• Journal of Korea Multimedia Society
• /
• v.4 no.4
• /
• pp.363-369
• /
• 2001

This paper proposes a convex hull algorithm for 2D patterns. The proposed algorithm is divided ito 2steps; candidate convex point extraction and final convex point extraction. First step removes as many points as possible that cannot be convex points using simple operation. Second step computes final convex hull of 2D patterns. This method accelerates execution time, since it consists of simple operations. Experimental results show that the proposed method is faster than other 2 methods in speed.

• Journal of the Korea Society of Computer and Information
• /
• v.16 no.3
• /
• pp.99-107
• /
• 2011

The feature extraction of asterias amurensis by using patterns is difficult to extract all the concave and convex features of asterias amurensis nor classify concave and convex. Concave and convex as important structural features of asterias amurensis are the features which should be found and the classification of concave and convex is also necessary for the recognition of asterias amurensis later. Accordingly, this study suggests the technique to extract the features of concave and convex, the main features of asterias amurensis. This technique classifies the concave and convex features by using the multi-directional linear scanning and form the candidate groups of the concave and convex feature points and decide the feature points of the candidate groups and apply convex hull algorithm to the extracted feature points. The suggested technique efficiently extracts the concave and convex features, the main features of asterias amurensis by dividing them. Accordingly, it is expected to contribute to the studies on the recognition of asterias amurensis in the future.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.440-442
• /
• 2000

필기 한글 문자 인식을 위해서는 패턴을 구성하는 획 성분을 분석하는 작업이 필수적이다. 획 성분 추출을 위해 사용한 세선화 방법은 입력 영상을 왜곡하는 단점을 가지고 있다. 이를 극복하기 위하여 본 논문은 입력 영상을 왜곡하지 않고 의미 있는 부품 단위로 분할하는 방법을 제안한다. 의미 있는 부품이란 유사 볼록하게 분할된 영역을 의미한다. 분할 방법은 먼저 입력 영상에 볼록 헐 연산을 적용하여 오목 영역을 생성한다. 이 오목 영역에서 분할 기준(anchor point)점을 탐지하고 획의 반대편 외곽선 상에서 분할 끝(terminal point)점을 찾아 분할 경로를 구성하여 획을 분할한다. 모든 부품이 유사 볼록 조건을 만족할 때까지 위 과정을 반복 수행한다. 제안한 방법은 두 개의 파라미터만을 가지며 간단한 프로시져로 구성되어 있다. 또한 필기 한글 패턴뿐 아니라 여러 언어에 적용 가능하다는 장점을 갖는다.

• The KIPS Transactions:PartA
• /
• v.14A no.7
• /
• pp.435-442
• /
• 2007

This paper is concerned with the mesh segmentation problem that can be applied to diverse applications such as texture mapping, simplification, morphing, compression, and shape matching for 3D mesh models. The mesh segmentation is the process of dividing a given mesh into the disjoint set of sub-meshes. We propose a method for segmenting meshes by simultaneously reflecting global and local geometric characteristics of the meshes. First, we extract sharp vertices over mesh vertices by interpreting the curvatures and convexity of a given mesh, which are respectively contained in the local and global geometric characteristics of the mesh. Next, we partition the sharp vertices into the $\kappa$ number of clusters by adopting the $\kappa$-means clustering method [29] based on the Euclidean distances between all pairs of the sharp vertices. Other vertices excluding the sharp vertices are merged into the nearest clusters by Euclidean distances. Also we implement the proposed method and visualize its experimental results on several 3D mesh models.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.464-466
• /
• 1999

필기 한글 문자 인식을 위해서는 패턴을 구성하는 획 성분을 분석하는 작업이 필수적이다. 기존 인식 방법들은 세선화와 직선 근사에 기반한 방법을 사용하였다. 하지만 세선화는 필기 패턴을 크게 왜곡하는 단점을 안고 있기 때문에 새로운 방법론의 필요성이 대두되고 있다. 본 논문에서는 필기 한글 패턴의 영역-기반 모양 분해 알고리즘을 제안한다. 외곽선 분석을 이용한 기존의 한 단계 알고리즘의 한계를 지적하고, 이 한계를 극복할 수 있는 두 단계 알고리즘을 기술한다. 첫 번째 단계에서는 우세점을 찾아 B접점과 T접점을 탐지한다. 두 번째 단계에서는 볼록 헐(convex hull) 연산을 적용하여 미분할된 부분에 대해 두 번째 분할 작업을 수행한다. PE92 데이터베이스에 대해 실험 한 결과는 세선화 방법보다 우수함을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.330-332
• /
• 2012

본 논문에서는 임의의 정렬되지 않은 평면 점집합(Plane Point Set)에서 정렬을 고려한 개선된 Convex Hull 알고리즘을 제안한다. 이 알고리즘은 Convex Hull의 극점(Extreme Point) 특성을 이용하여 처리 데이터를 한정하기 때문에 계산복잡도를 낮춘다. 각 단계마다 볼록 정점(Convex Vertex)만을 판별하는 조건을 이용하여 한 번의 스캔으로 온전한 Convex Set이 구한다. 알고리즘 초기에 점집합의 정렬이 필요한데, 이때 걸리는 시간이 알고리즘 전체 동작시간의 대부분을 차지하는 만큼, 특성에 맞는 방법을 사용하여 빠르게 정렬하였다. 일반적인 상황을 가정하고 점집합을 랜덤하게 구성하여 실험하였으며 기존의 알고리즘에 비해 약 두 배의 속도 향상이 있음을 확인하였다.

• 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.

• Journal of IKEEE
• /
• v.17 no.1
• /
• pp.29-35
• /
• 2013

In this paper, we suggest an improved Convex Hull algorithm considering sort in plane point set. This algorithm has low computational complexity since processing data are reduced by characteristic of extreme points. Also it obtains a complete convex set with just one processing using an convex vertex discrimination criterion. Initially it requires sorting of point set. However we can't quickly sort because of its heavy operations. This problem was solved by replacing value and index. We measure the execution time of algorithms by generating a random set of points. The results of the experiment show that it is about 2 times faster than the existing algorithm.