• Asian Pacific Journal of Cancer Prevention
• /
• 제15권24호
• /
• pp.10573-10576
• /
• 2015

Background: Accuracy in feature extraction is an important factor in image classification and retrieval. In this paper, a breast tissue density classification and image retrieval model is introduced for breast cancer detection based on thermographic images. The new method of thermographic image analysis for automated detection of high tumor risk areas, based on two-directional two-dimensional principal component analysis technique for feature extraction, and a support vector machine for thermographic image retrieval was tested on 400 images. The sensitivity and specificity of the model are 100% and 98%, respectively.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (C)
• /
• pp.218-221
• /
• 2006

본 논문은 인터넷의 대표적인 문제점중의 하나인 Adult Image 분류 연구에 대해 기술한다. 특히 우리는 이러한 Adult Image를 분류하기 위한 Data Set을 5가지 타입으로 구성한다. 이러한 각 Image에 대해 Color, Gradient, Edge Direction 특성의 Feature들을 추출하고 이를 Histogram으로 구성한다. 이렇게 구성된 Histogram을 Support Vector Machine에 적용하여 Adult Image를 분류한다. 그 결과, 우리는 8250개의 Test Set에 대하여 Recall(96.53%), Precision(97.33%), False Positive(2.96%), F-Measure(96.93%)의 성능 결과를 보여준다.

• 한국멀티미디어학회논문지
• /
• 제22권11호
• /
• pp.1223-1232
• /
• 2019

The injection is the input method of the image feature vector from the encoder to the decoder. Since the image feature vector contains object details such as color and texture, it is essential to generate image captions. However, the bidirectional decoder model using the existing injection method only inputs the image feature vector in the first step, so image feature vectors of the backward sequence are vanishing. This problem makes it difficult to describe the context in detail. Therefore, in this paper, we propose the parallel injection method to improve the description performance of image captions. The proposed Injection method fuses all embeddings and image vectors to preserve the context. Also, We optimize our image caption model with Bidirectional Gated Recurrent Unit (Bi-GRU) to reduce the amount of computation of the decoder. To validate the proposed model, experiments were conducted with a certified image caption dataset, demonstrating excellence in comparison with the latest models using BLEU and METEOR scores. The proposed model improved the BLEU score up to 20.2 points and the METEOR score up to 3.65 points compared to the existing caption model.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.376-379
• /
• 2008

내용기반 영상검색(CBIR)에서 보다 효율적이고 빠른 영상검색을 위하여 본 논문에서는 칼라 히스토그램 정제를 이용한 특정벡터 기반 영상검색 알고리즘을 제안한다. RGB 칼라 이미지에서 각각의 R, G, B를 분할하고 히스토그램을 추출하여 16개의 영역(bin)으로 균일하게 분할한 다음 R, G, B 각각의 히스토그램에서 영역의 픽셀값을 계산하여 비교, 분석하고 그중 최고값을 추출한다. 그리고 R, G, B 각각의 영역의 최고값들을 이용하여 칼라 정보를 인덱스화 한 후 그 특정값을 이용한 영상 검색 기술을 수행한다. 본 논문에서 제안한 알고리즘은 효과적인 특정 추출을 위하여 각각의 R, G, B에서 추출 된 특정값을 특정벡터 테이블로 구성하여 입력 영상과 데이터베이스 영상을 비교하고 매칭도와 순위를 구하여 기존의 히스토그램만을 이용한 알고리즘 보다 더 나은 검색 결과를 확인하였다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2003년도 Proceeding
• /
• pp.223-230
• /
• 2003

Feature-based similarity retrieval has become an important research issue in multimedia database systems. The features of multimedia data are useful for discriminating between multimedia objects (e 'g', documents, images, video, music score, etc.). For example, images are represented by their color histograms, texture vectors, and shape descriptors, and are usually high-dimensional data. The performance of conventional multidimensional data structures(e'g', R- Tree family, K-D-B tree, grid file, TV-tree) tends to deteriorate as the number of dimensions of feature vectors increases. The R＊-tree is the most successful variant of the R-tree. In this paper, we propose a SOM-based R＊-tree as a new indexing method for high-dimensional feature vectors.The SOM-based R＊-tree combines SOM and R＊-tree to achieve search performance more scalable to high dimensionalities. Self-Organizing Maps (SOMs) provide mapping from high-dimensional feature vectors onto a two dimensional space. The mapping preserves the topology of the feature vectors. The map is called a topological of the feature map, and preserves the mutual relationship (similarity) in the feature spaces of input data, clustering mutually similar feature vectors in neighboring nodes. Each node of the topological feature map holds a codebook vector. A best-matching-image-list. (BMIL) holds similar images that are closest to each codebook vector. In a topological feature map, there are empty nodes in which no image is classified. When we build an R＊-tree, we use codebook vectors of topological feature map which eliminates the empty nodes that cause unnecessary disk access and degrade retrieval performance. We experimentally compare the retrieval time cost of a SOM-based R＊-tree with that of an SOM and an R＊-tree using color feature vectors extracted from 40, 000 images. The result show that the SOM-based R＊-tree outperforms both the SOM and R＊-tree due to the reduction of the number of nodes required to build R＊-tree and retrieval time cost.

• 대한원격탐사학회지
• /
• 제15권3호
• /
• pp.183-194
• /
• 1999

위성에서 관측된 다중분광 위성영상 데이터를 이용목적에 따라 분석하고 활용하기 위해서는 영상 자체에 내포된 밝기, 칼라, 질감 등 다양한 특징들이 중요한 정보원으로 이용되고 있다. 특히 질감이나 칼라정보를 이용한 위성영상의 분석과정에서 가장 중요한 문제는 원 영상의 정보를 효율적으로 표현하는 속성을 추출하여 적절히 활용하는 것이다. 따라서 본 논문에서는 위성영상 분석에 유용하게 사용할 수 있는 6개의 속성 벡터들을 선정한 다음 SPOT 위성에서 관측된 영상을 이용하여 각각의 속성들에 대한 분별력을 평가하기 위하여 역전파 신경망(Back-propagation Neural Network)을 이용한 분류 네트워크를 구성하였고, 실험하고자 하는 지역에 대한 훈련집합 선택시 선정된 여섯 개이 속성 벡터들을 분류에 사용될 특징으로 선택하였다. 분류 실험을 수행한 결과 각각의 벡터 속성들은 개개의 특성에 따라 많은 장단을 내포하고 있었으며, 전반적으로는 비교적 정확한 분류결과를 나타내었다. 따라서 칼라 및 질감 속성 벡터들은 위성영상의 분류과정에 효과적으로 사용될 수 있음은 물론 다양한 영상분석 및 응용분야에서도 유용하게 이용될 수 있을 것으로 기대된다.

• 제어로봇시스템학회논문지
• /
• 제6권5호
• /
• pp.390-395
• /
• 2000

We present a fingerprint identification algorithm using the wavelet transform and correlation. The wavelet transform is used because of its simple operation to extract fingerprint minutiaes features for fingerprint classification. We perform the rowwise 1-D wavelet transform for a $256\times256$ fingerprint image to get a $1\times256$ column vector using the Haar wavelet and repeat 1-D wavelet transform for a 1$\times$256 column vector to get a $1\times4$ feature vector. Using PNN(Probabilistic Neural Network), we select the possible candidates from the stored feature vectors for fingerprint images. For those candidates, we compute the correlation between the input binary image and the target binary image to find the most similar fingerprint image. The proposed algorithm may be the key to a low cost fingerprint identification system that can be operated on a small computer because it does not need a large memory size and much computation.

• International Journal of Computer Science & Network Security
• /
• 제21권6호
• /
• pp.1-6
• /
• 2021

Recently, pre-trained convolutional neural network CNNs have been widely used and applied for medical image classification. These models can utilised in three different ways, for feature extraction, to use the architecture of the pre-trained model and to train some layers while freezing others. In this study, the ResNet18 pre-trained CNNs model is used for feature extraction, followed by the support vector machine for multiple classes to classify medical images from multi-classes, which is used as the main classifier. Our proposed classification method was implemented on Kvasir and PH2 medical image datasets. The overall accuracy was 93.38% and 91.67% for Kvasir and PH2 datasets, respectively. The classification results and performance of our proposed method outperformed some of the related similar methods in this area of study.

• 한국컴퓨터정보학회논문지
• /
• 제23권10호
• /
• pp.95-101
• /
• 2018

In this paper, we propose an image-based synthesis method that can effectively represent the spark effect in fire simulation. We use the real flame image or animated image as inputs and perform the following steps : 1) extract feature vectors from the image, 2) calculate artificial buoyancy, and 3) generate and advect spark textures. We detect the edge from images and then calculate the feature vectors to calculate the buoyancy. In the next step, we compute the high-quality buoyancy vector field by integrating the two-dimensional feature vector and the fluid equation. Finally, the spark texture is advect by buoyancy field. As a result, our method is performed much faster than the previous approach and high-quality results can be obtained easily and stably.

• 정보처리학회논문지B
• /
• 제8B권5호
• /
• pp.539-548
• /
• 2001

본 연구에서는 배경과 구분되는 이동물체를 추적하기 위한 방법으로 부분 외곽선 정보를 이용한 이동물체 추적 알고리즘을 제안하였다. 이동물체의 추적은 이동물체의 외곽선을 검출한 다음 외곽선 정보를 이동물체의 특징으로 정하여 추적하는 알고리즘을 사용하였다. 먼저 이동물체 외곽선 정보를 이용하여 연속한 동영상 입력에 대하여 속 BMA(Block Matching Algorithm)을 이용하여 움직임 벡터를 추출하고 움직임 벡테를 기초로 이동물체를 추출한다. 다음은 이동물체 초기 특징 벡테 생성단계로서 이동물체에 대한 외곽선을 추출한다. 이동물체의 외곽선 영역 중 상하좌우의 외곽선 일부분을 특징벡터로 정한다. 다음은 추적단계로 이전 프레임에서 얻은 특징벡터를 이용하여 현재 프레임에서 이동물체의 추적을 수행하였다. 제안된 알고리즘에 대하여 실제영상을 가지고 이동물체추적 모의 실험을 수행한 결과 기존 능동 윤곽선 추적알고리즘은 물체 외곽선 전체를 추적하기 때문에 물체의 외곽선 길이에 따라 처리시간이 변화하지만 제안된 알고리즘은 이동물체의 외곽선 영역을 특징정보로 하여 추적하기 때문에 추적연산이 간단하였다. 제안된 이동물체 추적알고리즘 중 이동벡터를 추출하는 BMA 연산은 기존 알고리즘 보다 연산량이 약 39%감소였으며, 상하 좌우 외곽선 정보를 이용하여 이동물체를 추적한 결과 추적오차는 특징벡터의 크기가 [$10{\times}5$]일 때 검색오차가 2화소 이하로 양호하게 나타났다. 또한 기본 능동 윤ㅅ곽선 축적알고리즘은 물체 외곽선 크기에 따른 처리시간이 변화하지만 제안된 알고리즘은 특징벡터의 크기가 일정하기 때문에 동일한 처리시간이 필요하였다.