• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제7권6호
• /
• pp.724-732
• /
• 2001

내용 기반 영상 검색을 위해 본 연구에서는 VQ(Vector Quantization)을 이용하여 영상을 구성하는 주요 객체들의 특징 추출 방법을 제안한다. 내용 기반 영상 검색 시스템에서 사용되는 영상의 주요특징으로는 색상, 절감, 형태 및 영상을 구성하고 있는 객체들의 공간적 위치 등이 있다. 이 중 본 논문에서는 일반적인 색상 및 질감 특징 추출방법과 더불어 VQ 멕터 클러스터링 알고리즘을 이용하여 정지영상을 구성하고 있는 객체들의 대표 색상과 질감 특징을 빠르게 추출하고 이를 내용 기반 검색에 이용함으로써 정지영상의 내용에 근거한 검색을 하였고 객체 단위 검색을 함으로써 객체의 위치, 회전 및 크기 변화에 무관한 검색을 가능케 했다. 연구의 실험 결과 VQ를 이용함으로써 대표특징치 추출시간을 줄일수 있었고 검색시 색상과 질감 특징의 가중치를 각각 0.5, 0.5로 주는 것이 가장 높은 검출율을 보였으며, ‘사람’영상에 제한한 방법을 적용한 경우 90%의 검출율을 보였다.

• 감성과학
• /
• 제7권4호
• /
• pp.57-65
• /
• 2004

본 논문에서는 color, texture, shape의 정보를 통합 이용하여 내용기반 영상검색 시스템의 성능을 향상시키는 기법을 고찰하였다. 먼저 영상에 내재되어 있는 color를 분석 추출하여 몇 개의 대표색으로 요약 표현한 다음, 이를 활용한 근사치 측정도를 고안하였다. Texture정보 분석에 있어서는 영상의 주축 행렬 데이터를 통계적 접근 방법으로 추출하였다. Edge분석의 방법으로는 Edge 막대그래프에서 색상변환, 양자화, 필터링에 관련된 정보를 선행처리 후 Edge 정보를 추출하였다. 마지막으로, 본 연구의 결과인 내용기반 영상검색 시스템의 효율성을 precision-recall 분석과 실험적 결과를 통하여 입증하였다.

• 정보처리학회논문지A
• /
• 제17A권6호
• /
• pp.281-288
• /
• 2010

본 논문에서는 3차원 얼굴 스캔 데이터와 사진 이미지를 이용하여 고화질의 3차원 얼굴 모델과 모핑 애니메이션을 생성하는 시스템 개발에 대해 기술한다. 본 시스템은 얼굴 특징점 입력 도구, 얼굴 텍스처매핑 인터페이스, 3차원 얼굴 모핑 인터페이스로 구성되어 있다. 얼굴 특징점 입력 도구는 3차원 텍스처매핑과 모핑 애니메이션을 위한 보조 도구로서 얼굴의 특징점을 입력하여 텍스처매핑과 임의의 두 얼굴간의 모핑 영역을 정할 때 사용된다. 텍스처매핑은 3D 스캐너로부터 획득한 얼굴의 기하 데이터에 세 방향의 사진 이미지를 이용하여 매핑한다. 3D 얼굴모핑은 얼굴 특징점 입력 도구로부터 얻은 특징점을 중심으로 얼굴 영역을 분류하여 임의의 두 얼굴 간의 영역간 매핑을 실현한다. 본 시스템은 사용자가 별도의 프로그래밍 작업 없이 대화형 인터페이스에서 3D 스캐너에서 획득한 얼굴 메쉬 데이터를 이용하여 사진 이미지로 텍스처 매핑을 실행하여 사실적인 3D 얼굴 모델을 얻을 수 있고, 임의의 서로 다른 얼굴 모델들간의 모핑 애니메이션을 쉽게 실현할 수가 있다.

• 대한원격탐사학회지
• /
• 제15권3호
• /
• pp.183-194
• /
• 1999

위성에서 관측된 다중분광 위성영상 데이터를 이용목적에 따라 분석하고 활용하기 위해서는 영상 자체에 내포된 밝기, 칼라, 질감 등 다양한 특징들이 중요한 정보원으로 이용되고 있다. 특히 질감이나 칼라정보를 이용한 위성영상의 분석과정에서 가장 중요한 문제는 원 영상의 정보를 효율적으로 표현하는 속성을 추출하여 적절히 활용하는 것이다. 따라서 본 논문에서는 위성영상 분석에 유용하게 사용할 수 있는 6개의 속성 벡터들을 선정한 다음 SPOT 위성에서 관측된 영상을 이용하여 각각의 속성들에 대한 분별력을 평가하기 위하여 역전파 신경망(Back-propagation Neural Network)을 이용한 분류 네트워크를 구성하였고, 실험하고자 하는 지역에 대한 훈련집합 선택시 선정된 여섯 개이 속성 벡터들을 분류에 사용될 특징으로 선택하였다. 분류 실험을 수행한 결과 각각의 벡터 속성들은 개개의 특성에 따라 많은 장단을 내포하고 있었으며, 전반적으로는 비교적 정확한 분류결과를 나타내었다. 따라서 칼라 및 질감 속성 벡터들은 위성영상의 분류과정에 효과적으로 사용될 수 있음은 물론 다양한 영상분석 및 응용분야에서도 유용하게 이용될 수 있을 것으로 기대된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권2호
• /
• pp.311-326
• /
• 2024

The rapid development of neural network technology promotes the neural network model driven by big data to overcome the texture effect of complex objects. Due to the limitations in complex scenes, it is necessary to establish custom template matching and apply it to the research of many fields of computational vision technology. The dependence on high-quality small label sample database data is not very strong, and the machine learning system of deep feature connection to complete the task of texture effect inference and speculation is relatively poor. The style transfer algorithm based on neural network collects and preserves the data of patterns, extracts and modernizes their features. Through the algorithm model, it is easier to present the texture color of patterns and display them digitally. In this paper, according to the texture effect reasoning of custom template matching, the 3D visualization of the target is transformed into a 3D model. The high similarity between the scene to be inferred and the user-defined template is calculated by the user-defined template of the multi-dimensional external feature label. The convolutional neural network is adopted to optimize the external area of the object to improve the sampling quality and computational performance of the sample pyramid structure. The results indicate that the proposed algorithm can accurately capture the significant target, achieve more ablation noise, and improve the visualization results. The proposed deep convolutional neural network optimization algorithm has good rapidity, data accuracy and robustness. The proposed algorithm can adapt to the calculation of more task scenes, display the redundant vision-related information of image conversion, enhance the powerful computing power, and further improve the computational efficiency and accuracy of convolutional networks, which has a high research significance for the study of image information conversion.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 춘계학술발표대회
• /
• pp.377-380
• /
• 2010

This paper proposes texture descriptor for texture classification called Local Neighbor Differences (LND). LND is a high discriminating texture descriptor and also robust to illumination changes. The proposed descriptor utilizes the sign of differences between surrounding pixels in a local neighborhood. The differences of those pixels are thresholded to form an 8-bit binary codeword. The decimal values of these 8-bit code words are computed and they are called LND values. A histogram of the resulting LND values is created and used as feature to describe the texture information of an image. Experimental results, with respect to texture classification accuracies using OUTEX_TC_00001 test suite has been performed. The results show that LND outperforms LBP method, with average classification accuracies of 92.3% whereas that of local binary patterns (LBP) is 90.7%.

• Journal of Biosystems Engineering
• /
• 제37권4호
• /
• pp.252-257
• /
• 2012

Purpose: The net rind pattern and color of melon surface are important for a high market value of melon fruits. The development of the net and color are closely related to the changes in shape, size, and maturing. Therefore, the net and color characteristics can be used indicators for assessment of melon quality. The goal of this study was to investigate the possibility of estimating melon soluble solids content (SSC) and firmness by analyzing the net and color characteristics of fruit surface. Methods: The true color images of melon surface obtained at fruit equator were analyzed with 18 color features and 9 texture features. The partial least squares (PLS) method was used to estimate SSC and firmness in melons using their color and texture features. Results: In sensing melon SSC, the coefficients of determination of validation (${R_v}^2$) of the prediction models using the color and texture features were 0.84 (root mean square error of validation, RMSEV: 1.92 $^{\circ}Brix$) and 0.96 (RMSEV: 0.60 $^{\circ}Brix$), respectively. The ${R_v}^2$ values of the models for predicting melon firmness using the color and texture features were 0.64 (RMSEV: 4.62 N) and 0.79 (RMSEV: 2.99 N), respectively. Conclusions: In general, the texture features were more useful for estimating melon internal quality than the color features. However, to strengthen the usefulness of the color and texture features of melon surface for estimation of melon quality, additional experiments with more fruit samples need to be conducted.

• 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.

• 한국정보통신학회논문지
• /
• 제16권6호
• /
• pp.1318-1324
• /
• 2012

본 논문에서는 게임의 재미를 높이고 속도감 있는 게임 진행을 위하여 게임 캐릭터의 특징에 따라 움직임이 없는 캐릭터(NPC)와 움직임이 있는 캐릭터(Monster)로 분류하는 방법을 제시한다. 분류 속성은 각각의 캐릭터 내부에 있는 직선선분의 특징을 추출하여 사용한다. 우선 캐릭터 내부에 존재하는 에지 특징을 추출하여 EEDH를 산출하고 또한 방향성을 질감의 속성으로 이용하여 SSPD를 계산한다. 추출된 속성들은 특정 방향에 따른 에너지를 나타내며 캐릭터 내부의 특정 방향에 대한 크기를 나타내고 있기 때문에 게임 캐릭터들을 NPC와 Monster로 분류 하는 속성으로 이용하였다. 본 논문에서 제안한 방법은 게임진행에서 유저가 불필요한 플레이를 함으로서 소모되는 시간을 줄이고 전략적이고 속도감 있게 플레이 할 수 있는 기능을 제공한다.

• 한국산학기술학회논문지
• /
• 제9권6호
• /
• pp.1889-1893
• /
• 2008

본 논문은 영상 분류 문제를 위한 support vector machines (SVMs)의 적용을 통한 분류의 성능을 다루고 있다. 본 연구에서는 영상 분류 문제에서 자연영상을 대상으로 색상, 질감, 형상 특징벡터를 추출하고, 각각의 특징벡터와 이들을 결합한 특징벡터를 사용하여 역전파 신경망과 SVM 기반의 방법을 적용하여 영상 분류의 정확성을 비교한다. 실험결과는 각각의 특징벡터중에는 색상 특징벡터값을 이용한 영상 분류가 그리고 각각의 특징벡터보다는 이들을 결합한 특징벡터를 이용한 영상 분류가 보다 우수함을 보여준다. 그리고 알고리즘간의 비교에서는 정확성과 일반화성능 측면에서 역전파 신경망보다 SVMs이 우수함을 보였다.