• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 학술대회 논문집 정보 및 제어부문
• /
• pp.12-14
• /
• 2005

In this paper, we proposed an temporal error concealment (EC) using the proposed boundary matching method and the adaptive block matching method. The proposed boundary matching method improves the spatial correlation of the macroblocks (MBs) by reusing the pixels of the concealed MB to estimate a motion vector of a error MB. The adaptive block matching method inspects the horizontal edge and the vertical edge feature of a error MB surroundings, and it conceals the error MBs in reference to more stronger edge feature. This improves video quality by raising edge connection feature of the error MBs and the neighborhood MBs. In particular, we restore a lost MB as the unit of 8${\times}$16 block or 16${\times}$8 block by using edge feature from the surrounding macroblocks. Experimental results show that the proposed algorithm gives better results than the conventional algorithms from a subjective and an objective viewpoint.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권1호
• /
• pp.1-12
• /
• 2008

본 논문에서는 야외 및 실내에서 촬영된 차량 영상에 대해 실시간으로 차량 색상을 인식할 수 있는 GPU(Graphics Processing Unit) 기반의 알고리즘을 제시한다. 전처리 과정에서는 차량 색상의 표본 영상들로부터 특징벡터를 계산한 뒤, 이들을 색상 별로 조합하여 GPU에서 사용할 참조 텍스쳐(Reference texture)로 저장한다. 차량 영상이 입력되면, 특징벡터를 계산한 뒤 GPU로 전송하고, GPU에서는 참조 텍스쳐 내의 표본 특징리터들과 비교하여 색상 별 유사도를 측정한 뒤 CPU로 전송하여 해당 색상명을 인식한다. 분류의 대상이 되는 색상은 가장 흔히 발견되는 차량 색상들 중에서 선택한 7가지 색상이며, 검정색, 은색, 흰색과 같은 3가지의 무채색과 빨강색, 노랑색, 파랑색, 녹색과 같은 4가지의 유채색으로 구성된다. 차량 영상에 대한 특징벡터는 차량 영상에 대해 HSI(Hue-Saturation-Intensity) 색상모델을 적용하여 색조-채도 조합과 색조-명도 조합으로 색상 히스토램을 구성하고, 이 중의 채도 값에 가중치를 부여함으로써 구성한다. 본 논문에서 제시하는 알고리즘은 다양한 환경에서 촬영된 많은 수의 표본 특징벡터를 사용하고, 색상 별 특성을 뚜렷이 반영하는 특징벡터를 구성하였으며, 적합한 유사도 측정함수(likelihood function)를 적용함으로써, 94.67%에 이르는 색상 인식 성공률을 보였다. 또한, GPU를 이용함으로써 대량의 표본 특징벡터의 집합과 입력 영상에 대한 특징벡터 간의 유사도 측정 및 색상 인식과정을 병렬로 처리하였다. 실험에서는, 색상 별로 1,024장씩, 총 7,168장의 차량 표본 영상을 이용하여 GPU에서 사용하는 참조 텍스쳐를 구성하였다. 특징벡터의 구성에 소요되는 시간은 입력 영상의 크기에 따라 다르지만, 해상도 $150{\times}113$의 입력 영상에 대해 측정한 결과 평균 0.509ms가 소요된다. 계산된 특징벡터를 이용하여 색상 인식의 수행시간을 계산한 결과 평균 2.316ms의 시간이 소요되었고, 이는 같은 알고리즘을 CPU 상에서 수행한 결과에 비해 5.47배 빠른 속도이다. 본 연구에서는 차량만을 대상으로 하여 색상 인식을 실험하였으나, 일반적인 피사체의 색상 인식에 대해서도 제시된 알고리즘을 확장하여 적용할 수 있다.

• 정보처리학회논문지B
• /
• 제19B권2호
• /
• pp.113-122
• /
• 2012

스테레오 정합(stereo matching) 기술은 주어진 두 영상에서 동일한 물체의 영상점이 어떤 위치 관계를 가지고 있는지를 결정하는 기술이다. 본 논문에서는 영상 특징점에 대해 스테레오 위치관계를 결정하는 새로운 스테레오 특징점 정합(stereo feature matching) 방법을 제시한다. 제안하는 방법은 주어진 스테레오 영상에서 FAST 추출기를 이용하여 특징점을 추출하고, 특징점 벡터들의 정보들을 내부에 포함하는 특징창(feature window)이라는 공간을 정의하여 스테레오 정합의 성능을 향상한다. 제안하는 방법은 표준 영상에 추출된 특징점들에 대해 특징창을 생성하고, 참조 영상에서 표준 영상의 특징창과 가장 유사한 특징창을 탐색 및 결정한 다음, 결정된 두 개의 특징창 내부의 특징점들의 시차관계는 특징링크(feature link)를 생성하여 시차를 결정한다. 만약, 이 과정에서 시차가 결정되지 않은 특징점들이 있다면, 특징창 내의 결정된 시차 정보를 이용하여 시차 값을 보간한다. 마지막으로, 제안하는 방법의 성능을 검증하기 위해 결과 영상과 정답 영상의 시차를 비교하여 정합 정확성과 수행시간을 비교하였다. 또한, 기존의 특징점 기반 스테레오 정합 방법들과 제안하는 방법의 성능을 비교 및 분석하였다.

• 한국정보통신학회논문지
• /
• 제6권6호
• /
• pp.873-878
• /
• 2002

고정자 전류 스펙트럼(stator current spectrum)은 유도전동기의 고장 검출에 널리 사용되어왔다. 본 논문에서는 고정자 전류 스펙트럼 중에서 회전자 고장에 의해서 큰 영향을 받는 주파수 성분들로 특징벡터(feature vector)를 구성하고, 특징벡터와 기준벡터(reference vector)와의 평균 절대치 차이(mean absolute difference)를 구함으로써, 회전자 고장을 검출하는 방법을 제안한다. 제안한 방법에서는 전류 스펙트럼 중에서 추출된 매우 작은 크기(dimension)의 특징 벡터에 대한 평균 절대치 차이를 이용하기 때문에 신경회로망에 의한 고장 검출 알고리즘 둥에 비해서 훨씬 적은 계산량만으로 모터의 고장을 효율적으로 검출할 수 있다

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -1
• /
• pp.599-602
• /
• 2002

A new approach of error concealment using a digital watermarking technique for interframe video coding is presented in this paper. In the proposed method, the most important feature of the reference frame is extracted. Then, this feature is embedded into the prediction error of current frame prior to transmission. Error concealment is achieved by means of recovering the erroneous reference frame using the embedded data before the reconstruction of current frame is performed. Simulation results demonstrated the effectiveness of the proposed method.

• 산업공학
• /
• 제4권2호
• /
• pp.1-12
• /
• 1991

This paper deals with the development of a computer aided fixture planning system that automatically selects set-ups, set-up sequence and fixture design for prismatic parts. This study presents the hierarchical data structure for feature-based part model and the preprocessing procedure for the proposed system. The preprocessing procedure generates tools such as DDR(Degree of Dimensional Relationship), AMV(Admissible Misalignment Value) and the datum reference frame of each feature according to the proposed decision table. The proposed system is called AFIX(Automated FIXture planning system) which is implemented by using C language on the workstation. A case study for a cavity plate is presented to show the performance of the AFM.

• 한국시뮬레이션학회논문지
• /
• 제20권4호
• /
• pp.115-125
• /
• 2011

제품의 품질 수준 제고를 위해 통계적 공정 관리(SPC : Statistical Process Control)의 다양한 관리도가 기업의 생산 공정을 관리하는데 사용된다. 관리도에 기록되는 공정 데이터는 특정 요인(Assignable Cause)에 의한 이상이 발생했을 때 그 요인에 따라 서로 다른 패턴(Pattern)으로 변화한다. 이러한 패턴을 구별하는 관리도 패턴(CCP : Control Chart Pattern) 인식(Recognition)은 공정에 대한 관리자의 빠른 의사 결정을 위해 매우 중요하다. 앞 선 연구들은 수집되는 원 데이터를 가공 하지않고 그대로 사용하였기 때문에 인식기(Recognizer)의 성능과 학습 속도가 저하되는 문제점이 있었다. 따라서 최근 데이터의 차원 축소와 인식기의 성능 향상을 위해 특질 추출법(Feature Extraction)을 적용한 특질 기반 인식기(Feature based Recognizer)에 대한 연구가 활발히 진행 중이다. 본 논문은 BDK(Bi-Directional Kohonen Network)를 사용하여 CCP의 참조 벡터(Reference Vector)를 생성하고 참조 벡터와 CCP 데이터의 거리를 기반으로 하는 특질을 추출하였다. 추출된 특질을 인공 신경망 기반 인식기의 입력 벡터로 사용하여 학습하였으며 원 데이터를 사용하여 학습하는 인공신경망 인식기와 예측 정확도 비교를 통해 제안 알고리즘의 성능을 평가하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제5권3호
• /
• pp.592-606
• /
• 2011

Currently, the development of multimedia communication has progressed so rapidly that the video program service has become a requirement for ordinary customers. The quality of experience (QoE) for the visual signal is of the fundamental importance for numerous image and video processing applications, where the goal of video quality assessment (VQA) is to automatically measure the quality of the visual signal in agreement with the human judgment of the video quality. Considering the codec effect to the video quality, in this paper an efficient non-reference (NR) VQA algorithm is proposed which estimates the video quality (VQ) only by utilizing the distorted video signal at the destination. The VQA feature vectors (FVs) which have high relationships with the subjective quality of the distorted video are investigated, and a hybrid NR VQA (HNRVQA) function is established by considering the multiple FVs. The simulation results, testing on the SDTV programming provided by VCEG Phase I, show that the proposed algorithm can represent the VQ accurately, and it can be used to replace the subjective VQA to measure the quality of the video signal automatically at the destinations.

• 한국통신학회논문지
• /
• 제34권2C호
• /
• pp.181-185
• /
• 2009

프레임 단위로 식별 데이터베이스에 저장된 참조 신호의 특징 벡터와 유사성을 비교하여 입력 신호를 식별하는 경우에, 참조 신호의 특징 벡터로 데이터베이스를 어떻게 구성하는가에 따라 식별 성능은 영향을 받을 수 있다. 즉, 식별 데이터베이스의 구성 방법에 따라 데이터베이스의 크기와 식별을 위한 계산량, 식별 성능 등이 결정되며, 이것은 실제로 수중 천이신호 식별 시스템을 구성할 때 중요한 문제이다. 본 논문에서는 LBG 벡터 양자화 기법을 이용하여 식별 데이터베이스의 크기를 줄여 줌으로써 프레임 기반 수중 천이신호 식별 기법의 효율성을 증가시킬 수 있는 방법을 제안하고, 실험을 통하여 제안한 방법의 타당성을 검증하였다.

• 전기학회논문지
• /
• 제56권3호
• /
• pp.615-622
• /
• 2007

In general, Harris detector is commonly used for finding salient points in watermarking systems using feature points. Harris detector is a kind of combined comer and edge detector which is based on neighboring image data distribution, therefore it has some limitation to find accurate salient points after watermark embedding or any kinds of digital attacks. In this paper, we have used cross reference points which use not data distribution but geometrical structure of a normalized image in order to avoid pointing error caused by the distortion of image data. After normalization, we find cross reference points and take inverse normalization of these points. Next, we construct a group of triangles using tessellation with inversely normalized cross reference points. The watermarks are affine transformed and transformed-watermarks are embedded into not normalized image but original one. Only locations of watermarks are determined on the normalized image. Therefore, we can reduce data loss of watermark which is caused by inverse normalization. As a result, we can detect watermarks with high correlation after several digital attacks.