• 정보처리학회논문지D
• /
• 제11D권4호
• /
• pp.983-990
• /
• 2004

누적밀도 히스토그램은 사각형 객체의 네 점에 대응하는 4개의 서브 히스토그램을 유지함으로써 사각형 객체가 여러 버켓에 걸쳐질 경우 발생하는 다중 계산 문제를 해결하고 있다. 이 기법은 빠른 추정시간과 정확한 결과를 제공하고 있지만, 질의 윈도우가 그리드 셀의 경계와 일치해야 한다는 제약사항을 기반으로 수행하므로, 실제 응용에 적용시 많은 에러를 초래하게 된다. 따라서, 이 논문에서는 기존 누적밀도 히스토그램에서 질의 윈도우의 제약사항에 관한 영향을 줄이기 위해, 두가지 확률모델을 기반으로 일반화된 누적밀도 히스토그램을 사용한 선택율 추정 기법을 제안하였다. 제안된 두가지 확률 모델은 \circled1질의 영역 비율을 고려한 확률모델과, \circled2교차 영역 정보를 고려한 확률모델이다. 우리는 실제 데이터 셋을 사용하여 제안된 기법을 실험하였다 실험 결과는 이 논문에서 제안된 기법이 기존의 다른 선택율 추정 기법보다 성능이 뛰어남을 보여주고 있다 더구나, 교차 영역 정보를 기반으로 하는 확률모델의 경우 20% 질의 윈도우에서 5% 미만의 낮은 에러율을 보였다. 이 논문에서 제안된 기법은 사각형 객체의 공간 범위 질의의 선택율을 정확하게 추정하는데 사용될 수 있다.

• ETRI Journal
• /
• 제28권4호
• /
• pp.502-505
• /
• 2006

A new class-based histogram equalization method is proposed for robust speech recognition. The proposed method aims at not only compensating the acoustic mismatch between training and test environments, but also at reducing the discrepancy between the phonetic distributions of training and test speech data. The algorithm utilizes multiple class-specific reference and test cumulative distribution functions, classifies the noisy test features into their corresponding classes, and equalizes the features by using their corresponding class-specific reference and test distributions. Experiments on the Aurora 2 database proved the effectiveness of the proposed method by reducing relative errors by 18.74%, 17.52%, and 23.45% over the conventional histogram equalization method and by 59.43%, 66.00%, and 50.50% over mel-cepstral-based features for test sets A, B, and C, respectively.

• 대한음성학회지:말소리
• /
• 제55권
• /
• pp.131-142
• /
• 2005

A mismatch between the training and the test conditions often causes a drastic decrease in the performance of the speech recognition systems. In this paper, non-linear transformation techniques based on histogram equalization in the acoustic feature space are studied for reducing the mismatched condition. The purpose of histogram equalization(HEQ) is to convert the probability distribution of test speech into the probability distribution of training speech. While conventional histogram equalization methods consider only the probability distribution of a test speech, for noise-corrupted test speech, its probability distribution is also distorted. The transformation function obtained by this distorted probability distribution maybe bring about miss-transformation of feature vectors, and this causes the performance of histogram equalization to decrease. Therefore, this paper proposes a new method of calculating noise-removed probability distribution by using assumption that the CDF of noisy speech feature vectors consists of component of speech feature vectors and component of noise feature vectors, and this compensated probability distribution is used in HEQ process. In the AURORA-2 framework, the proposed method reduced the error rate by over $44\%$ in clean training condition compared to the baseline system. For multi training condition, the proposed methods are also better than the baseline system.

• 방송공학회논문지
• /
• 제14권4호
• /
• pp.397-408
• /
• 2009

In this paper, we present a non-static color histogram method to retrieve clothing images that are similar to a query clothing. Given clothing area, our method automatically extracts major colors by using the octree-based quantization approach[16]. Then, a color palette that is composed of the major colors is generated. The feature of each clothing, which can be either a query or a database clothing image, is represented as a color histogram based on its color palette. We define the match color bins between two possibly different color palettes, and unify the color palettes by merging or deleting some color bins if necessary. The similarity between two histograms is measured by using the weighted Euclidean distance between the match color bins, where the weight is derived from the frequency of each bin. We compare our method with previous histogram matching methods through experiments. Compared to HSV cumulative histogram-based approach, our method improves the retrieval precision by 13.7 % with less number of color bins.

• 한국인터넷방송통신학회논문지
• /
• 제14권3호
• /
• pp.155-162
• /
• 2014

본 논문에서는 이동차량 양상 안정화를 위한 효율적인 흔들림 보정 기법을 제안한다. 제안된 흔들림 보정 기법은 입력으로 받은 영상 이미지 프레임의 색상 분리를 통한 변환 및 분리정보에 대한 누적 히스토그램을 계산하였고, 흔들리는 차량용 영상 이미지를 보정한 결과에서 색상 정보를 맞추기 위해 히스토그램 매칭을 하였다. 본 논문에서 제안된 흔들림 보정 기법은 기존 차량 영상 안정화 기술과 비교하였을 때, 휘도 및 컬러 레벨의 비교를 통해 노이즈가 가장 적고 영상의 자연스러움이 더 뛰어난 복원 결과를 얻을 수 있었다. 또한, 흔들림 보정 기법은 메모리를 사용하지 않고 실시간으로 처리를 통해 다른 방법과 비교하여 효율성을 입증하였다.

• 한국융합학회논문지
• /
• 제10권3호
• /
• pp.15-22
• /
• 2019

본 논문에서는 자음과 모음이 분리되어 검출되는 한글의 문제점을 해결하기 위해 히스토그램과 자음, 모음 문자의 구조적 특징을 이용한 한글 검출 방법을 제안하였다. 제안하는 방법은 한글 검출 과정에서 불필요한 잡음을 제거하기 위해 DoG(Difference of Gaussian)을 이용하여 배경을 제거하였다. 배경이 제거된 이미지에서 누적 히스토그램을 사용하여 위해 이진화 이미지로 변환하였다. 그 후 수평 누적 히스토그램을 사용하여 문자열 위치를 찾고, 찾은 문자열 이미지에서 수직히스토그램을 사용하여 문자 결합을 진행하였다. 하지만 '가', '라' '귀' 와 같이 자음 모음이 수평으로 존재하는 단어는 하나의 문자로 결합이 어렵기 때문에 문자의 구조적 특징을 이용하여 결합하였다. 본 실험에서는 다양한 배경을 가진 알파벳으로 구성된 이미지, 한글로 구성된 이미지, 알파벳과 한글이 혼합된 이미지를 가지고 실험하였다. 제안하는 방법은 K-means와 MSER 문자 검출 방법이랑 비교했을 때 알파벳 검출률은 2%정도 낮지만 한글이 포함된 문자 검출 방면에서는 90.6%로 약 5% 높은 검출률을 보였다.

• 한국산학기술학회논문지
• /
• 제15권7호
• /
• pp.4475-4481
• /
• 2014

저화질 이미지의 화질 개선에는 전통적으로 히스토그램균등화 기법이 사용되어 왔다. 히스토그램균등화 기법은 입력 이미지의 누적밀도함수를 변환함수로 사용하는 기법으로 이는 이론상 최대의 엔트로피를 가지지만 주관적 화질 측면에서는 백화현상이 나타나는 문제점이 있다. 본 논문에서는 히스토그램균등화 기법 기반의 가중 히스토그램 균등화 기법을 제안한다. 이는 인간의 시각특성을 반영한 Weber-Fechner 법칙을 사용하며 입력영상에 독립적인 변환함수를 제공하는 여러 이미지 화질 개선 기법들이 가지는 문제점을 해결하기 위해서 동적영역 재조정 과정을 포함한다. 최종적으로 재조정된 동적영역 범위 내에서 Weber-Fechner 법칙을 적용한 변환함수와 히스토그램균등화 기법을 통해 얻어진 변환함수간의 가중 평균을 통하여 변환함수를 생성한다. 실험결과 제안하는 알고리즘은 주관적 화질 측면에서 대비비를 효과적으로 향상시키는 것을 보여주며, 엔트로피 또한 비교에 사용된 여러 이전의 방법들과 비교하여 유사하거나 높은 값을 가지는 것을 볼 수 있었다.

• 전자공학회논문지S
• /
• 제36S권6호
• /
• pp.87-95
• /
• 1999

본 논문에서는 ATM망에서 3차원 동영상 데이터의 시뮬레이션 모델을 제시한다. 이 모델은 슬라이스 레벨에 기초를 두며, PVAR(Projected Vector Autoregressive)모델이라고 명한다. PVAR 모델은 자기상관성(Autocorrelation)과 히스토그램(Histogram)특성을 만족하기 위해 AR(Autoregressive)모델에 기초로 모델링 되고 프로젝션 함수(Projection function)에 의해 실제 데이터를 매핑 한다. 프로젝션 함수로는 CDPF(cumulative distribution probability function)를 사용한다. 이때 과정은 슬라이스 단위로 수행된다. 제안된 모델은 자기 상관성과 히스토그램을 만족시키는데 좋은 성능을 보여주고, 네트워크 성능 분석에 중요하다. 이어서 이것을 주기적 평균값에 의한 Smoothing 방법에 적용한다. 일반적으로 QoS는 버퍼(buffer)에서의 셀 손신과 최대 지연에 관계된 CLR에 달려 있다. 따라서 제안한 Smoothing 기법은 QoS를 향상시키는데 이용할 수 있다.

• 한국산학기술학회논문지
• /
• 제17권3호
• /
• pp.1-8
• /
• 2016

본 논문은 블랙박스 적용을 위한 적응형 히스토그램 스트레칭 알고리즘을 제안하였다. 본 알고리즘은 자동차 개인 저장장치 영상을 이용한 차량 번호판 검출을 위한 전처리 단계로 사용하였다. 제안 방식은 확률밀도함수(PDF: Probability Density Function)와 누적분포함수(CDF: Cumulative Density) 이용하여 영상의 밝기 분포도를 분석하였다. 이 두 함수는 일정한 간격을 두고 샘플링 한 영상을 사용하여 구하였다. 두 함수를 이용하여 영상의 특성을 분석하여, 특정 인자를 검출하였다. 검출된 인자를 분포도에 따라 각각 다른 스트레칭을 수행하였다. 알고리즘 검증은 촬영 된 자동차 개인 저장장치 영상을 사용하였다. 기존 알고리즘 비교는 시각적인 평가, 히스토그램 분포, 표준 및 표준 편차 값을 분석하였다. 또한 시뮬레이션 결과를 자동차 번호판 인식 알고리즘에 적용하여 번호판 인식율을 분석하였다. 기존 알고리즘보다 열화 현상이 적게 나타났고, 향상된 콘트라스트 값을 통하여, 차량 번호판 검출에서 기존 알고리즘보다 정확한 위치가 나타났다.

• 한국정보과학회논문지:데이타베이스
• /
• 제32권5호
• /
• pp.547-557
• /
• 2005

선택율 추정 기법들의 공통적인 목표는 데이타의 요약 정보를 적은 저장 공간에 유지하고, 추정된 값과 질의 결과에 대한 오차를 최소화하는 것이다. 방대한 양의 공간 데이타에 대한 선택율 추정의 경우, 정확한 결과를 얻기 위해서는 공간 데이타의 분포를 반영하는 요약 정보를 필요로 하며, 그러한 요약 정보를 생성하기 위해서는 많은 저장 공간을 필요로 한다. 따라서, 이 논문에서는 적은 저장 공간을 사용하면서, 정확성 높은 선택율을 추정하는 누적밀도 웨이블릿 히스토그램을 제안한다. 이 히스토그램은 기존의 누적밀도 히스토그램에 유지되는 각 서브 히스토그램에 대해 웨이블릿 변환을 적용함으로써, 보다 적은 저장 공간에서 높은 정확도의 선택율을 얻을 수 있다. 우리는 실험결과를 통하여 기존 히스토그램의 저장 공간에 $25\%\~50\%$만을 사용하여 높은 정확도의 선택율 추정 결과를 보임으로써, 기존의 다른 선택율 추정기법들이 갖는 저장공간에 대한 제약사항을 해결함과 동시에 적은 저장공간을 사용하여 높은 정확도의 선택율 추정이 가능함을 확인 하였다. 이 논문에서 제안된 기법은 공간 데이타베이스에서의 공간 범위 질의에 대한 정확성 높은 선택율을 추정하기 위해 사용될 수 있다.