• 한국지능시스템학회논문지
• /
• 제13권6호
• /
• pp.673-678
• /
• 2003

본 논문에서는 웨이블렛 계수와 Hidden Markov Model(HMM) 이용한 얼굴인식 알고리즘을 제안 한다. 입력 영상은 이산웨이블렛을 기반으로 한 다행상도 분석기법을 사용하여 데이터 수를 압축한 후, 각각의 해상도에서 얻어진 웨이블렛 계수를 특징벡터로 사용하여 HMM의 모델을 생성한다. 인식단계 에서는 웨이블렛 변환에 의해 생성된 개별대역의 인식값을 더하여 상호 보완함으로써 인식률을 높일 수 있었다. 제안된 알고리즘의 타당성을 검증하기 위하여 기본적 알고리즘인 벡터 양자화(VQ) 기법을 적용한 경우와 기존 얼굴인식에 제안된 DCT-HMM을 이용한 기법과의 인식률 비교를 한 결과, 제안된 방법이 우수한 성능을 보임을 알 수 있었다.

• ETRI Journal
• /
• 제42권2호
• /
• pp.217-229
• /
• 2020

Long-term electroencephalography (EEG) monitoring is time-consuming, and requires experts to interpret EEG signals to detect seizures in patients. In this paper, we propose a novel automated method called adaptive slope of wavelet coefficient counts over various thresholds (ASCOT) to classify patient episodes as seizure waveforms. ASCOT involves extracting the feature matrix by calculating the mean slope of wavelet coefficient counts over various thresholds in each frequency subband. We validated our method using our own database and a public database to avoid overtuning. The experimental results show that the proposed method achieved a reliable and promising accuracy in both our own database (98.93%) and the public database (99.78%). Finally, we evaluated the performance of the method considering various window sizes. In conclusion, the proposed method achieved a reliable seizure detection performance with a short-term window size. Therefore, our method can be utilized to interpret long-term EEG results and detect momentary seizure waveforms in diagnostic systems.

• 대한전자공학회논문지SP
• /
• 제40권4호
• /
• pp.256-265
• /
• 2003

지문을 기반으로 하는 생체 인식 시스템이 보다 실용적이고 높은 신뢰성을 가지기 위해서는, 입력지문의 회전에 강인해야 할뿐만 아니라 검증이나 인식에 소요되는 응답 시간이 짧아야 한다. 따라서 본 논문에서는 회전에 강인할 뿐만 아니라 처리속도가 빠른 방향성 필터 뱅크 기반의 지문 특징 추출 및 정합 방법을 제안한다. 제안한 방법은 영상을 방향별 대역 영상으로 효과적으로 분해해 주는 방향성 필터 뱅크를 이용하여 지문 패턴의 특징을 빠른 속도로 추출할 뿐만 아니라 특징 벡터 간 유클리드 거리에 기반하여 정합을 수행하기 때문에 전체 응답 속도가 매우 빠르다. 회전에 대해 강인한 특성을 가지도록 하기 위해 방향성 필터 뱅크에 의해 분해된 대역 영상에서 다양한 회전을 고려한 특징 백터 집합을 구성한 다음 등록된 단일템플릿 특징 백터와 정합을 수행한다. 실험 결과 제안한 방법이 기존의 방법 중 선두적인 방법 중의 하나인 Gabor 필터 뱅크 기반 방법에 상응하는 정확도를 가지면서 훨씬 빠른 속도로 검증을 수행할 뿐만 아니라 회전에 강인한 특성을 가짐을 보여 주었다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.102-112
• /
• 2012

본 논문에서는 웨이브렛 영역의 BDIP(block difference of inverse probabilities)와 BVLC(block variance of local correlation coefficients) 특징, 그리고 WPCA(whitened principal component analysis) 분류기를 이용한 질감 분류 방법을 제안한다. 제안된 방법에서는 먼저 질의 영상에 웨이브렛 변환을 적용한다. 그런 다음 웨이브렛 영역의 각 부대역에 BDIP와 BVLC 연산자를 적용한다. 이어서 각 BDIP, BVLC 부대역에 대하여 전역 통계치를 계산하고 그 결과들을 벡터화하여 특징 벡터로 사용한다. 분류 단계에서는 얼굴 인식에 주로 사용되는 WPCA를 분류기로 하여 질의 특징 벡터와 가장 유사한 학습 특징 벡터를 찾는다. 실험 결과 제안된 방법은 3가지의 실험 질감 영상 DB에 대하여 낮은 특징 벡터 차원으로 매우 우수한 질감 분류 성능을 보여준다.

• 한국멀티미디어학회논문지
• /
• 제22권11호
• /
• pp.1233-1241
• /
• 2019

The goal of the sound-based mechanical fault diagnosis technique is to automatically find abnormal signals in the machine using acoustic emission. Conventional methods of using mathematical models have been found to be inaccurate due to the complexity of industrial mechanical systems and the existence of nonlinear factors such as noise. Therefore, any fault diagnosis issue can be treated as a pattern recognition problem. We propose an automatic fault diagnosis method using discrete wavelet transform and power spectrum density using multi pattern recognition. First, we perform DWT-based filtering analysis for noise cancelling and effective feature extraction. Next, the power spectral density(PSD) is performed on each subband of the DWT in order to effectively extract feature vectors of sound. Finally, each PSD data is extracted with the features of the classifier using multi pattern recognition. The results show that the proposed method can not only be used effectively to detect faults as well as apply to various automatic diagnosis system based on sound.

• 한국정보통신학회논문지
• /
• 제14권6호
• /
• pp.1409-1415
• /
• 2010

본 논문에서는 웨이블릿 변환 영역에서 구성한 부대역간의 트리구조와 공간 영역에서의 영상 형태 정보를 이용하여 워터마크의 삽입 위치를 결정한 후에 워터마크를 삽입하는 기법을 제안하였다. 웨이블릿 영역에서 높은 주파수를 가지는 부대역을 다수의 영역으로 나누고 각 블록에 대한 에너지와 전체 에너지의 평균값 등을 이용하여 워터마킹을 위한 후보영역을 얻는다. 또한 공간 영역에서 얻어진 영상의 경계 정보를 이용하여 워터마크가 삽입될 후보 영역을 구한다. 무작위 난수와 웨이블릿 영역에서 이웃 웨이블릿 계수간의 관계를 이용하여 워터마킹 후보영역 내에 워터마크를 삽입한다. 마지막으로 역 웨이블릿 변환을 수행하여 워터마크가 삽입된 영상을 생성한다. 제안된 워터마킹 알고리즘은 JPEG과 같은 압축과 블러링, 선명화, 그리고 가우시안 잡음 등의 공격에 대해서 우수한 특성을 보였다.

• 한국콘텐츠학회논문지
• /
• 제7권5호
• /
• pp.10-15
• /
• 2007

본 논문에서는 기존의 컴퓨터비전 기술을 이용한 생물체의 자동 추적 시스템을 통하여 얻어진 움직임 데이터를 이용하여 일반적인 움직임의 범위를 벗어나는 비정상적인 움직임 제적을 탐지하여 주는 방법을 제안하고 있다. 또한 웨이블릿 변환을 통한 부대역간 주파수 성분의 특성을 이용하여 움직임 궤적의 분석에 적용하는 방법을 제시하고 있다. 실험 결과를 통하여 인위적인 약물 처리 전 후에 탐지되는 활동성을 표현하는 특징점의 수가 통계학적으로 유의함을 확인하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권1호
• /
• pp.1-6
• /
• 2005

In this paper, we propose an emotion recognition method using the facial images and speech signals. Six basic emotions including happiness, sadness, anger, surprise, fear and dislike are investigated. Facia] expression recognition is performed by using the multi-resolution analysis based on the discrete wavelet. Here, we obtain the feature vectors through the ICA(Independent Component Analysis). On the other hand, the emotion recognition from the speech signal method has a structure of performing the recognition algorithm independently for each wavelet subband and the final recognition is obtained from the multi-decision making scheme. After merging the facial and speech emotion recognition results, we obtained better performance than previous ones.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.2307-2310
• /
• 2003

In this paper, a method for face recognition based on the wavelet packet decomposition is proposed. In the proposed method, the input image is decomposed by the 2-level wavelet packet transformation and then the face areas are defined by the Integral Projection technique applied to each of the 1-level subband images, HL and LH. After the defined face areas are divided into three areas, called top, bottom, and border, the mean and the variance of the three areas of the approximation image are computed, and the variance of the single predetermined face area for the rest of 15 detail images, from which the feature vectors of statistical measure are extracted. In this paper we use the wavelet packet decomposition, a generalization of the classical wavelet decomposition, to obtain its richer signal analysis features such as discontinuity in higher derivatives, self-similarity, etc. And we have shown that even with very simple statistical features such as mean values and variance we can make an excellent basis for face classification, if an appropriate probability distance is used.

• 대한의용생체공학회:의공학회지
• /
• 제21권2호
• /
• pp.165-174
• /
• 2000

본 논문에서는 M 채널 필터 뱅크를 이용하여 심전도 자동 진단 시스템에서 매우 중요한 파라미터로 사용되는 QRS complex 검출을 실시하였다. 제안된 알고리즘에서는 심전도 신호를 M개의 균일한 주파수 대역으로 분할(decomposition)하고, 분할된 서브밴드(subband) 신호들 중에서 QRS complex의 에너지 분포가 가장 많이 존재하는 5∼25Hz 영역의 서브밴드 신호들을 선택하여 feature를 계산함으로써 QRS complex 검출을 실시하였다. 제안된 알고리즘의 성능 비교를 위하여 MIT-BIH arrhythmia database를 사용하였으며, sensitivity는 99.82%, positive predictivity는 99.82, 평균 검출율은 99.67%로 기존의 알고리즘에 비해 높은 검출 성능을 나타내었다. 또한 polyphase representation을 이용하여 M 채널 필터 뱅크를 구현한 결과 연산 시간이 단추되어 실시간 검출이 가능함을 확인하였다.