• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권7호
• /
• pp.2400-2419
• /
• 2014

Pre-segmented pixels can reduce the difficulty of segmentation and promote the segmentation performance. This paper proposes a novel segmentation method based on merging texture superpixels by computing inner similarity. Firstly, we design a set of Gabor filters to compute the amplitude responses of original image and compute the texture map by a salience model. Secondly, we employ the simple clustering to extract superpixles by affinity of color, coordinates and texture map. Then, we design a normalized histograms descriptor for superpixels integrated color and texture information of inner pixels. To obtain the final segmentation result, all adjacent superpixels are merged by the homogeneity comparison of normalized color-texture features until the stop criteria is satisfied. The experiments are conducted on natural scene images and synthesis texture images demonstrate that the proposed segmentation algorithm can achieve ideal segmentation on complex texture regions.

• 한국멀티미디어학회논문지
• /
• 제18권12호
• /
• pp.1555-1561
• /
• 2015

This paper tries to converge computer and art by applying anamorphosis principle in drawing technique to mobile application. As comparing to current anamorphosis which shows one image at the round cup, we focus on the variability which shows several variable images at the mobile device according to the color board. The usage of the proposed algorithm is able to extended to various areas such as souvenir and public relation.

• ETRI Journal
• /
• 제29권5호
• /
• pp.700-702
• /
• 2007

We present a relevance feedback approach based on multi-class support vector machine (SVM) learning and cluster-merging which can significantly improve the retrieval performance in region-based image retrieval. Semantically relevant images may exhibit various visual characteristics and may be scattered in several classes in the feature space due to the semantic gap between low-level features and high-level semantics in the user's mind. To find the semantic classes through relevance feedback, the proposed method reduces the burden of completely re-clustering the classes at iterations and classifies multiple classes. Experimental results show that the proposed method is more effective and efficient than the two-class SVM and multi-class relevance feedback methods.

• 제어로봇시스템학회논문지
• /
• 제4권3호
• /
• pp.334-341
• /
• 1998

This paper proposes an algorithm to obtain the time-to-contact between an observer and a target and surface orientation of the target. These two physical elements are computed from the image deformation of a known shape, which is extracted by supervised classification of detected line segments based on MAP and Mahalanobis distance. The proposed algorithm was applied to the natural outdoor traffic scene and would contribute to the development for a collision avoidance system.

• 한국융합학회논문지
• /
• 제8권8호
• /
• pp.33-40
• /
• 2017

본 논문은 이미지에서 효과적인 문자검출을 위해 색상단순화 및 윤곽선에서의 패턴 분석을 통한 문자 검출방법을 제안한다. 윤곽선 기반방법을 사용하는 문자검출 알고리즘은 단순한 배경의 이미지에서는 우수한 성능을 보이지만, 복잡한 배경의 이미지에서는 성능이 떨어지는 단점이 있다. 따라서 제안하는 방법은 복잡한 배경에서의 비문자영역을 최소화하기 위해 이미지 단순화 및 패턴분석을 통한 문자 검출 알고리즘을 제안한다. 먼저 이미지에서의 문자영역 부분을 검출하기 위하여 전처리 과정으로 K-means 군집화를 사용하여 이미지의 색상을 단순화하고, 색상 단순화 과정에서의 물체의 경계의 흐릿해짐을 개선하기 위해 고주파통과필터를 통해 물체의 경계를 강화한다. 그 후 모폴로지 기법의 팽창과 침식의 차이를 이용하여 물체의 윤곽선을 검출하고, 획득한 영역의 윤곽선 부분의 정보(높이, 너비 면적)를 구한 후 패턴분석을 통해 조건을 줌으로써 문자 후보영역을 판별하여 문자가 아닌 불필요한 영역(그림, 배경)을 제거한다. 최종 결과로 라벨링을 통해 불필요한 영역이 제거된 결과를 보여준다.

• 한국멀티미디어학회논문지
• /
• 제3권4호
• /
• pp.339-346
• /
• 2000

의료 영상은 환자에 대한 해부학적인 진단 정보를 얻기 위한 영상으로 정확한 병변 인식과 판단을 위해서는 조직별 분할이 선행되어야 한다. 본 논문에서는 T1 강조 영상 그리고 T2 강조 영상, PD 영상의 특징을 상호보완적으로 이용한 자동적인 영상 분할 방법을 제안한다. 제안한 분할 알고리듬은 PD 영상으로부터 대뇌마스크를 획득하고, 대뇌마스크를 T1 과 T2, PD의 입력 영상에 씌워 각각의 대뇌 영상을 획득하여 T1과 T2, PD를 축으로 하는 3차원 공간상에서 스케일 스페이스 필터링과, 3차원 클러스터링을 이용하여 대뇌 내부조직에 해당하는 클러스터를 찾아서 분할에 이용한다. 대뇌 영상분할은 이들 클러스터의 중심 값을 FCM 알고리듬의 초기 중심 값으로 두고 FCM 알고리듬을 이용하여 분할한다. 제안한 분할 알고리듬은 정확한 클러스터의 중심 값을 계산함으로 초기 값의 영향을 많이 받는 FCM 알고리듬의 단점을 보완하였고 다중 스펙트럼 영상의 특성을 조합하여 분할에 이용함으로 단일 스펙트럼 영상만을 이용하는 방법보다 향상된 분할 결과를 얻을 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제13권5호
• /
• pp.730-739
• /
• 2010

웹2.0환경에서의 핵심적인 기술은 태깅이며, 현재 블로그와 같은 웹 문서에서부터 이미지, 동영상 등과 같은 멀티미디어 데이터에 이르기까지 폭넓게 적용되고 있다. 그러나 태깅에 사용된 태그가 정보 검색에 재사용되어 검색의 효율성을 극대화 시킬 것이라는 기대와는 달리 실제로는 태그가 가지는 근본적인 한계들로 인해 만족스럽지 못한 검색결과가 나타나고 있다. 이에 본 연구에서는 태그 클러스터링을 통한 이미지 검색에 대한 선행연구를 기반으로 의미론적 지식체계인 토픽맵 생성 시스템을 설계 및 구현하였다. 구현 결과 클러스터 내의 태그 정보들은 토픽맵에서의 토픽으로 자동 생성되었으며, 생성된 토픽맵의 토픽들 간에는 WordNet을 적용하여 의미연관관계를 부여하였다. 또한 토픽 쌍에 적합한 어커런스 정보들을 추출하여 토픽들에 부여함으로서 의미론적 지식체계인 토픽맵을 생성하였다. 이와 같이 생성된 토픽맵은 사용자의 정보검색 요구에 대한 시맨틱 내비게이션의 제공을 가능하게 할 뿐만 아니라 풍부한 정보제공이 가능하다.

• 한국정보과학회논문지:데이타베이스
• /
• 제32권5호
• /
• pp.498-508
• /
• 2005

모양 데이타는 이미지가 나타내는 의미를 가장 잘 반영하는 데이타로서 이미지 검색에 중요한 정보로 사용된다 특히 구조적으로 표현된 모양 특징은 모양이 갖는 기초적 특성과 그들간의 관계 정보를 잘 나타내므로 폭넓게 연구되고 있다. 그러나 대개의 구조적 모양 특징들은 그래프나 트리와 같은 구조로 표현되므로 모양 데이타 검색에서 효율적인 검색 시간을 보장할 수 없는 문제를 지니고 있다. 이러한 문제를 해결하기 위하여 본 논문에서는 모양의 윤곽선 정보를 기반으로한 굴곡 기반 형태 그래프를 생성하고 이를 일반화한 구조로부터 모양을 클러스터링할 수 있는 키를 설계한다. 제안한 굴곡 기반 형태 그래프는 모양이 가지고 있는 윤곽선 특성과 영역의 형태적 특성을 모두 가지고 있다. 모양 검색은 단계적으로 이루어진다. 클러스터링을 통해 검색 공간을 축소하고 외부 굴곡 특징을 이용한 굴곡의 패턴 매칭을 통해 종합적인 유사도가 결정된다. 다양한 실험을 통해 굴곡 기반 형태 그래프와 클러스터링을 통해 검색 공간과 비용이 줄어드는 것을 보여준다.

• 한국정보전자통신기술학회논문지
• /
• 제1권2호
• /
• pp.71-79
• /
• 2008

칼라 코렐로그램은 계산량이 많아지고 저장 공간이 커져서 검색하는 시간이 길어지므로 일반적으로 64*64 로 양자화 하여 사용되어지는데, 본 논문에서는 메디안 픽셀 특징에 공간정보를 이용하여 9*9 로 양자화 하였다. 기존 알고리즘의 경우 메디안 값이 중복되는 경우 중복된 값들을 정렬하여 그 중 가운데 값을 특징자 값으로 정하였으나, 제안된 알고리즘에서는 중복된 값들을 정렬하여 그 중 공간정보가 가장 작은 값을 특징자 값으로 정하였다. 그리고 코렐로그램을 적용하여 특징자 테이블을 구성하고 이를 이용하여 비교하였다. 제안된 알고리즘은 시뮬레이션을 통해 테스트 하였고 그 결과 기존 알고리즘 보다 더 나은 검색성능을 나타내게 되었다.

• 한국정보통신학회논문지
• /
• 제10권6호
• /
• pp.1153-1158
• /
• 2006

자궁 경부 세포진 영상의 핵 영역 분할은 자궁 경부암 자동화 검색 시스템의 가장 어렵고도 중요한 분야로 알려져 있다. 자궁 경부 세포진 영상은 배경과 세포의 영역이 확실히 구분되지 않는 경우가 많기 때문에 이들을 확실히 구분하는 것이 매우 중요하다. 본 논문에서는 이러한 문제점을 해결하기 위해 자궁 경부 세포진 영상에서 Region growing 기법을 적용하여 세포 영상을 분할한다. Region growing 기법은 화소간의 유사도를 측정하여 영역을 확장하여 분할하는 방법이다. 세포와 배경이 분할된 영상을 일정 임계값을 이용하여 영상을 이진화 한 후, 8방향 윤곽선 추적 알고리즘을 이용해 세포 영역을 추출한다. 추출된 세포 영역을 원 영상인 RGB 컬러로 변환한 후에 K-means 알고리즘을 적용하여 각 세포 영역의 RGB 화소를 R, G, B 채널로 각각 분리하여 클러스터링 한다. 클러스터링된 각 각의 R, G, B 채널의 클러스터 값을 이용하여 HSI 모델로 변환시킨 후에 세포핵 영역의 Hue 정보를 추출한다. 추출된 세포핵의 특징을 오류 역전파 알고리즘을 적용하여 정상 세포와 비정상 세포를 분류하고 인식한다.