• 대한전자공학회논문지SP
• /
• 제48권3호
• /
• pp.90-98
• /
• 2011

전 세계적으로 벼 병충해의 인식과 분류는 농업현장에서 기술적 경제적으로 중요한 요소이다. 컴퓨터 비젼 기술은 벼 병충해를 진단하고 곡물의 효율적인 관리에 유용하다. 영역 분할은 벼 병충해를 조기에 정확하게 탐지하는데 매우 중요한 기술이다. 가우시안 평균기법을 이용한 새로운 벼 병충해 분할 방식을 다양한 색체공간에서 제안하였다. 사용 색체공간에 따라 벼 병충해의 분할에 따른 성능은 달라질 것이다. 따라서, 이 수치연구는 어느 색체공간이 벼 병충해를 분할하는데 최적한지를 결정할 목적으로 수행되었다. 본 연구는 NTSC, CIE, YCbCr, HSV, 그리고 정규화 RGB의 5개의 색체공간을 다루었다. 연구 결과는 YCbCr 색체공간이 98%의 정확도로 벼 병충해 영역을 최적으로 분할하는 것을 보여주었다. 또한 제안하는 방법은 벼 병충해의 영역을 자동화에 의하여 강건하게 분할할 수 있다는 것을 증명하였다.

• 한국멀티미디어학회논문지
• /
• 제4권1호
• /
• pp.67-74
• /
• 2001

본 논문에서는 컬러 정지 영상에서 색상과 모양 정보를 이용한 얼굴 영역 검출 알고리즘을 제안한다. 제안된 알고리즘은 YCbCr 색공간에서 Cb와 Cr성분만을 이용하여 조명의 영향을 줄일 수 있다. 피부색 분할을 한후 얼굴 후보 영역들의 잡음 제거와 단순화를 위해 형태학적 필터와 기하학적 교정을 거친다. 입력 영상 내에 여러 사람이 존재할 경우에도 레이블링을 통해 각각의 얼굴 후보 영역들로 분리할 수 있고, 또한 2차 모멘트를 기반으로 한 타원 특징들을 추출하여 기울어진 얼굴 영역들도 성공적으로 검출할 수 있다.

• 방송공학회논문지
• /
• 제15권4호
• /
• pp.527-539
• /
• 2010

대부분의 비디오 부호화 시스템은 YCbCr 색 공간에서 부호화가 수행되나 초고화질 비디오가 사용되는 분야에서는 YCbCr 색 공간에서 부호화하는 것이 RGB 색 공간에서 부호화는 것에 비해 높은 압축 효율을 제공하지 않기 때문에 RGB 공간에서 부호화하는 것이 선호된다. RGB 비디오 신호의 압축 부호화 효율을 증대시키기 위하여 본 논문은 잔여신호의 적응적 주파수-선택 가중 예측 기법을 제안한다. RGB 비디오 신호의 색 평면간 상관도를 최대한 활용하기 위해, 제안 기법은 잔여신호 평면 사이의 주파수 영역에서의 부호 일치도와 상관 강도에 근거하여 적응적으로 잔여신호 평면 간 예측될 주파수 영역과 그에 상응하는 예측 가중치를 선택한다. 실험 결과는 최신의 비디오 압축 표준인 H.264/AVC에서 4:4:4 비디오 부호화의 공통 모드에 비해 약 13% 정도 압축 부호화 성능을 개선시켰음을 보여준다.

• 디지털콘텐츠학회 논문지
• /
• 제10권2호
• /
• pp.291-298
• /
• 2009

본 논문에서는 비전 기반의 실시간 손 모양 인식을 위한 알고리즘을 제안하였다. 먼저 피부색을 검출하기 위해 RGB 컬러모델을 YCbCr 컬러모델로 변환하고, 색차성분인 CbCr을 이용하여 피부색을 검출한다. 검출 후 피부색은 흰색, 그 이외의 색은 검은색으로 이진화 하였다. 이진화 후 팔 영역과 얼굴영역을 제거하고, 손 영역만 검출하여 손의 무게중심을 구하기 위해 가로, 세로로 프로젝션을 수행한다. 손의 무게중심을 찾은 후에 손의 궤적을 추적하기 위해 칼만필터를 이용하였다. 손의 궤적 추적 후에 손 모양을 인식시키기 위해 HMM(Hidden Markov Model)을 이용하여 6가지 손의 모양을 학습한 후 인식하였다. 실험을 통하여 제안한 알고리즘의 효과를 입증하였다.

• 한국콘텐츠학회논문지
• /
• 제9권5호
• /
• pp.1-12
• /
• 2009

올바른 피부색 검출은 사람의 얼굴 검출 및 동작 분석에서 매우 중요한 전처리과정에 속한다. 피부 검출은 일반적으로 화소의 칼라 공간을 Non-RGB로 변형하고, 피부색의 조명 요소를 제거한 다음 피부색 분포 모델에 의해 Skin과 Non-Skin으로 분류하는 3단계로 진행된다. 이는 피부색 검출이 칼라 공간, 조명 요소의 존재 여부, 피부 모델링 방법에 따라 수행 성능에 많은 영향을 받기 때문이다. 본 연구에서는 조명 조건에 따라 피부색 모델의 범위에 차이가 있다는 사실에 기초하여 다양한 조명 조건과 복잡한 배경을 가진 영상에서 효과적으로 다인종의 피부색을 분류해내 기 위한 3차원 피부색 모델을 제시하고자 한다. 제안된 피부색 모델은 화소의 칼라 공간을 YCbCr공간으로 변형하고, 각 요소(Y, Cb, Cr) 값에 의한 3차원 피부색 모델을 형성한다. 다인종의 피부색을 함께 분할하기 위해 인종(백인, 흑인, 황인)별 피부색 모델을 먼저 생성한 후 각각의 모델에서 피부색 확률에 따라 결합한 다인종을 위한 통합 모델을 생성하였다. 또한 우리는 적은 양의 훈련 데이터로 피부색 영역을 올바르게 검출할 수 있도록 여러 단계의 피부색 영역을 설정하였다.

• Journal of information and communication convergence engineering
• /
• 제7권2호
• /
• pp.131-134
• /
• 2009

The red-eye effect in photography occurs when using a photographic flash very close to the camera lens, in ambient low light due to in experience. Once occurred, the photographer needs to remove it with image tool that requires time consuming, skillful process. In this paper, we propose a new method to extract and remove such red-eye area automatically. Our method starts with transforming ROB space to YCbCr and HSI space and it extracts the face area by using skin color information. The target red-eye area is then extracted by applying 8-direction contour tracking algorithm and removed. The experiment shows our method's effectiveness.

• 한국지능시스템학회논문지
• /
• 제26권2호
• /
• pp.120-126
• /
• 2016

본 연구에서는 HCbCr 색 특징과 RBFNNs 패턴분류기를 이용하여 얼굴영상을 효과적으로 검출하고 인식하기 위한 방법에 대해 제안한다. 피부색을 검출하는 것은 계산이 빠르고 형태 변형에 강인하여 얼굴을 검출하기에 유용하지만 유사한 색을 갖는 다른 물체를 잘못 검출하기도 한다. 따라서 피부색 검출의 정확도를 높이기 위하여 HSI 색공간과 YCbCr 색공간으로부터 각각 H요소와 CbCr요소를 추출하고 이를 결합하는 방법을 제안하였다. 그리고 각각의 피부색 후보 영역에 대하여 Haar-like 특징을 사용하여 눈을 검출함으로써 얼굴의 정확한 위치를 찾아냈다. 마지막으로 제안된 FCM 기반 RBFNNs 패턴분류기를 이용하여 얼굴 인식을 수행하였다. 또 Cambridge ICPR 영상 DB에 대하여 제안된 방법의 모의실험을 수행하고 그 결과를 제시하였다.

• 한국CDE학회논문집
• /
• 제19권2호
• /
• pp.111-118
• /
• 2014

In tangible augmented reality (AR) environments, the user interacts with virtual objects by manipulating their physical counterparts, but he or she often encounters awkward situations in which his or her hands are occluded by the augmented virtual objects, which causes great difficulty in figuring out hand positions, and reduces both immersion and ease of interaction. To solve the problem of such hand occlusion, skin color information has been usefully exploited. In this paper, we propose an approach to simple and effective construction of a skin color map which is suitable for hand segmentation and tangible AR interaction. The basic idea used herein is to obtain hand images used in a target AR environment by simple image subtraction and to represent their color information by a convex polygonal map in the YCbCr color space. We experimentally found that the convex polygonal map is more accurate in representing skin color than a conventional rectangular map. After implementing a solution for resolving hand occlusion using the proposed skin color map construction, we showed its usefulness by applying it to virtual design evaluation of digital handheld products in a tangible AR environment.

• 한국멀티미디어학회논문지
• /
• 제11권5호
• /
• pp.610-622
• /
• 2008

이동 객체의 검출은 다양한 영상 감시 응용에 필수적인 중요한 기술이다. 그런데 이동 객체 검출 결과로 얻어진 전경 영상에는 그림자에 의한 색상 변화가 전경 영역으로써 함께 검출되는 경우가 쉽게 발생하며, 이러한 문제를 해결하기 위하여 이동 객체 검출은 흔히 그림자 제거와 함께 수행된다. 대부분의 그림자 제거 방법은 조명 변화발생시 색상의 조도 성분만 변화하며 색도 성분은 유지된다는 가정에 기반하여 색도 성분을 분리하여 표현하는 다양한 색상 공간을 통해 그림자 제거를 수행한다. 본 논문에서는 색도 성분을 분리하는 색상 공간 가운데 그림자 제거에 가장 적합한 색상 공간을 선택하고자 다양한 색상 공간 (YCbCr, HSI, 정규화된 rgb, Yxy, Lab, c1c2c3)을 비교하였다. 과거 그림자 제거에 있어서 다양한 색상 공간의 성능을 비교한 몇몇 연구가 있었으나, 기존 연구들은 각 논문에서 제안한 특정 그림자 제거 방법에 다양한 색상 공간을 적용하거나 임의의 임계값을 이용하여 각 색상 공간의 성능을 비교하였기 때문에, 각 색상 공간에서 조명 변화 발생에 따른 색상 왜곡을 정확히 측정하기 어려운 문제가 있었다. 본 논문에서는 이러한 기존 연구의 문제점을 피하고 각 색상 공간을 정확하게 비교하기 위하여 1) 서로 다른 조명 조건에 노출된 동일한 색상을 갖는 면의 경계에서 색도 성분의 기울기 값을 측정함으로서 조명 변화 발생 시 색도 성분의 변화 정도를 비교하였으며, 2) RoC 곡선을 통하여 임계치 설정의 문제를 피하면서 배경 제거 정확도를 비교하였다. 실험을 통하여 YCbCr 색상 공간과 정규화된 rgb 색상 공간이 비교대상으로 선택된 여러 색상 공간 가운데 가장 좋은 성능을 보이는 것을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 하계학술대회
• /
• pp.163-165
• /
• 2017

본 논문에서는 카메라 잡음 제거에 딥 러닝 알고리즘을 적용하는 연구를 진행하였다. 합성된 가우시언 잡음에 대하여 좋은 잡음 제거 성능을 보이는 DnCNN(Denoising Convolutional Network)를 이용하여 카메라 잡음을 제거하는 학습과 실험을 진행하였으며, 기준 실험으로는 RGB 색공간의 3채널 모두에 대하여 학습한 신경망(Neural Network)을 사용하였고, 본 논문의 실험에서는 그레이 이미지에 대하여 학습한 신경망을 사용하였다. 신경망의 평가를 위하여 딥 러닝 알고리즘 입력 이미지를 RGB 색공간(RGB Color Space)과 YCbCr 색공간(YCbCr Color Space) 2가지 색공간으로 표현하여 사용하였고, 입력 이미지에 노이즈를 첨가하기 위해 가우시안 노이즈(Gaussian Noise)를 이용하였다. 또한 가우시안 잡음과 다른 성질을 갖는 실제 카메라 잡음에 대해서도 학습과 테스트를 진행하였다.