• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.550-552
• /
• 2002

본 논문에서는 웨이브렛 변환 영역의 정보를 신경망 학습을 통하여 영상검색에 관한 연구를 제안하였다. 영상검색은 연구가 이루어지고 있지만, 영상의 특징을 정확하게 표현한다는 것은 현실적으로 어렵기 때문에 영상의 저장 및 검색에 많은 어려움이 있다. 따라서 영상데이터의 효율적인 저장 및 검색을 위해서는 공간 영역보다는 변환 영역에서의 특징추출 방법이 고려되어야 한다. 본 논문에서는 웨이브렛 변환 후 생성되는 저주파 대역의 영상을 일정한 크기로 ( 2$^n$$\times$2$^n$) 분할한 다음 각 블록의 표준편차를 구하고, 주어진 경계 값을 기준으로 작성된 블록 맵을 유사성의 척도로 이용하여 유사한 영상을 함께 모아 카테고리 분류에 의한 저장을 한다. 또한 질의영상에 대한 블록 맵을 신경망 학습을 통해 해당 카테고리를 찾아 1:1매칭을 통한 검색을 함으로써 검색 시간을 줄이고, 제안된 시스템 효율을 증대 시킬 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.96-99
• /
• 2008

본 논문은 의료 영상을 효과적으로 분류하고 검색 하기 위한 새로운 알고리즘을 제안한다. 의료 영상 중 X-Ray 영상은 어두운 배경에 반해 밝은 전경을 갖고 있기 때문에, 전경의 두드러진 부분에서만 시각 기술자로 추출한다. 우선, 색 구조 기술자(H-CSD)에서 해리스 코너 검출기로 검출한 관심 포인트들에서 색상 특징을 추출하고, 경계선 히스토그램 기술자에서 영상의 전역 및 지역적 질감 특징을 추출한다. 추출된 특징 벡터는 멀티클래스 SVM 에 적용되어 각 영상을 위한 멤버십 스코어를 얻는다. 이후, H-CSD와 EHD 에 대한 SVM 의 멤버십 스코어를 앙상블 결합하여 하나의 특징 벡터로 생성하고, K-nearest Neighborhood 방법을 이용하여 상위-K 개의 영상을 검색을 하도록 하였다. imageCLEFmed2007 을 이용한 실험 결과에서 다른 전역적 속성 또는 분류 기반 검색 방법에 비교하여 보다 개선된 검색 성능을 나타냄을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.429-432
• /
• 2010

주차장에서는 다양한 형태의 사건 사고가 발생하는데, 기존 DVR(CCTV)는 단순 영상녹화 기능만 지원하므로, 이를 효과적으로 분석하는데는 한계가 있다. 따라서, DVR의 영상카메라와 마이크를 통해서 입력되는 영상과 사운드 신호를 대상으로, 해당 영상이 발생하는 음향 신호의 종류를 파악하여, 특정 음향이 발생한 영상구간을 저장하여 이를 검색할 수 있다면, 주차장 관리자가 효과적으로 사건 사고를 대처할 수 있게 된다. 본 연구에서는 주차장에서 발생하는 차량관련 음향(충돌음, 과속음, 경적음, 유리파손, 비명)을 분류하기 위해 효과적인 특징벡터를 제안하고, 제안한 특징벡터를 이용하여 신경망 차량음향분류기를 설계하여 성능을 평가함으로써, 효과적으로 차량음향을 분류하기 위한 방법을 제안하였다. 또한, 신경망 차량음향분류기를 DVR시스템과 연동하여, 마이크로부터 입력되는 음향신호를 실시간 분석하고, 특정 소리가 발생한 영상구간을 기록함으로써, 음향 키워드에 의해서 해당 사고영상을 검색 및 디스플레이하는 시스템을 개발하였다.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.8
• /
• pp.1951-1959
• /
• 1998

In this paper, we propose an efficient feature extaetion method for content-based approach and implement an image retrieval system in the Oracle database. First, we estract color feature by the modified Stricker's method from input images, and this color feature and ART2 neural network are used for the rough classification of images. Next, we extract texture feature using wavelet transform, and finally exeute the detailed classification on the rough classified images from the previous step. Exsing the proposed feature extraction methods, we implement a useful image retrieval system by Extended SQI, statement on the relational database. The proposed system is implemented on the Oracle DBMS, and in the experimental results with 200 sample images, it shows the retrieval rate 90% and 81% in Recall and Precision, respectively.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.383-387
• /
• 2003

기존의 병리영상의 저장 및 관리, 공유를 위한 시스템이 수작업으로 이루어져 발생하는 문제점들을 보완하기 위한 방안으로 병리 영상의 전산화 및 대용량 자료를 표준화하여 보관하기 위한 시스템을 유방종양 영상을 사용하여 구축하였다. 다양한 유방종양 영상들을 질환별로 분류하고, 획득되어진 배율별로 구분하여 데이터 베이스를 구축하여 검색이 가능하도록 하였다. 비쥬얼 베이직을 이용하여 소프트제어를 개발하였으며, 검색되어진 영상에 대해 영상이 가지고 있는 컬러 및 질감특징값을 뽑아 영상의 객관적인 특성을 파악할 수 있도록 하였으며, 향후 다양하고 체계적인 병리 영상 세포은행을 구축하기 위 한 기반을 마련하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11a
• /
• pp.318-321
• /
• 2003

의미 있는 객체가 영상에 포함되어 있는지를 판단하여 영상을 객체 및 비객체 영상으로 분류함으로써 영상 검색이나 효과적인 영상 데이터베이스 구축 등에 유용하게 활용 가능하다. 이에 본 논문에서는 영상 유형에 따른 특징을 분석하여 영상 분류를 위한 기준을 선정함으로써 입력 영상을 객체 및 비객체 영상으로 분류할 수 있는 방법을 제안한다 일반적으로 객체는 주로 영상의 중심 부근에 위치하고 주변과는 상이한 칼라 특징으로 표현되므로, 영상 중심 부근에 주로 위치하는 칼라의 분포 정보를 영상 분류의 기준으로 사용하였다. 또한 객체 추출 방법[4]을 적용하여 추출된 객체와 배경 사이의 공유 경계에서 발생하는 경계 강도 정도를 활용하였다. 코렐 CD에서 무작위로 선택된 800장의 영상에 대해 제안된 기준을 적용하여 분류한 결과 약80%의 분류 정확도를 얻었다.

• Journal of the Korea Society for Simulation
• /
• v.18 no.4
• /
• pp.197-206
• /
• 2009

The medical information system is an effective medical diagnosis assistance system which offers an environment in which medial images and diagnosis information can be shared. However, this system can only stored and transmitted information without other functions. To resolve this problem and to enhance the efficiency of diagnostic activities, a medical image classification and retrieval system is necessary. The medical image classification and retrieval system can improve efficiency in a medical diagnosis by providing disease-related images and can be useful in various medical practices by checking diverse cases. However, it is difficult to understand the meanings contained in images because the existing image classification and retrieval system has handled superficial information only. Therefore, a medical image classification system which can classify medical images by analyzing the relation among the elements of the image as well as the superficial information has been required. In this paper, we propose the method for learning and classification of brain MRI, in which the superficial information as well as the spatial information extracted from images are used. The superficial information of images, which is color, shape, etc., is called low-level image information and the logical information of the image is called high-level image information. In extracting both low-level and high-level image information in this paper, the anatomical names and structure of the brain have been used. The low-level information is used to give an anatomical name in brain images and the high-level image information is extracted by analyzing the relation among the anatomical parts. Each information is used in learning and classification. In an experiment, the MRI of the brain including disease have been used.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.601-603
• /
• 2012

본 논문에서는 의료영상의 특성을 반영하여 영상의 그래디언트 방향 값을 특징으로 하는 Oriented Center Symmetric Local Binary Patterns (OCS-LBP) 특징을 개발하고 추출된 특징 값에 대해 차원을 줄이고 의미 있는 특징 단위로 재 생성하기 위해 Bag-of-Feature (BoF)를 적용하였다. 검색을 위해서는 기존의 영상 검색 방법과는 다르게, 학습 영상을 이용하여 랜덤 포리스트 (Random Forest)를 사전에 학습시켜 데이터베이스 영상을 N 개의 클래스로 자동 분류 시키고, 질의로 입력된 영상을 같은 방법으로 랜덤 포리스트에 적용하여 상위 확률 값을 갖는 2 개의 클래스에서만 K-nearest neighbor 방법으로 유사 영상을 검색결과로 제시하는 새로운 영상검색 방법을 제시하였다. 실험결과에서 본 논문의 우수성을 증명하기 위해 일반적인 유사성 측정 방법과 랜덤 포리스트를 이용한 방법의 검색 성능 및 시간을 비교하였고, 검색 성능과 시간 면에서 상대적으로 매우 우수한 성능을 보여줌을 증명하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.8
• /
• pp.31-37
• /
• 2021

In this paper, we propose a method to effectively search by automatically classifying scenes in which specific images such as pitching or swing appear in baseball game images using a CNN(Convolution Neural Network) model. In addition, we propose a video scene search system that links the classification results of specific motions and game records. In order to test the efficiency of the proposed system, an experiment was conducted to classify the Korean professional baseball game videos from 2018 to 2019 by specific scenes. In an experiment to classify pitching scenes in baseball game images, the accuracy was about 90% for each game. And in the video scene search experiment linking the game record by extracting the scoreboard included in the game video, the accuracy was about 80% for each game. It is expected that the results of this study can be used effectively to establish strategies for improving performance by systematically analyzing past game images in Korean professional baseball games.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.596-598
• /
• 2010

본 논문에서는 의료영상 중 X-ray 영상을 대상으로 영상을 분류하고 분류 결과에 따라 다중 키워드를 생성하는 방법을 제시한다. X-ray영상은 대부분 그레이 영상임으로 Local Binary Patterns (LBP)을 이용하여 픽셀간의 연관성을 특징으로 추출하고, 실시간 학습 및 분류가 가능한 Random Forests 분류기로 영상들을 30개의 클래스로 분류한다. 또한, 미리 정의된 신체 부위간의 관계 가중치를 분류 스코어에 결합하여 신뢰값을 생성하고 이를 기반으로 영상에 대해 다중 주석을 부여하게 된다. 이렇게 부여된 다중 주석은 키워드 기반의 의료영상을 가능케 함으로 보다 쉽고 효율적인 검색 환경을 제공할 수 있다.