• 전자공학회논문지SC
• /
• 제48권5호
• /
• pp.37-44
• /
• 2011

본 논문은 제 1 색각 이상자 (Protanopia)와 제 2 색각 이상자 (Deuteranopia)들을 대상으로 컬러 영역 분할을 이용한 CIE Lab 컬러 공간 혼동선 분리 기법을 제안한다. 영상의 hue 성분을 이용하여 유사한 컬러 정보를 가지는 인접한 픽셀들로 그룹화 하여 영역을 분할한다. 이를 위하여 Region growing 기법을 사용하는데, 여기에 사용되는 seed point는 low pass filter를 거친 hue히스토그램에서 peak점에 해당하는 픽셀들을 사용한다. 또한 색각 이상자의 혼동선 Map을 구축하기 위하여 RGB 3차원 공간에 512개의 가상의 박스를 구축하여 같은 혼동선에 존재하는 박스를 쉽게 구분할 수 있게 하였다. 이후 분할된 영역들이 같은 혼동선에 존재하는지의 여부를 검사하여 인접하는 모든 영역들이 다른 혼동선에 존재하도록 CIE Lab 색 공간에서 색변환을 수행함으로써 색각 이상자들에게 최상의 컬러 구분효과를 제공할 수 있도록 하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2020년도 추계학술대회
• /
• pp.64-65
• /
• 2020

현대화펀드를 통한 여객선 건조 지원을 통해 거주구 실내공간 디자인 수준은 향상되었지만, 여전히 선원이 활동하는 작업공간은 크게 개선되지 않는 상태이다. 본 연구는 여객선 선원 작업공간 중 조타실과 기관실의 색채환경을 조사한다. 선박 작업공간 환경의 실내디자인 특수성을 제시하고 이에 맞는 색채환경, 제안하는 색값을 통해 선원의 정신건강 증진과 안전한 근무환경을 조성하는 것에 있다.

• 정보과학회 논문지
• /
• 제42권10호
• /
• pp.1294-1302
• /
• 2015

현재까지 인간 시각 체계를 정확하게 반영하기 위한 이미지 평가 기법에 대한 연구가 많이 이루어져 오고 있다. SSIM은 인간의 시각 체계가 이미지의 구조적 정보에 예민하다는 점을 이용하여 구조적 정보를 이용하여 이미지를 평가하는 대표적인 인간 시각 체계를 만족시키는 평가 기법이다. 하지만 SSIM은 이미지의 색 차이를 반영하지 못하는 문제가 있다. 이러한 문제를 해결하기 위해, HSI 색 공간을 활용한 SHSIM 기법이 제안되었으나 두 컬러 이미지 간 인지적 색 차이를 충분히 반영하지는 못하고 있다. 본 논문에서는 CIE Lab 색 공간을 도입하여 대응 되는 픽셀들의 인지적 색 차이를 계산하여 이미지 평가에 활용하는 방법을 제안한다. 그리고 연구를 더 확장하여, SVM 분류기를 활용하여 왜곡 종류에 따라 최적의 평가 수식을 적용하는 최적화 시스템을 제안한다. 제안하는 기법을 평가하기 위해, 이미지 평가분야에서 가장 많이 알려진 LIVE 데이터베이스를 사용하였으며 네 종류의 평가 기준들을 이용하였다. 실험 결과에서는 제안하는 기법이 다른 기법들보다 인간 시각 체계와 더 상관성이 높다는 것을 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 춘계학술발표대회
• /
• pp.837-840
• /
• 2015

SSIM은 인간의 시각 체계가 이미지의 구조적 정보에 예민하다는 점을 이용하여 여러 가지 구조적 정보들의 유사성을 계산함으로써 이미지를 평가하는 대표적인 이미지 평가 기법이다. 하지만 SSIM은 컬러 이미지들에 대해 색 차이를 고려하지 못하는 문제가 있다. 이러한 문제를 해결하기 위해, HSI 색 공간을 활용한 SHSIM 기법이 제안되었으나 이 기법 또한 두 컬러 이미지 간 인지적인 색 차이를 충분히 반영하지는 못하고 있다. 본 논문에서는 CIE Lab 색 공간을 도입하여 대응 되는 픽셀들의 인지적 색 차이를 계산하여 이미지 평가에 활용하는 방법을 제안한다. 제안하는 기법의 성능을 평가하기 위해, 이미지 평가 분야에서 가장 많이 알려진 네 가지의 데이터베이스와 네 종류의 평가 기준들을 이용하였다. 실험 결과에서는 제안하는 기법이 다른 기법들보다 인간 시각 체계와 더 상관성이 높다는 것을 보여줌으로써 성능을 증명하였다.

• 한국정보과학회논문지:시스템및이론
• /
• 제35권7호
• /
• pp.340-353
• /
• 2008

화풍을 효과적이고 객관적으로 기술하는 한 방법으로 팔레트 추출에 대한 수학적 모델을 제시한다. 이 모델에서는 팔레트를 허용 오차 범위 내에서 회화 작품의 영상을 표현할 수 있는 주요 색상의 집합으로 정의하고 색상 그룹핑과 주요 색상 추출의 두 단계를 거처 팔레트 색상을 추출한다. 색상 그룹핑은 주어진 회화에 대해 적응적으로 색의 분해능을 조절하여 각 회화 작품을 이루는 기초 색상을 추출하며 다음 주요 색상 추출 단계에서 이것과 이것이 차지하는 영역에 대한 정보를 바탕으로 K-Means 클러스터링 알고리즘을 적용하여 팔레트를 얻는다. 실험을 통해 유명 화가의 작품을 대상으로 RGB와 CIE LAB 색상 모델을 사용하여 추출한 팔레트를 3차원 색 공간에 표시하였다. 팔레트 색상의 거리를 사용한 화가 분류 실험과 실사 영상의 색채 변환 실험 통해 이 방법이 화풍 분석과 그래픽 분야에 적용될 수 있음을 확인하였다.

• Restorative Dentistry and Endodontics
• /
• 제32권1호
• /
• pp.19-27
• /
• 2007

본 연구는 새로운 치과용 색체계 개발을 목적으로 현재 치과에서 사용되고 있는 Vita shade를 사용하는 9 제조사의 12종의 광중합형 복합레진과 1종의 치과용 도재의 색상을 diffuse/$8^{\circ}$ 수광 방식을 사용하는 분광색체계 (MiniScan XE plus, Model 4000S, Hunter Lab, USA)를 이용해 D65 표준광과 10도 관찰자 시야 하에서 CIE $L^*a^*b^*$ 값을 측정하고 색상 범위를 분석하였다. 분석한 정보를 color sorting system을 응용한 CNU Cons Dental Color Chart의 색상 표현 방식인 T###에 치과용 수복 재료들의 범위를 적용하여 다음의 결과를 얻었다. 측정된 $L^*a^*b^*$ 값의 분포를 분석해 보면 $L^*$ 값은 80.40과 52.70 사이에, $a^*$ 값은 10.60과 -3.60 사이에, 그리고 $b^*$ 값은 28.40과 2.21 사이에 분포한다. $L^*$ 값의 평균값은 67.40, 중앙값은 67.30이며, $a^*$ 값은 2.89와 2.91, $b^*$ 값은 14.30과 13.90 이다. 이러한 분석을 토대로 CNU Cons Dental Color Chart의 T###의 첫 번째 숫자에 해당하는 $L^*$ 값의 각 숫자간의 차이는 2.0으로, 그리고 2번째 숫자인 $a^*$ 값의 각 숫자간의 차이는 1, 그리고 세 번째 숫자인 $b^*$ 값의 각 숫자간의 차이는 2로 정하였다. T555에 해당하는 $L^*$ 값의 범위는 66.0이상, 68.0미만으로, $a^*$ 값의 범위는 3이상 4미만으로, $b^*$ 값의 범위는 14이상 16미만으로 결정하였다.