• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2002년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.23-28
• /
• 2002

Among effective feature extraction methods from the small-patched image set, independent component analysis (ICA) is recently well known stochastic manner to find informative basis images. The ICA simultaneously learns both basis images and independent components using high order statistic manners, because that information underlying between pixels are sensitive to high-order statistic models. The topographic ICA model is adapted in our experiment. This paper deals with an unsupervised classification strategies using learned ICA basis images. The experimental result by proposed classification technique shows superior performance than classic texture analysis techniques for the panchromatic KOMPSAT imagery.

• 대한의용생체공학회:의공학회지
• /
• 제17권4호
• /
• pp.433-442
• /
• 1996

Since one texture property(i.e coarseness, orientation, regularity, granularity) for ultrasound liver ages was not sufficient enough to classify the characteristics of livers, we used multi texture vectors tracted from ultrasound liver images and a statistical classifier. Multi texture vectors are selected among the feature vectors of the normal liver, fat liver and cirrhosis images which have a good separability in those ultrasound liver images. The statistical classifier uses multi texture vectors as input vectors and classifies ultrasound liver images for each multi texture vector by the Bayes decision rule. Then the decision of the liver disease is made by choosing the maximum value from the averages of a posteriori probability for each multi texture vector In our simulation, we obtained higtler correct ratio than that of other methods using single feature vector, for the test set the correct ratio is 94% in the normal liver, 84% in the fat liver and 86% in the cirrhosis liver.

• 한국컴퓨터정보학회논문지
• /
• 제18권12호
• /
• pp.11-19
• /
• 2013

본 논문에서는 유도 전동기의 기계적 결함을 진단하기 위해 진동신호와 질감 분석을 이용한 알고리즘을 제안한다. 영상화된 결함 신호가 갖는 무늬, 색상 대비의 특징을 분석하고, 그레이레벨 동시발생행렬(Gray-Level Co-occurrence Model, GLCM)을통해 세 가지 질감특징을추출한다. 추출된 세 가지질감 특징을 RBF(Radial Basis Function) 커널 함수를 사용하는 다중레벨 서포터 벡터 머신(Multi-Level Support Vector Machine, MLSVM)의 입력으로 사용하여 결함 유형을 분류한다. 결함 유형을 분류하는 최적의 MLSVM을 위한 RBF 커널 함수의 매개변수를 찾기 위해 매개변수 값을 0.3부터 1.0으로 바꿔가며 분류성능을 평가한 결과, 결함 유형별로 0.3에서 0.6사이의 매개변수 값에서 100%에 가까운 분류 정확성을 보였다. 또한 15dB, 20dB의 잡음이 첨가된 진동신호를 이용한 실험에서도 평균 98%이상의 높은 분류 정확성을 보였다.

• 한국정보전자통신기술학회논문지
• /
• 제11권3호
• /
• pp.229-234
• /
• 2018

텍스춰는 영상을 분류하거나 분할하는데 사용되는 유용한 특징이다. 기존에 제안되었던 LBP는 텍스춰 영상의 지역적인 특징을 간단한 연산을 통해 성공적으로 추출하는 기법으로서 많은 응용 분야에서 높은 성능을 보인 것으로 확인되었지만 오직 화소값의 차이만을 토대로 특징을 기술하기 때문에 잡음에 약하고 특히 이웃화소의 수가 증가함에 따라 특징벡터의 차원이 기하급수적으로 증가하는 문제점으로 인해 멀티스테일 텍스춰 기술자로서 사용하기에는 제약이 크다. 본 논문은 이런 LBP의 단점을 극복하기 위하여 화소값의 범위를 구간별로 양자화하여 양자화영상의 화소값의 상관관계를 3차원 히스토그램으로 표현하는 기법을 제시한다. 이와 같이 3차원 히스토그램을 이용하여 화소값 사이의 상관 관계를 추출하면 특징벡터의 차원이 선형적으로 증가하는 특성을 가지므로 멀티스케일 텍스춰 기술자로 다양하게 응용될 수 있다. 제안하는 방법을 텍스춰 실험영상을 통해 실험한 결과 텍스춰를 분류하는 문제에 있어서 LBP와 비교하여 유의 수준의 성능의 향상을 확인하였다.

• 한국의류학회지
• /
• 제30권5호
• /
• pp.699-710
• /
• 2006

The objective of this study was to identify the texture-related components of woven fabrics and to develop a multidimensional perceptual structure map to represent the tactile textures. Eighty subjects in clothing and tektite industries were selected for multivariate data on each fabric of 30 using the questionnaire with 9 pointed semantic differential scales of 20 texture-related adjectives. Data were analyzed by factor analysis, hierarchical cluster analysis, and multidimensional scaling(MDS) using SPSS statistical package. The results showed that the five factors were selected and composed of density/warmth-coolness, stiffness, extensibility, drapeability, and surface/slipperiness. As a result of hierarchical cluster analysis, 30 fabrics were grouped by four clusters; each cluster was named with density/warmth-coolness, surface/slipperiness, stiffness, and extensibility, respectively. By MDS, three dimensions of tactile texture were obtained and a 3-dimensional perceptual structure map was suggested. The three dimensions were named as surface/slipperiness, extensibility, and stiffness. We proposed a positioning perceptual map of fabrics related to texture naming system(TNS). To classify the textural features of the woven fabrics, hierarchical cluster analysis containing all the data variations, even though it includes the errors, may be more desirable than texture-related multidimensional data analysis based on factor loading values in respect of the effective variables reduction without losing the critical variations.

• 대한원격탐사학회지
• /
• 제26권5호
• /
• pp.477-487
• /
• 2010

북한의 산림은 1970년대부터 산지개간과 땔나무 채취, 벌목 등에 의해 대규모로 황폐화되었으며, 이러한 산림황폐지는 경제적, 환경적, 재해발생 측면에서 반드시 복구되어야 한다. 본 연구의 목적은 산림황폐지가 대규모로 발견되고 있는 북한 혜산 지역에 대해 산림복구사업 (A/R CDM 사업)을 계획할 수 있는 잠재적 대상지를 추출하기 위한 목적으로, 입목지와 산림황폐지(무립목지, 개간산지, 산간나지)를 보다 정확하게 분류하지 위한 고해상도 영상 기반의 영상분류기법을 개발하고자 한다. 북한의 산림황폐지 유형은 분광특성뿐 아니라 질감특성에 따라 구분될 수 있다. 따라서 본 연구에서는 2.5m SPOT Pan-Sharpened 영상을 이용해 분할영상을 제작하고 이 과정에서 생성된 질감(texture) 정보를 산림피복 분류 시 분광정보와 함께 활용했다. 분할영상의 제작 시 Scale factor 40/Shape Factor 0.3을 적용하였을 떼 각 산림피복 항목을 분리할 수 있는 적절한 규모의 분할조각이 생성되었다. 또한 산림 피복을 가장 잘 분류해내는 최적밴드를 선정한 결과 기존의 분광밴드 1/2/3 에 질감밴드인 GLCM_dissimilarity (밴드2), GLCM homogeneity (밴드2), GLCM_standard deviation (밴드3)를 추가 하였을 때 산림황폐지 유형간 분리도가 가장 커지는 것으로 나타났다. 질감특성을 이용한 분할영상기반 분류결과기법에 따른 분류결과(80.4%)는 분광정보만을 이용하는 방법의 분류결과(70.3%) 보다 정확도가 높았으며, 특히 입목지와 무립목지의 분리에 있어서 약 23~25%의 정확도 향상 효과를 보였다. 결론적으로 본 연구에서는 직접 현지조사를 하기 어려운 북한지역에 대해 고해상도 위성영상이 효과적인 산림피복분류의 근거를 제공했으며 영상의 분류 시 질감특성을 함께 활용하는 것이 상세한 산림피복 분류에 있어서 정확도 향상에 기여를 할 수 있다는 것을 확인할 수 있었다.

• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.483-488
• /
• 2015

본 논문에서는 질감분류를 위해 블록영상 내에서 인접 화소사이의 다차원 명암차이를 이용한 local binary pattern(LBP) 기법을 제안한다. 여기서 블록영상 내 화소 간 명암차는 4방향(세로, 가로, 대각, 역대각) 각각의 인접 화소 간 밝기변화를 고려한 것으로 영상의 질감분류에 이용되는 히스토그램의 레벨수를 감소시켜 계산 부하를 줄이기 위함이다. 또한 블록 내 명암관계를 이진패턴으로 나타낸 것으로 영상의 국부적 속성을 더욱 더 정확하게 반영하여 효과적인 질감분류를 가능하게 함이다. 제안된 기법을 128*128 픽셀의 그레이 영상 USC Texture Mosaic #2을 대상으로 크기와 질감이 다른 24개의 블록영상 각각을 분류하는 실험결과, 기존의 LBP에 비해 빠른 분류속도를 가지며, 임의 크기 블록영상의 분류도 가능함을 확인하였다. 특히 블록영상의 크기가 증가할수록 히스토그램의 레벨 감소폭이 더욱 더 크게 되어 분류속도의 개선정도도 증가함을 알 수 있다.

• 대한의용생체공학회:의공학회지
• /
• 제13권1호
• /
• pp.33-38
• /
• 1992

A new approach to texture classification for quantitative ultrasound liver diagnosis using run difference matrix was developed. The run difference matrix comprised the gray level difference along with a distances. From this run difference matrix, we defined several vectors and parameters such as DOD, DGD, DAD vector, SHP, SMO, SMG, LDE, LDEL etc. Each parameter values calculated in fatty, cirrhotic, normal and chronic hepatitic liver images were plotted in a plane and we found that RDM method was more sensitive to small structural changes than the conventional run length method and showed improved classification ability between the diseases.

• Journal of information and communication convergence engineering
• /
• 제20권1호
• /
• pp.58-64
• /
• 2022

Breast ultrasonic reading is critical as a primary screening test for the early diagnosis of breast cancer. However, breast ultrasound examinations show significant differences in diagnosis based on the difference in image quality according to the ultrasonic equipment, experience, and proficiency of the examiner. Accordingly, studies are being actively conducted to analyze the texture characteristics of normal breast tissue, positive tumors, and malignant tumors using breast ultrasonography and to use them for computer-assisted diagnosis. In this study, breast ultrasonography was conducted to select 247 ultrasound images of 71 normal breast tissues, 87 fibroadenomas among benign tumors, and 89 malignant tumors. The selected images were calculated using a statistical method with 21 feature parameters extracted using the gray level co-occurrence matrix algorithm, and classified as normal breast tissue, benign tumor, and malignancy. In addition, we proposed five feature parameters that are available for computer-aided diagnosis of breast cancer classification. The average classification rate for normal breast tissue, benign tumors, and malignant tumors, using this feature parameter, was 82.8%.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2005년도 추계학술대회 논문집
• /
• pp.178-181
• /
• 2005

Support vector machines is a powerful learning algorithm and attempt to separate belonging to two given sets in N-dimensional real space by a nonlinear surface, often only implicitly dened by a kernel function. We described breast tissue images analyses using texture features from Haar wavelet transformed images to classify breast lesion of ductal organ Benign, DCIS and CA. The approach for creating a classifier is composed of 2 steps: feature extraction and classification. Therefore, in the feature extraction step, we extracted texture features from wavelet transformed images with $10{\times}$ magnification. In the classification step, we created four classifiers from each image of extracted features using SVM(Support Vector Machines). In this study, we conclude that the best classifier in histological sections of breast tissue in the texture features from second-level wavelet transformed images used in Polynomial function.