본 논문은 엔트로피 기반의 가중치와 클러스터 분포크기를 이용한 향상된 FCM(Fuzzy C-Mean)알고리즘을 제안한다. FCM 알고리즘은 영상분할에서 일반적으로 많이 사용되는 퍼지 클러스터링 방법이다. 그러나 공간정보를 포함하지 않기 때문에 잡음 등에 민감하고, 클러스터를 이루는 특정들의 분포에 따라 화소들을 정확하게 분류할 수 없다. 이러한 단점을 해결하기 위해서 FCM 알고리즘의 소속정도를 연산할 때 클러스터 분포크기와 이웃 화소의 공간정보를 이용한 엔트로피 기반의 가중치를 적용한다. 실험결과에서 제안한 방법이 기존의 방법들보다 잡음에 강건하며 분할결과를 보였다.

디지털 카메라 시스템에서 CMOS 이미지 센서 (CMOS image sensor, CIS)는 낮은 가격, 작은 시스템 크기, 특히 적은 소비전력의 장점을 가지고 있어 널리 사용되고 있다. 그러나 CIS에서 획득된 영상의 색은 원래의 피사체와 서로 다르고, CIS를 사용한 서로 다른 디지털 카메라는 촬상 특성의 차이에 의해서 통일한 자극치에 대해서 서로 다른 특성을 가지게 된다 이러한 CIS의 촬상 특성에 의해서 표준 색에 대한 출력 특성이 서로 다르게 되고, 영상 출력 장치에서도 동일한 색 재현을 기대하기가 어렵기 때문에 CIS를 위한 컬러 보정이 요구된다. 기존의 컬러 보정 방법은 많은 시간에 걸친 여러 변의 반복적 실험 과정에 의한 경험적 방법을 통해서 구하고 있으며, 그 결과 또한 만족스럽지 못한 실정이다. 본 논문에서는 CIS를 이용한 디지털 카메라를 위한 효과적인 컬러 랩 방법을 새롭게 제안한다. 제안된 방법은 화이트 밸런스만을 조정한 카메라 자체의 전달 특성을 구하고, 이상적인 표준 카메라의 전달 특성에 가깝도록 컬러 보정 행렬을 통해 컬러 보정을 수행한다. 실험 결과, 카메라 전달 특성이 보정 전에 비해 표준 카메라의 전달 특성에 매우 가깝게 보정되었으며, 제안한 방법을 적용한 디지털 카메라의 출력 영상에 대한 화질도 상당히 향상된 것을 확인하였다.

오늘날 대부분의 멀티미디어 데이터는 압축된 형태로 저장되고 전송된다. MPEG-7 에지 히스토그램 기술자는 공간영역에서 특정정보를 추출하기 때문에 특정정보추출을 위해 필요로 되는 복호화과정과 공간영역에서의 필터링 과정은 특정추출시간 과 연산량을 증가시키는 원인이 된다. 영상 검색 효율을 높이기 위하여 본 논문에서는 DCT 영역에서 직접적으로 에지 히스토그램을 추출하는 기법을 제안한다. OCT 계수들 중 AC 계수로부터 얻을 수 있는 에지에 대한 정보를 이용하여 DCT 영역에서 직접적으로 에지의 방향과 강도를 구한다. 실험결과는 제안하는 기법을 통해 검색 효율과 연산량에서 모두 만족할만한 결과를 얻을 수 있음을 보여준다.

무손실 정보은닉은 정보를 삽입하되 추출과정에서 원본 영상으로의 완벽한 복원이 가능하도록 정보를 삽입하는 기술이다. 본 논문에서는 웨이블릿 영역에서 영상에 대한 무손실 정보은닉 알고리즘을 제안한다. 제안된 알고리즘은 히스토그램 수정을 웨이블릿 계수에 적용한 방법으로 두 단계의 삽입과정으로 이루어진다. 1차 삽입과정에서 히스토그램을 수정함으로써 웨이블릿 계수에 정보를 은닉한다. 2차 삽입과정은 1차 삽입 과정에서 발생한 영상의 왜곡을 줄이는 동시에 정보를 은닉할 수 있는 방법으로 높은 삽입용량을 얻을 수 있게 한다. 제안 알고리즘은 모의실험을 통해 기존의 방법들보다 삽입용량 대 PSNR 측면에 서 향상된 성능을 보여주었다.

본 논문에서는 인지학에서 연구되고 있는 동질 연상 기억 현상과 장기 및 단기 기억 강화 조절 기능을 담당하는 해마의 두뇌 원리를 공학적으로 모델링한 MHLA(Modulatory Hippocampus Learning Algorithm)의 개발을 제안한다. 해마에서 중요시 하는 연관된 3단계 조직(DG, CA3, CAl)에 기반한 동질 연상 메모리를 구성하도록 하였으며, 장기 기억 학습에 모듈레이터(modulator)를 추가하여 학습 수렴 속도를 향상시켰다. 해마 구조에서 정보는 3단계 순서에 따라 치아 이랑 영역에서 통계적인 편차를 적용하여 호감도 조정에 따라서 반응 패턴으로 이진화 되고, CA3 영역에서 자기 연상 메모리를 하여 패턴이 재구성이 된다. CA3의 정보를 받는 CAI영역에서는 모듈레이터가 적용되는 신경망에 의해 장기기억 인식에 이용되는 연결n강도의 수렴이 빠르게 학습된다. MHLA의 성능을 측정하기 위하여 포즈 및 표정과 화질 상태에 따라 분류된 얼굴 영상에 PCA(Principal Component Analysis)를 적용하여 특정 벡터들을 계산하 MHLA로 학습한 후, 인식률을 확인 하였다. 실험 결과, 제안한 학습 방법을 다른 방법들과 비교하였을 때, 학습시간비용과 인식률에서 우수함을 확인하였다.

최근 각종 온라인 상거래 및 개인 신분카드 이용이 늘어나면서 개인 인증의 중요성이 부각되고 있다. RFID(Radio Frequency Identification) tag가 내장된 개인 신분 카드가 점차 증가하고 있지만, 본인의 인증을 할 수 있는 방법이 미비하기 때문에, 자동화 할 수 있는 대책이 시급하다. RFID tag는 현재 메모리 용량이 매우 작기 때문에, 개인의 생체정보를 저장하기 위해서는 효율적인 특징추출 방법이 필요하며, 저장된 특징들을 비교하기 위해서는 새로운 인식방법이 필요하다. 본 논문에서는 인간의 인지학적인 두뇌 원리인 해마 신경망을 공학적으로 모델링하여 얼굴 영상의 특징 벡터들을 고속 학습하고, 각 영상의 최적의 특정을 구성할 수 있는 해마 신경망 모델링 알고리즘을 이용한 개인생체 인증 시스템에 관한 연구를 수행하였다. 시스템은 크게 NMF(Non-negative Matrix Factorization)와 LDA(Linear Discriminants Analysis) 혼합 알고리즘을 이용한 특징 추출 부분과 해마신경망을 모델링하고 인식 성능을 실험하는 것으로 구성 되어 있다. 제안한 시스템의 성능을 평가하기 위하여 실험은 표정변화와 포즈변화가 포함된 이미지를 각각 구분하여 인식률을 확인하였다. 실험 결과, 본 논문에서 제안하는 특정 추출 방법과 학습 방법을 다른 방법들과 비교하였을 때, 학습시간비용과 인식률에서 우수함을 확인하였다.

대부분의 고속 블록 움직임 추정 알고리즘은 탐색점의 수를 줄여서 연산량을 감소시킨다. 하지만 이러한 고속 움직임 추정 알고리즘들은 비정규화 데이터 흐름 때문에 멀티미디어 프로세서에서는 좋은 성능을 보이기 어렵다. 미디어 프로세서에서는 내부 메모리에서 데이터의 효과적인 재사용이 SAD 명령의 수를 줄이는 것보다 더욱 중요하다. 이는 수행 사이클의 성능이 외부 메모리 액세스의 횟수에 매우 의존적이기 때문이다. 따라서 본 논문에서는 내부 메모리로부터 데이터를 효과적으로 재사용 할 수 있는 라인 탐색 패턴과 라인 탐색 패턴에서 불필요한 SAD 연산을 줄이기 위한 서브 샘플링 방법을 적용한 Hexagon 모양 라인 탐색(Hexagon-shape line search, HEXSLS) 기법을 제안한다. 모의실험을 통하여 HEXSLS 기법의 MAE 성능은 전역 탐색 블록 정합(FSBMA) 기법과 비슷하고, Hexagon 기반 탐색 (Hexagon-based search) 보다 우수한 성능을 가짐을 보인다. 또한 HEXSLS는 Hexagon 기반 탐색이나 예측 라인 탐색(predictive line search) 기법보다 적은 외부 메모리의 액세스가 발생한다. 결과적으로, 제안한 HEXSLS 기법은 종래의 기법과 비교하여 미디어 프로세서에서 매우 낮은 수행 사이클 성능을 보인다.

안전은 교통관제와 제어기술에서 중요한 부분이다. 본 논문에서는 단일 비젼시스템을 이용하여 합류도로에 진입하려는 차량에 합류안전 신호를 발생하는 유연하고, 안정적이며 실시간 처리가 가능한 알고리즘에 대해 제안하였다. 도로측면에 위치한 카메라로부터 얻어지는 영상을 이용하여 주행차량 감시와 차량의 주행속도, 본선도로와 진입도로 사이의 합류지점까지의 도달시간을 예측하여 빨강, 파랑, 노랑의 색으로 주행 안전 여부를 표시하였다. 영상에서 설정한 영역에 차량이 주행함을 검출하기 위해 농담정규화 상관법, 경계 크기 비 변화, 평균 농담변화의 세 가지 방법을 이용하였다. 실제 합류도로에서 촬영한 영상으로부터 제안한 알고리즘에 적용하여 결과를 제시하였다.

본 논문에서는 계산 효율적이고 노이즈에 강건한 비디오 객체 분할 알고리즘을 제안한다. 움직임 분할과 색 분할을 효율적으로 결합한 시공간 분할 방법의 구현을 위해 SOM 기반의 계층적 군집 방법을 도입하여 특징 벡터들의 군집 관점에서 분할 과정을 해석함으로써 기존의 객체 분할 방법에서 정확한 분할 결과를 얻기 위해서 요구되어지는 많은 연산량과 노이즈에 의한 시스템의 성능 저하 문제를 최소화한다. 움직임 분할 과정에서는 움직임 추정 에러에 의한 영향을 최소화하기 위해서 MRF 기반의 MAP 추정 방법을 이용하여 계산한 움직임 벡터의 신뢰도를 이용한다. 또한 움직임 분할의 성능 향상을 위해서 움직임 신뢰도 히스토그램을 이용한 노이즈 제거 과정을 거칠 뿐만 아니라 자동으로 장면 내에 존재하는 객체의 수를 구하기 위해서 군집 유효성 지표를 이용한다. 객체 추적의 성능 향상을 위해 교차 투영 기법을 이용하며, 분할 결과의 시간적 일관성 유지를 위해 동적 메모리를 이용한다. 다양한 특성을 가지는 비디오 시퀀스들을 이용한 실험을 통해 제안하는 방법이 계산 효율적이고 노이즈에 강건하게 비디오 객체 분할을 수행함은 물론 기존의 구현 방법에 비해 정확한 분할 결과를 얻을 수 있음을 확인하였다.

본 논문에서는 얼굴 영상의 에너지 분포 특성을 이용한 새로운 특정추출 방법을 제안한다. 제안된 방법은 얼굴 영상의 에너지 확률과 에너지 랩을 이용해서 데이터 차원이 축소된 유효정보의 추출 및 유효정보의 LDA 해석에 기반을 둔다. 일반적으로, 얼굴 영상은 고유한 에너지 분포 특성을 가지고 있다. 그러나 기존의 많은 DCT 기반 방법들은 이러한 얼굴 영상의 특성을 효과적으로 이용하지 못하는 단점이 있다. 제안된 방법은 이러한 기존 방법의 단점을 개선하기 위해 다음의 3단계 방법을 사용한다. 먼저, DCT 도메인에서 얼굴의 에너지 확률 개념을 정의하고, 이러한 에너지 확률로부터 얼굴의 에너지 맵을 생성한다. 마지막으로, 에너지 확률 지도에 위치한 주파수 계수들에 대한 LDA 적용 및 해석을 통하여 특정 벡터 추출 및 인식을 수행한다. 제안된 방법은 ETRI 데이터베이스에서 96.8%, ORL 데이터베이스에서 100%의 인식률을 보인다. 실험을 통하여 인식 성능의 개선뿐만 아니라, 특정 벡터의 차원 축소에도 효과가 있음을 알 수 있다.

본 논문에서는 파노라믹 영상 모델링에 근거한 비디오 압축 전송 방법을 제안한다. 제안한 방법은 회전 카메라에 입력되는 영상에서 배경 영상과 움직이는 물체로 분리하고 차영상을 추출하여 압축/전송하는 방법을 사용한다. 제안한 비디오 압축 시스템은 초기화 과정에서 전송된 파노라믹 영상으로부터 배경영상을 합성할 수 있도록 파라메터 만을 전송하게 된다. 본 논문 에서는 정확한 배경 합성을 위한 정확한 카메라 모델링 기반 파노라믹 영상 합성법을 제시하며, 이를 바탕으로 비디오 압축에 응용하는 방법을 제안하였다. 제안한 비디오 압축방법에 의하여 기존의 JPEG-2000이나 MPEG-4 비디오 압축 방법에 비하여 PSNR 관점에서 $2{\sim}4dB$ 효율적임을 보였다.

본 논문에서는 이산 웨이블릿 기반의 진화 알고리듬을 이용한 워터마킹 기법을 제안한다. 제안한 알고리듬은 웨이블릿 변환을 이용한 주파수 영역에서의 워터마크 삽입과 유전자 알고리듬을 이용한 워터마크 추출로 구성된다. 강인한 워터마크의 삽입을 위하여 웨이블릿 도메인의 저주파 영역에서 이루어지며, 워터마크 추출은 유전자 알고리듬을 이용하여 기하학적인 공격에 대하여 효과적인 추출을 수행한다. 본 논문에서 제안한 워터마킹 기법은 JPEG이나 JPEG2000과 같은 영상 압축과 다양한 기하학적인 공격에 대한 실험을 통해서 워터마크의 요구조건인 강인성과 비가시성의 관점에서 기존 기술에 대한 상대적 우수성을 확인하였다.