• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.06a
• /
• pp.31-34
• /
• 2011

영상처리 기법을 이용한 이미지 인식에 관한 컨텐츠들은 아주 다양한 알고리즘을 사용하였다. 영상처리 기법에서 이미지 인식기법 중에서 일반적인 것으로는 PCA(Principal Component Analysis) 알고리즘이 있다. 이 알고리즘이 적용된 대표적인 컨텐츠로는 얼굴 문자인식이 있다. 이 알고리즘은 정확성을 위하여 학습을 통한 영상의 저장과 인식을 통한 복잡한 알고리즘을 사용한다. 간단한 이미지 인식 컨텐츠의 경우에 복잡한 알고리즘을 사용함으로써, 시스템 처리속도에 영향을 줄 수 있다. 따라서 이 논문에서는 비교연산을 수행하는 히스토그램 매칭을 두 가지 실험 방법을 통하여, 간단한 이미지인식 시스템을 위한 알고리즘을 설계한 것이다.

• The KIPS Transactions:PartB
• /
• v.18B no.5
• /
• pp.265-270
• /
• 2011

In this paper, we propose a method for intensity correction using binarization-based region segmentation in 3D stereoscopic images. In the proposed method, 3D stereoscopic right image is segmented using binarizarion. Small regions in the segmented image are eliminated. For each region in right image, a corresponding region in left image is decided through region matching using correlation coefficient. When region-based matching, in order to prevent overlap between regions, we remove a portion of the area closed to the region boundary using morphological filter. The intensity correction in left and right image can be performed through histogram specification between the corresponding regions. Simulation results show the proposed method has the smallest matching error than the conventional method when we generate the right image from the left image using block based motion compensation.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.48 no.6
• /
• pp.91-98
• /
• 2011

This paper proposes an efficient and accurate vision based recognition and tracking framework for texture free objects. We approached this problem with a two phased algorithm: detection phase and tracking phase. In the detection phase, the algorithm extracts shape context descriptors that used for classifying objects into predetermined interesting targets. Later on, the matching result is further refined by a minimization technique. In the tracking phase, we resorted to meanshift tracking algorithm based on Bhattacharyya coefficient measurement. In summary, the contributions of our methods for the underwater robot vision are four folds: 1) Our method can deal with camera motion and scale changes of objects in underwater environment; 2) It is inexpensive vision based recognition algorithm; 3) The advantage of shape based method compared to a distinct feature point based method (SIFT) in the underwater environment with possible turbidity variation; 4) We made a quantitative comparison of our method with a few other well-known methods. The result is quite promising for the map based underwater SLAM task which is the goal of our research.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.14 no.3
• /
• pp.155-162
• /
• 2014

In this paper, we propose an efficient shaking correction techniques for a moving vehicle image stabilization. The proposed shaking correction techniques was calculated cumulative histogram for the conversion and the separating information via color separation of video image frame of the input received. And it were to matching the histogram for match the color information as compensation result of the shaking vehicle video imaging. In this paper, the proposed the shaking correction techniques was obtained to the restoration result when compared to the existing shaking correction techniques that the smallest noise and better the naturalness of image through stabilization of luminance level and color level. Also, the imaging stabilization method was demonstrated the efficiency compared to other methods through to the real-time processing without the use of the memory.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.1057-1062
• /
• 2007

얼굴표정 인식은 심리학 연구, 얼굴 애니메이션 합성, 로봇공학, HCI(Human Computer Interaction) 등 다양한 분야에서 중요성이 증가하고 있다. 얼굴표정은 사람의 감정 표현, 관심의 정도와 같은 사회적 상호작용에 있어서 중요한 정보를 제공한다. 얼굴표정 인식은 크게 정지영상을 이용한 방법과 동영상을 이용한 방법으로 나눌 수 있다. 정지영상을 이용할 경우에는 처리량이 적어 속도가 빠르다는 장점이 있지만 얼굴의 변화가 클 경우 매칭, 정합에 의한 인식이 어렵다는 단점이 있다. 동영상을 이용한 얼굴표정 인식 방법은 신경망, Optical Flow, HMM(Hidden Markov Models) 등의 방법을 이용하여 사용자의 표정 변화를 연속적으로 처리할 수 있어 실시간으로 컴퓨터와의 상호작용에 유용하다. 그러나 정지영상에 비해 처리량이 많고 학습이나 데이터베이스 구축을 위한 많은 데이터가 필요하다는 단점이 있다. 본 논문에서 제안하는 실시간 얼굴표정 인식 시스템은 얼굴영역 검출, 얼굴 특징 검출, 얼굴표정 분류, 아바타 제어의 네 가지 과정으로 구성된다. 웹캠을 통하여 입력된 얼굴영상에 대하여 정확한 얼굴영역을 검출하기 위하여 히스토그램 평활화와 참조 화이트(Reference White) 기법을 적용, HT 컬러모델과 PCA(Principle Component Analysis) 변환을 이용하여 얼굴영역을 검출한다. 검출된 얼굴영역에서 얼굴의 기하학적 정보를 이용하여 얼굴의 특징요소의 후보영역을 결정하고 각 특징점들에 대한 템플릿 매칭과 에지를 검출하여 얼굴표정 인식에 필요한 특징을 추출한다. 각각의 검출된 특징점들에 대하여 Optical Flow알고리즘을 적용한 움직임 정보로부터 특징 벡터를 획득한다. 이렇게 획득한 특징 벡터를 SVM(Support Vector Machine)을 이용하여 얼굴표정을 분류하였으며 추출된 얼굴의 특징에 의하여 인식된 얼굴표정을 아바타로 표현하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.07a
• /
• pp.8-10
• /
• 2011

컬러는 영상처리 분야에서 중요한 단서로 사용될 수 있는 정보이다. 하지만 실제로 촬영한 영상의 경우에는 빛과 카메라 특성 등 다양한 요소들의 영향으로 인해 이미지 간 컬러 정보의 불일치가 빈번히 일어난다. 따라서 컬러가 다른 여러 장의 영상을 입력 영상으로 사용하는 경우, 입력 영상간 컬러를 동일하게 맞춰 주어야 한다. 이를 수행함에 있어서, 어떠한 이미지를 레퍼런스 이미지로 결정할 것인가는 매우 중요한 문제이다. 이에 본 논문에서는, 히스토그램 등화(histogram equalization) 기법을 이용하여 입력 이미지들의 비용을 결정해줌으로써, 레퍼런스 이미지를 결정하는 방법을 제시한다. 스테레오 매칭을 통해 다양한 밝기의 입력 영상에서 가장 좋은 결과를 얻을 수 있는 레퍼런스 이미지를 결정할 수 있음을 보였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06a
• /
• pp.462-465
• /
• 2011

본 논문에서는 자동으로 꼴을 인식하는 시스템을 제안한다. 기존 연구에서 제안한 방식은 대부분 사용자가 직접 꽃의 윤곽선을 조정하는 방식을 사용하였다. 이러한 방법은 사용자 편의성 측면에서 비효율적이므로 본 연구에서 제안하는 시스템은 사용자와의 상호작용 없이 영상처리만을 이용하여 꽃을 인식할 수 있는 방법을 제시한다. 서버-클라이언트 형태로 구성된 꽃 인식 시스템은 사용자가 전송한 영상의 컬러와 경계선 정보를 기반으로 영상 내에서 꽃의 영역을 찾는다. 꽃의 영역에서 색상과 윤곽선 정보를 추출한 뒤, k-means 클러스터링과 히스토그램 매칭을 통하여 서버에 저장된 기준 이미지와 가장 일치하는 꽃을 탐색하여 사용자에게 알려준다. 100종류의 꽃에 대하여 한 종당 각각 5 가지의 영상을 가지고 실험을 한 결과, 90.8%의 인식률을 얻을 수 있었다.

• Proceedings of the KIEE Conference
• /
• 2005.10b
• /
• pp.364-366
• /
• 2005

From the 90's, the image information retrieval methods have been on progress. As good examples of the methods, Conventional histogram method and merged-color histogram method were introduced. They could get good result in image retrieval. However, Conventional histogram method has disadvantages if the histogram is shifted as a result of intensity change. Merged-color histogram, also, causes more process so, it needs more time to retrieve images. In this paper, we propose an improved new method using Adaptive Color Histogram Bin Matching(AHB) in image retrieval. The proposed method has been tested and verified through a number of simulations using hundreds of images in a database. The simulation results have Quickly yielded the highly accurate candidate images in comparison to other retrieval methods. We show that AHB's can give superior results to color histograms for image retrieval.

• Proceedings of the IEEK Conference
• /
• 2009.05a
• /
• pp.231-233
• /
• 2009

The object recognition is one of the major computer vision fields. The object recognition using features(SIFT) is finding common features in input images and query images. But the object recognition using feature methods has suffered of difficulties due to heavy calculations when resizing input images and query images. In this paper, we focused on speed up finding features in the images. we proposed method using block segmentation and histogram. Block segmentation used diving input image and than histogram decided correlation between each 1]lock and query image. This paper has confirmed that tile matching time reduced for object recognition since reducing block.

• Proceedings of the KIEE Conference
• /
• 2007.04a
• /
• pp.304-306
• /
• 2007

Methods of Object recognition from camera image are to compare features of color. edge or pattern with model in a general way. SIFT(scale-invariant feature transform) has good performance but that has high complexity of computation. Using simple color histogram has low complexity. but low performance. In this paper we represent a model as a color cooccurrence histogram. and we improve performance using pyramid matching. The color cooccurrence histogram keeps track of the number of pairs of certain colored pixels that occur at certain separation distances in image space. The color cooccurrence histogram adds geometric information to the normal color histogram. We suggest object recognition by pyramid matching of color cooccurrence histogram.