• Annual Conference of KIPS
• /
• 2004.05a
• /
• pp.753-756
• /
• 2004

영상의 객체가 갖고 있는 중요도를 계산하는 것은 매우 주관적이기 때문에, 객체의 의미 정도를 판단하는 것은 매우 어려운 문제이다. 따라서 본 논문에서는 효율적인 내용기반 이미지 검색 시스템을 구축하기 위하여 원 영상에서 Wavelet 변환을 이용하여 RGB 이미지를 각각 분리 및 병합하는 방법을 제안한다. 또한, 각각의 RGB 이미지들 중 검색에 필요한 특징들을 추출하여 원 영상과 가장 근접한 이미지들을 찾아내는 방법을 제안한다. 제안한 세가지 특징 정보를 이용한 내용 기반 이미지 정보 검색은 기존 방법에 비해 높은 검색 성능을 보였으며, 사람 얼굴이나 캐릭터 이미지인 경우에는 더욱 효율적이라 예상된다

• Proceedings of the Korea Contents Association Conference
• /
• 2019.05a
• /
• pp.361-362
• /
• 2019

본 연구는 간호대학생의 간호사이미지, 자아탄력성 및 간호전문직관의 관계를 알아보고 간호전문직관에 미치는 영향요인을 파악하고자 시도된 서술적 조사연구이다. 본 연구대상자는 일 지역 4년제 간호대학생을 280명을 대상으로 하였다. 자료분석은 SPSS/WIN 22.0 프로그램을 이용하여 평균, 표준편차, t-test, ANOVA, $Scheff{\acute{e}}^{\prime}s$ test, Pearson's Correlation Coefficients, multiple regressions을 하였다. 연구결과 대상자의 일반적 특성에 따른 간호사이미지는 성격과 간호직에 대한 생각에서 유의한 차이가 있었으며, 자아탄력성은 연령, 성별, 학년, 성격, 간호직에 대한 생각, 지원동기, 입원경험, 가족 중 간호사 유무에서 유의한 차이가 있었다. 간호전문직관은 학년, 성격, 간호직에 대한 생각, 가족 중 간호사 유무에서 유의한 차이가 있었다. 간호사이미지, 자아탄력성 및 간호전문직관의 관계를 분석한 결과 간호전문직관은 간호사이미지, 자아탄력성과 유의하게 정적인 상관관계가 있었고, 간호사이미지와 자아탄력성도 유의하게 정적 상관관계로 나타났다. 간호전문직관 영향요인은 간호사이미지, 자아탄력성으로 나타났다.

• Annual Conference of KIPS
• /
• 2013.11a
• /
• pp.505-508
• /
• 2013

스마트폰 응용 프로그램의 메모리 관리는 응용 프로그램의 속도와 안정성 측면에서 중요하게 다루어진다. 응용 프로그램에서 다루는 요소 중 이미지는 메모리 사용량의 많은 부분을 차지하며, 메모리의 여유 공간 내에서 이미지가 사용될 수 있도록 관리되어야 한다. 그러나 이미지의 해상도가 커지거나 다루게 되는 이미지의 개수가 늘어날 수록 이미지 객체의 관리의 어려움도 늘어나게 된다. 이미지 객체가 메모리 공간이 부족한 시점에서 메모리에 적재될 경우 응용 프로그램은 성능이 저하되거나 강제 종료될 수 있어 응용 프로그램의 사용성과 안정성이 낮아지게 된다. 본 논문에서는 안드로이드의 응용 프로그램에서 사용되는 이미지가 메모리의 많은 공간을 차지할 때, 안정적인 응용 프로그램 구동 환경을 제공해주는 동적 메모리 관리 기법을 적용하여 OOM(Out of Memory) 오류가 발생하는 문제를 해결하고자 한다.

• Annual Conference of KIPS
• /
• 2010.04a
• /
• pp.645-648
• /
• 2010

본 논문은 이미지를 검색하고자 할 때, 사용자에게 tag 정보와 이미지에서 추출된 색 정보를 이용하여 보다 정밀도를 검색 시스템을 제공하기 위하여 이미지를 업로드 할 때부터 tag 정보와 이미지에서 추출한 색 정보를 연결시켜 웹 데이터베이스에 업로드 하는 시스템을 제안한다. 현재 tag 정보에 대한 일관성 있고 표준화된 처리 방식에 대한 연구가 미비한 상황이다. 본 논문에서는 시스템을 통해 tag 정보의 재사용이 가능하게 한다. 이로써 본 논문에서 제시한 tag 정보와 추출한 색 정보를 이용한 이미지 업로드 시스템은 이미지 질의 처리를 통한 검색 시스템에서 tag 정보의 표준화에 대한 기초자료로써 활용 가능하며, 검색 효율 향상에 도움을 줄 것이다.

• Annual Conference of KIPS
• /
• 2010.11a
• /
• pp.1169-1172
• /
• 2010

대부분의 홍채인식 시스템의 전반부를 살펴보면 카메라를 통한 이미지를 획득 후 전처리 과정에서 동공의 경계를 잡는 과정이 수행된다. 카메라를 통한 이미지 획득 시 초점이 좋은 이미지와 나쁜 이미지가 같이 획득이 된다. 초점이 나쁜 이미지는 동공의 경계를 잡는 과정에 있어서 좋은 이미지보다 시간이 오래 걸리기 마련이다. 이에 본 논문에서는 영상획득 후 동공의 경계를 잡는 과정 전에 DCT(Discrete Cosine Transform)를 이용한 선명도 측정하는 방법을 제안한다. 카메라를 통한 영상을 획득한 후 초점이 좋은 영상과 나쁜 영상을 구분하게 되고 초점이 좋은 영상만을 선택하여 다음 과정인 동공의 경계를 잡는 작업을 수행하게 된다. 제안하는 방법은 DCT를 이용한 이미지의 선별 작업에 시간이 소비 되지만 나쁜 영상을 이용하여 동공의 경계를 잡느라 걸리는 시간을 줄일 수 있는 장점을 기대할 수 있다. 우선적으로 수학적 분석을 통하여 23%의 속도 절감을 통한 성능 개선의 가능성을 보였고, 실제 구현을 통하여 속도 향상이 기대된다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.74-77
• /
• 2022

본 논문에서는 계층적 픽셀 예측과 컨텍스트 적응적 산술 부호화를 이용한 이미지 적응 무손실 압축 알고리즘을 제안한다. 입력 RGB 이미지는 먼저 가역적 색상 변환이 적용된다. Y 채널 이미지는 기존의 무손실 압축 인코더로 압축되고, U와 V채널 이미지는 Y 채널 이미지를 기반으로 예측된다. 원본과의 차이는 컨텍스트 적응적 산술 부호화를 통해 압축된다. 본 논문에서 제안된 알고리즘에서는 입력 이미지의 성질에 따라 산술 부호화에 사용되는 인코더의 개수를 적응적으로 변화시킨다. 또한 저주파 성분에 상대적으로 많은 자원을 집중시킴으로써 압축 성능을 향상시켰다. 제안된 방법은 기존에 사용되던 압축 방식들과 비교했을 때에도 의미 있는 성능을 보였다.

• Annual Conference of KIPS
• /
• 2011.04a
• /
• pp.1294-1297
• /
• 2011

최근, Flickr, YouTube 와 같은 사용자 참여형 미디어 공유 및 검색 사이트가 폭발적으로 증가하면서, 이를 멀티미디어 정보 검색 서비스에 효과적으로 활용하기 위한 다양한 연구들이 시도되고 있다. 특히, 이미지에 할당되어 있는 태그를 이용하여 이미지를 효과적으로 검색하기 위한 연구가 활발히 진행 중이다. 그러나 사용자들에 의해 제공되는 소셜 이미지들은 매우 다양한 범위와 주제를 가지고 있기 때문에, 소셜 이미지들의 분류 및 태그 할당을 위한 트레이닝 집합의 획득이 쉽지 않다는 한계점을 가지고 있다. 본 논문에서는 데이터 군집화를 위한 클러스터링 알고리즘들 중 K-Means, K-Medoids, Affinity Propagation 을 활용하여 소셜 이미지 집합으로부터 트레이닝 집합을 획득하기 위한 방법들을 살펴 본다. 또한, 각 알고리즘으로부터 획득한 트레이닝 집합을 이용하여 소셜 이미지를 분류한 결과를 비교 분석한다.

• Annual Conference of KIPS
• /
• 2011.11a
• /
• pp.302-305
• /
• 2011

멀티미디어 콘텐츠는 디지털 데이터의 특성상 위 변조 또는 불법유통 등의 문제가 발생할 수 있다. 특히 의료 및 군사, 예술 분야 등 많은 부분에서 멀티미디어 데이터의 보안성이 중요한 이슈가 되고 있다. 본 논문에서는 이러한 기술적 요구에 맞추어 이미지의 무결성을 인증할 수 있는 워터마킹 알고리즘을 제안한다. 제안하는 알고리즘은 JPEG 이미지 압축 과정에서 추가적인 처리를 통해 이미지에 인증코드를 삽입하고, 디코딩 과정에서 삽입 인증코드 추출 및 비교 인증코드 재생성을 통해 이미지의 원본 여부를 블록 단위로 판단할 수 있다. 제안 알고리즘을 통해 생성된 JPEG 이미지 표준 인코딩 이미지 대비 2.44dB 의 화질 저하를 보였고 1.63%의 압축률 차이를 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.155-157
• /
• 2020

본 논문은 딥러닝 기반의 중첩 블록 단위 이미지 압축 방법에 대하여 제안한다. 이미지를 블록 단위로 나누어 압축을 진행하며, 그 과정에서 생길 수 있는 블록화 현상을 제거하기 위해 블록의 주변부를 압축에 이용한다. 이로 인한 추가적인 부하를 제거하기 위해 복호화에 필요한 부하 영역을 제거한 뒤, 복호화기에서 특징맵들을 병합하여, 제거한 영역에 대해 주변 블록의 정보를 사용하여 복호화를 진행한다. 압축을 진행하고자 하는 이미지의 크기에 따라 급격하게 증가하는 요구 메모리를 이미지의 크기에 상관 없이 고정된 작은 메모리로 이미지 압축을 진행할 수 있다는 장점이 있다. 실험 결과로써 4K 이미지를 통해서 복원된 화질과 메모리의 사용량을 측정한 결과, 동일한 화질을 유지함과 동시에, 기존 방법대비 약 500배 적은 메모리 사용량을 보인다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.425-428
• /
• 2020

본 논문에서는 경계 합성곱 신경망(Convolutional neural network, CNN)기반의 슈퍼 해상도 기법을 이용하여 저해상도 옷감 메쉬를 슈퍼 해상도로 노이즈 없이 안정적으로 표현할 수 있는 기법을 제안한다. 저해상도와 고해상도 메쉬들 간의 쌍은 옷감 시뮬레이션을 통해 얻을 수 있으며, 이렇게 얻어진 데이터를 이용하여 고해상도-저해상도 데이터 쌍을 설정한다. 학습할 때 사용되는 데이터는 옷감 메쉬를 지오메트리 이미지로 변환하여 사용한다. 우리가 제안하는 경계 합성곱 신경망은 저해상도 이미지를 고해상도 이미지로 업스케일링 시키는 이미지 합성기를 학습시키기 위해 사용된다. 테스트 결과로 얻어진 고해상도 이미지가 고해상도 메쉬로 다시 변환되면, 저해상도 메쉬에 비해 주름이 잘 표현되며, 경계 부근에서 나타나는 노이즈 문제가 완화된다. 합성 결과에 대한 성능으로는 전통적인 물리 기반 시뮬레이션보다 약 10배 정도 빠른 성능을 보여준다.