• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권9호
• /
• pp.3211-3230
• /
• 2014

Recently, sparse coding has achieved remarkable success in image representation tasks. In practice, the performance of clustering can be significantly improved if limited label information is incorporated into sparse coding. To this end, in this paper, a novel semi-supervised algorithm, called constrained sparse concept coding (CSCC), is proposed for image representation. CSCC considers limited label information into graph embedding as additional hard constraints, and hence obtains embedding results that are consistent with label information and manifold structure information of the original data. Therefore, CSCC can provide a sparse representation which explicitly utilizes the prior knowledge of the data to improve the discriminative power in clustering. Besides, a kernelized version of our proposed CSCC, namely kernel constrained sparse concept coding (KCSCC), is developed to deal with nonlinear data, which leads to more effective clustering performance. The experimental evaluations on the MNIST, PIE and Yale image sets show the effectiveness of our proposed algorithms.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2004년도 춘계학술발표회논문집
• /
• pp.159-164
• /
• 2004

SAM(Spectral Angle Mapper) is the method using the similarly of the angle between pairs of signatures instead of the spectral distance(MDC, MLC etc.) for classification or clustering. In this paper, we applied unsupervised techniques(Unsupervised SAM and ISODATA) to the Hyperspectral Image(Hyperion) which has innumerable, narrow and contiguous spectral bands and Multispectral Image(ETM$\^$+/) for the clustering of signatures. The overall measured accuracies of the USAM and ISODATA of multispectral image were 76.52%, 53.91% and the USAM and ISODATA of hyperspectral image were 63.04%, 53.91%. From the results of our test, we report that the Unsupervised SAM is better classfication technique than ISODATA. Also we believe that the "Spectral Angle" can potentially be one of the most accurate classifier not only multispectral images but hyperspectral images.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 가을 학술발표논문집 Vol.34 No.2 (D)
• /
• pp.7-11
• /
• 2007

In this paper the one of image hide method for good compression ratio and satisfactory image quality of the cover image and the embedding image based on the singular value decomposition and the vector quantization using fuzzy c-mean clustering is introduced. Experimental result shows that the embedding image has invisibility and robustness to various serious attacks.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제52차 하계학술대회논문집 23권2호
• /
• pp.250-251
• /
• 2015

본 논문에서는 자기 조직화 기능을 갖는 Kohonen의 SOM(Self organization map) 신경회로망과 주어지는 데이터에 따라 초기의 클러스터 개수를 설정하여 처리하는 수정된 K-Means 알고리즘을 결합한 Hybrid Kohonen Network 를 제안한다. 또한, 실제의 항공영상에 적용하여 고전적인 K-Means 알고리즘 및 고전적인 SOM 알고리즘보다 우수함을 보인다.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.910-916
• /
• 2019

자연 영상의 비지역적 유사성은 다양한 영상 응용 분야에서 활용되는 중요한 특성 중에 하나이다. 영상 내 객체의 에지나 텍스쳐, 무늬 등은 비지역적으로 반복되어 나타난다. 유사도가 높은 영상 블록들로 군집을 형성하면 자연스럽게 그로부터 특징을 추출할 수 있다. 또한 군집의 크기가 클수록 원치 않는 백색 잡음에 대한 대항력을 키울 수 있다. 영상 신호 처리 중 잡음 제거 관련 연구는 백색 가산 잡음이 포함된 영상의 복원을 다룬다. 본 논문에서는 백색 잡음이 포함된 영상을 유사도에 따라 적응적으로 군집화하여 잡음 신호에 대한 이득을 향상시키고, 이를 통해 잡음을 효과적으로 제거하는 알고리듬을 제안한다. 다양한 영상과 잡음 강도에 대한 모의실험 결과로부터 제안된 알고리듬이 에지, 텍스쳐, 무늬 영역을 잘 보존하면서 잡음을 제거할 수 있음을 시각적으로 확인할 수 있고, 또한 최근 보고된 여러 방법들과의 잡음 제거 성능 수치 비교에서도 우수한 결과를 보인다.

• Journal of Platform Technology
• /
• 제6권4호
• /
• pp.26-33
• /
• 2018

In this paper, we propose an image retrieval algorithm for real-time processing and design it as hardware. The proposed method is based on the classification of BoWs(Bag of Words) algorithm and proposes an image search algorithm using bit stream. K-fold cross validation is used for the verification of the algorithm. Data is classified into seven classes, each class has seven images and a total of 49 images are tested. The test has two kinds of accuracy measurement and speed measurement. The accuracy of the image classification was 86.2% for the BoWs algorithm and 83.7% the proposed hardware-accelerated software implementation algorithm, and the BoWs algorithm was 2.5% higher. The image retrieval processing speed of BoWs is 7.89s and our algorithm is 1.55s. Our algorithm is 5.09 times faster than BoWs algorithm. The algorithm is largely divided into software and hardware parts. In the software structure, C-language is used. The Scale Invariant Feature Transform algorithm is used to extract feature points that are invariant to size and rotation from the image. Bit streams are generated from the extracted feature point. In the hardware architecture, the proposed image retrieval algorithm is written in Verilog HDL and designed and verified by FPGA and Design Compiler. The generated bit streams are stored, the clustering step is performed, and a searcher image databases or an input image databases are generated and matched. Using the proposed algorithm, we can improve convenience and satisfaction of the user in terms of speed if we search using database matching method which represents each object.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2003년도 춘계학술대회
• /
• pp.97-108
• /
• 2003

Cluster analysis has been widely used in many applications, such that pattern analysis or recognition, data analysis, image processing, market research on on-line or off-line and so on. Clustering can identify dense and sparse regions among data attributes or object attributes. But it requires many hours to get clusters that we want, because of clustering is more primitive, explorative and we make many data an object of cluster analysis. In this paper we propose a new method of clustering using sample based on grid. It is more fast than any traditional clustering method and maintains its accuracy. It reduces running time by using grid-based sample. And other clustering applications can be more effective by using this methods with its original methods.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2004년도 춘계학술대회
• /
• pp.51-60
• /
• 2004

K-means clustering is an iterative algorithm in which items are moved among sets of clusters until the desired set is reached. K-means clustering has been widely used in many applications, such as market research, pattern analysis or recognition, image processing, etc. It can identify dense and sparse regions among data attributes or object attributes. But k-means algorithm requires many hours to get k clusters that we want, because it is more primitive, explorative. In this paper we propose a new method of k-means clustering using a center of gravity for grid-based sample. It is more fast than any traditional clustering method and maintains its accuracy.

• 한국컴퓨터정보학회논문지
• /
• 제17권2호
• /
• pp.49-57
• /
• 2012

FCM(fuzzy c-means)은 일반적으로 영상 분할에서 좋은 성능을 보인다. 하지만 공간 정보를 사용하지 않는 일반적인 FCM 알고리즘은 낮은 대비의 영상, 경계선이 뚜렷하지 않은 영상, 잡음이 포함된 영상의 분할에는 좋지 않은 성능을 보인다. 이와 같은 문제를 해결하기 위해 본 논문에서는 3x3 크기의 윈도우를 이용하여 윈도우 내의 중심 픽셀과 주변 픽셀간의 거리 정보를 소속 함수에 추가한 개선된 공간적 퍼지 클러스터링 알고리즘을 제안한다. 본 논문에서는 분할 계수, 분할 엔트로피, Xie-Bdni 함수와 같은 클러스터링 검증 함수를 이용하여 FCM 기반의 다양한 클러스터링 알고리즘과 제안한 알고리즘과의 성능을 비교하였다. 성능 평가 결과 제안한 알고리즘이 기존의 FCM기반의 클러스터링 알고리즘보다 클러스터링 검증 함수에서 성능이 우수함을 확인 할 수 있었다.

• 디지털융복합연구
• /
• 제11권12호
• /
• pp.459-465
• /
• 2013

본 논문은 영상 속 객체와 배경의 컬러 특징을 이용한 주요 객체의 자동 추출 방법에 관한 연구이다. 인간이 객체를 판단할 때에는 배경과 객체의 색상 차이를 이용하는데 이러한 요소를 객체 추출 방법에 적용시키기 위해서는 배경과 객체의 색차를 강조하여야 한다. 따라서 본 논문에서는 원 RGB 영상을 인간의 시각 시스템과 유사한 HSV 색 공간으로 변환하고 각기 다른 분포도의 메디안 필터를 적용한 두 개의 영상을 생성한 뒤 두 개의 메디안 필터가 적용된 영상들을 합산하였고 데이터 군집화 방법인 Mean Shift 알고리즘을 적용하여 색상 특징을 그룹화 하였다. 마지막으로 이진화 작업을 위하여 영상의 채널 수를 3 채널에서 1 채널로 정규화 한 뒤 영상 내 픽셀들의 평균값을 임계값으로 이용하는 이진화 방법으로 객체 지도 영상을 생성하였고 주요 객체를 추출하였다.