산란선을 흡수하여 보다 선명한 x선 영상을 얻기 위하여 산란방지 그리드를 사용하여 투사영상을 얻는데, 이때 그리드 패턴으로 인한 왜곡이 발생하며, 디지털 필터를 사용하여 제거할 필요가 있다. 그런데 x선에 대하여 과하게 노출되어 영상디텍터에서 포화된 영상이 형성되는 경우에는 그리드 왜곡의 제거가 잘되지 않는다. 본 논문에서는, 보다 효율적으로 그리드 왜곡을 제거하기 위하여 x선 영상 형성에서 노출량에 따른 특성을 포화 현상까지 포함하여 분석하였다. 포화가 되기 시작하면 그리드 왜곡 성분의 최대 크기가 오히려 줄어들고 대역폭은 넓어지는 특성을 관찰할 수 있었다. 또한 왜곡 성분의 중요신호대역폭 (significant-signal bandwidth)을 측정하여 필터의 대역폭을 결정하여 그리드 왜곡을 효율적으로 줄일 수 있는 적응 필터링 알고리듬을 제안하였다. 실제 x선 디지털 영상에 대한 실험을 통하여 제안한 알고리듬이 효율적으로 그리드 왜곡을 제거할 수 있음을 확인하였다.

본 논문은 비디오 감시 장치에 사용되는 효율적인 물체 검출 및 분류 알고리즘을 제안한다. 이전 연구는 주로 Scale Invariant Feature Transform (SIFT)나 Speeded Up Robust Feature (SURF)와 같은 특정 형태의 특징을 이용해 물체를 검출하거나 분류하였다. 본 논문에서는 물체 검출 및 분류에 상호 작용하는 알고리즘을 제안한다. 이는 로컬 패치들로부터 얻어지는 텍스쳐나 컬러 분포 같은 서로 다른 특성을 갖는 특징값을 이용해 물체의 검출 및 분류율을 높인다. 물체 검출에는 특징점들의 공간적인 클러스터링을, 이미지 표현이나 분류에는 Bag of Words 모델과 Naive Bayes 분류기를 사용한다. 실험을 통해 제안한 기법이 로컬 기술자를 사용한 물체 분류기법보다 우수한 성능을 나타냄을 보인다.

사전에 정의된 피부 색상 정보를 이용한 기존 피부 검출 방법들은 배경과 피부 영역을 분할하는 단계에서 사용되는 임계값을 실험을 통하여 주관적 관점에서 결정하였다. 또한 기존 방법들은 배경 환경과 조명 환경에 따라 각각 다른 임계값을 설정하였다. 이러한 기존 방법들은 반복 실험을 통하여 추정된 임계값에 따라 성능이 좌우되는 단점이 제시되었다. 제시된 기존 방법들의 단점을 극복하기 위하여 본 논문은 mean shift 알고리즘 기반의 히스토그램 근사화를 이용한 피부 영역 검출 방법을 제안한다. 제안하는 방법은 CbCr 컬러공간에서의 표준 피부색상과 유사도를 비교하여 생성된 입력 영상의 피부맵(skin-map)의 히스토그램에서 mean shift 방법을 이용하여 각각 밝기 영역별로 수렴하는 극대점을 능동적으로 찾아서 배경 영역과 피부영역으로 분할한다. 히스토그램은 픽셀의 명도값에 따라 누적되는 불연속 함수의 형태를 가지므로 베이지 곡선(Bezier curve) 기법을 이용하여 연속 가우시안 함수로 근사화된다. 따라서 제안하는 방법은 기존 방법에서처럼 수동적으로 임계값을 설정하는 방법을 사용하지 않고 mean shift 기법을 이용하여 능동적으로 영역 분할점인 극대점을 찾아서 피부 영역을 검출한다. 제안된 방법은 실험을 통하여 강인하고 효율적으로 피부 영역을 검출하였다.

본 논문에서는 수신호 인식기에 쓰이기 위한 분별성 있는 손동작을 만드는 방법을 제안한다. 기존의 수화DB에서 손의 움직임을 분석하여 기본 동작이 되는 4가지의 모션 프리미티브를 선정하였으며, 선정된 모션 프리미티브를 조합하여 구별성 있는 '기본 손동작 집합'을 제작하였다. 제안하는 '기본 손동작 집합' 의 구별성을 증명하기 위하여 '기본 손동작 집합' 인식기를 만들고 인식결과를 확인하였다. 사용된 인식기는 hidden Markov model (HMM) 을 기반으로 제작되었다. 기본 손동작 인식 task에 대한 성능평가 결과 99.01%로써 각 모델 간에 높은 구별성을 보이는 것을 확인할 수 있었다.

Backlight Profile과 Image Pixel의 Homogeneity 분석을 통한 Block 단위 LCD Backlight Nonideality 및 Crosstalk Compensation 방안이 제안되었다. Image에 따라 Block Size 및 연산에서 제외되는 Block 범위 그리고 연산에 고려되는 Backlight 범위를 최적화하여, 화질을 유지하면서 연산량을 최소화시켰다. 실제 영상을 바탕으로 하는 Simulation을 통해 제안된 Compensation 연산량과 화질이 평가되었다.

일반적으로 사용되는 마커 기반의 증강현실 시스템은 카메라 입력영상 내에 마커가 항상 존재해야 한다는 제한 때문에 사용자의 접근에 불편을 준다. 때문에 최근 배경 영상에서 취득할 수 있는 객체를 자연 마커로 생성한 시스템이나 배경 영상의 특징을 이용해 기하학적 지도를 작성하여 가상의 객체 정합에 이용한 증강현실 시스템들이 관심을 끌고 있다. 본 논문에서는 카메라 입력 영상에서 동일 평면상에 존재하는 특징들을 검출하고, 이를 추적함으로써 카메라 위치 정보를 추정하는 증강현실 시스템을 제안한다. 또한 특징점 추적에 사용된 추적 방법은 카메라에서 취득한 영상 밖으로 특징점이 벗어날 경우 더 이상 추적할 수 없는 문제점을 가지고 있어, 이를 보완하기 위해 새로운 특징점을 재검출하여 객체의 정합을 유지하는 방법도 제시한다. 제안된 방법은 미리 지정된 마커를 사용하지 않기 때문에 사용자의 접근이 편리하고, 특정한 형태의 마커를 사용하지 않는 다른 시스템보다 비교적 간단하게 구현할 수 있어 다양한 모바일 환경에서 유용하게 이용될 수 있다.

본 논문은 영상에서 장면 일루미넌트와 카메라의 위치에 따라 다양한 색과 형태로 나타나는 얼굴을 찾기 위해 색 항등성과 기하학적 분석 기반 검출 기법을 제안한다. 색 항등성 기법을 적용하여 영상에서 장면 일루미넌트의 영향을 제거하고, 기하학적 분석을 통해 다양한 형태로 나타나는 얼굴의 검출한다. 제안한 기법은 색 항등성 기법이 적용된 영상에서 얼굴과 헤어 후보영역을 추출하고, 다양한 기준을 이용하여 후보 영역을 분류한다. 그리고 각 얼굴 후보 영역을 대상으로 헤어 후보 영역과의 교차 영역을 계산하여 얼굴로 판단한다. Caltech Face DB내의 영상들을 이용하여 타 기법과의 성능을 비교하였고, 유색 조명 효과가 부가된 영상들을 대상으로 장면 일루미넌트에 대한 성능을 평가하였다. 실험 결과 제안한 기법은 다양한 입력 영상에서 얼굴 검출이 가능하였고 TP와 낮은 FN 수치로 나타났다.

본 논문에서는 라돈 변환(Radon transform)을 변형한 R-변환(R-transform)을 이용하여 객체의 크기 변환과 회전에 불변하는 보행 인식 방법을 제안한다. R-변환은 라돈 변환의 결과를 제곱한 후 투영선에 대해 적분한 것으로서, 평행이동에 불변하고 크기 변환은 변환계수의 진폭과 비례하고, 회전의 경우는 변환계수가 평행으로 이동하는 성질을 갖기 때문에 임의의 위치에서 교정되지 않은 카메라를 이용해서 객체 정보를 추출하는 데 효과적이다. 추출된 정보는 상관도(Correlation)를 이용하여 신원을 파악한다. 제안된 방법은 기하학적 변환에 강인하기 때문에 보행인식 단계에서 기하학적인 정렬 과정이 필요 없고, 객체와 카메라의 거리에 무관하게 인식이 가능하며, 카메라의 비정상적인 회전이 발생한 경우에도 강인한 인식이 가능하다.

본 논문에서는 Gabor 특징과 웨이브렛 영역의 BDIP와 BVLC 특징을 이용한 질감 특징 기반 언어 인식 방법을 제안한다. 제안된 방법에서는 먼저 시험 영상에 Gabor 변환과 웨이브렛 변환을 적용한다. 웨이브렛 영역의 상세 대역에는 Donoho의 연역치화를 적용하여 잡음을 제거한다. 이어서 Gabor 영상에는 크기 연산자를 적용하고 웨이브렛 부대역에는 BDIP와 BVLC 연산자를 적용한다. 그런 다음 Gabor 크기 영상과 BDIP, BVLC 부대역에 대하여 통계치를 계산하여 그 결과들을 벡터화하고 융합하여 특징 벡터로 사용한다. 분류 단계에서는 얼굴 인식에 주로 사용되는 WPCA를 분류기로 하여 시험 특징 벡터와 가장 유사한 학습 특징 벡터를 찾는다. 실험 결과 제안된 방법은 실험 문서 영상 DB에 대하여 비교적 낮은 특징 벡터 차원으로 매우 우수한 언어 인식 성능을 보여준다.

본 논문에서는 칼라분류 및 방향성 에지정보의 클러스터링과 이들의 통합에 의한 새로운 도로영역 및 차선검출 알고리즘을 제안한다. 도로영역 및 차선을 하나의 인식대상 물체로 취급하고, 통계적 파라미터의 반복 최적화에 의한 칼라정보의 클러스터링을 수행해서 검출과 인식을 위한 초기정보로 사용한다. 다음으로, 칼라정보가 갖는 물체인식 의 한계를 개선하기 위해 에지정보를 검출하고, 관심영역(Region Of Interest for Lane Boundary(ROI-LB))의 추출과 ROI-LB 영역에서 방향성 에지정보의 검출과 클러스터링을 수행한다. 칼라분류 및 에지 클러스터링의 결과를 통합해, 이들 각각의 정보가 갖는 특징을 이용함으로서 도로환경에 적합한 도로영역 및 차선을 검출할 수 있도록 한다. 제안방법은 도로와 차선에 관한 파라미터릭 수학적 모델을 사용하지 않고 칼라 및 에지의 클러스터링 정보에 의한 non-parametric 방법으로 다양한 도로 환경에 유연한 대응이 가능한 장점을 갖는다. 본 제안방법의 유효성을 입증하기 위해 상이한 촬상조건 및 도로환경에서의 영상에 대한 실험결과를 제시한다.

Wyner-Ziv 부호화에서의 시간예측은 원본 영상을 알 수 없는 Wyner-Ziv 복호화기에서 이루어지기 때문에 압축성능 저하를 피할 수 없었다. 이를 해결할 방안으로 Wyner-Ziv 부호화기의 가장 큰 장점인 부호화기의 경량화를 유지하면서도 최소한의 시간예측을 부호화기에서 하기 위하여 제안된 기술이 Wyner-Ziv 잔차 신호 부호화 기술이다. 이 기술은 키 프레임과 부호화 하는 Wyner-Ziv 프레임간의 단순한 차로 만들어진 잔차 신호를 분산비디오 부호화 하는 것이다. 하지만, 화소 영역에서 이잔차 신호 부호화 기술을 적용할 경우 기존의 화소영역 Wyner-Ziv 부호화보다는 성능이 개선되지만, 변환영역 Wyner-Ziv 부호화 기술과는 유사한 성능에 그쳤다. 이에 변환영역 WZ 잔차 신호 부호화 기술개발의 시도가 있었으나, 기존의 변환영역 WZ 부호화가 사용하는 양자화와의 호환성 문제로 성능 저하가 있었다. 이를 해결하기 위해 본 논문에서는 기존의 고정적인 양자화 행렬과 양자화 레벨을 WZ 프레임의 잔차 신호에 따라 적응적으로 바꿀 수 있는 양자화를 제안한다. 제안 방법은 Wyner-Ziv 프레임만 고려하였을 때, 4개의 영상에서 평균 약 22%의 BDBR 이득과 약 1.2dB의 BDPSNR 이득을 보인다.

본 논문은 대용량 동영상을 관리하기 위한 빠르고 효율적인 내용기반 중복 동영상 검출 알고리즘을 제안한다. 효율적인 중복 동영상 검출을 위해 대용량의 동영상을 처리하기 쉬운 작은 단위로 나누는 동영상 장면 전환 기반 분할 기술을 적용하였다. 동영상 서비스 및 저작권 보호 관련 사업모델의 경우, 필요한 기술은 아주 작은 구간의 동영상이나 한 장의 영상 을 검색하기보다는 상당한 길이 이상 일치하는 동영상을 파악하는 기술이 필요하다. 이러한 중복 동영상 검출을 위해 본 논문에서 동영상을 장면 전환을 기준으로 분할하여, 나누어진 장면 내에서 움직임 분포 서술자와 대표 프레임을 선택하여 프레임 서술자를 추출한다. 움직임 분포 서술자는 동영상 디코딩 과정에서 얻어지는 매크로 블록의 움직임 벡터를 이용한 장면 내 움직임 분포 히스토그램을 구성하였다. 움직임 분포 서술자는 정합시 고속 정합이 가능하도록 필터링 역할을 한다. 반면 움직임 정보만는 낮은 변별력을 가진다. 이를 높이기 위해 움직임 분포 서술자를 이용하여 정합된 장면간에 선택된 대표 프레임의 패턴 서술자를 이용하여 동영상의 중복 여부를 최종 판단한다. 제안된 방법은 실제 동영상 서비스 환경에서 우수한 인식률과 낮은 오인식률을 가질 뿐만아니라 실제 적용이 가능할 정도의 빠른 정합 속도를 얻을 수 있었다.

본 논문에서는 기존의 방법에 비해서 사용되는 메모리의 증가가 없이, 혹은 메모리의 증가를 최소화하는 영상 메모리의 회전 변환 기법을 개발하여 얼굴 회전 변화에 강인한 고성능 실시간 얼굴 검출 엔진 구조를 제안하였으며 FPGA 구현을 통하여 제안 구조의 타당성을 검증하였다. 고성능 얼굴 검출을 위해 기존에 사용하던 조명 변화에 강인한 MCT(Modified Census Transform) 변환 기법과 최적화된 학습데이터 생성을 위한 Adaboost 학습 기법 이외에 얼굴 회전 변환에 강인함을 위한 영상 회전 기법을 이용하였다. 제안한 하드웨어 구조는 색좌표 변환부, 잡음 제거부, 메모리 인터페이스부, 영상 회전부, 크기 조정부, MCT 생성부, 얼굴 후보 검출부/ 신뢰도 비교부, 좌표 재조정부, 데이터 검증부, 검출 결과 표시부/컬러 기반 검출 결과 표시부로 구성되어있다. 구현 및 검증을 위해 Virtex5 LX330 FPGA 보드와 QVGA급 CMOS 카메라, LCD Display를 이용하였으며, 다양한 실생활 환경 및 얼굴 검출 표준 데이터베이스에 대해서 뛰어난 성능을 나타냄을 검증하였다. 결과적으로 실생활 환경에서 초당 60프레임 이상의 속도로 실시간 처리가 가능하며, 조명 변화 및 얼굴 회전 변화에 강인하고, 동시에 32개의 다양한 크기의 얼굴 검출이 가능한 고성능 실시간 얼굴 검출 엔진을 개발하였다.

CMA(constant modulus algorithm)의 수렴 특성과 정상상태 성능을 개선하기 위한 교번 적응 알고리즘(alternate adaptation algorithm: AAA)을 제안한다. 교번 적응 알고리즘은 블라인드 수렴 특성이 우수한 알고리즘과 정상상태 오차 성능이 좋은 알고리즘을 이용하여 등화기를 번갈아 적응시키는 새로운 등화 방법이다. 본 논문에서는 가변 수렴상수를 적용한 vsCMA(variable step-size CMA)와 판정의거(decision-directed: DD) 알고리즘을 이용한 교번 적응 등화를 소개한다. 제안 방식에서는 먼저, CMA의 정상상태 오차 성능 개선을 위해 수렴상수를 가변 하는 vsCMA를 고안하였으며, 이를 DD와 교번 적응에 의해 결합함으로써 CMA의 수렴 속도와 정상상태 성능을 개선하고, CMA-DD 전환 방식에서 전환 타이밍에 따른 성능 변동의 민감성을 완화하였다. 제안 방법의 유용성을 확인하기 위해 컴퓨터 모의실험을 통해 다중경로 채널에서 16-QAM에 대해 평가하였다.

본 논문에서는 패턴 인식에서 우수한 성능을 보여주는 가우시안 혼합 모델을 이용하여 MCLT 기반 음향 데이터 전송 시스템의 데이터 검출 성능 향상을 위한 방법을 제안하였다. 기존의 MCLT 기반 음향 데이터 전송 시스템에 대해서 분석하고, 이를 기반으로 데이터 검출 알고리즘에서 우수한 성능을 보여주는 특징 벡터를 선택하여 GMM의 입력 벡터로 효과적으로 이용한다. 다양한 음원(rock, pop, classic, jazz)과 마이크-스피커 사이의 거리 (1∼5m)에서 시스템의 성능을 평가한 결과 GMM을 이용한 제안된 방법이 기존의 MCLT 기반 음향 데이터 전송 시스템의 데이터 검출 알고리즘보다 더욱 우수한 데이터 검출 성능을 보였다.

일반적으로 기존의 비상 대피용 유도 시스템은 비상등 또는 유도 LED와 같이 시각적인 부분에 의존하고 있다. 실제로 화재인 경우에는 연기 때문에 시야 확보가 힘든 경우가 많다. 본 논문에서는 이런 경우를 대비하여 방향성을 가진 음향을 사용하여 비상 대피 유도 시스템을 설계 및 구현하였다. 이 때 모든 스피커는 편리한 설치를 위해 오디오 직렬 전송 기법을 사용하였다. 대피 경로를 위한 최단 경로 알고리즘은 플로이드 알고리즘을 사용하였다. 오디오 직렬 전송 기법의 단점인 단선에 대한 대책으로 자동 고장 진단 기법을 제안하였다. 시스템 제어와 감시는 PC와 USB 프로토콜 연결을 통하여 이루어진다. 제안한 시스템은 가상의 비상 대피 환경에서 표본 집단의 대피 실험의 효율성을 검증했다. 결론적으로 제안된 시스템은 비상 상황에서 대피율의 증가를 확인하였고 오디오 직렬 전송 기법으로 쉽고 저가의 비용으로 설치 가능하다.

MUSIC(MUltiple SIgnal Classification)은 신호부공간과 잡음부공간이 서로 직교한다는 사실에 기초하여 센서 어레이에 입사하는 신호의 도래방향을 추정한다. 잡음 부공간에 대한 기저(basis)를 구하기 위해 샘플행렬을 고유분해하며, 이에 따라 많은 계산량을 요구한다. 본 논문에서는 샘플행렬의 열벡터(column vectors)에서 잡음전력을 제거하여 신호 부공간에 대한 기저벡터를 구해 간단히 도래각을 추정하는 방법을 제시한다. 추정된 기저벡터를 이용하여 비용함수를 정의하고, 비용함수의 최소점을 찾아 도래각을 추정한다. 비용함수의 최소점은 격자 간격으로 나누어 계산하는 grid 방법이 아닌, 포물선 보간법(parabolic interpolation)에 기초한 Brent 방법을 적용하여 효과적으로 구해진다. 시뮬레이션 결과에 따르면, 제안방식은 샘플행렬 고유분해에 의존하는 기존방식과 실질적으로 같은 성능을 가짐을 보인다.

주파수 영역 빔형성기 (frequency domain beamformer)는 시간 영역 빔형성기에 비해 연산량 측면에서 효율성이 높아 다수의 빔과 센서가 요구되는 수동 소나 시스템에서 널리 사용되고 있다. 주파수 영역 빔형성기에서는 푸리에 변환을 통한 입력 신호의 스펙트럼 분석 과정이 필수적이며, 이 과정의 효율성에 따라 전체 시스템의 성능이 결정된다. 또한 기본적으로 실시간 신호처리가 요구되는 실제 전장 환경에서 이러한 스펙트럼 연산 과정 최적화의 중요성이 더욱 부각되고 있다. 따라서 본 논문에서는 실시간으로 수신되는 협대역 신호의 효율적인 국부 스펙트럼 분석 (partial spectrum analysis)을 위해, TD (transform decomposition) 기법과 GSFFT (generalized sliding fast Fourier transform) 기법의 장점을 모두 적용한 pruned-GSFFT 기법을 제안한다. 또한 제안된 기법의 구현상의 특성을 분석하고 요구되는 연산량을 기존 기법들과 비교한다.