• Proceedings of the Korean Society of Computer Information Conference
• /
• 2009.01a
• /
• pp.237-240
• /
• 2009

감시 시스템은 지역의 특성에 따라 다양한 환경 및 설치 조건을 가지게 되며, 지능적 처리 요구에 따라 객체 분류를 필요로 한다. 본 논문에서는 검출된 객체로부터 특징 정보의 자율적 추출 및 학습을 이용하여 객체를 분류하기 위한 방안을 제시하고자 한다. 다양한 환경 및 설치 조건에서도 감시 시스템의 입력과 처리에 대한 추가적 보정 과정이 필요하지 않으며, 연속적으로 입력되는 객체의 형태와 움직임 정보를 효과적으로 활용하여 객체의 특징 추출 및 분류가 가능하게 된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.166-168
• /
• 2012

바이오 문헌으로부터의 의미 있는 객체 추출 및 상호작용 관계 추출은 수 많은 바이오 문헌으로부터 유용한 정보를 얻기 위한 필수적인 과정이다. 특히 문헌으로부터 유전자 또는 단백질 이름과 같은 바이오 객체를 정확하게 인지하는 것은 새로운 객체인식의 어려움과 객체를 찾기 위한 특징 패턴의 다양성으로 인해 도전적인 과제로 남아있다. 본 논문에서는 전처리 과정을 거친 문헌 데이터로부터 12개의 의미 있는 속성들을 선택하였다. 선택된 속성에 데이터마이닝 기법중 하나인 속성 추출 기법을 적용하여 객체를 분류하는데 있어 의미 있는 속성들을 추출하였다. 특징 추출 방법과 분류 알고리즘이 분류 성능에 미치는 영향을 평가하기 위해 각 방법의 정확도를 사용하여 분류 성능을 비교였으며, Gain Ratio Attribute Evaluation과 Symmetrical Uncertainty Attribute Evaluation 기법에 의해 추출된 속성이 가장 정확한 분류 성능을 보여주었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06b
• /
• pp.370-372
• /
• 2006

본 논문에서 제안하는 방법은 영상에서 중심 객체를 추출하기 위해 에지와 색상 정보에서 추출한 특집 지도와 배경의 영향을 줄이기 위친 창조 지도(reference map)를 제안한 것이 특징이다. 특징 지도는 다른 영역과 현저하게 구분되는 영역을 검출하기 위해서 영상의 특징 값(feature)들을 이용해서 구성한 영상이라고 할 수 있다. 그리고 창조 지도는 배경의 영향을 최소화하면서, 객체가 존재할 확률이 높은 부분을 나타내는 지도이다. 제안하는 방법은 밝기 차 정보를 가지고 있는 에지와 YCbCr 컬러모델과 HSV 컬러모델의 색상 성분을 특징 값으로 사용한다. 이들 특징 값을 이용해서 특징 지도를 구성하는 방법으로 영상 내 색상 차에 의해서 나타나는 경계부분을 구하는 방법을 사용한다. 이 방법을 사용하여 에지 지도와 두 개의 색상 지도의 3가지 특징 지도를 생성한다. 다음으로, 영상 배경의 영향을 줄이기 위해 참조 지도를 구한다. 구해진 참조 지도와 특징 지도들을 이용해서 결합 지도(combination map)를 생성한다. 결함 지도로부터 다각형의 객체 후보 영역을 구하고, 객체 후보 영역에 영상분할을 적용하여 중심 객체를 추출한다. 실험에 사용된 영상들은 Corel DB를 사용하였으며, 실험결과로써 precision은 84.3%, recall은 81.3%의 성능을 보인다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2004.05a
• /
• pp.656-659
• /
• 2004

최근 많은 연구에서, 동일한 영상그룹들로부터 추출된 저수준의 특징들을 이용해서 고수준의 정보를 분석한 뒤, 이를 이용해서 영상을 분류하는 방법들을 소개하고 있다. 이러한 연구는 CBIR의 인덱싱에서 저수준의 특징만을 사용할 때 발생하는 의미적인 차이(semantic gap)문제를 해결하여, 검색의 효율을 높일 수 있게 한다. 하지만 이들 연구는 대부분 전경(scenery)영상만을 대상으로 하고 있다. 한편 영상을 객체 단위로 다루는 것은 CBIR의 성능을 크게 향상 시킬 수 있는 요인이 된다. 왜냐하면 대부분의 사용자는 관심있는 객체가 포함된 영상을 검색하기 원하기 때문이다. 본 논문에서는 영상의 객체를 인공객체와 자연객체로 분류하는 방법을 제안한다. 인공객체의 경우 자연객체에 비해 상대적으로 직선형태의 에지가 많이 발견되며 객체를 구성하는 패턴이 규칙적이고 방향성을 가진다. 또한 인공객체는 자연객체에 비해 객체영역의 경계가 직선에 의한 단순한 형태로 나타난다. 이러한 특징들을 EDH(edge Direction Histogram)의 에너지, EDAS(Energy Difference of Adjacent Sector)와 가버 필터를 통해 추출하여 분류에 이용한다. 실험을 통하여 각 특징들을 개별적으로 사용해서 76%에서 84% 사이의 분류 정확성을 얻었으며, 제안한 머징 방법을 이용하여 최종적으로 약 90%의 정확성으로 분류하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.128-132
• /
• 2001

본 논문에서는 객체가 포함되어 있는 칼라 영상들의 집합으로부터 유사한 시각적 특징을 가진 캑체를 공통적으로 포함하는 영상들을 추출하여, 전체 영상들을 소수의 그룹으로 묶을 수 있는 방법을 제안한다. 먼저 영상에 포함된 객체는 주로 영상의 내부 위치에 나타난다는 사실에 착안하여, 영상의 경계와 접하지 않는 비경계 영역들을 병합하여 객체가 포함된 영역으로 간주한다. 그러나, 병합된 내부 영역에는 객체가 아닌 영역들도 포함하고 있을 수 있으므로, 칼라 히스토그램만을 이용하여 내부 영역에 대한 특징으로 이용한다. 이러한 내부 영역의 칼라 특징들이 분포하는 형상을 분석하여 밀집도가 높은 클러스터를 그룹으로 추출한다. 이때, 밀집도는 일반적으로 사용하는 공간적인 분포 대신에 히스토그램 인터섹션에 의한 유사도를 이용하여 정의한다. 즉, 서로 유사도가 놓은 것들이 집중되어 분포되어 있는 경우에 밀집도가 높은 클러스터로 간주하여 추출하는 방법을 사용한다. 클러스터의 형상 및 개수를 자동적으로 결정할 수 있는 방법도 제안한다. 실험에 의해, 추출한 클러스터의 칼라 영상들이 동일한 객체를 포함하고 있음을 알 수 있었으나, 향후 보다 안정화된 방법의 개발이 필요하다. 아울러, 클러스터별로 객체의 의미를 부여할 수 있는 방법론의 개발도 필요함을 알 수 있었다.

• The Journal of the Korea Contents Association
• /
• v.16 no.8
• /
• pp.395-403
• /
• 2016

Recently, Image processing has been used in many areas. In the image processing techniques that a lot of research is tracking of moving object in real time. There are a number of popular methods for tracking an object such as HOG(Histogram of Oriented Gradients) to track pedestrians, and Codebook to subtract background. However, object extraction has difficulty because that a moving object has dynamic background in the image, and occurs severe lighting changes. In this paper, we propose a method of object extraction using depth image and color image features based on ROI(Region of Interest). First of all, we look for the feature points using the color image after setting the ROI a range to find the location of object in depth image. And we are extracting an object by creating a new contour using the convex hull point of object and the feature points. Finally, we compare the proposed method with the existing methods to find out how accurate extracting the object is.

• Annual Conference of KIPS
• /
• 2015.10a
• /
• pp.1442-1445
• /
• 2015

본 논문은 SAR 영상에서 객체를 추출하는 새로운 방법으로 특징점 기반 분할 히스토그램 기법을 제안한다. 제안하는 방법은 영상 히스토그램에서 객체로 추정될 수 있는 영역을 세밀하게 추출하기 위해 영상에서 특징점을 추출한 후, 특징점의 밝기를 기준으로 히스토그램을 분할한다. 분할 히스토그램이 배경과 객체 성분을 모두 포함하고 있을 경우 해당 영역의 혼합 확률밀도함수가 교차되는 임계점을 계산한다. 계산된 임계점을 기준으로 현재 영역이 전체 영상에서 차지하는 비율을 비교하여 배경과 객체 여부를 판단한다. 제안하는 방법은 무인 감시 정찰 시스템 등 다양한 응용 기술에 활용될 수 있을 것으로 기대한다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.43 no.5 s.311
• /
• pp.12-21
• /
• 2006

In this paper, we propose a technique for extracting attentive objects in images using feature maps, regardless of the complexity of images and the position of objects. The proposed method uses feature maps with edge and color information in order to extract attentive objects. We also propose a reference map which is created by integrating feature maps. In order to create a reference map, feature maps which represent visually attentive regions in images are constructed. Three feature maps including edge map, CbCr map and H map are utilized. These maps contain the information about boundary regions by the difference of intensity or colors. Then the combination map which represents the meaningful boundary is created by integrating the reference map and feature maps. Since the combination map simply represents the boundary of objects we extract the candidate object regions including meaningful boundaries from the combination map. In order to extract candidate object regions, we use the convex hull algorithm. By applying a segmentation algorithm to the area of candidate regions to separate object regions and background regions, real object regions are extracted from the candidate object regions. Experiment results show that the proposed method extracts the attentive regions and attentive objects efficiently, with 84.3% Precision rate and 81.3% recall rate.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2007.06a
• /
• pp.149-152
• /
• 2007

비전 연구에 있어서 객체 추적은 무엇보다도 중요시 되어 왔다. 특히 비디오 감시 시스템에서의 객체 추적은 매우 중요하다. 본 논문에서는 영상 내에서 움직이는 객체를 추출하고 객체내의 다중 후보블록의 통계적 특징을 이용한 추적 시스템을 구성하였다. 객체를 추적하기 위해서는 먼저 움직이는 객체 추출이 선행되어야 한다. 객체 추출은 영상 내에서 배경 프레임과 매 프레임에서의 현재 프레임간의 차 연산에 의한 가중치를 이용하여 객체의 움직임을 판단하고 추출하였다. 움직이는 객체는 본 논문에서 제안한 다중 후보 블록 알고리즘을 수행하여 추적에 필요한 통계 값을 획득한다. 통계 값으로는 방향성에 필요한 블록의 중심 좌표 값과 객체추적에 필요한 객체간의 매칭 정도를 사용하였다. 본 논문에서 제안한 추적 시스템은 민감한 빛의 변화에도 강건하였으며, 특정 블록에 대해서만 연산 수행을 수행하므로 컴퓨터의 연산을 줄여 실시간 추적도 가능하다.

• Annual Conference of KIPS
• /
• 2002.11a
• /
• pp.767-770
• /
• 2002

영상 검색의 수행 방법으로 사람의 시각 시스템의 특성을 기반으로 웨이블릿 변환의 고주파수 에너지와 형태학적 필터링을 이용하여 분할된 객체의 효과적인 특징 추출을 통한 계층적인 검색 시스템을 제안한다. 영상 고유의 특징을 얻기 위해 객체의 형태 정보와 질감(texture) 방향성 및 칼라 정보를 이용한다. 본 논문에서는 객체의 형태 정보의 추출을 위하여 사용자의 질의(query)영상에서 객체의 윤곽선의 편각차분 변동율에 의한 형태 특징 벡터를 추출하고 GLCM (Gray Level Co-occurrence Matrix)의 Contrast를 질감 특징으로 추출한다. 이들 두 특징을 이용하여 1차 분류 과정을 거치고 2차 검사에서는 보다 정확한 검색을 수행하기 위하여 1차로 분류된 후보영상들에 대하여 세부 정보인 칼라 정보를 기반으로 유사도를 측정함으로써 유사한 칼라와 형태를 가지는 영상뿐만 아니라 칼라가 다른 유사한 영상에도 효율적인 검색 성능을 보였다.