본 논문에서는 밝은 영역에서 K(Black) 대신에 C(Cyan), M(Magenta), Y(Yellow)를 공간적으로 흩어서 출력하는 새로운 방법을 제안하였다. 어두운 영역에서 검은 점의 겹침은 밝기값을 감소시키며 밝은 영역에서의 검은 점은 인간 시각 체계에 민감하다. 따라서 이러한 문제를 해결하기 위해서 하나의 마스크로 CMY를 동시에 사용하는 새로운 방법이 제안되었으며, CMY 점이 검은 점 대신에 밝은 영역에서 공간적으로 흩어서 출력된다. 그리고 어두운 영역의 그레이 값을 고려하기 위해서 톤 곡선 연결을 하였다. 기존의 방법에서 BNM(Blue Noise Mask)는 높은 낟알 특성(granularity)과 밝기값 범위가 좁은데 반하여, 제안한 방법은 낮은 낟알 특성과 넓은 밝기 범위와 높은 대비도를 가진다. 제안한 방법이 기존의 방법보다 공간적으로 다른 리치에 세 배에 해당하는 점을 사용하기 때문이다. 따라서 제안한 방법은 더 많은 공간적인 정보를 표현하고 기존의 BNM 방법과 비교하여 더욱 원 영상과 유사하게 표현할 수 있다.

비디오 영상에 포함되어 있는 자막은 비디오의 내용을 함축적으로 표현하고 있기 때문에 비디오 색인 및 검색에 중요하게 사용될 수 시다. 본 논문에서는 뉴스 비디오로부터 폰트, 색상, 자막의 크기 등과 같은 사전 지식 없이도 자막을 효율적으로 추출하여 인식하는 방법을 제안한다. 문자 영역의 추출과정에서 문자영역은 뉴스 비디오의 여러 프레임에 걸쳐나 나오기 때문에 인길 프레임의 차영상을 통해서 동일한 자막 영역이 존재하는 프레임을 자동적으로 추출한 후, 이들의 시간적 평균영상을 만들어 인식에 사용함으로써 인식률을 향상한다. 또한, 평균 영상의 외각선 영상을 수평, 수직방향으로 투영한 값을 통해 문자 영역을 찾아 Region filling, K-means clustering을 적용하여 배경들을 완벽하게 제거함으로써 최종적인 자막 영상을 추출한다. 자막 인식과정에서는 문사 영역 추출과정에서 추출된 글자영상을 사용하여 white run, zero-one transition과 같은 비교적 간단한 특징 값을 추출하여 이를 비교함으로써 인식과정을 수행한다. 제한된 방법을 다양한 뉴스 비디오에 적용하여 문자영역 추출 능력과 인식률을 측정한 결과 우수함을 확인하였다.

본 논문에서는 사용자가 질의를 원하는 물체 영역을 선택하면 유사 물체를 영상 데이터베이스 내에서 검색할 수 있는 내용기반 영상검색 시스템을 구현하였다. 질의영상은 색상성분과 그레이성분으로 나누어져 웨블릿 변환되고 색상성분에서는 컬러 오토코릴로그램과 분산으로 색상특성을 추출한다. 그리고 그레이성분에서는 오토코릴로그램과 GLCM을 통해 질감특성을 추출한다. 이렇게 구한 2개 성분에서의 특성들을 이용하여 데이터베이스내의 영상들과 각각 유사도를 비교하여 검색하게 된다. 이때 각 유사도에 가중치를 적용하였다. 한 가지 성분보다 두 가지 성분에서 특성을 구하여 각각의 단점을 보완하였고 실험 결과에서도 소환성(recall) 및 정확성(precision)이 향상됨을 볼 수 있었다 또한 가중치를 적용함으로써 검색 효율이 개선되었다. 그리고 데이터베이스내 영상들의 여러 특성을 특성 라이브러리내에 자동 색인화 시킴으로써 고속의 영상 검색이 가능하였다.

본 논문에서는 동영상 압축 부호화에 대한 표준안인 MPEG 기반의 압축 비디오 스트림으로부터 DCT DC 계수를 추출하구 이들로 구성된 DE 영상으로부터 장면 전환 검출을 수행한 후 대표 프레임을 추출한다. 또한 추출된 대표 프레임을 PCA(Principal Component Analysis) 방법을 이용하여 데이터베이스의 색인 정보로 저장한 후 입력된 질의 영상과 가장 유사한 대표 영상들을 검색하는 방법에 대해 제안한다. 즉, 추출된 대표 프레임에 대해 주성분해석 기법을 적용하여 통계적인 특성을 가진 데이터를 특징으로 추출함으로써 코드워드의 수에 따른 코드북을 생성하고 이를 데이터베이스의 색인 정보로 저장한다. 실험 결과 제안된 방법이 검색에 있어 우수한 성능을 나타내고 또한 통계적인 데이터의 특성을 이용하기 때문에 처리 시간과 상당한 양의 메모리 공간을 줄일 수 있음을 확인하였다.

본 논문은 영상복원을 역확산 과정으로 해석하여 복원된 영상을 역확산 방정식의 해로 구하는 알고리즘을 제안한다. 역확산 과정은 물리적으로 불량위치(ill-posed)과정이기 때문에, 이를 정규화 해주어야 하는데 이를 위해서 역확산 과정을 고유함수(eigenfunction)들의 전개로 나타낸 후에 고유함수들의 계수들을 조작하였다. 본 논문에서는 계수들을 조작할 때 영상이 가지고 있는 주파수 특성을 고려하여 한계주파수(cut-off frequency)를 넘은 경우에 계수들을 시간과 주파수의 감소함수로 나타내어 불량위치문제를 해결하였다. 계수를 주파수에 대찬 감소함수로 나타낸 것은 영상에 저주파 성분이 많고, 고주파 성분이 영상의 형성에 기치는 영향이 상대적으로 적다는 영상의 특성을 고려한 것이다. 이러한 감소함수를 사용하였을 때 불랑위치 문제를 해결할 수 있다는 것을 증명하였고, 실험적으로 양질의 영상을 산출함을 보였다.

오늘날 멀티미디어의 응용이 크게 늘면서 영상 취득 장치의 수요가 증대되고 있다. 그중 필름 스캐너는 고해상도와 고화질의 디지털 영상을 취득할 수 있는 장치이다. 그러나 필름 스캐너에서는 광원 및 센서의 비선형적 특성으로 인해 원 필름 영상의 컬러와 스캔된 영상의 컬러가 정확히 일치하지 않는 문제가 발생한다. 따라서, 필름 스캐너에서는 스캔된 디지털 영상에 대한 색보정이 필수적이다. 본 논문에서는 스캔된 RGB 색공간의 데이터를 CIE L/sup */a/sup */b/sup */ 색공간으로 변환한 후 다항회귀를 이용하여 색보정한다. 또한, TMS320C32 DSP 칩과 고해상도 라인 센서를 사용하여 R, G, B 각각 12 비트의 색분해도와 2400 dpi 급의 해상도를 갖는 스캐너 하드웨어를 구현하였다. 제작한 스캐너의 색보정 성능을 평가하기 위한 실험 결과, 색보정 전에는 평균색차 (ΔE/sup *//sub ab/)가 13.48 이었던 것이 색보정 후에는 8.46으로 감소함을 확인하였다.

본 논문에서는 분할기반 영상 부호화를 위한 새로운 영상 분할 알고리즘을 제안한다. 제안된 방법은 움직임과 밝기 정보에 기반한 새로운 유사성 척도를 사용한다. 그리고 하나의 분할 단계 내에 밝기와 움직임 정보가 함께 결합된다. 영상 분할은 분수령 알고리즘에 기반한 영역 확장법을 통해 이루처지며, 연속된 프레임에 대한 분할은 분할결과가 시간축으로 일관성을 유지하도록 추적방법을 통해 이루어진다. 모의실험결과, 제안된 방법이 통계적 척도만을 사용한 방법과는 달리, 물체의 경계를 결정하는데 효과적임을 보였다.

본 논문은 영역을 병합할 때 두 영역의 색상 차를 영역 병합의 제한 조건으로 사용하는 칼라영상 분할 기법을 제안하였다. 이는 먼저 영역의 경제전 정보를 잘 보존하기 위해서 RGB 공간상에서 수리형태학 필터와 변형된 워터쉐드 알고리즘을 이용하여 켤라 영상을 과분할한다. 그리고 영역간의 색상 차를 영역 병합의 제한 조건으로 사용하는 영역 병합 과정을 반복 수행하여 칼라 영상의 분할 결과를 얻는다. 이는 인간 시각 시스템이 색상, 채도, 명도의 형태로 색을 구분하는 것을 기반으로 한다. 명도가 낮지 않는 경우에 색차 보다 색상 차가 중요한 요소로 작용하기 때문에 이를 영역 병합의 제한 조건으로 사용한다. 실험 결과에서 제안된 칼라영상 분할 기법은 다양한 칼라영상에 대하여 미리 설정된 재수의 영역으로 효율적인 분할 결과를 보임을 확인하였다.

본 논문에서는 자기구성 뉴로퍼지 네트워크를 이용한 MPEG-4 비트율 제어알고리즘을 제안한다. 경험적인 수식을 바탕으로 rate-distortion(RD) 모델을 구성하는 일반적인 방법과는 달리 제안하는 알고리즘의 기본적인 아이디어는 온라인으로 RD모델을 스스로 구성하고 매 프레임마다 그 구조를 적응적으로 업데이트하는 SOLPN을 이용해 RD 모델을 구현하는 것으로 많은 비트율 제어 방식 중 프레임을 기반으로 한 비트율 제어만을 본 논문에서는 고려한다. 특히 이 알고리즘은 오프라인에서 미리 트레이닝하는 것이 필요가 없기 때문에 실시간 코딩에도 적용 가능하다. VM18.0과의 비교 실험 결과들을 보면 본 논문에서 제안하는 비트율제어 알고리즘이 VMl8.0〔16〕에 비해 주관적인 화질 향상뿐만 아니라 적은 프레임 스킵(franc skip)과 높은 PSNR을 나타낸다.

본 논문에서는 블록 변화된 영상의 블록 환상을 제거하기 위해 POCS(Projection Onto Convex Set) 이론을 바탕으로 하는 적응 양자화 체한 집합을 제안한다. POCS 이론을 바탕으로 하는 블록 현상 제기 기법은 크게 부드러움 제한 집합과 양자화 제한 집합으로의 반복적인 투영을 동해 이루어진다. 기존의 양자화 제한 집합은 원 영상의 데이터가 가질 수 있는 최대 구간을 지정해 주므로 반복이 계속될수록 over-blurring 현상이 심화된다. 제안한 양자화 제한 집합은 이산 여현 변환(DCT) 계수의 특성에 파라 적응적으로 제한 구간을 조절하므로 복호화된 영상의 선명도를 유지하면서 동시에 효과적으로 블록 현상을 제거할 수 있다. 기존의 후처리 알고리즘의 양자화 제한 집합을 제안한 적응적 양자화 제한 집합으로 대체하여 실험을 수행한 결과 적은 반복 횟수로도 수령에 도달하였고 후처리 된 영상 역시 선명도를 유지하면서 블록 현상이 효과적으로 제거되었음을 알 수 있었다.

This paper proposes an object detection algorithm using the Multiresolution Motion Estimation(MRME) in wavelet d야main. A existing motion estimation method has characteristics of motion estimation but it requires having computation. Motion estimation in higher resolution used the motion vector of the lower resolution with the MRME that has parent-child relationship on wavelet coefficients. This method reduces the search area of motion estimation in higher resolution and computational complexity. The computational complexity of the proposed method is about 40% of the existing method using 3-level Set Partitioning in Hierarchical Trees(SPIHT) wavelet transform. The experimental results with the proposed method showed about 11% decrease of Mean Absolute Difference(MAD) and gains able to precise tracking of object.

비디오 복사 방지(video copy detection)는 기존의 워터마킹 방법과 반대의 개념으로, 비디오 스트림에 독특한 패턴을 첨가하는 워터마킹에 비해, 비디오 복사 방지 기법은 비디오의 복사판을 검출하기 위해 패턴을 첨가하지 않고 비디오의 내용 기반 특징(content-based signature)을 비교한다. 기존의 일반적인 내용 기반 복사 방지방법은 이미지 정합을 사용하였으나, 본 논문은 비디오 복사방지를 위해 가능한 두 가지의 새로운 순서정합(sequence matching) 알고리즘을 제안하고, 기존의 방법 중 칼라 정합 방법과 성능을 비교 분석하였다. 모션, 명암도와 칼라 기반 특징을 복사 방지 관점에서 비교하고, 영화클립에 대해 실험한 결과를 제시한다.

지문 인식의 성능을 안정적으로 유지하기 위해서는 지문 영상을 향상(Enhancement)시켜야한다. 그렇기 때문에 지문 영상을 향상시키는 방법에 대해 많은 연구가 이루어졌다. 그 중에서 대표적인 방법이 게이버 필터(Gabor Filter)를 사용하는 것이다. 그러나 GF를 사용한 지문영상 향상 방법은 처리 시간이 만이 소요되는 단점이 있다. 본 논문에서는 온라인(on-line) 환경에서 빠르게 지문영상을 향상시키기 위해 게이버 필터를 변형시킨 HGF(Half Gabor Filter)를 제안하였다. 제안한 HGF는 기존의 게이버 필터에 비해 연산량을 반으로 줄여 처리시간을 단축시킨 방법이다. 반면에 HGF로 향상시킨 지문영상은 GF를 적용한 경우와 거의 같은 효과를 갖는다. 본 논문에서는 HGF를 사용하여 GF로 지문영상을 향상시키는 경우와 거의 같은 결과를 얻을 수 있음을 이론적, 실험적으로 확인하였다.

본 논문에서는 영상 객체 (object) 의 모양 정보를 효율적으로 부호화 하는 기법을 제안한다. 다각 근사화 기법은 손실 부호화 기법으로써 객체의 모양을 근사화 하는데 가장 널리 사용되고 있다. 제안된 기법은 최대 허용 오차를 만족하면서 정점을 선택할 때 기존의 순환 정점 선택 (IRM: iterated refinement method) 이나 순차적 정점 선택 (PVS: progressive vertex selection) 보다 적은 수의 정점을 선택함으로써 비트량을 줄인다. 기존의 순차적인 정점 선택 기법을 기반으로 하여 새로운 정점 선택 조건을 제안하여 비트량-왜곡면에서 우수한 성능을 가지는 부호화기를 구현하였다. 실험 결과에서 제안된 기법이 기존의 정점 선택 기법들에 비해 우수한 성능을 나타냄을 알 수 있다.

주기적인 워터마크 패턴에 적용할 수 있는 새로운 워터마크의 동기 복원 방법이 제안되었다. 주기적인 워터마크 패턴을 이용해서 워터마크의 동기를 찾는 방법은 널리 알려져 있지만, 직접적으로 동기 복원을 위한 파라미터를 추정하지 않고 대부분이 피크를 검출하는 과정에 의지하고 있어 그 성능에 있어 한계가 있었다. 제안된 동기 복원을 위한 파라미터 추정 방법은 Radon 변환을 이용하여 손실 압축이나 의도적으로 동기 복원을 방해하려는 공격 하에서도 동기를 복원하는 능력이 탁월한 성능을 보였다.

Stripmap-mode 합성개구레이더의 고전적인 영상 복원기술은 Range-Doppler 알고리즘이다. 하지만 고해상도 Spotlight-mode 합성개구레이더 시스템에서는 Range-Doppler 알고리즘을 적용했을 때 성능이 상당히 나빠지므로 Spotlight-mode에 맞는 별도의 Inversion 알고리즘이 연구되어왔다. 본 논문에서는 Spotlight-mode 합성개구레이더에서 Raw-data를 처리하기 위한 알고리즘 연구를 통해 기존의 평면파 근사 방법을 이용하고 있는 Polar format 알고리즘과 근사 방법을 사용하지 않는 Wavefront Reconstruction 기법에 대한 성능분석을 시도하였다. 이 때 Source 신호의 Carrier 주파수, 합성 개구면 Size, 그리고 표적물의 위치에 따라 두 Inversion기법의 결과 영상을 비교함으로써 Wavefront Reconstruction 기법의 우수성을 입증하였다. Spotlight-mode 합성 개구 레이더 시스템을 시뮬레이션하여 Raw-data를 생성시키고 각 알고리즘에 적용하여 역변환을 통해 영상화된 표적물의 형태로 성능을 비교 분석하였다.

동적 신경망은 신호예측과 같이 temporal 신호처리가 요구되는 여러 분야에 적용되어 왔다. 본 논문에서는 다층 리커런트 신경망(RNN)의 동특성을 향상시키기 위해 지역 궤환 신경망(LRNN)과 광역 궤환 신경망(CRNN)으로 구성된 합성 신경망을 제안하고, 적응필터로 제안된 신경망을 사용하여 비선형 적응예측을 다루고 있다. 합성 신경망은 LRNN으로 IIR-MLP와 CRNN으로 Elman RNN 신경망으로 구성되어 있다. 제안된 신경망은 비선형 신호예측을 통해 평가되었으며, 예측 성능의 상대적인 비교를 위해 Elman RNN과 IIR-MLP 신경망과 상호 비교하였다. 실험결과에 의하면 합성 신경망은 수렴속도과 정확도에서 더 우수한 성능을 보여줌으로써, 제안된 신경망이 기존의 다층 리커런트 신경망보다 비정적 신호에 대한 비선형 예측에 더 효과적인 예측모델임을 확인하였다.