• 제어로봇시스템학회논문지
• /
• 제15권8호
• /
• pp.778-785
• /
• 2009

This paper presents a Gabor texture feature extraction method for classification of discolored Metal pad images using GPU(Graphics Processing Unit). The proposed algorithm extracts the texture information using Gabor filters and constructs a pattern map using the extracted information. Finally, the golden pad images are classified by utilizing the feature vectors which are extracted from the constructed pattern map. In order to evaluate the performance of the Gabor texture feature extraction algorithm based on GPU, a sequential processing and parallel processing using OpenMP in CPU of this algorithm were adopted. Also, the proposed algorithm was implemented by using Global memory and Shared memory in GPU. The experimental results were demonstrated that the method using Shared memory in GPU provides the best performance. For evaluating the effectiveness of extracted Gabor texture features, an experimental validation has been conducted on a database of 20 Metal pad images and the experiment has shown no mis-classification.

• 정보처리학회논문지B
• /
• 제9B권1호
• /
• pp.29-34
• /
• 2002

지문인식 분야는 크게 지문의 분류(classification)와 정합(matching)으로 연구되고 있다. 분류는 일반적으로 좌제상문, 우제상문, 와상문, 궁상문, 솟은궁상문 등 크게 5종류로 나누며, 특정인의 지문이 어떤 분류에 속하는 지를 결정하는 것은 대형지문 데이터베이스에서 인덱스로 사용하여 매칭 시간의 단축과 정확도를 높여 주는데 있다. 기존의 지문분류는 특이점이라 불리는 핵과 삼각점의 개수 및 위치에 의한 분류방법이 주를 이루고 있는데, 이러한 방법은 지문분류의 정확성이 떨어지고, 특히 품질이 나쁜 지문이나 부분지문 등에서는 분류가 어려워 정확성이 더욱 떨어지는 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 품질이 나쁜 지문이나 부분지문가지도 방향성과 주파수 선택력이 강한 Gabor 필터의 특징을 이용하여 지문분류의 정확성을 향상시킬 수 있는 효율적인 방법을 제안하고 실험을 통하여 이를 증명하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2000년도 추계학술발표논문집 (하)
• /
• pp.899-902
• /
• 2000

지문인식 분야는 크게 분류(classification)와 정합 (matching)으로 나누어져 연구되어왔다. 분류는 일반적으로 와상문, 궁상문, 솟은궁상문, 오른쪽제상문, 왼쪽제상문 등의 5종류로 분류되며, 지문이 어떤 분류에 속하는지 구별하여 특정인의 지문 형태를 결정하여 주는 작업으로 대형 데이터베이스에서 인덱스로 사용되어 검색시간 단축과 매칭의 정확도를 높여준다. 본 논문에서는 지문 분류에서 품질이 나쁜 이미지는 분류를 위한 특이점 (핵 과 삼각점)의 검술이 어려운 점을 감안하여 방향성과 주파수 선택력이 강한 Gabor 필터의 특징을 이용한 지문 분류 방법으로 지문 분류의 정확성을 향상시킬 수 있는 방안을 제시하고 실험을 통하여 이를 증명한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 하계학술대회 논문집 D
• /
• pp.2595-2597
• /
• 2002

오늘날 많은 디지털 저장 매체의 발달로 방대한 양의 영상 데이터가 데이터베이스화 되고 있으며 이러한 데이터베이스에서 필요한 영상 데이터론 효율적으로 검색하는 방범이 중요한 문제로 대두되고 있다. 현재 영상의 색상, 형태 및 질감 특성을 사용하여 다양한 영상 검색 방법이 제안되고 있으며 본 연구에선 이중 질감을 특징으로 하는 Gator 특징 벡터를 사용하고자 한다. 즉, 영상의 인터레스트 포인트를 찾아내어 그 점에서 Gabor 웨이블릿을 이용하여 특징 벡터를 추출하고 VQ를 기반으로 한 히스토그램 인터섹션 방법을 이용하여 영상 검색을 한다. 기존의 Gator 웨이블릿 방법은 영상의 회전에 대해 잘 동작하지 못하는 단점을 가지고 있으며 이는 회전 영상에 대한 검색율 저하에 크게 작용한다. 이 문제를 해결하고자 본 논문에선 회전 불변 Gabor 필터를 이용한 영상 검색 방법을 제안하고자 한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2004년도 춘계학술대회 학술발표 논문집 제14권 제1호
• /
• pp.450-453
• /
• 2004

본 논문은 지문을 이용하여 개인 식별 및 확인하는 생체인식 시스템을 제안한 것으로, 입력 지문 영상으로부터 중심점(Core)를 찾아 8개 방향의 가버 필터를 사용하여 지문의 특징을 드러나게 한다. 또한, 중심점으로부터 일정 영역을 섹터로 분할하고 분할된 섹터 별 특징 값을 산출하여 코드 북으로 등록한다. 등록된 데이터로부터 매칭하는 과정은 상관 계수를 이용하여 유사도가 가장 높은 등록자를 선별하고 인식 대상자로 선정한다. 이와 같은 방법은 융선의 분기점과 단점을 특징으로 하는 알고리즘에서 문제시되는 특징점이 빠지는 경우와 의사 특징점에 의한 오인식을 줄일 수 있으며, 중심점과 기준 축의 설정에 따라 지문 영상의 회전에 영향을 받지 않는 방법으로 좋은 성능을 보일 수 있다. 제안된 방법의 유용성을 확인하고자 광학식 지문 센서와 PC를 이용한 실시간 지문 인식 시스템을 구현하였다.

• 한국멀티미디어학회논문지
• /
• 제16권6호
• /
• pp.764-781
• /
• 2013

본 논문에서는 시차영상 생성과 레이블링(labeling)을 동시에 수행하는 빌보드 스윕 스테레오 시차정합 알고리즘을 적용하고, 두 단계로 구성된 복합 가설생성(hypothesis generation) 단계를 적용함으로서 거짓알림(false alarm)을 줄이고, 차량 검출의 정확도를 높이는 방법을 제안한다. 먼저 차량의 정면에 장착된 두 대의 카메라를 이용하여 영상을 획득하고, 이 영상을 사용하여 빌보드 스윕 스테레오 시차정합 알고리즘을 수행하여 지면과 배경이 제거된 장애물(obstacle)만이 존재하는 특수한 형태의 시차영상을 생성한다. 이렇게 생성된 지면과 배경이 제거된 레이블링된 시차영상을 이용하여 차량 검출 및 추적을 수행한다. 차량 검출 및 추적단계는 크게 세 단계로 나눠진다. 첫 번째 단계는 학습 단계로서 학습데이터로부터 Gabor필터를 사용해서 특징점을 추출하고, 추출된 특징점을 학습한 뒤 서포트 벡터머신 분류기를 생성하는 단계이다. 두 번째 단계는 스테레오 카메라의 영상 중 주 카메라의 영상으로부터 에지 정보를 추출하고, 지면과 배경이 제거된 시차 영상으로부터 얻어진 시차정보를 이용해서 차량이 존재하는 후보영역을 뽑은 뒤 서포트 벡터머신 분류기를 사용하여 차량을 검출하는 단계이다. 마지막 단계는 차량 추적단계로서 검출이 완료된 차량들은 다음 프레임에서 템플릿 매칭을 수행하여 추적한다. 이는 추적에 성공할 경우 다음 프레임의 차량 검출시 후보영역에서 배제함으로서 전체적인 차량 검출 성능을 향상시킨다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.401-404
• /
• 2012

기존 얼굴 인식 알고리즘은 단일 특징 기반의 전역적 방식이었다. 정확도를 향상시키기 위해 복수의 특징점을 이용하는 방법들이 제안되었으나 이는 알고리즘의 복잡도가 증가하고, 계산 속도가 느린 단점이 있다. 본 논문에서는 대표적인 특징점 추출 알고리즘인 SURF (Speeded Up Robust Features)를 이용한 얼굴 인식 방법을 제안한다. SURF 를 통해 기술어를 추출하고, Gabor 특징과 LBP 특징을 이용해 해당 특징점에서 기술어를 추출함으로써 기존 알고리즘보다 경량화할 수 있고, 수행시간을 줄일 수 있다. 잘 알려진 ORL 데이터베이스에서의 실험에서 제안한 방법이 정합시간을 포함한 수행 시간에서 약 16%의 감소를 보였고, 정확도 또한 약 34% 향상되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권1호
• /
• pp.71-81
• /
• 2004

특징점 기반(Minutiae-based) 지문 인식 시스템은 지문에 포함된 융선들의 구조 정보를 완벽하게 표현할 수 없는 특징점 정보를 활용한다. 더욱이, 동일한 지문이라 하더라도 일정하지 않게 추출되는 특징점은 정합과정에서 여러 가지 기법들을 요구하게 된다. 이와 같이 정량적으로 표현되지 않는 특징점 기반 방법의 대안으로 여러 방향을 갖는 가보 필터(Gabor filter)를 이용해 영역별 특징 값들을 추출하는 필터뱅크 기반(Filterbank-based) 지문 인식방법이 제안되었다(1). 그러나 필터뱅크 기반 방법은 다른 손가락에서 얻은 지문이지만 같은 종류일 경우 유사한 특징 벡터를 추출한다는 점과 지문 입력시의 회전오차를 고려하기 위한 오버헤드를 갖는다는 문제점을 가진다. 본 논문에서는 이러한 문제점을 해결하기 위해 특징 벡터를 추출할 때, 특징점이 존재하는 영역에 대해 가중치를 부여하여 특징벡터를 구성하는 방법을 제안하였다. 또한 코어 주변의 지역적인 방향들의 평균치를 이용해 지문 정렬을 수행하는 새로운 지문정렬 방법을 제한하였다. 두 가지 방법은 각각 시스템의 성능향상과 속도를 증가시키는 결과를 얻을 수 있다. 제안한 방법에 따라 NIST Special Database 14 지문 데이타로 실험한 결과 0.967%의 FAR(False Acceptance Rate)에서 0.524%의 FRR(False Reject Rate)을 보여, 기존 방법에 비해 1.28배 이상의 속도 향상과 ERR(Equal error Rate)에서 약 5%의 성능 향상을 보였다.

• 한국지능시스템학회논문지
• /
• 제16권1호
• /
• pp.1-7
• /
• 2006

본 논문에서는 6개의 특징점을 이용하는 가버 웨이블릿 신경망 기반 적응 표정인식 시스템을 제안한다. 특징 추출부를 포함하는 초기 네트워크의 구성은 Levenberg-Marquardt 기반의 학습방법이 사용되며, 따라서 특징 추출부 결정에 있어서 경험적 요소를 배재시킬 수 있다. 또한 새로운 사용자에 대한 적응 네트워크를 구성하기 위해서 개선된 보상함수를 가지는 Q-학습과, 비지도 퍼지 신경망 모델을 사용하였다. Q-학습을 통해서는 개인 사용자에 대해 분리도가 좋은 특징벡터를 얻을 수 있는 가버필터 세트를 얻을 수 있으며, 퍼지 신경망을 통해서는 사용자의 얼굴변화에 맞게 인식기를 변화시킬 수 있다. 따라서 제안된 시스템은 사용자의 얼굴변화를 따라갈 수 있는 좋은 적응 성능을 보이고 있다.

• 전자공학회논문지SC
• /
• 제47권5호
• /
• pp.62-68
• /
• 2010

적외선영상에서 표적을 효율적으로 탐지하는 새로운 자동표적탐지 알고리즘을 제안한다. 이 연구의 목적은 실제 야지환경에서 획득된 적외선영상에서 낮은 오경보 확률로 표적의 위치를 정확히 찾는 것이다. 제안한 방법이 기존의 방법과 다른 점은 초기 탐지단계에서 사용되는 모폴로지 필터링 기법을 밝기정보를 갖고 있는 원래 입력 영상이 아닌 가버(Gabor) 응답 영상에 적용한 것과 표적과 클러터를 구분하기 위해 표적의 정확한 윤곽선 추출을 필요로 하지않는 것이다. 제안한 방법은 크게 3단계로 구성된다. 첫째로, 영상에서 돌출된 영역을 찾기 위해 입력영상으로부터 4 방향의 가버 응답을 구하고 픽셀별로 가버응답 합 영상을 구한다. 이 영상에 모폴로지 기법을 적용하여 돌출된 영역의 위치를 찾는다. 둘째로, 원래의 입력영상의 돌출된 영역에서 지역적인 질감특징 정보들을 찾는다. 마지막 단계로, 찾아진 지역적 특징 정보들이 신경회로망인 다층퍼셉트론 (Multi-Layer Perceptron)으로 입력되어 학습된 훈련 데이터들과의 비교를 통해 실제 표적과 클러터를 구분한다. 실험에서는 제안한 방법을 군사용 적외선 영상장비를 사용하여 실제 야지 환경에 획득된 영상에 적용하여 우수성과 실용가능성을 확인한다.