• 반도체디스플레이기술학회지
• /
• 제18권3호
• /
• pp.66-71
• /
• 2019

In shape from focus (SFF) methods, the quality of image focus volume plays a vital role in the quality of 3D shape reconstruction. Traditionally, a linear 2D filter is applied to each slice of the image focus volume to rectify the noisy focus measurements. However, this approach is problematic because it also modifies the accurate focus measurements that should ideally remain intact. Therefore, in this paper, we propose to enhance the focus volume adaptively by applying 3-dimensional weighted least squares (3D-WLS) based regularization. We estimate regularization weights from the guidance volume extracted from the image sequences. To solve 3D-WLS optimization problem efficiently, we apply a technique to solve a series of 1D linear sub-problems. Experiments conducted on synthetic and real image sequences demonstrate that the proposed method effectively enhances the image focus volume, ultimately improving the quality of reconstructed shape.

• Journal of Electrical Engineering and Technology
• /
• 제13권4호
• /
• pp.1724-1731
• /
• 2018

The conventional polynomial neural network (PNN) is a classical flexible neural structure and self-organizing network, however it is not free from the limitation of overfitting problem. In this study, we propose a space search-optimized polynomial neural network (ssPNN) structure to alleviate this problem. Ranking selection is realized by means of ranking selection-based performance index (RS_PI) which is combined with conventional performance index (PI) and coefficients based performance index (CPI) (viz. the sum of squared coefficient). Unlike the conventional PNN, L2-norm regularization method for estimating the polynomial coefficients is also used when designing the ssPNN. Furthermore, space search optimization (SSO) is exploited here to optimize the parameters of ssPNN (viz. the number of input variables, which variables will be selected as input variables, and the type of polynomial). Experimental results show that the proposed ranking selection-based polynomial neural network gives rise to better performance in comparison with the neuron fuzzy models reported in the literatures.

• Communications for Statistical Applications and Methods
• /
• 제29권5호
• /
• pp.591-601
• /
• 2022

In gene set analysis with microarray expression data, a group of genes such as a gene regulatory pathway and a signaling pathway is often tested if there exists either differentially expressed (DE) or differentially co-expressed (DC) genes between two biological conditions. Recently, a statistical test based on covariance estimation have been proposed in order to identify DC genes. In particular, covariance regularization by hard thresholding indeed improved the power of the test when the proportion of DC genes within a biological pathway is relatively small. In this article, we compare covariance thresholding methods using four different regularization penalties such as lasso, hard, smoothly clipped absolute deviation (SCAD), and minimax concave plus (MCP) penalties. In our extensive simulation studies, we found that both SCAD and MCP thresholding methods can outperform the hard thresholding method when the proportion of DC genes is extremely small and the number of genes in a biological pathway is much greater than a sample size. We also applied four thresholding methods to 3 different microarray gene expression data sets related with mutant p53 transcriptional activity, and epithelium and stroma breast cancer to compare genetic pathways identified by each method.

• Smart Structures and Systems
• /
• 제10권4_5호
• /
• pp.427-442
• /
• 2012

An effective approach for updating finite element model is presented which can provide reliable estimates for structural updating parameters from identified operational modal data. On the basis of the dynamic perturbation method, an exact relationship between the perturbation of structural parameters such as stiffness change and the modal properties of the tested structure is developed. An iterative solution procedure is then provided to solve for the structural updating parameters that characterise the modifications of structural parameters at element level, giving optimised solutions in the least squares sense without requiring an optimisation method. A regularization algorithm based on the Tikhonov solution incorporating the generalised cross-validation method is employed to reduce the influence of measurement errors in vibration modal data and then to produce stable and reasonable solutions for the structural updating parameters. The Canton Tower benchmark problem established by the Hong Kong Polytechnic University is employed to demonstrate the effectiveness and applicability of the proposed model updating technique. The results from the benchmark problem studies show that the proposed technique can successfully adjust the reduced finite element model of the structure using only limited number of frequencies identified from the recorded ambient vibration measurements.

• Coupled systems mechanics
• /
• 제11권1호
• /
• pp.15-32
• /
• 2022

The comprehensive understanding of the fiber reinforced polymer behavior requires the use of advanced non-destructive testing methods due to its heterogeneous microstructure and anisotropic mechanical proprieties. In addition, the material response under load is strongly associated with manufacturing defects (e.g., voids, inclusions, fiber misalignment, debonds, improper cure and delamination). Such imperfections and microstructures induce various damage mechanisms arising at different scales before macrocracks are formed. The origin of damage phenomena can only be fully understood with the access to underlying microstructural features. This makes X-ray Computed Tomography an appropriate imaging tool to capture changes in the bulk of fibrous materials. Moreover, Digital Volume Correlation (DVC) can be used to measure kinematic fields induced by various loading histories. The correlation technique relies on image contrast induced by microstructures. Fibrous composites can be reinforced by different fiber architectures that may lead to poor natural contrast. Hence, a priori analyses need to be performed to assess the corresponding DVC measurement uncertainties. This study aimed to evaluate measurement resolutions of global and regularized DVC for glass fiber reinforced polymers with different fiber architectures. The measurement uncertainties were evaluated with respect to element size and regularization lengths. Even though FE-based DVC could not reach the recommended displacement uncertainty with low spatial resolution, regularized DVC enabled for the use of fine meshes when applying appropriate regularization.

• 전자공학회논문지
• /
• 제54권4호
• /
• pp.91-98
• /
• 2017

전기 임피던스 단층촬영 기법은 도메인의 표면에 부착된 전극들을 통해 주입된 전류와 측정된 전압 데이터를 기반으로, 미지의 도전율 분포를 복원하는 비파괴 기술이다. 이 논문에서는 전기 임피던스 단층촬영법에서 일반적 Tikhonov 조정을 갖는 역문제를 풀고 도전율 분포를 복원하기 위해 절단된 특이값 분해 기반의 역문제 해법을 제안하였다. 역문제 계산시간을 줄이기 위해 일반 조정행렬을 역행렬 항목에서 분리시키고 절단된 특이값 분해 방법을 적용하였다. 제안한 방법의 성능을 검증하기 위해 모의실험과 팬텀실험을 수행하고 복원결과를 비교하였다.

• 한국통신학회논문지
• /
• 제25권1B호
• /
• pp.141-147
• /
• 2000

선형적인 움직임에 의하여 흐려지고 가산잡음으로 훼손된 영상을 복원할 경우, 잡음을 평활화하면 동시에 윤곽도 같이 평활화 되며, 윤곽을 복원하면 잡음도 동시에 강조되는 이중성을 지닌다. 이러한 문제점을 해결하기 위하여 본 논문에서는 평면에선는{{{{ {I-H}^{ } }} }}연산잔가 효과적이고 윤곽에서는 Laplacian 연산자가 효과가 있는 점을 이용하여 훼손된 영상의 평면영역에서는{{{{ {I-H}^{ } }} }}정칙화 연산자를 윤곽영역에서는 Laplacian 정칙화 연산자를 적응적으로 적용하는 알고리듬을 제안한다. 본 논문에서 제시한 복원방법을 실험결과를 통해 기존의 방법과 비교해보면 평면에서의 잡음의 평활화가 개선되고 윤곽에서의 리플잡음이 줄었음을 알 수 있다. 또한 이것은 우리의 시각이 가지는 평면에서의 잡음의 가시도에 따른 시각적인 효과가 개선되었음을 알 수 있었으며, 기존의 방법에 비해 더욱 우수한 ISNR을 얻을 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제5권4호
• /
• pp.399-404
• /
• 2002

움직임에 의해 흐려지고 잡음으로 훼손된 영상을 복원하는 방법은 매우 어렵다. 기존의 방법은 영상의 국부적인 특성을 고려하지 않고 영상전체에 일률적으로 정칙화를 행함으로써 윤곽부분에서는 리플잡음을 초래하고 평면부분에서도 잡음증폭을 피할 수 없으며, 또한 시각적으로 효율적이지 못한 면이 있다 이러한 문제점을 개선하기 위하여, 본 논문에서는 훼손된 영상에 전처리를 하여 방향성을 검출한 다음 평면영역과 윤곽영역의 방향특성에 따라 적응적으로 처리하는 복원방법을 제안한다. 제안한 방법은 기존의 방법과 비교하여 시각적으로 중요한 해상도를 향상시킴으로써 윤곽부분 복원에 효율적임을 실험결과를 통해 알 수 있었으며 ISNR과 MSE 면에서도 우수하였다.

• 한국지능시스템학회논문지
• /
• 제20권4호
• /
• pp.534-540
• /
• 2010

고차원 특성과 높은 상관성은 하이퍼스펙트럴 데이터의 주요 특징이다. LDA와 그 변형 선형 투사 방법들이 고차원 스펙트럴 정보로부터 저차원의 특징을 추출하는데 사용되었다. LDA는 학습 데이터가 적은 경우 흔히 발생하는 과대적합으로 인해 일반화 성능이 낮아지는 문제가 발생하는데, 이를 완화하기 위하여 LDA 규칙화(regularization) 방법들이 제시되었다. 그 중, 평탄도(smoothness) 제약에 기반한 LDA 규칙화 기법은 높은 상관성을 갖는 하이퍼스펙트럴 데이터의 특성에 적합한 특징 추출 기법이다. 본 논문에서는 하이퍼스펙트럴 데이터 분류에서 평탄도 제약을 갖는 LDA 규칙화 방법을 소개하고 학습 데이터 조건에 따른 성능을 실험적으로 분석한다. 또한, 분류 성능의 향상을 위한 스펙트럴 정보와 공간적 정보의 상관성을 함께 활용하는 이중 평탄도 LDA 규칙화 기법을 제시한다.

• 한국전산구조공학회논문집
• /
• 제21권1호
• /
• pp.73-82
• /
• 2008

본 논문에서는 구조손상 탐색을 위해 매개변수 부 집합 선택에 의한 새로운 정규화 방법을 제안하였다. Residual function을 위해 동적 residual force 벡터를 이용하였다. 과거에는 Residual function으로서 기본 동적 특성치(고유치와 고유모드)를 이용하여 단일구조손상은 탐색할 수 있었지만 다중구조손상 위치를 탐색하기에는 한계가 있었을 뿐 아니라 고유모드와 고유치의 상이한 기여도 때문에 가중치를 적용해야 하는 어려움이 있었다. 본 논문에서 제안된 방법은 고유모드의 불완전한 계측을 보완하기 위하여 모델 확장법을 적용하였다. 제안된 구조손상 탐색법은 다중구조손상 위치를 동시에 찾아 낼 수 있는 장점을 가지고 있다. 2차원 평면 트러스 구조를 이용하여 제안된 방법의 효용성을 검증하였다.