모바일 환경의 비디오 스트리밍에서 클라이언트들은 작업 부하의 차이가 큰 비디오를 요청할 수 있기 때문에 적응성은 중요한 문제이다. 본 논문에서는 모바일 또는 무선 통신망에서 MPEG-4 비디오 스트림을 효율적으로 전송하기 위해 제한된 대역폭을 스케쥴링하는 기법이 제시된다. 수락 제어 단계에서는 요청된 각 비디오 대역폭이 평균 대역폭 요건에 따라 할당된다. 실제 스케쥴링 단계에서는 클라이언트들의 재생 상황에 더욱 적합한 스케쥴링이 수행될 수 있도록 하기 위해 클라이언트의 버퍼 수준에 따라 대역폭이 동적으로 할당된다. 제시된 RTA(Real-Time Adaptive) 스케쥴링 프로토콜에서는 버퍼 수준이 낮은 클라이언트에게 일시적으로 더 많은 대역폭이 할당될 수 있다. 버퍼 수준에 기반한 스케쥴링 정책을 사용하는 RTA 프로토콜은 일시적인 과부하 영향을 최소화하는 한편 재생시 실시간적 성능을 최대화할 수 있다. RTA 프로토콜의 성능은 다양한 실험을 통하여 측정되었으며 BSBA(Buffer Sensitive Bandwidth Allocation) 프로토콜과 비교한 결과 RTA 프로토콜이 더 많은 수의 프레임들을 전송함으로써 우수한 성능을 가지는 것으로 분석되었다.

알고리즘 시각화는 프로그램의 수행과정에 대한 이해를 용이하게 하여 프로그램의 오류 수정이나 개선에도 효과적으로 이용될 수 있을 뿐 아니라 컴퓨터 교육 분야에서도 폭넓게 활용될 수 있다. 알고리즘과 자료구조의 이해에 있어 알고리즘 자체의 설명보다는 동작과정을 직접 보여주는 시각화 방법이 더욱 바람직하다. 기존의 알고리즘 시각화 방법들은 특정 분야에 한정되어 사용할 수 있거나, 특정 환경이나 애플리케이션을 필요로 하여 폭넓은 분야에서 손쉽게 사용하는데 문제가 있었다. 본 논문에서 제안하는 시스템은 C 언어로 작성된 프로그램에 사용자가 간단한 시각화 명령을 추가하면 이를 자동 변환하여 SVG 애니메이션 코드를 생성한다. 생성된 애니메이션 코드는 웹 브라우저 상에서 실행될 수 있으며 MathML 등과 같은 다른 XML 애플리케이션이나 HTML, 스크립트 등과 결합하여 사용될 수 있다.

HMM(Hidden Markov Model)을 사용하는 어휘 인식 시스템에서 인식 시 훈련 중에 나타나지 않는 모델들로 인해 인식률의 저하를 가져오며 인식 대상 어휘가 변경되거나 추가되면 데이터베이스의 수집과 훈련 과정을 수행하여 모델을 재생성해야 하고 그에 따른 시간과 추가 비용이 초래된다. 본 논문에서는 결정 트리 방법과 모델 공유 방법을 사용하여 효율적인 문맥 종속 프로세스 모델링 방법을 제안하였다. 제안한 방법은 생성된 모델들로부터 모델 공유 방법을 이용하여 모델의 재생성 과정을 줄이고 강인하고 정확한 문맥 종속 음향 모델링을 제공한다. 또한, 모델의 수를 줄이고 훈련 중에 나타나지 않는 모델들에 대해 문맥 종속 유사 음소 모델을 제공하여 훈련 중에 나타나지 않는 모델의 문제점을 해결하고 훈련성을 확보하였다. 제안된 방법으로 6종류의 음성 데이터베이스를 이용하여 어휘 종속 인식과 어휘 독립 인식 실험을 수행한 결과 어휘 종속 인식 실험에서는 98.01%의 성능을 보였고, 어휘 독립 인식 실험에서 97.38%의 성능을 보였다.

본 논문에서는 손가락 면의 영상으로 개인 식별이 가능한지를 실험하고 그 결과를 제시하였다. 이를 위하여 구배치(gradient)를 산출할 수 있는 오퍼레이터인 FFG 마스크(Facet Function Gradient mask)를 사용하고, F-알고리즘이라 명명한 새로운 방법으로 매칭 처리를 하였다. 이 알고리즘에서 손가락 면의 영상을 일정한 크기의 부영역(subregion)으로 나누고, 부영역은 다시 일정한 크기의 패치(patch)들로 나눈다. 각 패치에 같은 크기의 FFG 마스크들을 컨벌루션시키고, 마스크 별로 하나의 수치를 얻는다. 이들 수치를 특징매트릭스(feature matrix)로 삼고, norm에 의하여 동일인 여부를 판정한다. 두 개의 손 영상이 동일인의 것인 경우와 그렇지 않은 경우에 FFG 컨벌루션 수치 차 제곱 총화의 분포를 관찰한 결과 뚜렷한 차별성을 보였다. 이것은 손가락 면 영상의 식별 능력을 입증하는 결과이다. 100명의 손 영상을 5벌씩 촬영한 500장의 영상을 F-알고리즘에 의하여 실험한 결과 95.0%의 개인 식별률을 얻었다. 이러한 식별 능력과 식별률에 비추어 손가락 면(finger face)은 다른 biometric들과 대등한 수준으로 개인 식별을 위한 biometrics의 하나로 손색이 없음을 말할 수 있다

자동차는 발명 초기 형태로 부터 많은 발전과 변형을 거듭하여 현재의 형태에 이르기 까지 인간의 활동 영역을 넓혀 주고 있다. 자동차의 전자 부품중 하나인 정션 박스를 종래에는 사람이 직접 육안으로 검사하여 오판을 하거나 검사의 속도가 느린 문제점이 있었다. 이를 보완하여 빠르고 정확하게 정션 박스 검사를 하기 위하여 비전 시스템(Vision System)을 이용하여 공정을 자동화 하는 방법을 제시하였다. 본 논문은 정션 박스에 삽입된 퓨즈(Fuse)와 릴레이(Relay)의 색상과 표면의 패턴을 검사하여 이상 유/무 및 결함을 자동으로 검사한다. 불량 검출의 성능을 평가하기 위하여 정션 박스를 가지고 시스템의 성능을 평가한 결과, 100%의 인식률을 나타내었고 이를 산업체에 적용하여 신속하고 정확한 검사가 가능함을 보였다.

본 논문에서는 반도체 생산 공정 중 클리닝 공정 설비에서, 웨이퍼의 장착 위치를 인식하는 영상 인식 시스템을 제안한다. 제안한 시스템은 웨이퍼의 위치 이탈에 따른 위치오차 발생 시 이를 클리닝 설비에 전달하여, 웨이퍼 클리닝 장비의 파손을 방지하여 시스템의 신뢰성과 경제성을 높이기 위한 것이다. 시스템의 주요 알고리즘은 카메라에 획득된 영상과 실제 웨이퍼간의 캘리브레이션 방법, 적외선 조명 및 필터 설계, 최소자승법 기반의 원 생성알고리즘에 의한 중심위치 판별법이다. 제안한 시스템은 고 신뢰성과 고 정밀의 위치인식 알고리즘을 사용하여, 효율적으로 웨이퍼 인라인 공정에 설치함을 목표로 하며 실험결과 충분한 허용 기준 내에서 오차를 검출해내는 좋은 성능을 보여준다.

본 논문은 광각 렌즈를 가지는 CCD 카메라에서 왜곡 보정 시 필요한 샘플화소의 좌표들을 자동으로 추출하는 알고리즘을 제안한다. 제안한 방법은 광각 렌즈를 통하여 획득한 왜곡된 영상에 대하여 노이즈를 제거한 후 에지 영상을 구한다. 그 후, 수평 방향과 수직 방향에 대한 히스토그램을 임계치와 비교하여 왜곡 좌표를 추출한다. 이 방법은 광각 CCD 카메라의 출력물에 직접 적용 할 수 있다. 그 결과 제안한 방법은 수작업으로 인한 번거로운 작업과 부정확한 샘플 좌표로 인한 오류 없이 자동으로 샘플 좌표를 추출하고 보정한 결과 영상을 얻을 수 있었다. 또한 렌즈 각과 왜곡 형태에 상관없이 적용 가능함을 확인할 수 있었다.

배경 제거를 위한 많은 연구가 있어왔음에도 기존의 방법들을 실제 환경에 효과적으로 적용하기에는 아직도 많은 어려움이 있다. 본 논문에서는 배경 제거를 실제 환경에 적용하면서 만나게 되는 다양한 문제들을 해결하기 위해 기존의 가우시안 혼합 모델 방법을 개선하는 배경 제거 방법을 제안한다. 첫째로 제안한 방법은 낮은 계산량을 얻기 위하여 고정 소수점 연산을 이용하였다. 배경 모델링 과정은 변수들의 높은 정밀도를 요구하지 않기 때문에 제안한 방법에서는 고정 소수점 변수를 이용함으로서 정확도를 유지한 채 연산 속도를 크게 향상시킬 수 있었다. 두 번째로 보행자들의 높은 통행량 하에서 흔히 발생되는 전경 객체가 배경으로 학습되는 문제를 피하기 위하여 각 화소의 정적인 정도를 이용하여 배경 모델의 학습 속도를 동적으로 조절하였다. 즉 최근 화소 값에 큰 차이가 발생한 화소들은 배경 영역이 아닐 가능성이 높으므로, 이에 대해 낮은 학습 비율을 적용함으로써 높은 통행량을 보이는 영상에서도 유효한 배경 모델을 유지하는 것이 가능했다. 마지막으로 영상의 빠른 밝기값 변화에 대응하기 위하여 연속한 두 프레임 간의 밝기 변화를 선형 변환으로 추정하였으며, 훈련된 배경 모델을 이 선형 변환에 의해 직접적으로 변환시켜 주었다. 제안한 고정 소수점 연산에 의해 기존의 가우시안 혼합 배경 모델링 방법을 구현한 결과 배경 제거에 기존 방법의 약 30%의 연산시간 만을 필요로 하였다. 또한 제안한 방법을 실제 환경의 영상에 적용한 결과 기존의 배경 제거 방법에 비해 검출률이 약 20% 향상되었으며, 오검률은 5~15% 가량 낮아지는 것을 확인하였다.

간이식 수술을 함에 있어서 간 내부의 혈관의 형태를 알고 시작하는 것이 수술의 성공률을 매우 높일 수 있다. 본 논문은 조영제를 투여한 정상 환자의 복부 MDCT를 이용하여 얻어진 영상을 다른 여러 장기부분은 제거하고 간 영상만을 추출한 후 간 내의 혈관들의 기본형태를 파악하여 몇몇 구조단위들을 만들고 Morphological filtering을 이용하여 주요 혈관인 좌, 우, 중간정맥을 찾아낸다. 중간정맥을 기준으로 간 실질을 절단하여 절단된 부분의 크기를 예측하고 수술전에 전체 상황을 파악하기 위한 연구이다. 간의 추출 방법은 명암값의 범위와 분포 샘플링 과정에 의한 명암값 분포비율을 가지고 배경과 근육층을 제거하였다. 간의 대략적인 위치 정보와 몸통의 위치정보를 이용하여 단위 매쉬영상과 일치되는 영상을 찾은 후 결과 영상을 조합하고 8방향 연결성을 이용하여 확장하고 화소간의 채우기 과정을 거쳐 최종적인 간영상을 추출하였다. 추출된 간 영상에서 간 영역의 특징적인 명암값과 다양한 구조단위를 가지고 Morpological Filtering을 수행 한 후 나타난 결과들을 조합하여 만들어진 영상에서 각 슬라이스 별로 크기순으로 큰 부분들을 남겨두어 굵은 혈관만을 추출하였다. 추출된 영상들을 3D로 구성 시 자연스럽게 보여지도록 인터폴레이션을 수행한 후 3D Reconstruction 을 수행하여 3D 형태의 간 혈관을 보고 중간 정맥을 파악하여 간 실질의 절단 위치를 예측하게 된다. 절단되어진 간 실질의 크기를 확인하고 계산에 의하여 수술 성공 가능성을 파악할 수 있다.

홍채 인식은 고유한 홍채 패턴을 이용하여 신원을 확인하는 생체 인식 기술이다. 일반적으로 홍채인식에서 는 홍채 직경이 200 화소(pixel) 이상 되는 고해상도 홍채 영상을 사용하며, 이런 경우 인식률 감소 없이 정확한 홍채 인식 결과를 얻는다고 알려져 있다. 이를 위해 기존의 홍채 인식 시스템들은 줌렌즈 카메라를 사용하지만, 이러한 카메라는 홍채 인식기의 가격과 크기를 증가시키는 요인이 된다. 이러한 문제를 해결하기 위하여 본 연구에서는 줌렌즈 카메라의 사용 없이 저해상도로 취득된 홍채 영상에서의 인식 정확도를 향상할 수 있는 방법을 제안한다. 본 연구에서는 기존의 방법과 비교하여 다음과 같은 두 가지 장점을 갖는다. 첫째, 기존의 연구에서는 홍채 직경이 200 화소 이하인 저해상도 영상에서의 홍채 인식 성능 감소에 대한 정량적 분석이 진행된 바 없다. 본 연구에서는 홍채 영상의 초점 정도, 눈꺼풀 및 속눈썹 가림 정도의 영향을 배제하고, 홍채 영상의 크기 변화에 따른 인식율의 저하정도를 정량적으로 파악하였다. 둘째, 한 장의 저해상도 홍채 영상을 고해상도 영상으로 복원하기 위해 홍채 영역의 에지 방향에 따라 개별적으로 다르게 학습된 다중 다층 퍼셉트론을 적용함으로써, 복원된 영상에서의 인식 정확도를 향상시켰다. 원 영상대비 6%만큼의 크기로 축소한 저해상도 홍채 영상을 고해상도 영상으로 복원한 결과, 제안하는 방법에 의한 홍채 인식의 EER이 기존의 이중선형보간법에 의한 EER보다 0.133% (1.485% - 1.352%) 만큼 감소됨을 알 수 있었다.

본 논문에서는 디지털 합성 이미지에서 보간이 발생한 영역을 검출할 수 있는 새로운 디지털 위변조 검출 알고리즘을 제안한다. 첫 번째 알고리즘에서는 차분 방정식을 이용하여 각 수평, 수직, 그리고 대각선 방향에 대하여 이미지의 확대 또는 축소의 보간 여부를 증명할 수 있는 보간 계수를 측정하였다. 두 번째 알고리즘에서는 보간이 발생한 영역의 위치를 검출하기 위하여 $64{\times}64$ 픽셀 크기의 마스크 블록을 각 방향에 대하여 적용하였고, 각 블록에서 측정된 보간 계수의 크기를 색상별로 분류하여 위변조 검출 맵을 구성하였다. 위변조 검출 맵은 디지털 위조 이미지로부터 보간 영역을 판별할 수 있는 검출 도구로 사용되었다. 제안 알고리즘은 디지털 합성 이미지를 대상으로 실험하였고, 실험 결과 보간 연산이 발생한 영역과 그렇지 않은 영역을 정확하게 검출할 수 있었다.

인터넷을 이용하는 패션/코디 쇼핑몰은 그 시장이 매년 큰 폭으로 증가하고 있다. 온라인 패션 쇼핑몰들은 매출을 증가시키기 위하여 신상품을 눈에 잘 띄는 곳에 배치하거나, 모델을 도입하여 상품을 돋보이게 표시하는 등 많은 노력을 기울이고 있다. 그러나, 온라인 패션 쇼핑몰에서 판매하는 다양한 상품들에 대하여 상의와 하의의 어울리는 정도를 자동으로 계산하여 표기할 수 있다면, 오프라인에서의 점원에 의한 추천을 대신하여 사용자들의 연계 구매가 한층 편리할 것으로 기대된다. 본 연구에서는 여성복의 패션 코디네이션 쇼핑몰 구축 시, 내용 기반 필터링 방식(Content-based filtering)의 기계학습을 이용하여 상의와 하의의 어울리는 정도를 자동 계산하여 추천해주는 시스템을 설계하고 구현하였다.

콘텐츠 추천 시스템은 콘텐츠에 대한 사용자의 선호도를 예측하고, 예측된 선호도가 높은 콘텐츠를 추천하는 시스템을 말한다. 디지털 식별자는 디지털 네트워크 환경에서 추상적인 작품(Work)이나 디지털 형태로 제작된 콘텐츠 등을 식별하는 역할을 한다. 디지털 식별자는 콘텐츠 추천 시스템에서 주로 이용되는 내용기반여과 기법과 협업여과 기법에서 효과적으로 활용될 수 있다. 본 논문에서는 UCI 국가표준 디지털 식별자를 대규모 콘텐츠 추천 분야에 효과적으로 활용할 수 있도록 기존 UCI 메타데이터를 확장하고 변환서비스를 개선하는 방안을 제시한다. UCI 메타데이터의 개선은 콘텐츠 추천에 필요한 요약, 키워드, 장르, 연령구분, 평점, 리뷰 항목을 추가하는 것이며, 변환서비스의 개선은 결과페이지에 콘텐츠에 대한 선호도 정보를 입력하는 부분을 포함함으로써 콘텐츠에 대한 선호도 정보를 수집할 수 있도록 하는 것이다. 개선된 UCI를 운용하는 시스템을 설계하고 구현함으로써 본 논문에서 제안한 개선 방안이 콘텐츠 추천에 활용될 수 있음을 보인다.