• 한국지구과학회지
• /
• 제25권2호
• /
• pp.109-114
• /
• 2004

중력 포텐셜의 해석에 웨이브렛 변환 방법을 적용하였다. 웨이브렛을 만드는 단계 함수가 제안되었다. 단계 함수는 중력 포텐셜에서의 그린 함수로 대치될 수 있음이 보여졌다. 상향연속은 단계함수와의 컨볼루션 곧 웨이브렛 변환으로 표현될 수 있다. 단계인자는 높이 변화를 나타낸다. 다중경계는 각 단계에서의 웨이브렛 변환치의 국부 최대값을 연결하여 구해지며 이는 지층의 불연속면을 나타낸다. 다중경계 방법을 마산 창원지역의 중력자료에 적용하였다.

• 융합신호처리학회논문지
• /
• 제8권2호
• /
• pp.91-97
• /
• 2007

신호에서 급격한 변화의 지점은 신호의 특징을 분석함에 있어서 가장 중요한 요소이며, 영상에서 에지는 위치, 모양 그리고 재질 등과 같은 다양한 정보를 포함한다. 따라서 이러한 에지를 검출하기 위한 많은 연구가 수행되었으며, 공간영역에서 컨벌루션 마스크를 이용한 방법들이 대표적이다. 그러나 이와 같은 초기의 방법들은 영상에 잡음과 다양한 종류의 에지가 존재할 경우, 선택적으로 에지를 분리하는 것이 용이하지 않다. 한편, 멀티스케일 에지 검출이 가능한 웨이브렛은 영상의 특징들을 분석하기 위해 광범위하게 응용되고 있다. 따라서 본 논문에서는 잡음에 강인한 웨이브렛 기반의 에지 검출기를 제안하여 라인-에지 성분을 선택적으로 분리 검출하였다.

• Interaction and multiscale mechanics
• /
• 제3권3호
• /
• pp.267-276
• /
• 2010

A nonlocal finite element model is developed for solving elasto-static frictional contact problems of nanostructures and nanoscale devices. A two dimensional Eringen-type nonlocal elasticity model is adopted. The material is characterized by a stress-strain constitutive relation of a convolution integral form whose kernel is capable to take into account both the diffusion process of nonlocal elasticity and the scale ratio effects. The incremental convex programming procedure is exploited as a solver. Two examples of different nature are presented, the first one presents the behavior of a nanoscale contacting system and the second example discusses the nano-indentation problem.

• Journal of Information Processing Systems
• /
• 제17권2호
• /
• pp.411-425
• /
• 2021

In this paper, a vehicle recognition algorithm based on deep convolutional neural network and compression dictionary is proposed. Firstly, the network structure of fine vehicle recognition based on convolutional neural network is introduced. Then, a vehicle recognition system based on multi-scale pyramid convolutional neural network is constructed. The contribution of different networks to the recognition results is adjusted by the adaptive fusion method that adjusts the network according to the recognition accuracy of a single network. The proportion of output in the network output of the entire multiscale network. Then, the compressed dictionary learning and the data dimension reduction are carried out using the effective block structure method combined with very sparse random projection matrix, which solves the computational complexity caused by high-dimensional features and shortens the dictionary learning time. Finally, the sparse representation classification method is used to realize vehicle type recognition. The experimental results show that the detection effect of the proposed algorithm is stable in sunny, cloudy and rainy weather, and it has strong adaptability to typical application scenarios such as occlusion and blurring, with an average recognition rate of more than 95%.