• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.917-927
• /
• 2020

우리나라 국토교통부는 GSD가 0.5m 급인 위성영상의 촬영이 가능한 CAS 500-1/2 위성과 함께 이를 활용하기 위한 기술을 개발 중에 있다. 이에 본 연구에서는 CAS 500-1/2 위성영상의 활용을 위한 기술로 자동화를 지향하는 공간객체추출 기술을 개발하고자 하였다. 연구 수행을 위해 CAS 500-1/2와 가장 유사할 것으로 예상되는 KOMPSAT-3A 위성영상을 연구에 이용하였으며, 상대방사보정을 통해 공간객체추출의 자동화 가능성을 분석하고자 하였다. 이를 위하여 상대방사보정에 이용된 참조 영상과 상대방사보정된 영상에서 매개변수 및 임계값을 동일하게 적용하고, 공간객체를 추출하였다. 추출된 공간객체가 참조영상과 상대방사보정된 영상에서 유사한 형태로 추출되는지에 대한 정성적 분석과 분류정확도가 본 연구에서 설정한 목표정확도인 90% 이상을 만족하는지에 대한 정량적 분석을 통해 공간객체추출의 자동화 가능성 여부를 분석하고자 하였다. 그 결과, 참조영상과 상대방사보정된 영상에서 각각 추출한 공간객체가 유사하게 추출되는 것을 확인하였으며, 분류정확도 분석 결과가 모두 목표정확도인 90% 이상을 만족하는 것으로 나타나 상대방사보정을 통해 공간객체추출 시 자동화가 가능할 것으로 판단된다.

• 한국멀티미디어학회논문지
• /
• 제11권10호
• /
• pp.1325-1337
• /
• 2008

훈련과 인식의 환경적 차이가 음성 인식 성능 저하의 주요 요인이며, 이러한 환경적 불일치를 줄이기 위한 다양한 잡음 처리 방법들이 연구되고 있다. 이 가운데 로그 에너지 특징에 대한 ERN(log-Energy dynamic Range Normalization), SEN(Silence Energy Normalization) 등이 우수한 성능을 보이고 있다. 그러나 이들 방법은 상대적으로 큰 갈을 갖는 로그 에너지 특징에 대해서는 처리가 불가능한 문제점이 이으며, 특히 SNR값이 작은 환경에서는 이러한 문제로 인하여 환경적 불일치가 더욱 크게 나타나고 있다. 이를 해결하기 위해서 본 논문은 자동 회귀 방식으로 이동 평균을 계산하여 로그 에너지 특징을 스무딩(smoothing)하는 ARMA(Auto-Regression and Moving Average) 필터를 후처리로 적용하는 방법을 제안한다. Aurora 2.0 DB를 이용한 인식 실험 결과, 제안 방법이 기존의 방법들에 비해 향상된 인식 결과를 얻을 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제8권1호
• /
• pp.236-245
• /
• 2008

다양한 조명 환경 하에서, 얼굴인식이 잘 동작하도록 하는 것은 매우 어려운 일이며 성공적인 상업화를 위해서는 반드시 성취되어야 하는 작업이다. 본 논문에서는 얼굴 인식을 위한 효율적인 조명 전처리 방법을 제안한다. Anisotropic smoothing 기반 조명 전처리 방법은 조명 전처리 방법 가운데 효과적인 방법으로 잘 알려져 있으나, 원 이미지의 명도 대비를 감소시키며 에지 성분의 약화를 초래한다. 본 논문의 제안 방법은 기존 anisotropic smoothing 방법을 개선하여, 조명의 영향을 줄이면서 명도 대비를 증가시키고 에지 정보를 강화한다. 이러한 개선의 결과로, 본 논문의 제안 방법에 의해 조명 전처리된 같은 사람의 얼굴 이미지들은 보다 차별적인 특징 벡터(가버 특징 벡터)를 갖게 된다. 본 논문에서 제안한 조명 전처리 방법의 효율성은 가버젯 유사도를 이용한 얼굴 인식의 실험을 통하여 입증되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권9호
• /
• pp.4412-4428
• /
• 2018

The purpose of this work is to solve the problem of representing an entire video using Convolutional Neural Network (CNN) features for human action recognition. Recently, due to insufficient GPU memory, it has been difficult to take the whole video as the input of the CNN for end-to-end learning. A typical method is to use sampled video frames as inputs and corresponding labels as supervision. One major issue of this popular approach is that the local samples may not contain the information indicated by the global labels and sufficient motion information. To address this issue, we propose a binary hashing method to enhance the local feature extractors. First, we extract the local features and aggregate them into global features using maximum/minimum pooling. Second, we use the binary hashing method to capture the motion features. Finally, we concatenate the hashing features with global features using different normalization methods to train the classifier. Experimental results on the JHMDB and MPII-Cooking datasets show that, for these new local features, binary hashing mapping on the sparsely sampled features led to significant performance improvements.

• International Journal of Computer Science & Network Security
• /
• 제22권2호
• /
• pp.232-240
• /
• 2022

To fulfill user expectations, the rapid evolution of software techniques and approaches has necessitated reliable and flawless software operations. Aging prediction in the software under operation is becoming a basic and unavoidable requirement for ensuring the systems' availability, reliability, and operations. In this paper, an improved evolutionary computing-driven extreme learning scheme (ECD-ELM) has been suggested for object-oriented software aging prediction. To perform aging prediction, we employed a variety of metrics, including program size, McCube complexity metrics, Halstead metrics, runtime failure event metrics, and some unique aging-related metrics (ARM). In our suggested paradigm, extracting OOP software metrics is done after pre-processing, which includes outlier detection and normalization. This technique improved our proposed system's ability to deal with instances with unbalanced biases and metrics. Further, different dimensional reduction and feature selection algorithms such as principal component analysis (PCA), linear discriminant analysis (LDA), and T-Test analysis have been applied. We have suggested a single hidden layer multi-feed forward neural network (SL-MFNN) based ELM, where an adaptive genetic algorithm (AGA) has been applied to estimate the weight and bias parameters for ELM learning. Unlike the traditional neural networks model, the implementation of GA-based ELM with LDA feature selection has outperformed other aging prediction approaches in terms of prediction accuracy, precision, recall, and F-measure. The results affirm that the implementation of outlier detection, normalization of imbalanced metrics, LDA-based feature selection, and GA-based ELM can be the reliable solution for object-oriented software aging prediction.

• Structural Monitoring and Maintenance
• /
• 제9권2호
• /
• pp.179-200
• /
• 2022

This paper proposes a data-driven methodology for online early damage identification under changing environmental conditions. The proposed method relies on two data analysis methods: feature-based method and hybrid principal component analysis (PCA) and kernel PCA to separate damage from environmental influences. First, spectral sub-band features, namely, spectral sub-band centroids (SSCs) and log spectral sub-band energies (LSSEs), are proposed as damage-sensitive features to extract damage information from measured structural responses. Second, hybrid modeling by integrating PCA and kernel PCA is performed on the spectral sub-band feature matrix for data normalization to extract both linear and nonlinear features for nonlinear procedure monitoring. After feature normalization, suppressing environmental effects, the control charts (Hotelling T² and SPE statistics) is implemented to novelty detection and distinguish damage in structures. The hybrid PCA-KPCA technique is compared to KPCA by applying support vector machine (SVM) to evaluate the effectiveness of its performance in detecting damage. The proposed method is verified through numerical and full-scale studies (a Bridge Health Monitoring (BHM) Benchmark Problem and a cable-stayed bridge in China). The results demonstrate that the proposed method can detect the structural damage accurately and reduce false alarms by suppressing the effects and interference of environmental variations.

• 대한의용생체공학회:의공학회지
• /
• 제23권1호
• /
• pp.39-47
• /
• 2002

본 연구의 목적은 선형 변환을 이용한 레지스트레이션의 정확도를 높이는데 있다. 서로 다른 개인간의 뇌영상을 비교분석하기 위해서는 공통된 좌표계로 각 영상을 변환하는 작업이 필요하다 정확한 변환을 위해서는 전체적인 뇌영상의 매치와 국소적 영역의 매치가 모두 중요하다 일반적으로 상호정보를 이용한 레지스트레이션은 전체적인 뇌영상을 매치시키는데 유리하다. 그러나 관심영역에 대한 매치는 특징기반 레지스트레이션 방법이 더 유리하다. 본 논문에서 제시하는 통합 레지스트레이션은 특징정보와 더불어 복셀기반의 상호정보를 함께 사용하였다. 이러한 접근 방법은 정신분열증을 판단하는 기준으로 많이 사용되는 뇌량을 포함하는 뇌의 중심부분의 매칭에 유리함을 실험을 통해 확인하였다 상호정보만을 사용하는 복셀기반 레지스트레이션이나 탈라이락 좌표계를 이용한 정규화에 비해 본 연구의 통합 레지스트레이션은 전체적 뇌영상 뿐만 아니라 관심 영역에서의 레지스트레이션 오차가 더 작았다.

• ETRI Journal
• /
• 제29권3호
• /
• pp.300-304
• /
• 2007

This paper proposes a new data-driven method for high-pass approaches, which suppresses slow-varying noise components. Conventional high-pass approaches are based on the idea of decorrelating the feature vector sequence, and are trying for adaptability to various conditions. The proposed method is based on temporal local decorrelation using the information-maximization theory for each utterance. This is performed on an utterance-by-utterance basis, which provides an adaptive channel normalization filter for each condition. The performance of the proposed method is evaluated by isolated-word recognition experiments with channel distortion. Experimental results show that the proposed method yields outstanding improvement for channel-distorted speech recognition.

• 전기학회논문지
• /
• 제56권3호
• /
• pp.615-622
• /
• 2007

In general, Harris detector is commonly used for finding salient points in watermarking systems using feature points. Harris detector is a kind of combined comer and edge detector which is based on neighboring image data distribution, therefore it has some limitation to find accurate salient points after watermark embedding or any kinds of digital attacks. In this paper, we have used cross reference points which use not data distribution but geometrical structure of a normalized image in order to avoid pointing error caused by the distortion of image data. After normalization, we find cross reference points and take inverse normalization of these points. Next, we construct a group of triangles using tessellation with inversely normalized cross reference points. The watermarks are affine transformed and transformed-watermarks are embedded into not normalized image but original one. Only locations of watermarks are determined on the normalized image. Therefore, we can reduce data loss of watermark which is caused by inverse normalization. As a result, we can detect watermarks with high correlation after several digital attacks.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.646-649
• /
• 2004

LiDAR(Light Detection and Ranging) system can record intensity data as well as range data. Recently, LiDAR intensity data is widely used for landcover classification, ancillary data of feature extraction, vegetation species identification, and so on. Since the intensity return value is associated with several factors, same features is not consistent for same flight or multiple flights. This paper investigated correlation between intensity and range data. Once the effects of range was determined, the single flight line normalization and the multiple flight line normalization was performed by an empirical function that was derived from relationship between range and return intensity