일반적으로 바랜 영상 보정 방법들은 색 바램의 현상은 광원의 효과로서, Gray World Assumption 또는 White Patch Retinex와 같은 광원 추정 알고리즘을 사용한다. 그러나 이러한 방법들은 염료의 특성, 온도, 습도, 광원 등에 따라 다르게 바래는 색에 대한 보정은 부정확함을 나타냈다. 본 논문에서는 LCybCrg 색 공간에서의 분류맵을 이용한 바랜 색 보정 방법을 제안한다. 먼저 입력의 색 바랜 영상은 LCybCrg의 보색 공간의 색도를 기반으로 하여 분류되었다. 그리고 RGB 색 공간에서 Gray World Assumption을 기반으로 하여 바랜 색도를 보정하였다. 또한 CybCrg 값으로부터 계산된 가중치는 각각의 영역에서 발생 할 수 있는 윤곽효과를 줄이기 위해 적용되었다. 그 결과 제안한 방법은 바랜 영상에 대해 이전 방법들 보다 더 나은 보정 성능을 보였다.

본 논문에서는 박막의 삼차원 형상을 신속하게 획득하기 위한 새로운 방법을 제안한다. 기존의 반사광 측정 장치에 기반한 박막 측정 장비들은 170포인트에 대한 두께를 측정하는데 약 30분 이상의 시간이 요구되므로 박막의 전체적인 형상 정보를 신속하게 파악하는데 적합하지 않다. 제안하는 방법은 Canny 경계검출기를 이용하여 간섭무늬 영상으로부터 등고선을 검출하는 영상 분석법을 기반으로 한다. 검출된 등고선에 대한 절대적인 두께를 측정하고 Borgefors 거리변환 알고리즘을 이용한 보간 처리를 통해 등고선으로부터 높이 맵 정보를 추출한다. 추출된 높이 맵은 DirectX를 사용하여 높이 맵 지형처리 기법으로 삼차원 형상화 된다. 제안된 방법은 적은 수를 가지는 등고선에 대한 높이 정보만을 실측하게 되므로 약 5분의 수행시간으로 박막의 전반적인 삼차원두께 패턴 정보를 얻을 수 있다.

고 전송률에서 엔트로피 제한 양자화를 수행 시 최적의 양자기는 격자(lattice) 형태를 가지는데. 규칙적인 구조로 인하여 양자화 과정이 단순하며, 격자의 형태에 따라 여러 양자화 알고리듬이 제안되어있다. 본 논문에서는 이러한 격자 벡터 양자화를 표본 적응 프로덕트 양자기(sample-adaptive product quantizer: SAPQ)를 사용하여 구현하였다. 중요한 여러 격자들이 SAPQ의 단일화된 형태로 부호화된다는 사실을 보였으며, 스칼라 값의 정수 변환 함수를 사용하여 격자 벡터 양자화가 SAPQ를 통하여 간단히 구현될 수 있음을 보였다. 실험을 통하여 부호화 복잡도가 비슷한 ECSQ(entropy-constrained scalar quantizer), ECSAPQ(entropy-constrained SAPQ) 등과 성능을 비교하였는데, ECSAPQ는 저 전송률에서 좋은 성능을 보이는 반면 격자 SAPQ는 넓은 범위의 전송률에서 ECSAPQ보다 좋은 성능을 보임을 알 수 있었다.

특징 추출 알고리즘은 영상 내에서 중요한 특징을 추출하기 위해 실시간 영상 처리 응용 분야에서 활용된다. 특히, 특징 추출 알고리즘은 추적 및 식별의 목적으로 다양한 영상처리 알고리즘에 특징 정보를 제공하기 위해서 활용되며, 주로 영상처리 전처리 단계에서 구현되고 있다. 광범위한 응용 분야에 이용되는 특징 추출 알고리즘의 처리 속도를 높인다면 혼합되어 사용될 다른 알고리즘 처리 소요 시간의 여유를 확보 할 수 있을 뿐만 아니라, 특징 추출 알고리즘이 적용된 영상 처리 응용 분야의 실시간 요건을 만족시키기 용이하기 때문에 중요하다. 본 논문에서는 특징 추출 기법을 고속으로 처리하기 위해 FPGA 기반의 하드웨어 가속기를 제안한다. 하드웨어 가속기 구현에 사용된 E. Rosten의 Feature from Accelerated Segment Test 알고리즘과 디지털 로직으로 구현한 하드웨어 가속기의 구조와 동작 절차에 대해 기술하였다. 설계한 하드웨어 가속기는 ModelSim을 이용해 동작 및 성능을 검증하였고, Xilinx Vertex IV FPGA 기반으로 로직을 합성해 구현 비용을 계산하였다. 제안한 하드웨어 가속기를 구현하기 위해 2,217개의 Flip Flop, 5,034개의 LUT, 2,833개의 Slice, 그리고 18개의 Block RAM을 사용하였으며, $640{\times}480$ 크기의 영상으로부터 954개의 특징을 추출하는데 3.06 ms의 시간이 소요되어 기존의 결과보다 구현 비용 면에서의 우월함이 확인되었다.

대부분의 최근 적외선 센서는 focal-plane array (FPA) 구조로 되어있다. 이러한 구조의 센서는 공간적 불균일 응답성을 갖는 것으로 알려져 있고, 이로 인해 고정패턴잡음을 발생시킴으로써 영상열화를 가져온다. 따라서 적외선 영상의 고정패턴잡음을 제거하기 위해서는 픽셀 불균일 보정을 해야 한다. 픽셀 불균일 보정기법은 참조물체기반 접근법과 영상기반 접근법으로 나눌 수 있다. 참조물체기반 접근법에서는 흑체와 같은 균일한 온도를 갖는 물체를 이용해서 고정패턴잡음을 분리시킬 수 있는 방법이다. 하지만 센서의 응답성은 시간이 지나면서 변할 수 있기 때문에, 최근에는 비디오 영상을 이용하는 영상기반 접근법이 많이 연구되고 있다. 영상기반 접근법들 중에서 칼만 필터를 기반으로 하는 최신 알고리듬은 영상 간에 움직임 보상 시에 한 방향 워핑을 이용하고 센서의 offset 불균일성만을 보상해준다. 하지만 한 방향 워핑을 이용한 시스템 모델은 영상의 경계 부근에서 고정패턴잡음을 효과적으로 제거하지 못한다. 게다가, offset만 보정하는 접근법은 gain의 불균일성의 영향을 많이 받는 영상에서는 성능이 악화될 수 있다. 그러므로 본 논문에서는 양방향 워핑을 이용하여 시스템 모델링을 하고, gain과 offset의 결합 보정을 수행하는 알고리듬을 제안한다. 모사 영상과 실제 영상에 대한 실험 결과들은 제안하는 알고리듬이 기존 알고리듬들보다 더 효과적으로 고정패턴잡음을 제거하는 것을 확인할 수 있다.

본 논문은 군집 중요 용어들과 위키피디아(Wikipedia)의 동음이의어를 이용하여 문서군집의 성능을 향상시키는 새로운 방법을 제안한다. 제안된 방법은 비음수행렬분해의 의미특징을 이용하여 군집 중요 용어들을 선택함으로서 군집을 대표할 수 있는 군집 주제(topic)의 개념을 잘 표현할 수 있으며, 군집의 중요 용어에 위키피디아의 동음이의어를 사용하여 확장함으로써 문서와 군집 간의 의미관계를 고려하지 않는 용어집합(bag-of-words) 문제를 해결할 수 있다. 또한 확장된 군집의 중요 용어를 이용하여 문서집합을 재 군집하여 초기 군집을 정제함으로써 군집방법의 성능을 높일 수 있다. 실험결과 제안방법을 적용한 문서군집방법이 다른 문서군집 방법에 비하여 좋은 성능을 보인다.

본 논문은 위키피디아의 외부지식을 이용하여 사용자의 질의를 확장하고, 확장된 질의와 문서집합의 내부구조를 표현하는 의미특징을 이용하여 문서를 요약하는 새로운 방법을 제안한다. 제안된 방법은 사용자의 초기 질의에 위키피디아 기반의 연관 피드백을 적용하여 사용자가 요구하는 요약문장을 추출할 수 있도록 질의를 확장하며, 비음수 분해된 문서의 의미특징을 이용함으로써 문서의 내부 구조를 잘 표현 할 수 있다. 확장된 질의와 의미특징을 이용하여 의미 있는 문장을 추출함으로써 사용자의 요구사항과 제안방법의 요약결과 사이의 의미적 차이를 감소시킨다. 실험결과 제안방법이 기존방법에 비해서 문서요약에 대해 더 좋은 성능을 보인다.

본 논문에서는 이미지 밝기와 명암을 명확하고 객관적으로 평가하기 위한 정규화된 수 표현자를 제안한다. 제안하는 수 표현자는 이미지를 구성하는 각각의 픽셀 데이터 값을 확률밀도함수(PDF)의 가중치로 사용하고 이를 정규화하여 객관적으로 표현되도록 정의되었다. 제안된 정규화 된 이미지 수 표현자는 감마보정 처리 시에 객관적인 감마 값 선택 기준을 제시하므로 적응형 감마보정처리가 가능하다.

본 논문은 MAP (maximum a posterior) 예측기에 기반하여 움직임 보상 예측 오차를 보정해주는 방식의 순차주사화 (de-interlacing) 알고리즘을 제안한다. 먼저, 현재 필드와 인접한 필드 간의 적절한 정합 (registration)을 수행 한 후, 계산된 정합 정보에 기반한 MAP 예측기를 통해 현재 필드에 대응하는 순차 주사 (progressive) 프레임을 찾아낸다. 안정적인 결과를 얻기 위하여 잘 알려진 BTV (bilateral total variation) 기반의 평활화 (regularization) 과정이 추가된다. 한편, 잘못된 정합 정보로 인한 소위 깃털 현상 (feathering artifact)을 억제하기 위하여 블록 단위로 깃털 현상 발생 여부를 판단하여 발생되었다고 판단된 블록 영역에 대해서는 앞서 설명한 MAP기반 순차주사화 대신 에지 방향성에 기반한 공간적 순차주사화를 적용한다. 실험 결과에 따르면, 제안된 기법은 종래 기법들에 비하여 평균 약 4dB의 PSNR 성능 개선을 보이고 있으며, 우수한 주관적 화질을 보여주고 있다.

가정용 캠코더의 보급으로 인해서 손떨림이나 카메라 흔들림을 보상하기 위해 다양한 동영상 안정화 기법들이 연구되고 있다. 동영상 안정화 기법은 초기에 2차원 움직임만을 고려하였지만, 최근에는 3차원 움직임까지 고려하여서 더 좋은 성능을 얻을 수 있게 되었다. 이러한 기법들 중 가장 좋은 성능을 보이는 것으로 알려진 기법이 바로 content preserving warping을 이용한 기법인데 이것은 뛰어난 성능을 보이지만 방대한 연산량이 단점이다. 그래서, 우리는 ROI 측면에서 종래 기술 대비 동등한 화질을 보이면서도 연산량이 적은 full frame warping을 제안한다. 먼저, 목표로 하는 깊이 정보를 바탕으로 관심 영역을 설정하고, 설정된 관심 영역을 기반으로 full frame warping을 수행한다.

본 논문에서는 다시점의 컬러 영상 및 깊이 정보 맵을 효율적으로 압축하는 방법을 제안한다. 제안하는 다시점 컬러 영상과 깊이 정보 맵 압축 방법을 통하여, 컬러 영상과 깊이영상이 각각 동일시점 내에서 화면 간 참조를 수행함은 물론, 확장 시점의 컬러 영상과 깊이 정보 맵이 이웃한 시점의 컬러 영상과 깊이 정보 맵을 각각 참조하는 시점 간 참조를 추가적으로 수행함으로써 부호화 효율을 높일 수 있다. 제안한 방법을 통하여 실험을 수행한 결과 2시점의 경우 컬러 영상은 각 시점의 영상을 시점간 부호화 하지 않은 영상에 비하여 약 55%의 부호화 이득이 있었으며 깊이 정보 맵은 약 12%의 부호화 이득이 있었다. 3시점의 경우에는 컬러 영상에 대하여 바깥 시점은 화면 간 예측 부호화를 하지 않은 영상에 비해 54%, 중간 시점은 56%의 비트를 절약할 수 있었다. 또한, 3시점의 깊이 정보 맵에 대하여 예측 부호화를 하지 않은 영상에 비해 약 11%의 바깥 시점 부호화 성능과 13%의 중간 시점 부호화 성능을 얻을 수 있었다.

본 논문은 커버 영상으로부터 스테고 영상의 검출율을 높이기 위한 개선된 스테그분석 기법을 제안한다. 스테그분석에서 스테고 영상의 검출율을 높이려면 데이터 은닉에 의해 야기되는 작은 변화가 증폭되어야 한다. 이를 위해 본 논문에서는 두 단계의 방법을 통해 커버 영상과 스테고 영상의 특징 벡터를 추출한다. 먼저 스테고 잡음을 두배 이상 확대하기 위해 주어진 영상을 상위 4비트와 하위 4비트로 각각 분해한다. 각 분해된 영상에 대하여 3-레벨 Haar 웨이블릿 변환을 통해 총 12개의 부밴드를 생성하고, 생성된 부밴드에 대하여 동일 스케일 상에서 다른 부밴드 계수간의 동시발생 확률을 구한다. 웨이블릿 영역에서 부 밴드간 계수의 동시발생 확률은 데이터 은닉에 의해 상관성에 영향을 받게 되므로 커버 및 스테고 영상을 구분하기 위한 특징으로 사용될 수 있다. 본 논문에서는 동시발생 확률의 특성함수에 대한 모멘트를 구하여 특징 벡터로 사용한다. 추출된 특징 벡터는 신경망회로망 분류기를 사용하여 커버 영상과 스테고 영상을 학습하고 판별한다. 제안 방법의 성능평가를 위해 S-tool에 의한 LSB 및 COX의 SS, F5 임베딩 방법에 의한 다양한 삽입률의 스테고 영상을 사용하였으며, 실험결과 제안한 기법은 기존의 기법에 비해 비밀 메시지 삽입 유무의 검출율을 향상시킬 뿐만 아니라 판별의 정확도가 높음을 확인할 수 있었다.

본 논문에서는 웨이브렛 영역의 BDIP(block difference of inverse probabilities)와 BVLC(block variance of local correlation coefficients) 특징, 그리고 WPCA(whitened principal component analysis) 분류기를 이용한 질감 분류 방법을 제안한다. 제안된 방법에서는 먼저 질의 영상에 웨이브렛 변환을 적용한다. 그런 다음 웨이브렛 영역의 각 부대역에 BDIP와 BVLC 연산자를 적용한다. 이어서 각 BDIP, BVLC 부대역에 대하여 전역 통계치를 계산하고 그 결과들을 벡터화하여 특징 벡터로 사용한다. 분류 단계에서는 얼굴 인식에 주로 사용되는 WPCA를 분류기로 하여 질의 특징 벡터와 가장 유사한 학습 특징 벡터를 찾는다. 실험 결과 제안된 방법은 3가지의 실험 질감 영상 DB에 대하여 낮은 특징 벡터 차원으로 매우 우수한 질감 분류 성능을 보여준다.

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 장면 간에 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.

Compressive sensing 분야에서 orthogonal matching pursuit (OMP) 알고리듬은 underdetermined 시스템의 스파스 (sparse) 신호를 복구하는 대표적인 greedy 알고리듬으로 많은 관심을 받고 있다. 본 논문에서는 OMP 알고리듬의 반복과정에서 하나 이상의 support들을 선택할 수 있도록 하는 OMP 알고리듬의 일반화된 형태의 generalized orthogonal matching pursuit (gOMP)기법을 제안한다. gOMP가 완벽한 신호 복원을 보장하기 위해 restricted isometry property (RIP)를 이용한 충분조건, ${\delta}_{NK}$ < $\frac{\sqrt{N}}{\sqrt{K}+2\sqrt{N}}$을 제시한다. 실험을 통해 gOMP는 매 반복과정에서 하나 이상의 support들를 선택함으로써 높은 복원 성능과 낮은 복잡도를 가짐을 확인하였다.

본 논문에서는 등간격 선형 배열 센서에서 초점빔형성을 이용한 근접장 거리 추정 시에 방위각 오차의 영향을 극복하기 위하여, 거리 방향 탐색 시에 일정 범위 안의 방위각 오차를 보정하여 추정 성능을 향상시키는 기법을 제안하였다. 방위각 오차는 탐색 거리가 주어졌을 때 경사법을 기반으로 빔형성기 출력값이 최대가 되도록 보정하게 된다. 모의실험 결과를 통해, 제안된 기법이 주엽의 폭보다 작은 방위각 오차를 보정하여 거리 추정 오차를 방위각 오차가 없는 경우와 같은 수준으로 감소시킬 수 있음을 확인하였다.

스니핏(snippet)이란 검색엔진이 사용자에게 제공하는 웹 페이지를 대표할 수 있는 요약된 정보이다. 스니핏은 검색엔진의 페이지 순위와 함께 사용자의 페이지 방문에 큰 영향을 준다. 스니핏을 이용시 가끔 사용자의 의도와는 다른 잘못된 웹 페이지를 방문할 수 있다. 이것은 스니핏을 추출하는 방법이 사용자의 의도를 정확히 이해하는 것이 어렵기 때문이다. 본 논문은 이러한 문제를 해결하기 위해 의사연관 피드백과 퍼지 연관을 이용한 새로운 스니핏 추출 방법을 제안한다. 제안방법은 의사연관 피드백을 이용하여 사용자의 질의를 확장학고, 확장된 질의와 웹 페이지 사이에 퍼지 연관을 이용함으로써 사용자의 의도가 의미적으로 더 잘 포함되는 스니핏을 추출할 수 있다. 실험결과 제안방법이 다른 방법에 비하여서 스니핏 추출에 더 좋은 성능을 보인다.

사이드 스캔 소나 이미지로부터 물체를 인식 및 식별하기 위해서 다양한 세그먼테이션에 관한 연구가 진행되고 있다. 그러나 기존 방법들은 성능은 거의 물체의 그림자 윤곽을 따라가고 노이즈도 특정방법에서는 많이 줄어들지만, 수행시간이 오래결려 실용화하기에는 문제가 있는 것이 현실이다. 본 논문에서는 그림자와 배경을 분리해 내는 세그먼테이션을 시도하는데, 배경의 노이즈의 분포에 대한 특성과 물체의 그림자의 특성을 모폴로지 기법을 이용하여 분석하여 분리해내어 세그먼테이션을 얻어 내었다. 이 방법은 배경만의 특성을 이용하여 적용하였기 때문에 배경의 평균이 그림자보다 낮아도 유용하며, 여러 가지 물체가 존재해도 가능한 방법이다. 또한 수행시간을 1초내로 현격이 줄이는 결과를 도출하였다.

서포트벡터머신 (support vector machine)을 이용한 음성/음악 분류기는 높은 분류 정확도로 주목받고 있으나 많은 계산 량과 저장 공간을 요구하므로 특히 임베디드 시스템과 같이 자원이 제한 적인 경우에는 효율적인 구현이 필수적이다. 특히, 서포트벡터 (support vector)의 차원과 개수에 의해 결정되는 서포트벡터의 저장 공간의 크기는 일반적으로 임베디드 프로세서의 캐시 (cache)의 크기보다 훨씬 크므로 캐시에 존재하지 않는 서포트벡터를 메인 메모리로부터 읽어야 하는 경우가 많다. 메모리에서 데이터를 가져오는 데는 캐시나 레지스터와 비교했을 때 상대적으로 긴 시간과 많은 에너지가 소비되어 분류기의 실행시간과 에너지 소비를 증가시키는 요인이 된다. 본 논문에서는 분류기의 데이터 접근 양식을 보다 시간적 근접성을 가지게 변환하여 일단 프로세서 칩으로 불려진 데이터를 최대한 활용함으로써 메모리의 접근 횟수를 줄여 전체적인 서포트벡터의 실행시간의 단축시키는 기법을 제안한다. 실험을 통해 메모리로의 접근 회수의 감소와 이에 따른 실행시간 그리고 에너지 소비의 감소를 확인하였다.