본 논문은 조명 밝기 변화에 강건한 증강현실 시스템을 구현하기 위한 알고리즘을 제안한다. 본 논문에서 제안하는 방법은 미리 객체를 검출한 프레임으로부터 최적의 표본 밝기를 구해 모델링 한 후, 이를 이용하여 히스토그램 명세화를 수행한다. 또한 카메라 변위에 따라 유실된 객체의 특징 정보는 선형 칼만 필터로 추적하였다. 제안된 방법을 사용하였을 때 기존의 방법보다 약 3배 이상 객체 검출률이 향상되었으며, 객체 검출에 실패한 프레임 또한 선형 칼만 필터를 통해 위치 정보를 매우 정확하게 예측할 수 있었다. 본 알고리즘의 효율성을 증명하기 위해 실제 증강 현실을 이용한 게임 시스템에 적용한 결과 기존의 다른 방법보다 성능이 향상됨을 확인 할 수 있었다. 본 알고리즘은 게임 환경이나, 조명 변화가 심한 환경에서도 강건한 증강 현실 시스템의 구현에 적용될 것이라 판단된다.

본 논문에서 우리는 실시간 성능이 요구되는 비디오 화상회의 시스템을 위해 사전정보 없이 정확하면서도 완전히 자동으로 비디오 객체를 추출하는 방법을 제안한다. 제안하는 방법은 두 단계로 이루어진다: 1) 초기 프레임에서의 정확한 객체 추출, 2) 객체 추출 결과를 이용한 그 이후 프레임에서의 실시간 객체 추출. 초기 프레임에서의 객체 추출은 초기 프레임들의 차영상으로부터 구한 에지들을 누적시킨 누적 에지맵 생성으로부터 시작된다. 즉, 객체의 초기 움직임의 누적으로부터 객체의 형상을 추측하고자 하는 것이다. 이 추측된 형상은 그래프 컷(Graph-Cut) 영상 분할을 위한 객체 씨드(seeds)와 배경 씨드를 할당하는데 이용된다. 그래프 컷 기반 객체 추출 이후 프레임부터는 객체 추출 결과와 연속된 프레임의 차영상의 에지맵을 이용하여 실시간 객체 추출이 수행된다. 실험결과를 통해 제안하는 방법이 이전 연구들과 달리 VGA 크기의 비디오에 대해서도 실시간으로 동작함을 보이고, 따라서 몰입적인 비디오 화상회의 시스템의 개발을 위한 유용한 도구임을 보이고자 한다.

동영상 잡음 제거에 있어서 비지역적 평균 기반 시공간 잡음 제거 알고리즘을 제안한다. 기존에 제시된 비지역적 평균 기반 알고리즘은 잡음 제거에 우수한 성능을 보이지만 연산량이 많고 여러 장의 장면 기억장치가 필요하기 때문에 하드웨어 시스템 구현에 많은 어려움이 있다. 그러므로 제안된 알고리즘에서는 무한 충격 응답 기반 시간 영역 잡음 제거 알고리즘을 도입하여 움직임이 적은 영역에서는 자연스러운 잡음 제거가 가능하며 움직임이 많은 영역에서는 연산량 측면에서 효율성을 고려하여 개선된 비지역적 평균 기반 잡음 제거 알고리즘을 적용하여 움직임에 의한 흐려짐을 최소화 하면서 잡음 제거를 수행하였다. 다양한 잡음 정도를 갖는 시험 영상에 대한 실험을 통해 수치적, 시각적 측면에서 각각 비교하여 제안된 알고리즘의 성능이 기존의 알고리즘과 대등하거나 촬영 영상에 따라서는 우수한 성능을 보임을 확인할 수 있었다.

가역 데이터 은닉 기법은 영상에 데이터를 삽입 후, 영상에서 삽입된 데이터를 추출한 후에 원본 영상의 복원이 완벽하게 가능한 기법을 말하며 최근에 많은 관심을 받고 있는 분야이다. 이러한 복원 가능한 데이터 은닉 기법 중 기존의 히스토그램을 이용한 기법들은 히스토그램 수정 때문에 언더플로우와 오버플로우를 발생시킴으로써 데이터가 숨겨진 영상의 화질이 떨어지게 된다. 본 논문에서는 이러한 문제점을 해결하기위해 언더플로우와 오버플로우가 발생하는 위치를 표시하는 로케이션 맵정보를 영상에 추가로 삽입하여 해결하는 새로운 가역 데이터 은닉 기법을 제안한다. 또한 삽입되는 데이터의 양을 증가시키기 위해서 멀티 레벨 데이터 은닉 기법을 알고리즘에 적용하였다. 실험결과 제안하는 알고리즘은 PSNR, 데이터 삽입량, 추가적인 데이터의 크기 면에서 우수한 성능을 보였다.

H.264/AVC의 디블록킹 필터는 복호화기 전체의 계산 복잡도 중 큰 비중을 차지하기 때문에, H.264/AVC 복호화기의 실시간 구현을 위해서는 디블록킹 필터의 계산 복잡도를 줄이는 것이 매우 중요하다. 디블록킹 필터의 계산 복잡도가 높은 이유는 여러 단계의 조건 분기문이 많고 메모리 접근이 자주 일어나기 때문이다. 따라서, 본 논문에서는 분기문과 메모리 접근을 최소화하는 디블록킹 필터의 구조를 제안하고, 필터 연산의 병렬화를 위해 소프트웨어 파이프라이닝이 가능하도록 하는 최적화 방법을 제안한다. 제안하는 방법은 TMS320C64x+ 계열의 DSP의 TMS320DM6467 EVM 보드에 구현하여 최적화를 진행하였다. 실험 결과, 최적화된 디블록킹 필터는 FFmpeg의 디블록킹 필터와 비교하였을 때 평균 약 46%의 사이클이 감소되었다.

본 논문은 분산 비디오 코딩을 위하여, 수신된 움직임 벡터 기반으로 보조정보의 채널의 상태를 예측하는 기법을 제안한다. 제안한 복호기는 보조정보의 움직임 벡터를 측정하여 부호기로 전송한다. 부호기는 수신된 움직임 벡터를 기반으로 복호기의 보조정보와 동일한 예측 보조정보를 생성함으로써, 복호기의 보조정보의 성능을 측정하고, 이를 복호기로 전송한다. 또한 복호기는 수신된 오류 정보를 통하여 정확한 교차확률을 적응적으로 적용한다. 제안하는 방법은 정확한 신뢰도를 전파함으로써, 채널 복호기의 복잡도를 감소시킬 수 있으며, 적은 패리티 비트로 높은 오류정정 성능을 나타낼 수 있다. 실험 결과, 제안한 방법이 기존의 방법들과 대비하여, 비트-왜곡 성능이 증가하고 복잡도가 감소한 것을 확인 할 수 있다.

본 논문은 다중 컬러 필터 조리개 (multiple color-filter aperture; MCA) 시스템에서 영역 적응적 히스토그램 평활화를 사용하여 저노출 환경에서도 강건한 새로운 디지털 다중초점 (multifocusing) 방법을 소개한다. MCA 시스템은 획득된 영상의 컬러 채널 간에 발생하는 부정합 (misalignment) 정도를 측정하여 카메라의 거리에 따른 장면의 상대적 심도 정보를 추출한다. 추출된 상대적 심도 정보는 관심영역 (regsion-of-interests; ROIs) 분류 (classification), 정합 (registration), 융합 (fusion) 등의 과정을 통하여 다중초점 영상을 생성한다. 그러나 MCA 시스템은 유한한 구경의 조리개로 때문에 저노출 환경에서 성능의 저하를 초래하게 된다. 이러한 문제를 해결하기 위해 공간 적응적 히스토그램 확장을 이용한다. 실험결과에서 볼 수 있듯이, 제안한 기술은 저노출 환경에서도 콘트라스트가 향상된 다중초점 영상을 복원할 수 있음을 보여준다.

HDR(high dynamic range) 영상 기법은 일반 카메라에서 획득되는 영상의 LDR(low dynamic range)의 한계를 극복하는 방법을 일컫는다. 일반적으로 이 기법은 카메라의 노출에 따른 단계별 LDR 영상들을 획득하고 통합함으로써 획득된다. 그러나 기존의 연구에서는 여러 번에 걸친 영상획득 과정이 필요하고 그에 따른 고스트(ghost) 현상을 야기한다. 이러한 한계를 극복하기 위하여, 본 연구에서는 센서에서 획득되는 단일 Bayer 영상으로부터 사용자가 요구하는 노출의 LDR 영상을 채널상관성을 고려하여 추정할 수 있는 방법을 제안하였다. 제안된 방법은 먼저 입 출력 간의 상관관계를 나타내는 노출(exposure) look-up table(LUT)를 각 채널별로 생성을 한다. 그리고 입력 영상의 평균휘도와 노출을 LUT에 적용하여, 최종 LDR 영상을 위한 새로운 노출을 추정한다. 다음으로 입력 영상의 각 픽셀 값과 추정된 노출을 LUT에 적용함으로써 목적하는 밝기를 가지는 LDR 영상을 추정 할 수 있다. 이 때, 포화된 영역의 경우는 채널의 상관성을 고려하여 추정함으로써 실제 노출로 획득한 영상과의 차이를 줄이는 방법을 제안하였다. 결과영상은 PSNR을 비교하여 정확성을 증명하였으며, 또한 디스플레이를 위하여 톤맵핑(tone mapping)을 적용한 영상을 사용한 비교에서 실제 획득된 영상과 추정한 영상의 차이가 비슷함을 확인하였다.

본 논문은 잡음에 강인한 초점 값을 이용한 피사체 중심의 자동초점 알고리듬을 제안한다. 제안된 방법은 영상의 엔트로피를 이용하여 피사체가 존재하는 영역을 자동으로 추정함으로써, 배경에 의해 잘못된 자동초점 결과를 얻는 문제점을 개선하였다. 또한 이산 코사인 변환 계수를 분석하여 새로운 초점 값 계산 방법을 제안하였고, 실험결과를 통해 기존의 알고리듬에 비해 제안된 방법이 가우시안 잡음과 임펄스 잡음이 있는 경우에도 초점 값 특성이 강인함을 검증하였다. 제안하는 자동초점 알고리듬은 지능형 감시 시스템의 팬-틸트-줌 카메라 등에 적용 가능하다.

스테레오 매칭은 두 영상의 차이를 이용하여 거리를 추정하는 연구 분야로 성능 개선과 함께 처리속도 향상을 위한 연구가 계속되고 있다. 본 논문에서는 계층적 Belief Propagation(BP) 알고리즘을 개선하여 기존의 BP에서의 수렴구간을 메시지 맵으로 만들고 이를 이용하여 처리속도를 향상시키는 Plane-converging BP 알고리즘을 제안한다. 또한 GPU 아키텍쳐인 Nvidia의 CUDA를 이용하여 다수의 계산을 병렬화 하고 이를 동시에 처리하여 실시간 어플리케이션에 적합한 스테레오 매칭 기법을 개발하였다. Plane-converging BP 알고리즘은 기존의 계층적 BP 알고리즘과 유사한 에러율을 가지면서 약 2.7배의 속도 향상을 이루었다.

소실점이란 실제 공간의 평행한 선들이 영상 내에 투영되면서 한곳에 모이는 점이다. 본 논문에서는 이러한 소실점의 특성을 이용한 실시간 소실점 검출 알고리즘을 제안한다. 기존의 소실점 검출 방법은 1) 복잡한 계산이 요구되거나 2) 알고리즘에 따라 소실점을 검출할 수 있는 영상이 제한되어 있다. 제안하는 방법은 블록 기반의 HOG(Histogram of Oriented Gradient)를 구하여 영상의 구조적 특성을 이용하는 것으로 영상 내에 존재하는 소실점을 실시간으로 검출한다. 먼저 영상의 블록 단위로 HOG 기술자를 구한 뒤, 제안하는 동적 프로그래밍(dynamic programing)을 이용하여 소실점의 위치를 예측한다. 본 논문에서는 다양한 영상에 대한 실험을 통해 제안하는 알고리즘이 효율적인 소실점 검출 방법임을 보이고자 한다.

기존의 선박 내 조명 제어 시스템은 구축의 복잡성, 높은 설치 비용 및 유지 관리 비용 등의 문제점이 있다. 본 논문에서는 디지털 선박 환경에서 저비용, 고효율의 조명제어 시스템을 설계하였다. 사용자의 생체 정보(맥박, 이완기 혈압, 수축기 혈압, 혈당)를 무선 센서들을 통하여 획득한 후 감성을 인식하여 LED 조명을 제어하는 시스템으로서, 맥박 센서, 혈압 센서, 혈당 센서 등의 입력치를 받아 데이터베이스에 저장한 후 역전파 신경망 알고리즘을 이용하여 감성을 분류한다. 3,000개의 데이터 집합을 사용하여 역전파 신경망을 실험한 결과 약 88.7%의 정확도를 가졌다. 분류된 감성은 HP(Hewlett-Packard)의 'The Meaning of Color'에서 정해 놓은 20개의 컬러 감성 모델과 비교하여 가장 적절한 출력치를 찾아 적색, 녹색, 청색 LED Lamp에 전류 또는 주파수를 조절하는 방법으로 LED Lamp의 밝기 또는 광색을 조절함으로써 소모 전력을 약 20%로 절감하였다.

Fingerprinting 방식에서 KNN은 WLAN 기반 실내 측위에 가장 많이 적용되고 있지만 KNN의 성능은 k 개의 이웃 수와 RP의 수에 따라 민감하다. 논문에서는 KNN 성능을 향상시키기 위해 ANN 군집화를 적용한 KNN과 ANN을 혼합한 알고리즘을 제안하였다. WLAN 환경하에서 알고리즘 기반의 패턴 매칭을 위해 training 단계에서는 여러 개의 AP에서 신호 잡음비의 특성값을 데이터베이스에 만들어 활용하고 estimation 단계에서는 단말기(MU)의 2차원 좌표값을 단말기로부터 새롭게 얻은 SNR과 데이터베이스에 저장된 fingerprint을 비교함으로써 추정한다. 제안한 알고리즘은 신호잡음비 데이터를 KNN 방법에 적용하여 k개의 RP을 선택한 후 선택된 RP의 신호잡음비를 ANN에 적용하여 k개의 RP를 군집하여 분류한다. 실험 결과에서는 위치 오차가 2m 이내에서 KNN/ANN 알고리즘이 KNN 알고리즘보다 성능이 우수하다.

본 논문에서는 해양 환경의 특성을 고려하여 선박 환경에 적합한 방식으로 Server-side 방식에 따른 선박 USN 미들웨어를 구현하였다. 다중 질의 처리 모듈에서는 선박USN에 구성된 다차원 센서 스트림 데이터를 효율적으로 처리하기 위해서 최적화된 질의 계획으로 Mjoin 질의와 해쉬 테이블을 이용한 최적화 방법을 제시하고 모듈을 구성하였다. 상황 인식 관리 모듈에서는 해양의 특성을 고려하여 선박의 상황을 인식하고 관리하는 방법을 제시하였고 SVM 알고리즘을 이용하여 위험 상황을 판단하였다. 제안한 SVM 알고리즘을 이용하여 각 상황별로 5,000 건의 데이터를 입력 받아 실험한 결과 화재 상황과 선체 위험 상황에 대한 평균 정확도는 87.5%, 85.1%를 보였고, 측정 결과를 전송하여 선박 USN 모니터링 시스템을 구현하였다.

WLAN 환경하에서 알고리즘 기반의 패턴 매칭을 위해 training 단계에서는 여러 개의 AP에서 신호 잡음비의 특성값을 데이터베이스에 만들어 활용하고 estimation 단계에서는 단말기(MU)의 2차원 좌표값을 단말기로부터 새롭게 얻은 SNR과 데이터베이스에 저장된 fingerprint을 비교함으로써 추정한다. Fingerprinting 방식에서 KNN은 WLAN 기반 실내 측위에 가장 많이 적용되고 있지만 KNN의 성능은 k 개의 이웃 수와 RP의 수에 따라 민감하다. 논문에서는 KNN 성능을 향상시키기 위해 PFCM 군집화를 적용한 KNN과 PFCM을 혼합한 알고리즘을 제안하였다. 제안한 알고리즘은 신호잡음비 데이터를 KNN 방법에 적용하여 k개의 RP을 선택한 후 선택된 RP의 신호잡음비를 PFCM에 적용하여 k개의 RP를 군집하여 분류한다. 실험 결과에서는 위치 오차가 2m 이내에서 KNN/IFCM 알고리즘이 KNN, KNN/FCM, KNN/PFCM 알고리즘보다 성능이 우수하다.

압축 센싱 (Compressed Sensing) 기술을 통해 $M{\times}N$ 측정 행렬의 원소들이 특정의 독립적인 확률 분포에서 뽑혀 identically 분포의 성질을 가지고 있을 때 $M{\ll}N$의 경우에도 스파스 (sparse) 신호를 높은 확률로 정확하게 복원할 수 있다. $L_1$-최소화 알고리즘이 불완전한 측정에 대해서도 스파스 (sparse) 신호를 복원할 수 있다는 것은 잘 알려진 사실이다. 본 논문에서는 OMP를 변형시킨 support 검출과 가중치 기법을 이용한 $L_1$-최소화 방법을 통하여 스파스 (sparse) 신호의 복원 성능을 향상시키는 알고리즘을 제안하고자 한다.

Support vector machine (SVM)은 패턴인식 분야에 많이 사용되어지고 있다. 한 예로서 3GPP2 selectable mode vocoder (SMV)와 같은 규격화된 코덱에 쓰여 코덱의 음성/음악 분류 성능을 향상시킬 수 있다. 본 논문에서는 SVM을 개선시켜 음성/음악의 분류성능을 향상시키는 새로운 방법을 제안한다. SVM을 학습시킬 때 적용되는 기존의 기법들과는 달리 제안되는 기법은 SVM이 패턴분류를 행할 때 사용된다. 그렇기 때문에 기존의 기법들과 독립적으로 개발되고 사용될 수 있고, 따라서 패턴분류의 성능을 한층 더 향상시킬 수 있다. 이를 위해 먼저 radial basis function의 커널 width 파라미터가 SVM의 패턴분류에 미치는 영향을 분석해 보았다. 분석한 결과, 커널 width 파라미터를 가지고 SVM의 패턴분류 성향을 미세 조정할 수 있다는 것을 알았다. 또한 음성신호의 각 프레임 간의 상관관계 (correlation)을 확인하고 이를 커널 width 파라미터조절의 길잡이로 삼았다. 실험을 통해, 제안된 기법이 SVM의 성능을 향상시킬 수 있음을 증명하였다.