• 한국공간정보시스템학회:학술대회논문집
• /
• 2005.05a
• /
• pp.273-278
• /
• 2005

전정색영상과 달리 컬러영상에서 개체를 추출할 경우 밴드별 분광특성을 이용하여 특정지물을 효과적으로 인식할 수 일고 밝기값만으로 구별해낼 수 없는 개체를 추출할 수 있는 장점이 있다. 본 연구에서는 컬러영상에서 지형지물을 추출하기 위해 컬러정보를 이용하여 경계를 추출하는 연구를 수행하기 위해 일반적으로 사용하는 RGB 색체계가 아닌 CIEL*Ch 색체계로 변환한 후 L*에서 경계를 추출하고 C, h값으로 특정지물을경계를 추출하는 기법으로 컬러영상의 경계를 추출하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10a
• /
• pp.317-320
• /
• 2000

경계선 추출(edge detection)은 영상처리 및 인식 분야의 여러 응용분야에서 쓰이는 중요한 전처리과정 중 하나이다. 경계선이란 두 영역 사이의 경계에 위치한 점들[12]을 말하며, 경계선 추출은 영상 속에 위치한 이런 경계점들을 찾는 작업을 말한다. 경계선 추출 방법에 대해서는 많은 연구가 진행되어 왔지만 사물의 실제 경계선을 정확히 추출해내는 것은 여전히 어려운 문제로 남아있다. 이에 본 논문에서는 인간의 시각 정보처리 방법을 기존 문헌을 통해 분석하고 이를 기반으로 한 경계선 추출 모형을 제안한다. 제안된 모형은 기존의 수학적인 시각 모형에서 불가피하게 제외되는 시각 특징 및 인간의 시각기관의 특징을 포함할 수 있을 것으로 기대된다.

• Proceedings of the KSRS Conference
• /
• 2006.03a
• /
• pp.173-177
• /
• 2006

고해상도의 위성영상이 수집됨에 따라 이에서 지형지물을 자동 추출하려는 분야가 점차 중요해지고 있다. 지형지물을 수작업을 거치지 않고 추출하는 방법의 연구 중에서는 지형지물의 경계추출을 기반으로 하는 방법이 많이 이용된다. 그러나 일반적으로 추출된 지형지물 경계의 선형이 왜곡된 형태를 갖으며, 지형지물의 실제 경계의 형태와는 다소 차이가 있는 결과를 보인다. 이 연구에서는 선형이 굴곡이 있는 지형지물 중 건축물의 경계를 인접한 도로 정보를 이용하여 실제의 경계 형태에 가깝게 보정하는 방법을 검토하였다. context 정보로서 이것을 이용한다면 블록 내의 건축물의 경계를 보다 규칙적으로 정비할 수 있을 것이다. 이 연구에서는 이러한 전제를 가지고 도로로 분할된 블록 내 건축물 경계를 도로의 방향을 기반으로 보정하는 방법을 제안하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.616-618
• /
• 2002

본 논문에서는 음성인식 성능을 높이기 위한 기본적 단계인 음성과 비음성 부분의 경계를 추출하는 음성 경계 추출 방법을 제안한다. 음성경계 추출을 위한 특징들로는 시간영역 분할 파라미터인 ZCR, MA를 사용하고 주파수 영역 분할 파라미터로 주파수 대역 파워 에너지 (Frequency band power energy), 포만트 계수 (Formant coefficient)를 사용하였고 각 파라미터들을 이용하여 음성 경계를 결정할 때 경험에 의해 임계치를 결정하는 단점을 보안하기 위해서 신경망을 이용한다. 신경망의 가중치와 임계치들은 지도 학습을 통해 최적화 되고, 학습을 통해 구성된 망을 음성과 비음성의 경계치 구분에 사용한다.

• 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 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 Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.484-486
• /
• 2000

일러스트레이션은 물체를 표현하는 최소한의 특징만을 가지고 사물을 표현하는 방법이다. 이를 자동화한 많은 연구들은 주로 많은 스트록을 이용하여 실제와 유사한 일러스트레이션 결과를 생성하고자 하였다. 본 연구는 물체의 특징만을 표현할 수 있는 적은 스트록을 이용하여 일러스트레이션을 생성하는데 목적을 둔다. 이를 위해 우리는 이전 연구[1]에서 간단히 추출된 경계선과 두 가지 스트록 모핑기법을 제시하였다. 본 논문에서는 물체의 특징을 표현하기 위해 유용한 경계선 추출 방법을 제시한다. 정확한 경계선의 추출은 스트록과 더불어 최종 일러스트레이션 결과에 많은 영향을 미친다. 경계선 추출 방법과 이전 논문의 스트록 모핑 방법을 이용한 일러스트레이션 결과는 본 논문의 실험결과로 주어졌다.

• Journal of the Institute of Electronics Engineers of Korea CI
• /
• v.39 no.3
• /
• pp.44-52
• /
• 2002

In this paper, we present an analytical method for decision boundary feature extraction for neural networks. It has been shown that all the features necessary to achieve the same classification accuracy xxxas in the original space can be obtained from the vectors normal to decision boundaries. However, the vector normal to the decision boundary of a neural network has been calculated numerically using a gradient approximation. This process is time-consuming and the normal vector may be inaccurately estimated. In this paper, we propose a method to improve the performance of the previous decision boundary feature extraction for neural networks by accurately calculating the normal vector When the normal vectors are computed analytically, it is possible to reduce the processing time significantly and improve the performance of the previous implementation that employs numerical approximation.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2017.11a
• /
• pp.84-87
• /
• 2017

주변 픽셀간의 명도 차이가 작을수록 같은 경계를 구성하고 있을 가능성이 크다. 따라서 주변 픽셀간의 명도를 고려하여 경계 추출기를 활용한다면 보다 정확한 경계선 추출이 가능하다. 하지만 한가지의 히스토그램 평활화와 k-means 군집화를 사용하는 기존 알고리듬은 평활화에 의한 이미지 왜곡이나, 명도 차이가 큰 픽셀이 같은 그룹에 속하는 경우 혹은 명도 차이가 작은 픽셀이 각각 다른 그룹에 속하는 경우와 같이 그룹화의 오류가 있기 때문에 원본 이미지에 없던 불필요한 경계선이 발견되었다. 본 논문은 하나의 이미지에 대해서 여러 가지 히스토그램 평활화 방법으로 각각 다른 명도 분포를 얻어내어 적응적으로 경계선을 판단하는 알고리듬을 제안한다. 이는 기존 알고리듬에서 나타나는 불필요한 경계선을 제거하였으며 기본 경계 추출기의 효과를 향상시켰다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.20 no.4
• /
• pp.117-125
• /
• 2012

Although many studies have been conducted to extract buildings from airborne lidar data, most of them assume that all the boundaries of a building are straight line segments. This makes it difficult to model building boundaries containing curved segments correctly. This paper aims to model buildings containing curved segments as combination of straight lines and arcs. First, two sets of boundary points are extracted by adaptive convex hull algorithm and local convex hull algorithm with a larger radius. Then, arc segments are determined by average spacing of boundary points and intersection ratio of perpendicular lines. Finally, building boundary is modeled through regularization of least squares line or circle fitting. The experimental results showed that the proposed method can model the curved building boundaries as arc segments correctly by completeness of 69% and correctness of 100%. The approach will be utilized effectively to create automatically digital map that meets the conditions of the Korean digital mapping.