• 지구물리
• /
• 제2권2호
• /
• pp.143-152
• /
• 1999

지구 물리 자료의 질을 높이기 위한 전처리 과정에서 웨이브렛 변환을 도입하여 잡음을 제거하는 기법에 관한 연구를 수행하였다. 이 기법의 효율성을 평가하기 위하여 합성자료를 이용하여 저역통과 필터링과 웨이브렛 변환을 통한 잡음 제거 결과를 비교하였다. 저역통과 필터링한 삼각함수 신호는 샘플링 구간에서 신호 양단의 차이에 기인하는 깁스 현상에 의해 오차가 나타났고, 범프 신호는 고주파 성분이 소멸되어 피크가 나타나는 부근에서 큰 오차가 발생하였다. 웨이브렛 변환을 이용한 잡음 제거에서는 시간 영역에서의 국부성과 웨이브렛 변환 영역에서의 신호와 무작위 잡음이 구분 가능하다는 특성을 이용함으로써 잡음을 효과적으로 제거할 수 있었다. 실측된 기조력 자료는 계기 보정 후 Soft threshold를 통해 잡음이 효과적으로 제거됨을 보였고, 이를 이론 기조력 값과 비교하여 G-인자를 계산하였다.

• 한국인터넷방송통신학회논문지
• /
• 제15권6호
• /
• pp.291-296
• /
• 2015

주행 중인 차량의 타이어와 노면 사이에서 발생하는 랜덤성 초음파신호의 주기성을 검출하여 타이어의 손상을 분별하는 방법에 대하여 연구하였다. 잡음으로부터 타이어손상에 의한 유효한 펄스를 검출하기 위해 적응 임계치를 설정하는 방법을 제안하였고, 이를 위한 전처리로서 신호의 랜덤성을 감소시키는 저역통과필터를 사용하였다. 자동차의 속도에 따라 검출된 펄스의 시간간격을 밀도함수화하고 피크점의 시간을 측정하여 타이어 손상물질을 검출하는 방법을 제안하였다. 손상물질이 한 개이고, 주행속도가 50km/h, 80km/h, 100km/h 일 때, 시간밀도함수의 제 1 피크시간 측정결과는 각각 169.8ms, 97.9ms, 81.8ms로 주행속도에 따라 계산한 타이어 회전주기의 오차범위내로 측정되었으며, 한개 이상의 손상물질의 경우에는 각 피크시간의 합이 타이어 회전주기의 오차범위내로 측정되는 결과를 얻을 수 있었다.

• 한국정보통신학회논문지
• /
• 제20권2호
• /
• pp.437-444
• /
• 2016

일반적인 부정맥 분류 방법의 경우 심방 박동 수와 관련한 PP간격, P모양의 다양성과 같은 조건을 이용하는데, 잡음으로 인해 정확한 P파의 검출이 어렵기 때문에 잡음의 영향을 비교적 적게 받는 R파를 이용하는 것이 유리하다. 따라서 본 연구에서는 R파 중심의 ECG(electrocardiography) 패턴 분석과 템플릿 문턱치를 도입하여 조기수축 부정맥 분류 방법을 제안한다. 이를 위해 형태 연산을 통한 전 처리 과정과 차감 동작 기법을 통해 R파를 검출하였다. 이후 RR 간격의 평균 가중치와 변화율을 이용하여 먼저 조기수축 파형의 패턴을 분류하고, R파의 진폭에 대한 템플릿 문턱값을 통해 조기심실수축과 조기심방수축을 분류하는 알고리즘을 개발하였다. 제안한 방법의 우수성을 입증하기 위해 조기 심방과 심실수축이 30개 이상 포함된 MIT-BIH 6개의 레코드를 대상으로 한 R파의 평균 검출율은 99.77%의 성능을 나타내었고, 조기심실수축과 심방수축 부정맥은 각각 94.91%와 95.76%의 평균 분류율을 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 춘계학술대회
• /
• pp.790-792
• /
• 2017

최근 들어 디지털 영상처리 장치에 대한 수요가 급격히 증대되면서 영상의 우수한 화질이 요구되고 있다. 그러나 영상 데이터는 전송, 처리하는 과정에서 여러 가지 원인으로 열화가 발생된다. 따라서 잡음제거에 대한 필요성이 대두되고 있으며, 잡음 제거 기술은 주요한 연구 분야가 되었다. 따라서 본 논문에서는 영상에 첨가된 AWGN(additive white Gaussian noise)의 영향을 완화하기 위해, 전처리 과정으로 변형된 에지 검출을 활용하여, 에지 영역과 비에지 영역에 따라 필터를 다르게 적용하는 영상 복원 알고리즘을 제안하였다. 그리고 개선 효과의 객관적 판단 기준으로 PSNR(peak signal to noise ratio)을 사용하여 기존의 방법들과 비교하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.248-251
• /
• 2016

본 논문에서는 타이어 표면의 돌출문자를 인식하여 데이터화 및 수집하는 방법에 관하여 논하였다. 본 논문에서는 기존의 문자를 인식 시스템과 달리 타이어의 돌출문자 인식에 대해 전 처리 단계에서 키넥트 카메라 영상을 이미지 데이터로 변환한 후, 문자 영역을 탐색한다. 그 후 이진 영상, 노이즈 필터 등을 통하여 이미지 개선을 하여 숫자 및 글자를 분석한다. 인식 단계에서는 문자의 판별 등을 이용하여 인식 하고 추가적으로 타이어 정보 인식 오류 보정 알고리즘을 통하여 글자의 오류인식에 대한 보정을 하여 타이어의 돌출 문자를 100% 인식하고자 한다. 본 논문에서는 타이어 문자를 인식하는 방법과 기술을 개발하고자 한다. 이미 문자 인식을 하는 많은 방법들이 있지만, 타이어 문자는 일반적인 문자인식과 다르게 추가된 기술을 요구하기 때문에 문자 인식을 하는 추가 기술 방식과 알고리즘을 개발하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권1호
• /
• pp.43-48
• /
• 2014

영상의 디컨벌루션은 보통 감시 시스템에서 모션 블러 (motion blur)나 초점이 맞지 않아 발생하는 블러 (out-of-focus blur) 문제를 줄이기 위해 전처리 과정에서 사용된다. 본 논문에서는 유전 프로그래밍 (Genetic Programming, GP)에 기반한 새로운 블라인드 영상 디컨벌루션 필터링 방법을 제안한다. GP 진화 과정을 통해 영상 복원을 위한 수학적 표현이 만들어지는데, 이것은 블러 영상의 특징들 사이의 관계를 최적으로 조합하여 원래 화소 값을 복원할 수 있는 추정자 함수가 된다. 이를 위해, 먼저 각 화소의 작은 이웃으로부터 특징 벡터를 만들고 추정자 함수를 학습시키는데, 이러한 GP 진화 과정을 통해 지정한 적합성 기준에 따라 유용한 정보들이 자동으로 조합된다. 개발된 함수는 훼손된 영상의 각 화소에 적용하여 원래의 화소 값을 복원하게 된다. 개발된 함수는 다양한 방법으로 훼손된 영상에 적용하여 실험하였는데, 실험 결과 제안된 방법이 기존 알고리즘에 비해 좋은 결과를 나타내는 것을 알 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제17권12호
• /
• pp.101-109
• /
• 2012

TRUS영상에서 전립선에 대한 많은 진단과 치료 과정에서 정확한 전립선 경계의 추출이 요구된다. 여기에는 전립선 경계의 애매함, 반점, 낮은 그레이 레벨로 인하여 많은 어려움이 존재한다. 본 논문에서는 서포트 벡터와 뱀형상 윤곽선을 이용하여 TRUS영상의 자동 전립선 분할에 대한 방법을 제안한다. 이 방법은 전처리, 가버 특성 추출, 학습, 전립선 추출 단계로 구성된다. 텍스처 특성을 추출하기 위하여 가버 필터 뱅크가 사용되며, 학습 과정에서 전립선과 비전립선의 각 특성을 얻기 위하여, SVM이 사용된다. 전립선의 경계는 뱀형상 윤곽 알고리즘에 의해 추출된다. 실험 결과, 제안된 알고리즘은 인간 전문가가 추출한 경계와 비교했을 때 9.3%보다 적은 차이로 전립선 경계를 추출할 수 있었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권1호
• /
• pp.19-26
• /
• 2019

본 논문에서는 기타 타브 악보에서 추출한 프렛 번호를 대상으로 학습 알고리즘의 분류 성능을 비교한다. 타브 악보로부터 세그먼트를 통해 추출된 타브 숫자 데이터는 타브 선과 악보 기호가 포함하기 때문에 레이블링 기법과 비선형 필터를 이용하여 프렛 숫자를 추출한다. 추가적인 데이터 확보를 위해 전처리가 수행된 데이터에 대해 4 방향으로 이동 연산을 수행한다. 선택된 학습 모델은 베이지안 분류기, 지지벡터기기, 프로토타입 기반 학습, 다층 신경망 그리고 합성곱 신경망 모델 등이다. 실험 결과 베이지안 분류기는 85.0% 평균 정확도를 보였고 나머지 분류기는 99.0% 이상의 평균 정확도를 보였다. 일반화 성능과 전처리 단계를 고려 시 합성곱 신경망이 다른 학습 모델들보다 우수하다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권2호
• /
• pp.147-163
• /
• 2021

Purpose The study aims to predict real estate prices by utilizing regional characteristics. Since real estate has the characteristic of immobility, the characteristics of a region have a great influence on the price of real estate. In addition, real estate prices are closely related to economic development and are a major concern for policy makers and investors. Accurate house price forecasting is necessary to prepare for the impact of house price fluctuations. To improve the performance of our predictive models, we applied LSTM, a widely used deep learning technique for predicting time series data. Design/methodology/approach This study used time series data on real estate prices provided by the Ministry of Land, Infrastructure and Transport. For time series data preprocessing, HP filters were applied to decompose trends and SOM was used to cluster regions with similar price directions. To build a real estate price prediction model, SVR and LSTM were applied, and the prices of regions classified into similar clusters by SOM were used as input variables. Findings The clustering results showed that the region of the same cluster was geographically close, and it was possible to confirm the characteristics of being classified as the same cluster even if there was a price level and a similar industry group. As a result of predicting real estate prices in 1, 2, and 3 months, LSTM showed better predictive performance than SVR, and LSTM showed better predictive performance in long-term forecasting 3 months later than in 1-month short-term forecasting.

• 대한의용생체공학회:의공학회지
• /
• 제43권4호
• /
• pp.185-192
• /
• 2022

Early detection of mild cognitive impairment can help prevent the progression of dementia. The purpose of this study was to design and validate a machine learning model that automatically differential diagnosed patients with mild cognitive impairment and identified cognitive decline characteristics compared to a control group with normal cognition using resting-state quantitative electroencephalogram (qEEG) with eyes closed. In the first step, a rectified signal was obtained through a preprocessing process that receives a quantitative EEG signal as an input and removes noise through a filter and independent component analysis (ICA). Frequency analysis and non-linear features were extracted from the rectified signal, and the 3067 extracted features were used as input of a linear support vector machine (SVM), a representative algorithm among machine learning algorithms, and classified into mild cognitive impairment patients and normal cognitive adults. As a result of classification analysis of 58 normal cognitive group and 80 patients in mild cognitive impairment, the accuracy of SVM was 86.2%. In patients with mild cognitive impairment, alpha band power was decreased in the frontal lobe, and high beta band power was increased in the frontal lobe compared to the normal cognitive group. Also, the gamma band power of the occipital-parietal lobe was decreased in mild cognitive impairment. These results represented that quantitative EEG can be used as a meaningful biomarker to discriminate cognitive decline.