• 천문학회보
• /
• 제37권1호
• /
• pp.75.1-75.1
• /
• 2012

We have observed the part of the second quadrant of the Galactic Plane in $^{13}CO(1-0)$ using the multibeam receiver system installed on the 14 m telescope at Taeduk Radio Astronomy Observatory. The target region (L=108 to 112.5) is the part of the $^{12}CO$ Outer Galactic Plane Survey (Heyer et al. 1998), and it is for the exact Galactic plane with the latitude range of +1 and -1 degree. Total of 48,000 spectra (about 9 square degees) were obtained on 50" grid. The selected velocity resolution is 0.63 km/sec and sensitivity per channel is 0.17 K, and the covered velocity is 320 km/sec. We developed a new reduction method, which effectively deals with a relatively noisy 3-dimensional database. The collected $^{13}CO$ database will be manipulated with pre-existing $^{12}CO$ data to get several physical parameters. As it is located in the second quadrant, the kinematic distances of the individual clouds, which will be identified, can be estimated relatively easily without any distance ambiguity. In this meeting we present the reduction method, statistics, and some channel maps, integrated intensity maps, and spatial-velocity maps. We intend to clarify any difference of their characteristics between the clouds in the Outer Galaxy and Inner Galaxy using our data base.

• 한국지능시스템학회논문지
• /
• 제18권3호
• /
• pp.354-359
• /
• 2008

클러스터링은 주어진 임의의 데이터 중에서 유사한 성질을 지닌 데이터를 복수개의 그룹으로 조직화하는 기법이다. 이를 위해 K-Means, Fuzzy C-Means(FCM), Mountain Method(MM) 등과 같은 많은 기법들이 제안되었고 또한 널리 사용되어지고 있다. 그러나 이러한 기법들은 초기값에 따라 클러스터링 결과가 크게 달라지는 단점이 있다. 특히 가장 널리 사용되는 FCM 기법은 잡음 데이터에 취약하며, 주어진 입력 데이터의 클러스터 내부분산을 최소화 하는 방법을 사용하기 때문에 클러스터링 중심의 왜곡 현상이 발생한다. 본 논문에서는 데이터 가중치에 근거한 비례적 근접데이터 병합을 통하여 클러스터 중심 왜곡을 저감하며 초기값에 영향을 받지 않는 클러스터링 기법을 제안한다. 그리고 FCM으로 얻어진 클러스터 중심과 제안기법을 적용하여 얻어진 클러스터 중심에 대한 비교 검토를 통하여 제안기법의 효용성을 확인한다.

• 한국산학기술학회논문지
• /
• 제18권9호
• /
• pp.24-33
• /
• 2017

Multitemporal MODIS 식생 지수 (VI) 자료는 식생 활동의 프로파일을 제공하기 때문에 환경 및 기후 변화에 대한 식생 모니터링 연구에 널리 사용되고 있다. 그러나 MODIS 데이터에는 구름이나 대기 변동성 및 계측기 문제로 인해 노이즈가 발생하여 NDVI 시계열 데이터 분석과 애플리케이션 응용에 있어서 자료 정확성에 문제가 생기게 된다. 이러한 이유로, NDVI 자료를 이용한 VI 분석을 위해서는 잡음을 줄이고 고품질의 시계열 데이터 스트림을 재구성하기위한 전 처리가 필요하다. 본 연구에서는 NDVI 시계열 자료의 통계적 특성을 기반으로 불량 데이터 또는 미관측 데이터를 복원하기 위해 MODIS NDVI에 대한 데이터 재구성 방법을 제안하고 있다. 데이터 스트림 함수의 속성을 검사하면 급격한 증가나 감소와 같은 비정상적인 변화를 감지 할 수 있다. 본 연구에 제안하고 있는 방법은 정상적인 자료의 세부적 특징은 그대로 유지하면서 노이즈 자료만 수정하는 방향으로 자료를 복원할 수 있다. 제안된 기법은 시뮬레이션 데이터와 2006년부터 2012년까지의 북한지역 백두산을 대상으로 NDVI 시계열 자료를 사용하여 테스트하였고 시뮬레이션 테스트에서는 기존 wavelet이나 Gaussian 방법에 비해 본 방법이 에러율을 평균 70% 이상 줄일 수 있어 제안된 방법이 노이스가 있는 시계열 자료의 데이터 재구성에 있어 효과적임을 입증하였다.

• Computational Structural Engineering : An International Journal
• /
• 제3권1호
• /
• pp.1-7
• /
• 2003

For system identification of large structures, it is not practical to identify the entire structure due to the prohibitive computational time and difficulty in numerical convergence. This paper explores the possibility of performing system identification at substructure level, taking advantage of reduction in both the number of unknowns and the number of degrees of freedom involved. Another advantage is that different portions (substructures) of a structural system can be identified independently and even concurrently with parallel computing. Two substructural identification methods are formulated on the basis whether substructural approach is used to obtain first-order or second-order model. For substructural first-order model, identification at the substructure level will be performed by means of the Observer/Kalman filter Identification (OKID) and the Eigensystem Realization Algorithm (ERA) whereas identification at the global level will be performed to obtain second-order model in order to evaluate the system's stiffness and mass parameters. In the case of substructural second-order model, identification will be performed at the substructure level throughout the identification process. The efficiency of the proposed technique is shown by numerical examples for multi-storey shear buildings subjected to random forces, taking into consideration the effects of noisy measurement data. The results indicate that both the proposed methods are effective and efficient for damage identification of large structures.

• International Journal of Computer Science & Network Security
• /
• 제21권12spc호
• /
• pp.556-564
• /
• 2021

Numerous spatial and transform-domain-based conventional denoising algorithms struggle to keep critical and minute structural features of the image, especially at high noise levels. Although neural network approaches are effective, they are not always reliable since they demand a large quantity of training data, are computationally complicated, and take a long time to construct the model. A new framework of enhanced hybrid filtering is developed for denoising color images tainted by additive white Gaussian Noise with the goal of reducing algorithmic complexity and improving performance. In the first stage of the proposed approach, the noisy image is refined using a high-dimensional non-local means filter based on Principal Component Analysis, followed by the extraction of the method noise. The wavelet transform and SURE Shrink techniques are used to further culture this method noise. The final denoised image is created by combining the results of these two steps. Experiments were carried out on a set of standard color images corrupted by Gaussian noise with multiple standard deviations. Comparative analysis of empirical outcome indicates that the proposed method outperforms leading-edge denoising strategies in terms of consistency and performance while maintaining the visual quality. This algorithm ensures homogeneous noise reduction, which is almost independent of noise variations. The power of both the spatial and transform domains is harnessed in this multi realm consolidation technique. Rather than processing individual colors, it works directly on the multispectral image. Uses minimal resources and produces superior quality output in the optimal execution time.

• Investigative Magnetic Resonance Imaging
• /
• 제20권4호
• /
• pp.215-223
• /
• 2016

Purpose: The management of metal-induced field inhomogeneities is one of the major concerns of distortion-free magnetic resonance images near metallic implants. The recently proposed method called "Slice Encoding for Metal Artifact Correction (SEMAC)" is an effective spin echo pulse sequence of magnetic resonance imaging (MRI) near metallic implants. However, as SEMAC uses the noisy resolved data elements, SEMAC images can have a major problem for improving the signal-to-noise ratio (SNR) without compromising the correction of metal artifacts. To address that issue, this paper presents a novel reconstruction technique for providing an improvement of the SNR in SEMAC images without sacrificing the correction of metal artifacts. Materials and Methods: Low-rank approximation in each coil image is first performed to suppress the noise in the slice direction, because the signal is highly correlated between SEMAC-encoded slices. Secondly, SEMAC images are reconstructed by the best linear unbiased estimator (BLUE), also known as Gauss-Markov or weighted least squares. Noise levels and correlation in the receiver channels are considered for the sake of SNR optimization. To this end, since distorted excitation profiles are sparse, $l_1$ minimization performs well in recovering the sparse distorted excitation profiles and the sparse modeling of our approach offers excellent correction of metal-induced distortions. Results: Three images reconstructed using SEMAC, SEMAC with the conventional two-step noise reduction, and the proposed image denoising for metal MRI exploiting sparsity and low rank approximation algorithm were compared. The proposed algorithm outperformed two methods and produced 119% SNR better than SEMAC and 89% SNR better than SEMAC with the conventional two-step noise reduction. Conclusion: We successfully demonstrated that the proposed, novel algorithm for SEMAC, if compared with conventional de-noising methods, substantially improves SNR and reduces artifacts.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제36권12호
• /
• pp.1016-1023
• /
• 2009

자동차 번호판 인식 시스템은 문자 추출, 특징 추출 등의 영상처리와 추출된 문자를 인식하는 인식기로 구성된다. 특징 추출은 문자 영역의 데이터 감소뿐만 아니라 인식 성능을 결정한다. 따라서 본 논문에서는 번호판 인식의 결과에 영향이 큰 숫자 인식, 특히 숫자의 특징 추출에 초점을 두었으며, 데이터의 군집성을 재배치하여 데이터 간의 최적의 산란도를 확보할 수 있는 통계적 특징의 혼합 모델을 제안하고, 이를 다층 퍼셉트론과 LVQ 신경망을 이용하여 유효성을 검증하였다. 제안된 통계적 특징 추출 방법은 번호판 영상이 갖는 정보를 가장 잘 유지하고, 잡음과 외부 환경에 강건하며 효과적인 방법임을 보여준다.

• 한국지능시스템학회논문지
• /
• 제7권2호
• /
• pp.34-42
• /
• 1997

본 논문은 산업분야의 군사적으로 많이 사용되고 있는 planar shape의 인식을 스펙트럼 분석기를 이용하여 FFT 스펙트럼으로부터 추출된 3차원 특징 벡터와 신경회로망인 fuzzy ARTMAP을 이용하여 시도되었다. 외곽선 정보를 추출하여 이를 원점으로 이동시키고 각 경계점들과 원점들과의 유클리드 거리를 구하여 이를 다시 FFT스펙트럼과 스펙트럼 분석기를 통하여 3차원 특징 벡터를 추출하였다. 이 3차원 데이터는 이동, 회전, 크기에 무관한 값으로 fuzzy ARTMAP에 입력값으로 사용하였다. Fuzzy ARTMAP은 두개의 fuzzy ART 모듈을 가지고 있으며 위에서 구한 특징 벡터들에 의해 학습되고 실험되어 진다.본 논문에 포함된 실험은 4개의 비행기와 4개의 산업부품을 이용하여 잡음이 섞인 shape의 인식에 있엇 제시된 방법이 좋은 인식률을 기록함을 보여주고 있다.

• 전기전자학회논문지
• /
• 제24권3호
• /
• pp.777-782
• /
• 2020

본 논문에서는 도플러 레이다와 음성 센서를 이용한 CNN 기반 HMI 시스템을 제안하고, 가속을 위한 하드웨어 설계 및 구현 결과를 제시한다. 단일 센서 모니터링의 한계를 극복하기 위해 제안된 HMI 시스템은 두 센서의 데이터를 융합 처리하여 분류 성능을 개선했다. 제안된 시스템은 다양한 노이즈 환경에서 단일 레이다 및 음성 센서 기반 분류기에 비해 3.5% 및 12% 향상된 성능을 나타냈다. 또한, CNN의 복잡한 연산부를 가속하기 위해 설계된 하드웨어를 FPGA 디바이스 상에서 구현 및 검증하였다. 성능 평가 결과, 제안된 HMI 가속 플랫폼은 단일 소프트웨어 기반 구조에 비해 연산 시간을 95% 단축 가능한 것을 확인하였다.

• 한국음향학회지
• /
• 제21권5호
• /
• pp.471-477
• /
• 2002

최근 립리딩에 대한 연구는 음성인식방법에 있어서 부가적인 정보를 제공하여 잡음환경에서 견인한 음성 인식을 하거나 음성정보의 부가적인 특징벡터로 사용하기 위한 방법으로 연구되고 있다. 그러나 립리딩 연구의 대부분은 실험실 환경하의 제한된 결과로서, 실제 다양한 동적 환경에서의 견인성에 대해서는 연구된 바가 없다. 현재 우리는 입술정보만을 이용한 자동22단어 인식기를 만들었으며, 이미지 기반 립리딩의 성능은 53.54%의 성능을 가지고 있다. 본 연구에서는 기 구현된 립리딩 시스템을 기반으로 하여, 립리딩 성능이 환경 적인 변화에 대해서 얼마나 안정할 수 있는지, 그리고 립리딩의 인식성능 저하를 일으키는 주요 요인이 무엇인지에 대하여 연구하였다. 입술이미지의 동적 변이로서는 이동, 회전. 크기변화와 같은 공간적 변화와 빛에 의한 조명변화를 고려하였다. 실험용 데이터로는 영상변환에 의한 시뮬레이션 된 데이터와 동적 변화가 심한 자동차 환경에서 수집한 데이터를 사용하였다. 실험결과 입술의 공간 변화가 인식성능 저하의 한가지 요인으로 작용함을 발견하였다. 그러나 실제적으로 공간변화보다 더 심각한 성능저하 원인은 시간흐름에 따른 조명조건의 변화로써 70%이상의 왜곡이 발생했다. 따라서 신뢰할 수 있는 립리딩 시스템 구현을 위해서 고려해야 할 가장 큰 요인은 빛의 변화임을 발견할 수 있었다.