• 천문학회보
• /
• 제43권2호
• /
• pp.34.1-34.1
• /
• 2018

We investigate the properties of bright galaxies with various morphological types in Abell 1139 and Abell 2589, using the pixel color-magnitude diagram (pCMD) analysis. The 32 bright member galaxies ($Mr{\leq}-21.3mag$) are deeply imaged in the g and r bands in our CFHT/MegaCam observations, as a part of the KASI-Yonsei Deep Imaging Survey of Clusters (KYDISC). We examine how the features of their pCMDs depend on galaxy morphology and infrared color. We find that the g - r color dispersion as a function of surface brightness (${\mu}r$) shows better performance in distinguishing galaxy morphology, than the mean g - r color does. The best set of parameters for galaxy classification appears to be a combination of the minimum color dispersion at ${\mu}r{\leq}21.2mag\;arcsec-2$ and the maximum color dispersion at $20.0{\leq}{\mu}r{\leq}21.0mag\;arcsec-2$: the latter reflects the complexity of stellar populations at the disk component in a typical spiral galaxy. Moreover, the color dispersion of an elliptical galaxy appears to be correlated with its WISE infrared color ([4.6]-[12]). This indicates that the complexity of stellar populations in an elliptical galaxy is related to its recent star formation activities. From this observational evidence, we infer that gas-rich minor mergers or gas interactions may have usually occurred during the recent growth of massive elliptical galaxies.

• 한국컴퓨터산업학회논문지
• /
• 제3권5호
• /
• pp.605-610
• /
• 2002

영상물에 대한 학습과 분류를 위해 단순 베이지안, N-Nearest 방법 등이 사용된다. 이 방법들은 단순하면서 높은 정확도를 갖는다. 본 논문에서는 2단계 투표를 통해 이들 방법들을 조합하여 사용하였다. 유해 영상물들을 대상으로 학습 및 분류를 실험하였다. 결과로 색상분포에 따른 영상 분류가 실시간 처리 및 유해 영상 인식에 효과적임을 보였다. 또한 2단계 투표 방식의 알고리즘으로 약 2000장 이상의 사진을 가지고 학습 및 분류를 시행했으며 결과 80%에 가까운 높은 정확도와 대상 사진에 영향 받지 않는 안정도를 보였다.

• 한국지리정보학회지
• /
• 제20권1호
• /
• pp.1-14
• /
• 2017

토지피복도는 지역의 현황을 파악하는 기초적 자료이지만 시간적 공간적 해상도의 한계로 인하여 생태 연구 분야에서의 활용성은 떨어지는 측면이 있다. 이에 본 연구에서는 UAV으로 취득된 고해상도 영상을 기반으로 토지피복도 제작과 자료의 활용가능성을 알아보고자 하였다. UAV를 이용하여 연구대상지 $2.5km^2$ 범위에서 10.5cm 정사영상을 취득하였으며 객체기반(Object-based)과 화소기반(pixel-based) 분류를 통해 얻어진 토지피복도를 비교 분석하였다. 정확도 검증 결과 화소기반 분류는 Kappa 0.77, 객체기반 분류는 Kappa 0.82로 분류정확도가 높았으며, 전반적인 면적비율은 유사하지만 초지, 습지 지역에서 양호한 분류 결과가 나타났다. 객체기반 분류를 위한 최적의 영상분할 가중치는 Scale150, Shape 0.5, Compactness 0.5, Color 1로 선정하였으며 가중치 선정과정에서 Scale이 가장 큰 영향을 주었다. 화소기반 분류 결과와 비교해 객체간의 명확한 경계를 가지므로 결과물 판독이 용이한 것으로 나타났으며, 환경부 토지피복도(세분류)와 비교하여 개발지역(도로, 건물 등)을 제외한 자연지역(산림, 초지, 습지 등)의 분류에 효과적이었다. UAV 영상을 활용한 토지피복 분류방법으로서 객체기반 분류기법의 적용은 자료의 최신성, 정확성, 경제성 등의 장점으로 생태 연구 분야에 기여할 수 있을 것으로 판단된다.

• 한국측량학회지
• /
• 제33권3호
• /
• pp.173-179
• /
• 2015

In this paper, object-based classification of urban areas based on a combination of information from lidar and aerial images is introduced. High resolution images are frequently used in automatic classification, making use of the spectral characteristics of the features under study. However, in urban areas, pixel-based classification can be difficult since building colors differ and the shadows of buildings can obscure building segmentation. Therefore, if the boundaries of buildings can be extracted from lidar, this information could improve the accuracy of urban area classifications. In the data processing stage, lidar data and the aerial image are co-registered into the same coordinate system, and a local maxima filter is used for the building segmentation of lidar data, which are then converted into an image containing only building information. Then, multiresolution segmentation is achieved using a scale parameter, and a color and shape factor; a compactness factor and a layer weight are implemented for the classification using a class hierarchy. Results indicate that lidar can provide useful additional data when combined with high resolution images in the object-oriented hierarchical classification of urban areas.

• 천문학회보
• /
• 제38권2호
• /
• pp.49.1-49.1
• /
• 2013

We present a new galaxy classification scheme in the Wide-field Infrared Survey Explorer (WISE) [$3.4{\mu}m$]-[$12{\mu}m$] color versus $12{\mu}m$ luminosity diagram. In this diagram, galaxies can be classified into three groups in different evolutionary stages. Late-type galaxies are distributed linearly along "MIR star-forming sequence" identified by Hwang et al. (2012). Some early-type galaxies show another sequence at [3.4]-[12] $(AB){\simeq}-2.0$, and we call this 'MIR blue sequence'. They are quiescent systems with old stellar population older than 10 Gyr. Between the MIR star-forming sequence and the MIR blue sequence, some early- and late-type galaxies are sparsely distributed, and we call these galaxies 'MIR green cloud galaxies'. Interestingly, both MIR blue sequence galaxies and MIR green cloud ones lie on the red sequence in the optical color-magnitude diagram. However, MIR green cloud galaxies have lower stellar masses and younger stellar populations (smaller $D_n4000$) than MIR blue sequence galaxies, suggesting that MIR green cloud galaxies are in the transition stage from MIR star-forming sequence galaxies to MIR blue sequence ones. We present differences in various galaxy properties between the three MIR classes using a multi-wavelength data, combined with the WISE and Sloan Digital Sky Survey Data Release 10, of local (0.03 < z < 0.07) galaxies.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권1호
• /
• pp.257-271
• /
• 2016

The Structural SIMilarity (SSIM) index is one of the most widely-used methods for perceptual image quality assessment (IQA). It is based on the principle that the human visual system (HVS) is sensitive to the overall structure of an image. However, it has been reported that indices predicted by SSIM tend to be biased depending on the type of distortion, which increases the deviation from the main regression curve. Consequently, SSIM can result in serious performance degradation. In this study, we investigate the aforementioned phenomenon from a new perspective and review a constant that plays a big role within the SSIM metric but has been overlooked thus far. Through an experimental study on the influence of this constant in evaluating images with SSIM, we are able to propose a new solution that resolves this issue. In the proposed IQA method, we first design a system to classify different types of distortion, and then match an optimal constant to each type. In addition, we supplement the proposed method by adding color perception-based structural information. For a comprehensive assessment, we compare the proposed method with 15 existing IQA methods. The experimental results show that the proposed method is more consistent with the HVS than the other methods.

• Journal of Multimedia Information System
• /
• 제8권3호
• /
• pp.175-182
• /
• 2021

Oral cancer is ranked second most diagnosed cancer among Indian population and ranked sixth all around the world. Oral cancer is one of the deadliest cancers with high mortality rate and very less 5-year survival rates even after treatment. It becomes necessary to detect oral malignancies as early as possible so that timely treatment may be given to patient and increase the survival chances. In recent years deep learning based frameworks have been proposed by many researchers that can detect malignancies from medical images. In this paper we have proposed a deep learning-based framework which detects oral cancer from histopathology images very efficiently. We have designed our model to split the color channels and extract deep features from these individual channels rather than single combined channel with the help of Efficient NET B3. These features from different channels are fused by using feature fusion module designed as a layer and placed before dense layers of Efficient NET. The experiments were performed on our own dataset collected from hospitals. We also performed experiments of BreakHis, and ICML datasets to evaluate our model. The results produced by our model are very good as compared to previously reported results.

• 대한전자공학회논문지SP
• /
• 제46권5호
• /
• pp.48-55
• /
• 2009

실내외 영상 분류에 대한 연구는 밝기나 에지 정보와 같이 하위 레벨(low-level) 정보의 단순 결합을 이용하여 수행되어 왔다. 그러나 기존의 하위 레벨 영상 정보만을 기반으로 하는 실내외 영상 분류 방법은 다양한 콘텐츠를 극복하는데 한차가 군기 때문에 상위 레벨(high-level) 영상 정보를 함께 이용하는 방법에 대한 연구가 많이 진행되어 왔다. 이러한 연구의 대부분은 영상 내 하늘이나 수풀과 같은 영역을 검출하기 위해 별도의 알고리즘을 수행하기 때문에 특징 벡터의 차원을 증가시키거나 수행 속도를 저하시키는 문제점이 있다. 따라서 본 논문에서는 이러한 문제점을 극복하기 위해 효율적인 실내외 영상 분류 기법을 제안한다. 먼저 효과적인 특징 벡터를 생성하기 위해 영상을 5개의 하위 블록으로 나눈다. 각각의 블록에 대하여, 제안하는 에지 색상 방향 히스토그램(edge and color orientation histogram, ECOH) 기술사(descriptor)를 이용하여 해당 블록을 표현하고 모든 블록의 값을 연결하여 최종적으로 특징 벡터를 생성한다. 제안하는 알고리즘의 효율성과 강건함을 보이기 위해 1200개 이상의 다양한 실내외 영상을 사용하였으며, 학습을 통해 각 영역의 가중치를 결정하여 분류 성능을 향상 시켰다.

• 인터넷정보학회논문지
• /
• 제9권5호
• /
• pp.117-130
• /
• 2008

본 논문은 LBG 알고리즘을 이용하여 다양한 조명에 노출된 의상들의 색상 유사성을 안정적으로 판단하는 방법을 제안한다. 색상 유사성 판별을 위하여 기존에 대표적으로 사용되어왔던 히스토그램 인터섹션이나 누적 히스토그램 방법은 조명 변화에 민감하게 반응하여, 동일한 의상 색상이라 할지라도 서로 다른 조명환경에서는 서로 상이한 색상 판별 결과를 나타낸다. 본 논문에서는 조명에 의한 영향을 줄이고 색상 자체의 분포 특성을 분석하기 위하여 조명조건의 변화에도 일관된 특성을 유지하는 색조와 채도 컬러 성분에 대한 분포 특성을 분석한다. 색조와 채도에 의해 정의되는 2차원 공간에서 각 의상 영상에 대한 색상 분포를 분석하기 위하여 LBG 알고리즘에 의한 비모수적 클러스터링 기법을 적용하고, 클러스터링 결과 얻어진 두 영상의 클러스터 사이의 평균 유클리디안 거리 값을 계산하여 이를 색상 유사성을 판단하는 유사 값으로 정의한다. 제안 기법의 안정성을 입증하기 위하여 서로 다른 조명 환경에서 촬영된 12벌의 의상에 대하여 기존 히스토그램 분석 기법을 기반으로 한 색상 유사성 판별 결과와 제안 기법의 적용 결과를 비교하였다. 실험 결과 제안기법은 동일한 의상 쌍과 상이한 의상 쌍에 대하여 구분을 지을 수 있는 객관적 기준 정의가 용이하였고, 기준에 따른 의상의 동일성 판별 실험에서 91.6%의 판별 성공률을 얻었다.

• 한국콘텐츠학회논문지
• /
• 제5권4호
• /
• pp.150-159
• /
• 2005

유비쿼터스 컴퓨팅에 대한 관심이 증가함에 따라, 이미지 코드도 다양한 영역에서 관심을 끌고 있다. 유비쿼터스 컴퓨팅에서 이미지 코드가 중요한 이유는 비용면과 함께 많은 영역에서 RFID(radio frequency identification)를 보완하거나 대체할 수 있기 때문이다. 그렇지만, 칼라의 왜곡이 심하여 정확한 칼라를 읽는데 어려움이 있기 때문에, 그 응용은 아직까지는 매우 제한적이다. 이 논문에서는, 칼라의 색상 및 채도 값을 이용하여 자동으로 이미지 코드를 찾아내는 것을 포함하여, 이미지 코드 인식에 관한 효율적인 방법을 제시한다. 이 논문의 실험에서는 현재 상용되고 있는 것들 중 가장 실용적이라고 판단되는 디자인을 사용하였다. 이 이미지 코드에는 여섯 개의 안전 칼라, 즉, R, G, B, C, M, Y가 사용되었다. 실험 영상들로는 크기가 $2464{\times}1632$인 72개의 트루 칼라 필드 영상들을 사용하였다. 히스토그램에 의해 칼라를 보정한 경우, 코드 검출 정확도는 96%, 검출된 코드에 대한 칼라 분류 정확도는 91.28% 이었다. 이미지 코드를 검출 및 인식하는데 2 GHz P4 PC에서 약 5초가 소요되었다.