In Korean medicine, tongue diagnosis is one of the important diagnostic methods for diagnosing abnormalities in the body. Representative features that are used in the tongue diagnosis include color, shape, texture, cracks, and tooth marks. When diagnosing a patient through these features, the diagnosis criteria may be different for each oriental medical doctor, and even the same person may have different diagnosis results depending on time and work environment. In order to overcome this problem, recent studies to automate and standardize tongue diagnosis using machine learning are continuing and the basic process of such a machine learning-based tongue diagnosis system is tongue segmentation. In this paper, image data is augmented based on the main tongue features, and backbones of various famous deep learning architecture models are used for automatic tongue segmentation. The experimental results show that the proposed augmentation technique improves the accuracy of tongue segmentation, and that automatic tongue segmentation can be performed with a high accuracy of 99.12%.
본 논문에서는 수학적 모폴로지 연산과 가우시안 혼합 모형에 기초한 새로운 칼라 영상 분할 알고리즘을 제안한다. 우리는 혼합 모형에서 구성 성분의 수를 결정하고, 각 구성 성분의 중심값을 계산하는데 모폴로지의 연산과 라벨링 연산을 이용한다. 그리고 칼라 특징 벡터의 확률 모형으로 가우시안 혼합 모형을 사용하고, 이들의 모수 값들을 추정하는데 결정적 어닐링 EM알고리즘을 사용한다. 최종적으로 혼합 모형으로부터 계산된 사후 확률을 이용하여 칼라 영상을 분할한다. 실험 결과를 통하여 모폴로지 연산이 혼합모형의 수를 자동으로 결정하고 각 성분의 모드를 계산하는데 아주 효율적인 방법임을 보였고, 또한 결정적 어닐링 EM 알고리즘에 의하여 추정된 가우시안 혼합 모형을 사용하여 계산된 사후 확률에 의한 영상 분할 방법이 기존의 분할 알고리즘보다 정확한 분할 방법임을 보였다.
Journal of the Korean Society for Industrial and Applied Mathematics
/
제27권2호
/
pp.146-159
/
2023
This paper proposes a hybrid algorithm combining K-means clustering and watershed algorithms for flower segmentation and counting. We use the K-means clustering algorithm to obtain the main colors in a complex background according to the cluster centers and then take a color space transformation to extract pixel values for the hue, saturation, and value of flower color. Next, we apply the threshold segmentation technique to segment flowers precisely and obtain the binary image of flowers. Based on this, we take the Euclidean distance transformation to obtain the distance map and apply it to find the local maxima of the connected components. Afterward, the proposed algorithm adaptively determines a minimum distance between each peak and apply it to label connected components using the watershed segmentation with eight-connectivity. On a dataset of 30 images, the test results reveal that the proposed method is more efficient and precise for the counting of overlapped flowers ignoring the degree of overlap, number of overlap, and relatively irregular shape.
본 논문은 영상 분할 기법 및 특징 점 추출 기법을 이용한 객체 추출 방법과 영상 검색 방법을 제안한다. 제안하는 방법은 크게 네 단계의 과정으로 이루어져 있다. 첫 번째 단계에서는 데이터베이스 영상에 대해서 JSEG 알고리즘을 이용하여 영상을 분할한다. 두 번째 단계에서 각 분할된 영역과 질의 영상에서 대표 색상을 추출하고, 색상 히스토그램을 생성한다. 질의 영상과 데이터베이스 영상의 각 영역간의 대표 색상과 색상 히스토그램을 비교한 결과를 종합하여 객체 후보 영역을 추출한다. 영상분할 과정에서 지나치게 분할된 영역을 위해 인접해 있는 후보 영역들을 합병한다. 세 번째 단계에서는 각 후보 영역과 질의 영상에서 DoG(Difference of Gaussian) 피라미드의 극치 점으로부터 영상의 크기 변화에 일관된 중요 특징 점들을 추출한다. 추출된 특징 점들을 정합하여 질의 영상에 해당하는 객체를 검출한다. 마지막 단계에서는 질의 영상과 객체 영역이 추출된 DB 영상과의 유사도 측정을 통한 검색을 수행하며, 유사도 측정은 색상 상관도표(Color correlogram)를 사용한다. 실험 결과를 통하여 본 논문에서 제안하는 영상 검색 방법은 질의 객체 영상에 대해 영상 전체를 비교하는 것이 아니라 객체가 존재하는 영역을 추출한 후 유사도를 측정함으로써, 배경에 의한 오검색률이 감소하고, 검색 성능이 향상됨을 확인하였다.
The purpose of this study is to analyze the image of color combination in fashion design. For this study 14,121 color samples were collected from 116 fashion brands selected by the market segmentation based on the results of the previous studies. The brands have high market share and brand recognition in each segmental market. The color samples were measured by spectrophotometer and analyzed by the Munsell's H V/C and CIE $L^*a^*b^*$ value. The representative colors of each market were selected concerning the tensity in CIE $L^*a^*b^*$ color space and the distance between the color samples. h4 a result, 2,213 representative colors were chosen. These color samples composed top and bottom color combination samples by the program 'Item Comparator' that calculated the color differences$({\Delta}E^*)$. Top includes the items such as blouse, shirt, and coats, bottom includes the items such as skirt and pants. The color combination samples were divided into two groups. In one group ${\Delta}E^*$ was less than 30, and In the other group ${\Delta}E^*$ was 30 or more. For investigating the image of color combination, 480 rotor combination samples were classified. The image adjectives for the survey from preceding studies and brand dictionaries were 'classic', 'modern', 'feminine', 'casual', and 'romantic', which have highly preferred in women's wear brands. The result of the study is as follows; For 'classic' 'image, YR, and greyish tone were generally preferred. In the color combination of 'casual' image, the samples with PB color and greyish tone were preferred. For 'feminine' image, RP was preferred as a top color, R, RP, P were preferred as a bottom color. For 'casual' image, PB was preferred as a top color, PB, B were preferred as a bottom color. For 'romantic' image, RP was preferred as a top color, R, P were preferred as a bottom color. The bigger the color differences between the color combination samples were, the more remarkable the image of color combination samples was.
The purpose of this study were 1) to segment 20's female apparel market using consumer's fashion image preference in formal wear, and 2) to identify the group differences in seasonal color (hue and tone) and color image (image associate with lightness and chroma) preference as well as in demographic variables. The subjects were 253 females in their late twenties living in Seoul, Korea. The data were collected using self-administred questionnaires and analyzed by factor analysis. Cluster analysis, $\chi$2 -test, one-way ANOVA, and Duncan test. The results of this study were as follows: 1) Four fashion image groups were identified through cluster analysis using consumer's fashion image preference: Elegant image group, Sexy image group, Lively image group, and Romantic image group. 2) There were significant differences among fashion image groups in hue preference for spring clothes, tone preferences for spring and fall clothes. Color images are associated with lightness for spring and summer, and are associated with chroma for spring, summer, and fall. Group differences in demographic variables were found in socio-economic status and average expenditure for formal jacket.
그래프 컷(graph cuts) 방법은 주어진 사전정보와 각 픽셀간의 유사도를 나타내는 데이터 항(data term)과 이웃하는 픽셀간의 유사도를 나타내는 스무드 항(smoothness term)으로 구성된 에너지 함수를 전역적으로 최소화하는 방법으로, 최근 영상 분할에 많이 이용되고 있다. 기존 그래프 컷 기반의 영상 분할 방법에서 데이터 항을 설정하기 위해 GMM(Gaussian mixture model)을 주로 이용하였으며, 평균과 공분산을 각 클래스를 위한 사전정보로 이용하였다. 이 때문에 클래스의 모양이 초구(hyper-sphere) 또는 초타원(hyper-ellipsoid)일 때만 좋은 성능을 보이는 단점이 있다. 다양한 클래스의 모양에서 좋은 성능을 보이기 위해, 본 논문에서는 mean shift 분석 방법을 이용한 그래프 컷 기반의 자동 영상분할 방법을 제안한다. 데이터 항을 설정하기 위해 $L^*u^*{\upsilon}^*$ 색상공간에서 임의로 선택된 초기 mean으로부터 밀도가 높은 지역인 모드(mode)로 이동하는 mean의 집합들을 사전정보로 이용한다. Mean shift 분석 방법은 군집화에서 좋은 성능을 보이지만, 오랜 수행시간이 소요되는 단점이 있다. 이를 해결하기 위해 특징공간을 3차원 격자로 변형하였으며, mean의 이동은 격자에서 모든 픽셀이 아닌 3차원 윈도우내의 1차원 모멘트(moment)를 이용한다. 실험에서 GMM을 이용한 그래프 컷 기반의 영상분할 방법과 최근 많이 이용되고 있는 mean shift와 normalized cut기반의 영상분할 방법을 제안된 방법과 비교하였으며, Berkeley dataset을 기반으로 앞의 세 가지 방법보다 좋은 성능을 보였다.
본 논문에서는 두 가지 이상의 분할 방법을 혼합하여 분할했을 때, 분할 결과의 정확성이 전체적으로 개선되어지면서 동시에 영역 경계의 각 부분에서도 단일 분할 방법의 결과보다 향상될 수 있는 혼합형 분할 방법을 제안한다. 이 방법은 다수의 분할 방법을 순차적으로 적용하는데, 한 분할 방법에 의한 결과를 현재 방법과 다음 적용할 방법의 특성을 고려한 평가함수로 분석하여 신뢰도가 높은 부분은 유지하고, 낮은 부분들을 다음 방법들에서 개선한다. 제안된 방법을 Visible human 컬러 영상의 근육을 분할하는데 적용하였고, Balloon 방법, 최소비용경로탐색 방법, 그리고 영역 성장법이 혼합되어 사용되었다. 실험에서 얻어진 최종 분할 결과는 전체적으로 정확성이 개선되었을 뿐만 아니라, 국부적으로도 단일 분할 방법의 결과보다 향상되었음을 확인하였다.
본 논문은 컬러 히스토그램과 ‘컬러 텍스쳐’을 이용하는 새로운 내용기반 영상 검색 기법을 제안한다. 제안한는 방법은 영상의 컬러 히스토그램을 k-means 군집화하여 얻은 컬러 벡터로 히스토그램을 대표하고, 각 대표 컬러 벡터를 중심으로 화소 색상과의 거리를 이용해 컬러 텍스처를 만든다. 그러므로, 컬러 텍스처란 영상의 컬러 히스토그램에 의해 두드러지는 텍스처 성분을 의미하며 본 논문에서는 컬러 텍스처를 Gaussian Markov Random Field (GMRF) 모델로 해석한다. 제안하는 알고리듬은 영역화와 같은 기하학적 정보를 추출하는 과정이 없으므로 고속의 검색에 적합하며, 기존의 컬러 히스토그램만을 이용한 기법이나 영상의 밝기 성분에서 나타나는 텍스처를 이용한 방법에 비해 효과적인 검색 결과를 나타낸다.
비사실적 렌더링(NPR; Non-Photorealistic Rendering)은 2차원 영상과 3차원 모델을 대상으로 하는 방법이 다르며 각각의 대상에 NPR을 적용하여 두 콘텐츠를 혼합하면 이질감이 나타나는 문제점이 있다. 본 논문에서는 3차원 객체와 영상에 있어서 각각의 대상에 카툰 및 스케치와 같은 비사실적 효과를 적용하여 조화롭게 혼합하는 기법을 제시한다. 제안 기법은 2차원 영상의 데이터를 분석하여 컬러 분포 특징을 얻고 이를 이용하여 실사 영상이나 3D 객체의 컬러 수를 줄인다. 단순화된 컬러맵과 윤곽선 에지 데이터로부터 비사실적 렌더링을 실시한다. 컬러맵 정보의 추출 및 적용 과정에서 자연스러운 장면 연출을 위해서 영상분할 과정이 필요하다. 그러나 영상분할 기법은 많은 연산을 필요로 한다. 특히 크기가 큰 입력에 대해서는 비사실적 렌더링에 많은 시간이 소요된다. 처리 시간이 많은 영상분할의 고속화를 위하여 GPU(Graphics Processing Unit)를 이용한 병렬 컴퓨팅을 할 수 있는 GPGPU(General-Purpose GPU)를 사용한다. GPGPU의 사용으로 알고리즘의 수행속도를 크게 개선하였다. 또한 영상분할 후 단순화된 컬러를 추출하여 일련의 컬러맵을 생성한 뒤 3D 객체에 NPR을 적용할 때 추출해낸 컬러맵을 적용하여 2차원 영상과 3차원 객채 간의 이질감을 줄이고 조화롭게 하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.