• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.165-169
• /
• 2001

본 논문에서는 텍스쳐가 포함된 칼라 영상으로부터 텍스쳐에 무관하게 영역을 분할할 수 있는 방법을 개발하였다. 빠른 처리를 위해 영상을 블록 단위로 쪼개고 블록의 경계 성분값(H)을 계산하여 영역 분할에 이용할 수 있도록 하였다. M값은 객체의 경계에서는 높은 경계 강도를 갖지만 영역 내부나 텍스쳐 경계에서는 상대적으로 낮은 경계 강도를 갖도록 정의되었다 영상 분할을 위해 M값으로 표현된 M영상으로부터 Watershed를 이용해 경계 위치를 결정하고 닫혀진 형태로 경계가 표현될 수 있도록 하였다. 그런데 Watershed 방법은 과잉 분할 결과를 초래하므로 인접 영역 사이의 공유 경계에 대한 강도와 영역 내부의 칼라 분포 특성을 이용하여 영역을 병합함으로써 객체 경계처럼 중요한 변화가 발생되는 영역 단위의 최종 영상 분할된 결과를 얻을 수 있도록 하였다. 본 논문에서 제안한 방법은 MPEG4나 내용기반검색을 위한 영역분할에 유용하게 적용될 수 있을 것이다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2010.04a
• /
• pp.72-75
• /
• 2010

본 논문에서는 열탄점소성 손상과 접촉 문제의 효율적인 해석을 위하여 적응성 영역/경계 분할법을 제안하였다. 적응성 영역/경계 분할법은 시간 증분 또는 반복 기법 단계에서 열탄점소성 손상과 같은 재료 비선형성을 감안하여 부영역을 재설정하며, 접촉에 따른 경계 비선형성은 경계면을 통하여 부영역으로부터 독립적으로 분할한다. 분할된 각각의 부영역과 경계면을 기준으로 유한요소 정식화를 수행하며, 공유면 및 접촉 공유면의 연속 구속 조건을 처리하기 위하여 벌칙 함수 기법을 적용하였다. 결과적으로 재료 및 경계 비선형성은 일부 부영역과 접촉 경계면에서 계산되는 유한요소 행렬에 국한된다. 수치 실험을 통하여 적응성 해석 알고리듬의 기본적인 특성과 효율성 향상에 대하여 분석하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.449-451
• /
• 2000

본 논문에서는 내용기반 이미지 검색 시스템을 제작하기 위하여 필수적으로 선행되어야 하는 이미지의 영역구분에 대한 새로운 방법인 경계값을 이용한 영역추출 방법을 소개한다. 빠르고 정확한 이미지 검색엔진을 구현하기 위하여 질의의 결과가 될 이미지들은 전처리기에 의하여 모든 영역을 추출한 뒤 각각의 영역에 따른 특성(feature)를 저장하고 있어야 한다. 정확한 질의 결과를 얻기 위하여는 정확히 영역을 추출할 수 있고 그 특성도 추출할 수 있는 전처리기를 사용하여야 한다. 또한 정확도만을 중시하여 너무 복잡한 알고리즘을 사용한다면 그 또한 실용적이지 못하게 된다. 경계값을 이용한 영역추출 방법은 이미지의 각 점에 대한 경계값(edge value)을 이용하여 그 경계값이 작은 점으로부터 시작하여 경계값이 큰 점들을 병합해 가면서 인접한 영역간의 크기, 색상 등을 고려하여 각각의 영역을 구분해 낸다. 이 방법의 가장 큰 특징은 텍스쳐(texture)를 제외한 일반적인 영역뿐 아니라 텍스쳐 포함하는 영역도 추출할 수 있는 점과 빠른 처리 속도에 있다.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2009.04a
• /
• pp.43-46
• /
• 2009

열탄성 부영역, 열탄점소성/손상 부영역, 공유면, 접촉 공유면에 기반을 둔 영역/경계 분할법을 적용하여 재료 비선형성을 갖는 열탄점소성 손상 문제와 경계 비선형성을 갖는 접촉 문제의 효율적인 해석을 제안하였다. 영역 및 경계 분할에 관련된 공유면 및 접촉 공유면에서의 연속 구속 조건을 처리하기 위하여 간단한 벌칙 함수 기법을 적용하였다. 결과적으로 재료 및 경계 비선형성은 소수의 부영역과 접촉 경계면에서 계산되는 유한요소 행렬들에 국한된다. 따라서 적절한 해석 알고리듬을 구성하면 대폭적인 효율성 향상이 가능하게 된다. 대변형과 같은 기하학적 비선형성은 고려하지 않았으며, 간단한 수치 실험을 통해서 열탄점소성 손상 및 접촉 해석의 효율성에 관련된 기본적인 특성을 분석하였다.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.381-384
• /
• 2001

본 논문에서는 경계영역을 잘 보존할 수 있는 움직임 추정기법을 제안하였다. 고정크기 블록으로 움직임 추정시 생길 수 있는 경계영역에서의 왜곡은 인간의 시각에 민감하게 작용할 수 있다. 제안한 움직임 추정기법은 고정크기 블록기반으로서 기본적으로 MAD(Mean Absolute Difference)가 최소가 되도록 하는 동시에 영상의 경계값과 복잡도를 이용하여 경계부분에서 일어나는 시각적인 왜곡을 줄일 수 있도록 하였다. 제안한 움직임 추정기법은 기존의 경계영역 보존 기법에 비해 직관적 성능 및 주관적 차질이 향상됨을 모의 실험결과로부터 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.01a
• /
• pp.29-31
• /
• 2020

제안된 방법은 외막의 경계선을 추출하기 위해 Max-Min 이진화를 적용하여 외막을 추출 한 후에 삼각 함수의 각도 값을 이용하여 외막의 경계점을 추출한다. 추출한 경계점들을 Bezier Curve 기법을 적용하여 외막의 경계점들을 연결하여 외막의 경계선을 추출한다. 그리고 내막 영역을 추출하기 위해 외막 영역을 ROI 영역으로 추출한다. 추출된 ROI 영역을 오목 파라볼라 기법을 적용하여 내막의 영역을 강조한다. 내막영역이 강조된 ROI 영역에 평균 이진화를 적용하여 내막의 영역을 추출한다. 추출된 영역에서 잡음을 제거하기 위해 내막 영역만 Labeling 기법을 적용한다. 제안된 방법을 IVUS 영상을 대상으로 실험한 결과, 내막과 외막간의 포함관계의 정도에 따라 환자의 수술 여부 결정에 대한 외막과 내막의 각 넓이 정보를 개관적으로 제공할 수 있는 가능성을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2017.01a
• /
• pp.9-12
• /
• 2017

본 논문에서는 어깨 초음파 영상을 분석하여 인대 손상(Tear) 영역을 추출하는 방법을 제안한다. 제안된 방법은 초음파 영상에서 ROI(Region of Interest) 영역을 추출하고 추출된 ROI 영역에서 사다리꼴 형태의 소속 함수를 적용한 퍼지 스트레칭 기법을 이용하여 명암 대비를 높인다. 명암 대비가 조정된 ROI 영역에서 밝기 평균 이진화 기법을 적용하여 ROI 영역을 이진화한다. 이진화가 적용된 ROI 영역에서 워터쉐드 기법을 적용하여 연골과 힘줄의 후보 영역들을 추출한다. 추출된 연골과 힘줄의 후보 영역들 중에서 위에서 아래로 스캔하여 수평 너비가 가장 큰 영역에 해당하는 힘줄 영역의 상단 경계선을 추출한다. 그리고 아래에서 위로 스캔하여 수평 너비가 가장 큰 영역의 상단 경계에 스플라인 곡선을 적용하여 연골 영역의 상단 경계선을 추출한다. 힘줄 영역의 상단 경계선과 연골 영역의 상단 경계선 양 끝에 2차 함수 곡선을 적용하여 곡선 사이의 양자화할 영역을 추출한 후, SOM 기법을 적용하여 인대 손상 후보 영역을 양자화한다. 양자화된 인대 손상 후보 영역을 분석하여 어깨 힘줄의 손상 영역과 비손상 영역을 구분하고 인대 손상(Tear) 영역을 추출한다. 제안된 방법을 어깨 힘줄이 있는 초음파 영상을 대상으로 실험한 결과, 인대 손상(Tear) 영역이 비교적 정확히 추출되었다.

• Journal of the Korea Society of Computer and Information
• /
• v.12 no.3
• /
• pp.105-113
• /
• 2007

In this paper, an image segmentation method which is based on edge salience map and region merging is presented. The edge salience map is calculated by combining a texture edge map with a color edge map. The texture edge map is computed over multiple spatial orientations and frequencies by using Gabor filter. A color edge is computed over the H component of the HSI color model. Then the Watershed transformation technique is applied to the edge salience map to and homogeneous regions where the dissimilarity of color and texture distribution is relatively low. The Watershed transformation tends to over-segment images. To merge the over-segmented regions, first of all, morphological operation is applied to the edge salience map to enhance a contrast of it and also to find mark regions. Then the region characteristics, a Gabor texture vector and a mean color, in the segmented regions is defined and regions that have the similar characteristics, are merged. Experimental results have demonstrated the superiority in segmentation results for various images.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.92-93
• /
• 2016

정확한 변위정보를 추정하기 위해 다양한 비용 값 계산함수 또는 비용 값 합산 방법들이 개발되었다. 본 논문에서는 비용 값 계산을 위해 좌, 우영상의 기울기와 SAD(Sum of Absolute Differences)를 이용하며 비용 값 합산을 위해 가이드 영상 필터링을 사용한다. 가이드 영상 필터링은 가이드 영상의 종류에 따라 필터링결과가 크게 변하게 되는데, 스테레오 정합에 사용된 원본 입력 영상을 가이드 영상으로 사용할 경우 정확한 화소 값을 가지고 있기 때문에 경계영역을 보존하며 필터링 수행이 가능하다. 하지만 가이드 필터링은 가이드 영상으로부터 미리 지정해준 이웃한 화소와의 거리와 색상차이의 분산 값만을 고려하여 필터링을 수행하기 때문에 설정 변수 값에 매우 의존적인 특성을 갖는다. 가이드 필터링 과정에서 변수에 대한 의존성을 낮추고 경계영역의 정확도를 높이기 위해 우선 평활화 필터를 이용하여 경계영역을 추출한다. 원본 입력영상을 사용하여 경계영역을 추출할 경우 객체 내부의 많은 텍스처 영역의 정보까지 추출되지만, 평활화 필터를 이용할 경우 정확한 경계 영역의 정보만을 추출 할 수 있다. 추출된 경계영역에 대해서만 높은 가중치를 사용한 뒤 기존의 가이드 영상 필터링과 혼합하여 최종 비용 값을 합산한다. 제안한 방법을 사용하여 경계영역의 정확도가 향상된 최종 변위 지도를 획득할 수 있었다.

• The KIPS Transactions:PartB
• /
• v.16B no.4
• /
• pp.271-280
• /
• 2009

In this paper, we propose a smoke detection method using region growing method in outdoor video sequences. Our proposed method is composed of three steps; the initial change area detection step, the boundary finding and expanding step, and the smoke classification step. In the first step, we use a background subtraction to detect changed areas in the current input frame against the background image. In difference images of the background subtraction, we calculate a binary image using a threshold value and apply morphology operations to the binary image to remove noises. In the second step, we find boundaries of the changed areas using labeling algorithm and expand the boundaries to their neighbors using the region growing algorithm. In the final step, ellipses of the boundaries are estimated using moments. We classify whether the boundary is smoke by using the temporal information.