• 한국지능시스템학회논문지
• /
• 제25권2호
• /
• pp.133-138
• /
• 2015

본 논문에서는 비균일 양자화에 기반을 둔 영상의 질감분석에 널리 이용되고 있는 gray level co-occurrence matrix(GLCM)의 성능개선을 제안하였다. 여기서 비균일 양자화는 평균자승오차의 최소화를 위한 반복계산 기법인 Lloyd 알고리즘을 이용하였다. 이는 영상에서의 비균일 양자화 과정으로 얻어지는 비선형의 명암레벨을 GLCM의 생성에 이용함으로써 행렬의 차원을 감소시켜, GLCM의 생성과 질감특성 파라미터들의 계산에 따른 부하를 줄이기 위함이다. 제안된 기법을 30개의 $120{\times}120$ 픽셀의 256 그레이 레벨을 가진 영상들을 대상으로 적용하여 angular second moment, contrast, variance, entropy, correlation, inverse difference moment 6개의 질감특성 파라미터들을 각각 계산한 실험결과, 양자화를 수행하지 않은 256 레벨 GLCM에 비해 계산시간과 저장 공간에서 개선된 성능이 있음을 확인하였다. 특히 48, 32, 16, 12, 8의 비균일 양자화 레벨 중에서 16일 때 가장 우수한 질감특성분석 성능이 있음을 알 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제20권1호
• /
• pp.43-50
• /
• 2017

According to living environment, the number of deaths due to thyroid diseases increased. In this paper, we proposed an algorithm for recognizing a thyroid detection using texture analysis based on shape, gray level co-occurrence matrix and gray level run length matrix. First of all, we segmented the region of interest (ROI) using active contour model algorithm. Then, we applied a total of 18 features (5 first order descriptors, 10 Gray level co-occurrence matrix features(GLCM), 2 Gray level run length matrix features and shape feature) to each thyroid region of interest. The extracted features are used as statistical analysis. Our results show that first order statistics (Skewness, Entropy, Energy, Smoothness), GLCM (Correlation, Contrast, Energy, Entropy, Difference variance, Difference Entropy, Homogeneity, Maximum Probability, Sum average, Sum entropy), GLRLM features and shape feature helped to distinguish thyroid benign and malignant. This algorithm will be helpful to diagnose of thyroid nodule on ultrasound images.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.433-442
• /
• 2018

저수구역은 계획된 홍수위에 의하여 둘러싸인 지역 혹은 댐의 계획된 홍수위 내에 있는 지역으로 정의된다. 본 연구에서는 저수구역 내 농경지를 탐지하기 위하여, 대표적인 기계학습 기법인 RF (Random Forest) 기반의 감독 분류 방법을 적용하였다. 저수구역 내의 농경지를 효과적으로 분류하기 위하여, 질감정보를 정량화하기 위한 대표적인 기법인 GLCM (Gray Level Co-occurrence Matrix)과 NDWI (Normalized Difference Water Index), NDVI (Normalized Difference Vegetation Index)를 추가적인 입력자료로 활용하였다. 특히, 질감정보를 생성하는데 사용된 윈도우 크기가 농경지의 분류 정확도에 미치는 영향을 분석하여, 저수구역 내의 농경지를 효과적으로 분류하기 위한 방법론을 제시하였다. 실험결과, UAV 영상을 이용한 분류결과를 통하여 취득된 다중분광영상과 NDVI, NDWI, GLCM 영상들을 이용하여 저수구역 내의 농경지를 효과적으로 탐지할 수 있음을 확인하였다. 또한, GLCM의 윈도우 크기가 분류정확도를 향상시키기 위한 중요한 변수임을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.410-413
• /
• 2011

본 논문에서는 도로 영상에서 검출된 자동차 영상을 종류별 분류를 위해 효과적인 질감 특징정보 기반의 자동차 종류별 분류 방안을 제안한다. 제안한 연구에서는 운전자의 안전운전지원을 위해 도로상에서 검출된 자동차 영역과 자신의 차량과 거리를 추정하기 위해 검출된 자동차의 종류를 인식할 필요가 있다. 즉, 인식된 자동차의 종류에 따라 차량 간 거리를 추정에 필요한 파라미터로 사용할 수 있기 때문이다. 따라서 본 연구에서는 검출된 자동차 영상들로부터 GLCM(gray-level co-occurrence matrix)의 7가지의 특징정보들을 추출하고 SVM을 사용하여 학습 한 후 자동차의 종류(승용, 화물, 버스)를 분류하는 방법을 제안한다. GLCM은 영상이 가진 질감 정보를 효율적으로 분석함으로써 영역의 밝기 변화 정도, 거침 정도, 픽셀 분포 정도 등을 표현하기 때문에 영상내의 포함된 영역을 분류하는데 효과적이다. 제안한 방법을 실제 자동차 규모별 분류에 적용한 결과 약 83%의 분류 성공률을 제시하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 춘계종합학술대회
• /
• pp.585-589
• /
• 2002

본 논문에서는 효과적인 특징 추출을 기반으로 한 계층적인 검색 시스템을 제안한다. 조명 변화 및 영상의 이동과 크기 변화 그리고 회전과 같은 기하학적 변형에도 강한 속성을 가지는 영상 검색을 할 수 있도록 사용자의 질의 영상을 웨이블릿(Wavelet) 변환을 한 후 동일한 크기의 부영역으로 나누어진 저대역 부밴드에서 칼라의 특징으로 추출된 모멘트와 질감 특징인 GLCM(Gray Level Co-occurrence Matrix)의 Contrast를 사용해 유사 영상들의 1차 분류 과정을 거친다. 보다 정확한 검색을 수행하기 위해 1차 분류된 후보 영상들에 대해 고대역 부밴드에서 추출된 수평, 수직, 대각선 방향별 에너지(Energy)를 기반으로 한 에너지의 상대적인 성분 분포의 비교가 수행됨으로써 효율적인 영상 검색 결과를 보였다.

• 정보처리학회논문지B
• /
• 제11B권4호
• /
• pp.403-410
• /
• 2004

최근 의료 영상 분석(Medical Image Analysis)이나 영상 검색(Image Retrieval)을 위한 전처리(Preprocessing) 단계로 영상 분석(Image Analysis)에 대한 연구가 활발히 진행되고 있다. 본 논문에서는 영상 검색에서 색상 성분(Color Component)의 활용 방법을 제안하고자 한다. 이미지를 검색하기 위해 색상 성분을 기반으로 하고, 색상(Color)을 분석하기 위한 기법으로 CLCM(Color Level Co-occurrence Matrix)과 통계적 기법을 이용하고 있다. CLCM은 기하학적 회전 변환(Geometric Rotate Transform)을 통해서 색상 성분을 3차원 공간상에 투영(Projection)하여 공간 관계(Spatial Relationship)로부터 나타나는 분포를 해석하는 방법으로, 본 논문에서 제안하는 주제이다. CLCM은 색상 모델에서 만들어지는 2차원 히스토그램을 지칭하며 색상 모델의 기하학적인 회전 변환을 통해서 생성된다. 그리고 이를 분석하기 위한 방법으로 통계 기법을 활용하고 있다. CLCM과 유사하게 2차원 분포도를 사용하는 GLCM(Gray Level Co-occurrence Matrix)[1]과 불변 모멘트(Invariant Moment)[2,3] 같은 알고리즘은 2차원적인 데이터를 해석하기 위하여 기본적인 통계 기법을 활용하고 있다. 하지만 GLCM과 불변 모멘트가 각각의 도메인에 최적화되어 있다 하더라도 공간 좌표상에 존재하는 불규칙적인 데이터를 완전히 해석할 수는 없다. 즉 GLCM과 불변 모멘트는 기초 통계 기법만을 사용하고 있기 때문에 추출된 특징들의 신뢰성이 낮다는 것이다. 본 논문에서는 이러한 단점을 보완하여 공간 관계를 해석함과 동시에 데이터의 가중치를 해석하기 위해 전형적인 다변량 통계에서 사용하는 주성분 분석(Principal Component Analysis)[4,5]을 이용하고 있다. 그리고 데이터의 정확도를 높이기 위해서 3차원 공간상에 색상 성분을 투영하여 이를 회전시키면서 데이터의 특성을 다각도에서 추출하는 방법을 제시한다.

• 한국조경학회:학술대회논문집
• /
• 한국조경학회 2022년도 춘계학술대회 논문집
• /
• pp.37-38
• /
• 2022

• 융합신호처리학회논문지
• /
• 제20권2호
• /
• pp.70-77
• /
• 2019

조기 유방암을 진단하기 위해서는 유방초음파 판독이 매우 중요하다. 초음파 검사는 초음파장비에 따라 화질의 차이가 심하게 나타날 뿐만 아니라 검사자의 경험과 숙련 정도에 따라 진단의 차이가 크게 나타난다. 따라서 정확한 진단과 치료를 위하여 객관적인 판단기준이 필요하다. 이에 본 연구에서는 GLCM(Gray Level Co-occurrence Matrix) 알고리듬을 적용하여 질감 특성을 분석하고 특징파라미터들을 추출하여 신경망분류기를 이용하여 유방암을 진단하였다. 유방초음파 영상은 정상 조직과 양성, 악성 종양으로 분류하여 질감 특성 파라미터 6가지를 추출하였다. 유방초음파검사로 진단된 정상 영상, 악성 및 양성종양 영상 각각 14증례를 대상으로 추출된 6개의 파라미터들을 적용하여 다층 퍼셉트론 신경망구조 역전파 학습방법으로 학습을 시켰다. 학습된 모델에 정상 유방 영상 51증례, 양성종양 영상 62증례, 악성종양 영상 74증례의 영상을 사용하여 분류한 결과 95.2%의 분류율을 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.307-310
• /
• 2021

지난 몇년간 유방 초음파영상을 이용한 신호 및 영상처리 기술과 자동 영상 최적화 기술, 유방 종괴 자동 검출 및 분류 기술 등, 컴퓨터 보조 진단(computer-aided diagnosis, CAD)을 활용하는 연구들이 활발히 진행되어지고 있다. 컴퓨터진단기술이 개발될수록 암의 조기 발견이 정확하고 빠르게 진행되어 건강 보험과 환자의 검사 빙용을 줄일 수 있고 조직 검사에 대한 불안감을 없앨 수 있을 것으로 기대된다. 본 논문에서는 GLCM(gray level co-occurrence matrix)을 사용하여 초음파 영상에서 종양의 정량적 분석을 진행하여 컴퓨터보조 진단에 활용 가능성을 실험하였다.

• Journal of Information Processing Systems
• /
• 제13권3호
• /
• pp.590-598
• /
• 2017

Recently, there has been an increase in the number of hazardous events, such as fire accidents. Monitoring systems that rely on human resources depend on people; hence, the performance of the system can be degraded when human operators are fatigued or tensed. It is easy to use fire alarm boxes; however, these are frequently activated by external factors such as temperature and humidity. We propose an approach to fire detection using an image processing technique. In this paper, we propose a fire detection method using multichannel information and gray level co-occurrence matrix (GLCM) image features. Multi-channels consist of RGB, YCbCr, and HSV color spaces. The flame color and smoke texture information are used to detect the flames and smoke, respectively. The experimental results show that the proposed method performs better than the previous method in terms of accuracy of fire detection.