디스플레이 특성화 방법, 예를 들어 gain-offset-gamma (GOG) 모델 혹은 S-curve 모델에서는 일반적으로 디스플레이가 두 가지의 기본적인 특성, 즉 채널 색도 일관성과 채널 독립성을 가지고 있다고 가정한다. 하지만, 모바일 LCD의 경우, 이러한 가정은 잘 적용되지 않는다. 따라서 기존의 디스플레이 특성화 방법을 모바일 디스플레이에 적용하기 위해서는 부분적인 수정이 요구된다. 본 논문에서는 채널 색도 변화성의에 기인하여 나타나는 X, Y, Z 값의 전광 변환 함수의 차이를 고려하기 위해 각 채널당 X, Y, Z 값의 전광 변환 함수를 전부 모델링하는 방법을 제안한다. 또한, 채널 상호작용에 기인하여 나타나는 채널 사이의 충분하지 않은 가산성을 보상하기 위해 채널간 성분, 즉 cyan, magenta, yellow, gray에 대해서도 X, Y, Z 값의 전광변환 함수를 전부 모델링하여 이용한다. 실험을 통하여, 제안한 특성화 방법이 채널 색도 변화 또는 채널 의존성을 고려한 다른 특성화 방법에 비하여 모바일 디스플레이에서의 색 자극 값을 더욱 정확히 예측한다는 것을 보여 주었다.

최근에 만들어진 비디오 압축 표준인 H.264는 매크로블록당 최적의 부호화 모드를 결정하기 위해 비트율-왜곡 (rate-distortion) 기법을 사용하지만, 그 복잡성으로 인해 부호화하는 데 많은 시간이 걸린다. 따라서, H.264의 부호화 시간을 단축하기 위해 고속 모드결정 방법이 필요하다. 본 논문에서는 양자화 계수에 따라 발생 모드가 변하는 특성에 기반하여 불필요한 움직임 예측 및 모드결정 과정을 생략하는 새로운 고속 모드결정 방법을 제안한다. 양자화 계수에 따라 최적모드의 발생 빈도가 변하게 되는데, 제안한 방법에서는 매크로블록의 양자화된 이산 여현변환 계수들이 모두 0일 때, 0의 값을 가지는 CBP(coded block pattern)를 고려하여 이러한 특성을 반영하며, 조기 SKIP 모드 결정방법과 조기 $16{\times}16$ 모드 결정방법을 이용한다. 컴퓨터 모의실험을 통해, 본 논문에서 제안한 고속 인터모드 결정방법이 H.264의 참조 소프트웨어에 구현된 고속 인터모드 결정방법에 비해, Baseline 프로파일의 경우 19.6%, Main 프로파일의 경우 18.8%의 부호화 시간을 감소시키는 것을 확인했다.

Multi-level thresholding은 영상 분할 방법 중 하나로 널리 이용되고 있지만 대부분의 기존 논문들은 응용 분야에 직접적으로 이용되기에는 적합하지 않거나 영상 분할 단계까지 확장되지 않고 있다. 본 논문에서는 영상 분할을 위한 multi-level thresholding 방안으로써 영역 단위의 multi-level thresholding을 제안한다. 먼저, 영상의 색상별 성분에 대해서 EWFCM(Entropy-based Weighted Fuzzy C-Means) 알고리즘을 적용하여 2개의 군집으로 분류한 후 코드 영상을 생성한다. EWFCM 알고리즘은 화소들에 대한 공간 정보를 추가한 개선된 FCM 알고리즘으로 영상 내 존재하는 잡음을 제거한다. 그리고 코드 영상에 존재하는 군집의 수를 감소함으로써 좀 더 나은 영상 분할 결과를 얻을 수 있으며 군집의 감소는 하나의 군집내에 존재하는 영역들과 나머지 군집들간의 유사도를 기반으로 영역을 재분류함으로써 처리된다. 그러나 영상에는 여전히 많은 영역들이 존재하기 때문에 이를 해결하기 위한 하나의 후처리 방안으로써 영역간의 Kullback-Leibler 거리값을 기반으로 Bayesian 알고리즘에 의한 영역 합병을 수행한다. 실험 결과 제안한 영역 기반의 multi-level thresholding은 기존 방법이나 화소나 군집 기반의 multi-level thresholding보다 좋은 분할 결과를 보였으며 Bayesian 알고리즘을 이용한 후처리 방안에 의해 좀 더 나은 결과를 보였다.

통계적 데이터를 이용하여 모양 변이가 가능한 능동모양모델(Active Shape Model, ASM)은 이차원 영상의 분할 및 인식에 성공적으로 사용되고 있다. 삼차원 모델 기반 기법은 객체 경계의 인식 및 묘사(delineating)를 위한 더욱 현실적인 모양 억제력(constraint)을 갖는다는 점에서 이차원 모델 기반 기법에 비해 좋은 결과를 가져온다. 그러나 삼차원 모델 기반 기법을 위해서는 분할된 객체들의 집합인 훈련(training) 데이터로부터 삼차원 모양모델을 생성하는 것이 가장 중요하고 필수적인 단계이며, 현재까지도 커다란 도전 과제로 남아있다. 삼차원 모양모델 생성에서 가장 중요한 단계는 포인트 분산모델(PDM)을 생성하는 것이다. PDM 생성을 위해서는 상응하는 특징점(landmark)을 모든 훈련 데이터의 대응하는 위치에서 선택해야 한다. 그러나 현재까지 많이 사용되는 특징점의 수동 선택 기법은 시간이 많이 소비되며, 많은 오류를 발생한다. 본 논문에서는 삼차원 통계적 모양모델의 생성을 위한 새로운 자동 기법을 제안한다. 주어진 삼차원 훈련 모양 데이터에서, 삼차원 모델은 다음 방법에 의해 생성된다. 1) 훈련 모양 데이터의 거리 변환(distance transform)으로부터 평균(mean) 모양 생성, 2) 평균 모양에서 자동적으로 특징점을 선택하기 위한 사면체(tetrahedron) 기법 사용, 3) 거리 표식(distance labeling) 기법을 통한 각 훈련 모양에서 특징점의 전파(propagating). 본 논문에서는 50명의 복부 CT 영상으로부터 간(liver)을 위한 삼차원 모델을 생성하고, 평가를 위i괘 정확성과 밀집도(compactness)를 조사한다. 기존의 삼차원 모델 생성 기법들은 객체의 모양과 기하학적 및 위상학적으로 심각한 제한을 갖지만, 본 논문에서 제안한 기법은 위와 같은 제한 없이 어느 데이터 집합에도 적용할 수 있다.3mW이며, 시제품 ADC의 칩 면적은 $0.47mm^2$ 이다. 각각 56dB, 65dB이고, 전력 소모는 1.2V 전원 전압에서 각각 4.8mW, 2.4mW이며 제작된 ADC의 칩 면적은 $0.8mm^2$이다.quential scan) 알고리즘과 성능을 비교한다. 실험결과, 제안된 알고리즘은 순차 검색에 비하여 최대 13.2배까지 성능이 향상되었으며, 인덱스의 개수 k가 증가함에 따라 검색 성능도 함께 증가하였다.라서 보다 안전성과 효율성이 뛰어난 2차 대사물질을 찾아내는 연구와 아울러 방제기능이 있는 물질의 생합성경로를 구명하고 대사공학적으로 이용하므로 병해충에 저항성이 있고 잡초 방제효과를 갖는 형질전환 식물을 육성하는 연구가 지속적으로 이루어져야 할 것이다.{\sim}83.8%$ 범위(範圍)를 차지 하였다. 5) 칼슘 섭취량(攝取量)은 권장량 500 mg 에 비(比)하여 양구지역(楊口地域) 아동(兒童)이 $282.4{\sim}355.0mg$이었고 여주지역(麗州地域) 아동(兒童)이 $284.6{\sim}429.0mg$ 이었다. 6) 철(鐵) 섭취량(攝取量)은 권장량 10mg에 비(比)하여 양구지역(楊口地域) 아동(兒童)이 $6.0{\sim}12.1mg$ 범위(範圍)이었고 여주지역(麗州地域) 아동(兒童)이 $6.4{\sim}16.7mg$ 범위(範圍)로 상당수의 아동(兒童)이 권장량에 미달(未達) 되었다. 7) 비터민 A 섭취량(攝取量)은 양구지역(楊口地域)이 $703.4{\sim}1495.6\;IU$ 범위(範圍)이었고 여주지역(麗州地域) 아동(兒童)이 $750.5{\sim}1521.2\;IU$ 범위(範圍)로서 ${\beta}-carotene$으로서의 권장량 5100 I.U,에 비(比)하여 매우 부족되었다

삼차인 텍스처 좌표(texture coordinates)란 삼차원 표면을 텍스처와 텍스처 매핑(texture mapping) 기술을 이용하여 렌더링 할 때, 폴리곤(polygon)에 사상되는 텍스처 조각의 위치 정보를 의미한다. 삼차원 텍스처 좌표를 압축하는 기존의 방법은 기하학 정보를 압축하기 위해 사용한 선형 예측기(linear predictor)를 그대로 다시 이용하였다. 그러나 기존의 방법은 부호화 순서에 따라 텍스처 좌표가 불연속적으로 위치하기 때문에, 선형 예측을 효과적으로 수행할 수가 없었다. 특히, 이러한 텍스처 좌표의 불연속성(discontinuity)은 non-atlas 텍스처를 가지고 있는 삼차원 메쉬 모델에서 더 심각하게 나타난다. 본 논문에서는 부호화 순서에 따라 텍스처 영상을 재배열하여 삼차원 텍스처 좌표를 부호화하는 새로운 방법을 제안한다. 제안한 텍스치 좌표 부호화는 텍스처로부터 텍스처 조각을 추출하고, 이를 부호화 순서에 맞게 연속적으로 재배치한 후, 텍스처 좌표를 선형 예측한다. 제안한 방법은 텍스처 좌표의 불연속성을 효과적으로 최소화할 수 있기 때문에, 텍스처 좌표의 부호화 효율을 향상시킬 수 있다. 실험 결과는 제안한 방법이 MPEG-4 3DMC 표준보다 부호화 효율성 측면에서 성능이 우수함을 보여준다.

본 논문에서는 라이팅 환경을 구성하고 있는 광원과 물체의 광학적인 특성을 모델링하여 특정 위치의 관찰자의 시야에 들어오는 3차원 영상을 추정하는 알고리즘을 제안한다. 이전의 논문에서 제안했던 기법을 개선하고, 실제의 자동차 리어램프를 실험에 적용하여 추정한 빛자극과 측정된 빛자극을 비교하여 검증하였다. 랜더링 알고리즘으로는 컴퓨터 그래픽에서 많이 사용되고 있는 광선추적기법을 이용하고, 정확한 실사영상(realistic image)을 재현하기 위하여 물체의 물리적 특성을 반영하는 분광분포를 고려하였다. 물체의 빛 표면반사 및 투과특성과 광원의 빛방출 기하특성을 모델링하여 시점으로 들어오는 빛에너지 추정의 정확도를 개선하였다. 또한 추정된 빛에너지를 인간시각이 느끼는 동일한 색자극으로 디스플레이에 표시할 수 있도록 모니터특성화기법을 적용하여 실사영상에 근접한 영상을 재현하였다.

움직임 예측은 비디오 신호의 압축에 중요한 역할을 한다. 본 논문에서는 효율적으로 움직임 벡터를 찾기 위하여 적응형 임계값과 매크로블록간의 차이값(Sum of Absolute Difference, SAD)의 분포특성을 이용하였다. 일반적으로 SAD분포가 단조로 우면 SAD값이 작고 복잡하면 SAD값이 큰 경향이 있다. 따라서 단조로운 분포에서는 탐색 포인트를 줄이고 복잡한 분포에서는 지역 극소점을 피하기 위해 탐색 포인트를 늘려서 탐색하였다. 검색할 매크로 블록을 9개의 영역으로 나누고, 시공간적 유사성을 이용하여 예측한 영역을 제 1 영역이라 하고 나머지 8개의 영역을 모두 제 2 영역이라 정한다. 이 두 개의 영역 중 어느 한 영역(제 1 영역 또는 제 2 영역)만 탐색할지, 아니면 두 영역 모두 탐색할지를 적응형 임계값을 이용하여 적절하게 탐색하였다. 실험 결과 기존의 대표적인 고속 알고리즘들에 비하여 매크로블록 당 탐색 포인트 수가 평균 16.4% 감소하고, MSE는 평균 32.83 감소한 것을 확인할 수 있었다.

본 논문에서는 개선된 영상 생성 모델을 제시하고, 제시된 모델에 기반한 칼라 영상 향상을 제안한다. 제시된 영상 생성 모델에서는 입력 영상을 전역 조명 성분과 국부 조명 성분, 그리고 반사율 성분의 곱으로 표현한다. 제안된 칼라 영상 향상에서는 RGB 입력 칼라 영상을 HSV 칼라 영상으로 변환한 다음, 백색광 조명 상태라는 가정 하에 개선된 영상 생성 모델에 근거하여 V 성분 영상만을 향상한다. 전역 조명 성분은 입력 V 성분 영상에 유효 영역이 넓은 선형 저대역 필터를 적용하여 추정하고, 국부 조명 성분은 입력 V 성분 영상에서 추정된 전역 조명 성분이 제거된 영상에 유효 영역이 좁은 JND (just noticeable difference) 기반의 비선형 저대역 필터를 적용하여 추정한다. 그리고 반사율 성분은 입력 V 성분 영상에 추정된 전역 조명 성분과 국부 조명 성분을 나누어 추정한다. 이어서 이들 추정된 성분에 감마 수정을 각각 적용하고 그 결과들을 곱하여 출력 V 성분 영상을 얻은 다음 히스토그램 모델링을 적용하여 최종 출력 V 성분 영상을 얻는다. 마지막으로 최종 출력 V 성분 영상과 입력 H 성분 영상 및 S 성분 영상으로부터 출력 RGB 칼라 영상을 얻는다. 실험 결과 제안된 방법은 NASA 홈 페이지로부터 다운받은 칼라 영상과 MPEG-7 CCD 칼라 영상으로 구축한 시험 영상 데이터 베이스에 대하여 후광 효과가 거의 억제되고 색상 변화가 거의 없으면서 전역 대비와 국부 대비를 동시에 잘 증가시키는 것을 확인하였다.

본 논문은 2차원 형태의 가상 라벨을 시계 평면(view plane)상에 효율적으로 배치하기 위한 방법에 대해 다룬다. 제안하는 방식은 실시간 처리에 적합한 연산량을 가지면서, 기존의 자동 라벨 배치 알고리즘들이 완전하게 해결하지 못했던 국부 최소문제를 중첩 자유 영역을 이용해 극복하였다. 또한, 시계 평면에서 혼잡이 적은 영역에 라벨을 배치함으로써 배치된 라벨의 가독력을 향상 시켰다. 라벨의 배치에 있어서 배경 성분의 고려는 필수적이다. 하지만 기존의 논문들은 이러한 문제에 큰 관심을 기울이지 않았고, 자동 라벨 배치 알고리즘과 배경 분석 알고리즘은 개별적으로 연구가 진행되어왔다 본 논문은 가독력의 향상을 위해서 배경의 컬러와 텍스처 성분을 이용한 배경 분석 방식을 제안하였으며, 컬러 영상의 배경을 분석하여 자동 라벨배치 분야에 처음으로 적용하였다. 본 논문은 자동 라벨 배치 알고리즘과 배경 분석 알고리즘이 유기적으로 결합함으로써 이전의 논문에서 볼 수 없었던 배치 성능을 보여주며, 다양한 실험을 통해 이를 검증하였다.

최신 비디오 압축 표준인 H.264/AVC는 손실 압축을 근간으로 고안되었기 때문에 무손실 압축 방식에서는 최고의 효율을 얻을 수 없다. 본 논문에서는 H.264/AVC에 화소 단위의 예측을 적용한 두 가지 효과적인 인트라 무손실 부호화 방법을 제안한다 H.264/AVC의 인트라 후에 생성된 차분영상에 대해서 화소 단위 예측 방법과 기존의 인트라 예측 방법에 추가적인 인트라 예측 모드로서 화소 단위 예측 방법을 제안한다. 제안된 무손실 부호화 알고리즘은 대부분의 테스트 영상에서 기존의 H.264/AVC FRExt high profile과 비교하여 약 $12%{\sim}25%$ 정도 향상된 압축률을 얻을 수 있다.

ES 시스템에서 레이더를 식별하는 능력을 향상하기 위해서는 주파수, 펄스반복주기 및 펄스폭 등과 같은 기본 식별변수 이외에 스캔특성을 추정하는 기법이 필요하다. 본 논문에서는 원형스캔 레이더의 스캔특성인 스캔주기와 스캔빔폭을 추정하는 방법을 제안하였다. 제안된 방법은 주기함수의 자기상관관계 특징을 이용하여 스캔주기를 추정한다. 그리고 제안된 스캔주기추정기법과 선형 보간법을 이용하여 스캔빔폭을 추정한다. 제안한 방법의 성능을 입증하기 위해 다양한 모의신호에 대한 실험결과를 제시하였다.