• 한국정보과학회논문지:데이타베이스
• /
• 제30권2호
• /
• pp.125-133
• /
• 2003

본 논문에서는 색상과 웨이블렛 기반의 질감 특징들을 사용한 효율적인 내용기반 영상검색 방법을 제안하였다. 색상특징은 전체 영상으로부터 추출된 soft-히스토그램이 사용되며 질감 특징으로는 웨이블렛 변환의 공간 주파수 분석을 통하여 얻어진 고대역 부밴드로부터 추출된 불변 모우멘트가 이용된다. CTBTR이라 불리는 검색시스템은 질의 영상에 대한 효율적인 영상 검색을 위하여 두 단계의 유사성 정합을 수행하는데 첫 번째 정합 단계에서는 간단한 색상 히스토그램을 사용하여 질의 영상과 유사하지 않은 영상을 제거하여서 검색대상의 수를 줄이며, 두 번째 정합 단계에서는 첫 번째 단계에서 선별된 후보영상에 웨이블렛 기반의 질감특징을 적용하여 질의 영상과 유사한 영상을 검색한다. 실험결과 제안된 알고리즘이 기존의 방법보다 검색에 있어서 효율적인 계산처리와 정확한 검색을 수행하여 향상된 결과를 보여 주었다.

• The Journal of the Acoustical Society of Korea
• /
• 제14권2E호
• /
• pp.5-11
• /
• 1995

본 연구에서는 화상에 있어서 패턴의 공간적인 특징을 추출하기위한 목적으로 신경회로망을 적용하는 방법을 제안하였다. 적용한 신경회로망은 3중의 구조를 가지며, 그 학습방법으로는 back-propagation 알고리즘을 사용하였다. 또한 이동이나 회전과 같은 패턴의 변위에 대응하기 위하여, 화상으로부터 co-occurrence matrix를 구하여, 신경회로망의 입력패턴으로 사용하였다. 제안한 방법을 평가하기 위하여 종래의 대표적방법인 화소의 spectral 정보를 이용한 최대유도법(maximum likelihood method)으로는 식별이 곤란한 시가지지역과 모래지역을 선정하여, 본 방법과 Haralick에 의하여 제안된 teture features를 이용하여 분류한 결과, texture features를 이용한 방법으로는 67%~89%의 식별률을 얻었음에 반하여, 본 연구에서 제안한 신경회로망을 사용한 방법으로는 80%~98%의 안정되고 높은 식별률을 얻었다.

• 대한전자공학회논문지SP
• /
• 제39권3호
• /
• pp.11-22
• /
• 2002

다중 텍스쳐 영상으로부터 최적의 텍스쳐 특징을 생성하는 최적 필터 설계는 표면, 물체, 모양, 깊이 인식 등을 위한 텍스쳐 분석에 있어서 가장 성능이 뛰어난 기술 중의 하나이다. 그러나 대부분의 최적 필터설계는 많은 복잡한 계산량과 교사적 특성에 의해서 효율적인 텍스쳐 영역의 분할을 수행하지 못하는 실정이다. 따라서 본 논문에서는 다중 텍스쳐 영상에 내재하는 각 텍스쳐들의 공간 주파수 분석에 의한 효율적인 최적 가버필터 설계 방법을 제시한다. 설계된 최적 필터는 "Brodaz texture book"서 발췌한 다양한 형태의 다중 텍스쳐 영상을 생성하여 실험한 후 성공적인 결과를 보인다.

• 한국멀티미디어학회논문지
• /
• 제9권3호
• /
• pp.287-295
• /
• 2006

본 논문은 임의의 영역 안에 존재하는 텍스처를 검색하기 위한 wavelet과 Gabor기반 텍스처 표현 기법을 제안하고 이들의 검색성능을 평가한다. 지금까지 Gator 평면에서의 평균과 표준편차 특징 기술자가 직사각형안의 텍스처를 표현하기에 가장 적합한 것으로 알려져 있다. 하지만 임의의 영역 안의 물체를 표현하는 기술이 실제 검색이나 여러 다른 텍스처 표현 응용 예에 더욱 필요한 실정이다. 본 연구에서는 wavelet과 Gabor 필터에 기반한 특징 추출법을 제안하고 이들을 실제 텍스처 데이터 베이스에 적용해 본 결과, wavelet기반 특징 기술자가 Gator기반 기술자에 비하여 더욱 효과적임을 발견하였다. 특히 wavelet평면에서 표준편차와 엔트로피 특징을 사용함으로써 가장 좋은 검색 성능을 냄을 알 수 있었다. 또한, 본 논문에서는 다양한 실제 텍스처 영상을 가지고 wavelet과 Gator에 기반한 다양한 특징벡터에 따른 검객 성능을 평가하였다.

• 한국멀티미디어학회논문지
• /
• 제17권3호
• /
• pp.277-286
• /
• 2014

본 논문에서는 Gabor 특징과 MDLC 특징, 그리고 co-occurrence 특징의 융합에 의한 질감 특징 기반언어 인식 방법을 제안한다. 제안된 방법에서는 먼저 시험 영상에 Gabor 변환에 이은 크기 연산자를 적용하여 Gabor 크기 영상을 얻고 그 통계치를 계산하여 결과를 벡터화한다. 이어서 MDLC 연산자를 이용하여 MDLC 영상을 얻고 역시 그 통계치를 계산하여 벡터화한다. 다음으로 시험 영상으로부터 GLCM을 계산하고 이를 이용하여 co-occurrence 특징을 계산한 다음 벡터화한다. 이들 Gabor, MDLC, co-occurrence 특징에 의한 벡터들은 벡터 융합에 의하여 특징 벡터로 사용된다. 분류 단계에서는 얼굴 인식에 주로 사용되는 WPCA를 분류기로 하여 시험 특징 벡터와 가장 유사한 학습 특징 벡터를 찾는다. 제안된 방법의 성능은 15개국 언어의 문서를 스캔하여 얻은 시험 문서 영상 DB에 대한 평균 인식률을 조사하여 알아본다. 실험 결과 제안된 방법은 시험 DB에 대하여 비교적 낮은 특징 벡터 차원으로 매우 우수한 언어 인식 성능을 보여준다.

• 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.

• 한국음향학회지
• /
• 제30권2호
• /
• pp.100-106
• /
• 2011

음원의 디지털화가 진행되면서 음악 데이터베이스가 방대해지고 있다. 따라서, 음악 데이터를 보다 효과적으로 관리하기 위해 음악의 특성에 따라 장르별로 자동 분류해주는 시스템이 필요하다. 기존 장르 분류 시스템은 대부분 Mel-Frequency Cepstral Coefficient (MFCC)를 특징 벡터로 이용하고 있다. 본 논문에서는 Auditory Filter Bank를 이용한 Decorrelated Filter Bank (DFB)와 Octave-based Spectral Contrast (OSC)에 texture window를 적용하여 특징을 추출한 후, Support Vector Machine (SVM)을 이용하여 장르 분류를 시도하였다. 기존의 Marsyas 장르 분류 시스템과 비교한 결과 DFB와 OSC로 복합적인 특징 벡터를 구성하면 더 적은 차수의 특징벡터를 사용함에도 4.2 %의 향상된 분류 성공률을 얻을 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제20권1호
• /
• pp.43-50
• /
• 2017

According to living environment, the number of deaths due to thyroid diseases increased. In this paper, we proposed an algorithm for recognizing a thyroid detection using texture analysis based on shape, gray level co-occurrence matrix and gray level run length matrix. First of all, we segmented the region of interest (ROI) using active contour model algorithm. Then, we applied a total of 18 features (5 first order descriptors, 10 Gray level co-occurrence matrix features(GLCM), 2 Gray level run length matrix features and shape feature) to each thyroid region of interest. The extracted features are used as statistical analysis. Our results show that first order statistics (Skewness, Entropy, Energy, Smoothness), GLCM (Correlation, Contrast, Energy, Entropy, Difference variance, Difference Entropy, Homogeneity, Maximum Probability, Sum average, Sum entropy), GLRLM features and shape feature helped to distinguish thyroid benign and malignant. This algorithm will be helpful to diagnose of thyroid nodule on ultrasound images.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권7호
• /
• pp.3654-3670
• /
• 2019

This paper proposes an Image Texture Median Filter (ITMF) to analyze and detect Android malware on Drebin datasets. We design a model of "ITMF" combined with Image Processing of Median Filter (MF) to reflect the similarity of the malware binary file block. At the same time, using the MAEVS (Malware Activity Embedding in Vector Space) to reflect the potential dynamic activity of malware. In order to ensure the improvement of the classification accuracy, the above-mentioned features(ITMF feature and MAEVS feature)are studied to train Restricted Boltzmann Machine (RBM) and Back Propagation (BP). The experimental results show that the model has an average accuracy rate of 95.43% with few false alarms. to Android malicious code, which is significantly higher than 95.2% of without ITMF, 93.8% of shallow machine learning model SVM, 94.8% of KNN, 94.6% of ANN.

• Healthcare Informatics Research
• /
• 제24권4호
• /
• pp.335-345
• /
• 2018

Objectives: The retinal nerve fiber layer (RNFL) is a site of glaucomatous optic neuropathy whose early changes need to be detected because glaucoma is one of the most common causes of blindness. This paper proposes an automated RNFL detection method based on the texture feature by forming a co-occurrence matrix and a backpropagation neural network as the classifier. Methods: We propose two texture features, namely, correlation and autocorrelation based on a co-occurrence matrix. Those features are selected by using a correlation feature selection method. Then the backpropagation neural network is applied as the classifier to implement RNFL detection in a retinal fundus image. Results: We used 40 retinal fundus images as testing data and 160 sub-images (80 showing a normal RNFL and 80 showing RNFL loss) as training data to evaluate the performance of our proposed method. Overall, this work achieved an accuracy of 94.52%. Conclusions: Our results demonstrated that the proposed method achieved a high accuracy, which indicates good performance.