• 한국음향학회지
• /
• 제33권1호
• /
• pp.68-74
• /
• 2014

이전 연구에서 퍼지 C-Means의 중심 데이터로 이루어진 보조 데이터를 이용한 히스토그램 등화기법을 제안하였다. 보조 데이터를 이용한 히스토그램 등화기법은 사용하는 참조 집합의 크기에 따라 화자 식별 성능에 영향을 받는다. 그러나 인식 시점에서 최적의 파라미터를 찾기는 어렵다. 이 문제를 해결하기 위해 본 논문에서는 화자 식별을 위한 다수 투표 방식에 기반을 둔 보조 데이터를 이용한 히스토그램 등화기법을 제안한다. 다수 투표 기반의 제안한 방법은 여러 종류의 보조 데이터를 이용한 히스토그램 등화기법으로 입력 음성을 분류한다. 본 연구에서 제안한 방법을 CMN(Cepstral Mean Normalization), MVN(Mean and Variance Normalization), HEQ(Histogram Equalization)와 같은 기존의 특징 정규화 방법 및 보조 데이터를 이용한 히스토그램 등화기법과 비교한다.

• 대한음성학회:학술대회논문집
• /
• 대한음성학회 2005년도 춘계 학술대회 발표논문집
• /
• pp.91-94
• /
• 2005

The performance of speech recognition is degraded by the mismatch between training and test environments. Many methods have been presented to compensate for additive noise and channel effect in the cepstral domain, and Cepstral Mean Subtraction (CMS) is the representative method among them. Recently, high order cepstral moment normalization method has introduced to improve recognition accuracy. In this paper, we apply high order moment normalization method and smoothing filter for real-time processing. In experiments using Aurora2 DB, we obtained error rate reduction of 49.7% with the proposed algorithm in comparison with baseline system.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 1999년도 춘계학술대회 논문집
• /
• pp.235-239
• /
• 1999

This thesis is concerned with the development of useful engineering techniques to detect and analyze nonlinearities in mechanical systems. The methods developed are based on the concepts of higher order spectra, in particular the bispectrum. The study of higher order statistics has been dominated by work on the bispectrum. The bispectrum can be viewed as a decomposition of the third moment(skewness) of a signal over frequency and as such is blind to symmetric nonlinearities. Initially auto higher order spectra are studied in detail with particular attention being paid to normalization method. Traditional method based on the bicoherence are studied. Under certain conditions, notably narrow band signals, the above normalization method is shown to fail and so a new technique based on prewhitening the signal in the time domain is developed.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2004년도 춘계종합학술대회
• /
• pp.591-594
• /
• 2004

In this paper, The identity distinction of the moving objects using distance among hue normalization levels was proposed. Moving objects are detected by using difference image method and integral projection method to background image and objects image only with hue area. Hue information of the detected moving area are normalized by 24 levels from 0$^{\circ}$ to 360$^{\circ}$. A distance in between normalized levels with a hue distribution chart of the normalized moving objects is used for the identity distinction feature parameters of the moving objects. To examine proposed method in this paper, image of moving cars are obtained by setting up three cameras at different places every 1 km on outer motorway. The simulation results of identity distinction show that it is possible to distinct the identity a distance in between normalization levels of a hue distribution chart without background.

• 한국음향학회지
• /
• 제24권4호
• /
• pp.210-216
• /
• 2005

본 논문에서는 잡음에 강인한 음성인식을 위하여 고유공간에 기반을 둔 새로운 특징 정규화 기법을 제안한다. 일반적으로 평균과 분산의 정규화 (MVN)는 켑스트럼 상에서 수행된다. 그러나 최근에 고유공간을 이용한 MVN기법이 소개되었고, 그 고유공간 정규화 기법에서는 하나의 고유공간을 이용하였다. 이 과정에는 켑스트럼 상의 특징 벡터를 선형 주성분 분석 (PCA)행렬을 통하여 고유공간으로 변환시킨 후 MVN을 수행하는 과정이 포함된다. 이 방법에서는 전체 39차의 특징분포를 하나의 고유공간으로 표현하였다. 그러나 이 기법의 경우 전체 특징 분포를 표현함에 세밀함이 떨어지기 때문에 더욱 세밀한 분포의 표현을 위해 본 논문에서는 static 특징, 1차 미분 계수, 2차 미분계수에 각각 유일하고 독립적인 분리된 고유공간을 적용하는 것을 제안하였다. 또한 고유공간에서 정규화 된 훈련 데이터를 이용하여 모델을 만든다. 마지막으로 훈련 데이터의 분포와 잡음환경에서의 테스트 데이터의 분포 특성의 차이를 줄이기 위해 켑스트럼 상에서의 회전 기법을 적용시킨다. 그 결과, 기본적인 고유공간 정규화 기법보다 향상된 성능을 얻을 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제18권11호
• /
• pp.31-38
• /
• 2013

특징 정규화는 인식기를 적용하기 이전의 전처리 단계로 특징의 스케일에 따른 오류를 줄이기 위해 널리 사용되고 있다. 하지만 기존 정규화 방법은 특징의 분포를 가정하는 경우가 많으며, 클래스 라벨을 고려하지 않으므로 정규화 결과가 인식률에서 최적임을 보장하지 못하는 문제점이 있다. 이 논문에서는 특징의 분포를 가정하지 않는 랭크 정규화 방법과 클래스 라벨을 사용하는 교사 학습법을 결합한 교사 랭크 정규화 방법을 제안하였다. 제안하는 방법은 데이터의 분포를 바탕으로 특징의 분포를 자동으로 추정하므로 특징의 분포를 가정하지 않으며, 데이터 포인트의 최근접 이웃이 가지는 클래스 라벨을 바탕으로 정규화를 시행하므로 오류의 발생을 최소화할 수 있다. 특히 SVM의 경우 서로 다른 클래스에 속하는 데이터 포인트들이 혼재되어 나타나는 영역에 경계선을 설정하므로 이 영역의 밀도를 줄임으로써 경계선 설정을 보다 용이하게 하고 결과적으로 일반화 오류를 감소시킬 수 있다. 이러한 사실들은 실험 결과를 통해 확인할 수 있다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• pp.955-956
• /
• 2008

This paper presents a new method for illumination normalization in eye detection. Based on the retinex image formation model, we employ the discrete wavelet transform to remove the lighting effect in face image data. The final result based on the proposed method shows the better performance in detecting eyes compared with previous work.

• 대한전자공학회논문지SP
• /
• 제47권1호
• /
• pp.25-34
• /
• 2010

다양한 조명 환경에서 강인한 얼굴 인식 성취는 어렵다. 조명에 강인한 얼굴 인식을 위해서 보통 전처리 단계로 얼굴 이미지 조명 정규화를 수행한다. 기존 조명 전처리 기법들은 투영 음영을 효과적으로 처리할 수 없다. 본 논문에서는 조명 영향 분리 얼굴 고유특성 텍스쳐 부분공간에 기반한 새로운 얼굴 조명 정규화 기법을 제안한다. 조명분리 얼굴 고유특성 텍스쳐 부분 공간은 얼굴 텍스쳐 공간에서 조명 변화 영향이 분리된 부분공간으로 구축되기 때문에 얼굴 이미지를 이 부분공간으로 투영하여 얻은 얼굴 이미지는 조명 변화 영향이 최소화된 좋은 조명 정규화를 달성한다. 실험을 통해 본 논문에서 제안한 얼굴 조명정규화 기법이 표면 음영뿐만 아니라 투영 음영도 효과적으로 제거할 수 있으며, 좋은 얼굴 조명 정규화를 달성한다는 것을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제15권9호
• /
• pp.1102-1111
• /
• 2012

본 논문에서는 워터마크된 영상이 일부 손상되었다 할지라도 기하학적 공격에 강인한 다중 비트 워터마킹 방법을 제안한다. 이 방법은 임의의 영상을 기 정의된 표준 영상으로 변형하는 표준 영상 정규화 과정과 표준 정규화 영상의 DCT 영역에 대역 확산(spread spectrum) 기법을 이용하여 워터마크를 삽입하는 과정으로 구성되어있다. 제안한 표준 영상 정규화 방법은 기존의 영상 정규화 방법을 개선한 것으로써 부분 손상과 임의 기하학적 공격에 강인한 특성을 가지고 있으며, 대역 확산 기법을 이용한 워터마크 삽입과정은 블러링, 샤프닝, 압축 등과 같은 영상 손실에 강인한 특성을 가지고 있다. 또한 제안한 워터마킹 방법은 워터마크 검출을 위해 원영상이 필요하지 않기 때문에 공개 워터마킹(public watermarking) 응용에 적합하다. 몇 가지 실험을 통해 제안한 워터마킹 방법이 부분 손상 및 기하학적 변형을 포함한 여러 가지 공격에 강인하다는 것을 보여준다.

• 한국멀티미디어학회논문지
• /
• 제14권10호
• /
• pp.1221-1228
• /
• 2011

일반적인 음성인식 시스템은 보통 실내 환경에서는 잘 동작하지만 잡음이 존재하는 실제 환경에서는 여러 가지 잡음의 영향으로 그 성능이 급격히 떨어진다. 본 논문에서는 잡음환경에 강인한 음성인식을 위하여 훈련 환경과 실제 환경의 불일치를 줄이기 위한 방법으로 켑스트럼 거리기반 묵음특징 정규화(CSFN: Cepstral distance based SFN) 방법에 켑스트럼 정규화 방법(CMVN:cepstral mean and variance normalization)을 결합한 CSFN-CMVN 방법을 제안하였다. 이 방법은 켑스트럼 특징의 분포 특성의 차이를 나타내는 켑스트럼 유클리디언 거리를 결합하여 음성/묵음 분류에 사용하여 묵음특징을 정규화하는 CSFN 방법에 켑스트럼 정규화 방법을 결합하는 방법이다. Aurora 2.0 DB를 이용한 실험결과, 제안한 CSFN-CMVN은 기존의 대표적인 묵음특징 정규화 방법인 SFN-I 과 비교했을 때 모든 테스트 세트에 대한 평균 단어인식 정확도에서 약 7%의 인식률 향상을 가져옴을 확인하였다. 또한, 기존의 SFN-II, CSFN에 비해서도 약 6%, 5% 향상되었음을 확인 할 수 있어 제안한 방법의 유효성을 확인할 수 있었다.