 분할 기법을 사용하여 입력 영상을 슈퍼픽셀로 분할하고 각 슈퍼픽셀에서 색상 히스토그램을 이용한 특성 벡터를 생성한다. 그리고 특성 벡터에 지지벡터기계(support vector machines)를 사용하여 각 슈퍼픽셀의 객체 확률 값을 추정한다. 객체 확률 값을 데이터 항(data term)으로, 이웃한 슈퍼픽셀 간의 특성 벡터 차 값을 스무드 항(smooth term)으로 하여, 그래프 컷(graph cuts) 알고리즘으로 슈퍼픽셀들을 객체와 배경으로 분류하고 객체 슈퍼픽셀을 최대한으로 포함하는 객체 윈도우를 찾는다. 실험 결과는 제안하는 기법이 기존 기법들보다 객체 추적 성능이 우수함을 보여준다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.176-179
• /
• 2002

Angiogenesis는 존재하는 혈관으로부터 새로운 혈관이 생성되는 과정으로, 암의 성장과 전이에 있어서 필수적 요소이다. 특히, 신생혈관의 밀도는 암의 성장과 밀접한 상관관계를 가지고 있으므로 암의 진단과 예후 추정을 위한 판단근거로 사용되고 있다. 본 연구는 신생혈관의 밀도를 정확한 수치로 정량화 하기 위하여, 칼라 특성값을 이용하여 신생혈관을 분할하였다. 분류기 생성을 위한 학습집단은 신생혈관영역, 배경영역에서 각각 100개씩 픽셀을 추출하였다. 추출된 픽셀에서 9개의 칼라 특성값(R,G,B,H,S,I,I₁,I₂,I₃)을 계산하고, 다변량 판별분석을 이용하여 3개의 분류기를 생성하고 분할된 결과를 비교분석하였다. 분할된 결과를 비교하면 RGB와 I₁ I₂ I₃ 칼라 특성값을 이용하여 생성된 분류기에 의해 분할된 결과가 전문가 의견과 높은 상관관계를 나타내었다.

• Journal of Broadcast Engineering
• /
• v.25 no.2
• /
• pp.208-217
• /
• 2020

The classification of plant diseases by images captured by a camera sensor has been studied over past decades. A method that has gained much interest is to use image segmentation, from which statistical features are derived and analyzed by machine learning. Recently, deep learning has been adopted in this area. However, image segmentation is still a difficult task to achieve stable performance due to a variety of environmental variations. The end-to-end learning in neural network has a demerit that train images may be different from real images acquired in outdoor fields. To solve these problems, we propose superpixel-based disease classification method using end-to-end CNN (convolutional neural network) learning. Based on experiments performed on PlantVillage apple images, the classification accuracy is 98.29% and 92.43% for full-image and superpixel. As well, the multivariate F1-score is (0.98, 0.93). Therefore we validate that the method of using superpixel is comparable to that of full-image.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.36 no.11C
• /
• pp.662-672
• /
• 2011

This paper presents a new edge-preserving algorithm and its VLSI architecture for block artifact reduction. Unlike previous approaches using block classification, our algorithm utilizes pixel classification to categorize each pixel into one of two classes, namely smooth region and edge region, which are described by the edge-preserving maps. Based on these maps, a two-step adaptive filter which includes offset filtering and edge-preserving filtering is used to remove block artifacts. A pipelined VLSI architecture of the proposed deblocking algorithm for HD video processing is also presented in this paper. A memory-reduced architecture for a block buffer is used to optimize memory usage. The architecture of the proposed deblocking filter is prototyped on FPGA Cyclone II, and then we estimated performance when the filter is synthesized on ANAM 0.25 ${\mu}m$ CMOS cell library using Synopsys Design Compiler. Our experimental results show that our proposed algorithm effectively reduces block artifacts while preserving the details.

• Proceedings of the KAIS Fall Conference
• /
• 2004.06a
• /
• pp.179-181
• /
• 2004

인쇄체 문자 인식에서 접합 문자는 주요한 에러 발생의 원인이다. 본 논문에서는 접합 문자를 분할하기 위해 두 개의 분할 비용을 정의한다. 첫째, 절단 비용은 한 패턴을 분할하는 데 얼마나 많은 블랙픽셀이 분리되어야 하는가이다. 둘째, 접선 비용은 분할선이 얼마나 많은 블랙 픽셀과 화이트 픽셀사이를 지나가는가이다. 폰트 분류기는 접합 문자의 후보 문자를 제공한다. 후보 문자의 문자 폭은 접합 문자를 분리하기 위한 기준선을 제공하며, 그 기준선 부근의 픽셀들이 분할 가능 영역을 나타낸다. 절단 비용의 최소값과 접선 비용의 최대값이 되는 지점이 최종적으로 접합 문자를 분할하는 위치이다. 이렇게 정의된 절단 비용과 접선 비용을 가지고 접합 문자를 분할하면 보다 정확한 문자 분할을 하여 문자 인식에서 에러 발생을 줄일 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.927-928
• /
• 2015

무안경 3D 입체 디스플레이 장치는 패럴렉스 배리어(parallax barrier)와 렌티률러 렌즈(Lenticular lens)의 기반의 장치로 구분된다. 무안경 업체 디스플레이 장치를 통하여 입체영상을 디스플레이하기 위해서는 다중 시점(multi-view) 촬영 영상들의 서브픽셀 인터레이싱 방법을 통하여 하나의 영상으로 합성되어야 한다. 본 연구는 렌티큘러 렌즈 기반의 입체 디스플레이 장치에서 렌티큘러 렌즈의 속성에 따라 적응적으로 서브픽셀 인터레이싱 될 수 있는 기법을 제안하기 위한 사전 연구로서 기존에 발표된 서브픽셀 인터레이싱 기법의 종류를 분류하고 각 기법의 특성을 분석하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.793-796
• /
• 2004

이 논문에서 제안한 ICA기반 피처추출 알고리즘은 다차원 영상에서 각 픽셀의 반사도 분광영역이 서로 다른 물체타입(목표피처와 배경피처)으로 이루어진 선형 혼합 분광영역으로 가정되는 픽셀에 대한 목표피처 탐지를 목적으로 한다. Landsat ETM+ 위성영상은 다차원 데이터구조로 이루어져 있으며, 영상에는 추출하고자하는 목표피처와 여러 종류의 배경피처들이 혼재한다. 이 논문에서는 목표피처(김양식장) 주변의 배경피처(갯뻘, 바닷물 등)들을 효과적으로 제거하기 위하여 목표피처의 픽셀 분광영역을 배경피처의 픽셀 분광영역으로 직교투영하게 된다. 픽셀내의 나머지 목표피처 분광영역의 양은 배경피처의 분광영역을 제거함으로써 추정하게 된다. 이 논문에서 제안한 ICA기반의 피처추출 방법의 우수성을 확인하기 위하여 Landsat ETM+ 위성영상에서 김양식장 피처를 추출하는데 적용하였다. 또한 피처추출 후 제거되지 않고 남아 있는 잡음(noise)정도와 피처추출 정확도 측면에서 전통적으로 가장 많이 사용되고 있는 최대우도 분류방법과 비교실험을 하였다. 결과적으로 이 논문에서 제안하는 방법이 목표피처 주변의 혼합분광영역에서 배경피처를 효과적으로 제거하여 추출하고자 하는 목표피처를 추출하는데 있어 우수한 탐지 성능을 보임을 알 수 있었다.