• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.11a
• /
• pp.73-75
• /
• 2007

이 논문은 얼굴인식에 있어서 중요한 얼굴 영역과 머리 영역을 차영상을 이용하여 분리하는 방법을 제안한다. 먼저 입력영상에 대한 CMYK 영상 중 K 영상을 가지고 머리 영역을 분리한 후에 YIQ 영상의 Y영상과 머리 영상과의 차영상을 이용하여 얼굴영역을 분리한다. 분리한 머리영역과 얼굴영역에 대하여 라벨링을 하여 각 영역을 얻는다. 제안한 방법은 머리와 얼굴 영역을 뚜렷하게 분리하여 특징 점 추출 시 매우 유용할 것이다.

• Proceedings of the Korea Institutes of Information Security and Cryptology Conference
• /
• 2002.11a
• /
• pp.11-15
• /
• 2002

현재 공통평가기준을 이용하여 작성된 대부분의 파이어월과 VPN, 스마트 카드의 보호 프로파일의 기능요구사항에 영역분리기능이 포함되어 있다. 공통평가기준의 영역분리기능은 미국 국방성 운영체제 평가 기준인 TCSEC이 요구하는 보증수단에서 유래하였다. 8086프로세서는 리얼 모드라는 세그멘테이션 메커니즘을 처음으로 이용하여 향상된 메모리 주소관리를 제공하고 있으며, 80$\times$86은 리얼 모드이외에 보호모드를 제공하여 시스템 영역과 응용프로그램영역을 분리시킬 수 있는 메커니즘을 제공한다. 인텔 80$\times$86 프로세서의 구조적인 발전을 이용하여 구현된 Trusted OS는 링 상태(ring state)라고 알려져 있는 영역 분리기능을 제공하여 시스템의 영역을 응용 프로그램 영역으로부터 보호하는 메커니즘을 구현하고 보증하고 있다. 단 논문에서는 인텔 마이크로 프로세서 8086과 80$\times$86의 구조와 메모리 관리방법을 고찰하여 8086과 비교한 80$\times$86의 발전된 보호모드 메커니즘을 연구하여 시스템영역을 보호할 수 있는 영역분리 메커니즘을 연구하였다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2002.06a
• /
• pp.316-322
• /
• 2002

본 연구에서는 고정된 카메라로부터 입력되는 영상열에서 이동 물체를 신뢰성있게 분리하기 위해 형태 정보를 이용한 확장 방법을 제안한다. 영역 분리의 핵심은 배경으로부터 주위 잡음 영역과 무관하게 이동 물체 영역을 분리하는 기술이라고 볼 수 있다. 제안된 방법은 초기 이동 물체가 존재하지 않는 영상을 참고 영상(reference image)으로 하여 입력 영상(input image)과의 차영상(subtraction image)을 구하고, 차영상의 히스토그램(histogram)에서 배경잡음 모델링(modeling)을 통해 배경잡음을 제거한다. 그리고 배경잡음이 제거된 차영상에서 국부 최대값들(local maxima)을 이용해 후보 초기 영역을 선정한 후, 이 영역을 기반으로 영역의 형태정보를 이용하여 영역을 선별적으로 확장하면서 결합하는 방법을 사용하였다. 제안된 방법을 실제 상황에서 얻은 다양한 영상열에 적용한 결과, 기존의 영역 분리 방법보다 주위 잡음과 무관하게 이동 물체를 분리할 수 있음을 확인할 수 있었다.

• Proceedings of the IEEK Conference
• /
• 2001.09a
• /
• pp.981-984
• /
• 2001

본 논문은 이동물체 영역을 신뢰성 있게 분리하는데 기초가 되는 seed를 정확하게 선정하고, 선정된 seed를 중심으로 영역을 확장함으로써 이동물체 영역을 분리하기 위한 방법을 제안한다. 고정된 카메라로부터 입력되는 연속된 영상열로부터 초기의 이동물체가 존재하지 않는 영상을 참고영상으로 하여 입력영상과의 차영상을 구하고 차영상의 히스토그램에서 배경잡음 모델링을 통해 배경잡음을 제거한다. 그리고 배경잡음이 제거된 차영상에서 Local Maxima 들을 이용해 후보 seed를 선정한 후, 이드의 특징값들을 분석하여 이동물체의 seed와 배경의 seed 를 결정하고 이 두 개의 seed를 기반으로 watershed 알고리즘을 적용하여 영역을 확장함으로써 이동물체 영역을 추출한다. 제안된 방법을 실제 상황에서 얻은 다양한 영상열에 적용한 결과, 기존의 영역분리 알고리즘보다 주위 잡음의 영향을 적게 받으며 효과적으로 이동물체를 분리할 수 있음을 확인할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.522-523
• /
• 2015

본 논문에서는 FRUC(Frame Rate Up-Conversion)을 위한 효과적인 관심영역 분리 방법을 제안한다. 기존의 알고리듬은 움직임 벡터를 이용하여 관심영역을 지정하고 이를 기반으로 추가적인 재탐색이 요구되며 경우에 따라 잘못 예측된 움직임 벡터가 사용됨으로 인해 관심영역에 대한 신뢰성이 낮다. 본 논문에서는 이전과 다음 영상과의 시간적 연관성을 이용하여 이 두 영상간의 상관관계에 따라 효과적으로 신뢰영역 및 관심영역을 분리한다. 본 논문에서는 기존에 제안되었던 알고리듬으로 생성된 보조 영상과 원본 영상과의 차이에 대해 제안한 관심영역 분리 방법을 적용하여 그 결과를 비교하고, 성능 척도로서 객관적 화질을 비교한다. 실험 결과를 통해 기존에 제시된 다수의 알고리듬 보다 비교적 간단한 방법을 통해 효과적으로 관심 영역을 분리하고 또한, 성능이 크게 향상될 수 있음을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.478-481
• /
• 2010

컴퓨터 비전에서 객체의 인식, 추적에 앞서 배경으로부터 전경을 분리하는 배경차감 기법과 분리된 전경에 대한 관심 영역(ROI)을 추출하는 것은 일반적인 방법이다. 하지만 전경을 정확히 분리하지 못하면 개별 객체의 관심영역(ROI) 역시 잘못 추출되는 문제가 발생된다. 본 논문에서는 정확하지 않은 전경 분리로 부터 발생되는 개별 객체에 대한 분산된 관심영역을 병합하는 방법을 제안한다. 본 방법은 배경과 분리된 전경에서 한 객체의 일정 거리 이내에 있는 다른 객체를 가상으로 병합하는 단계, 워터쉐드 분할 알고리즘을 적용하는 단계를 거쳐 다시 블럽 레이블링을 수행한다. 제안 방법을 통하여 배경 모델에서 분리된 개별 객체의 병합된 관심영역을 제공한다. 실험에서 기존의 일반적인 블럽 레이블링 방법만을 적용하여 추출한 전경영역과 제안하는 방법에 의한 전경영역을 비교하여 배경 모델에서 분리된 개별 객체의 관심영역이 효과적으로 추출되는 것을 보인다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.17 no.1
• /
• pp.175-182
• /
• 2013

The digitalization of sea level measurement recording which is recorded as analog type is useful for many related oceanology. In this paper, we propose a method which separates the graph area from a sea level measurement recording image. At first, a pixel that is regarded as the pixel which is included in the graph area is selected. Then, many background pixels are separated using the color of the selected pixel. In each vertical line, a pixel is determined as the pixel within the graph area and the graph area is separated from the image using that pixels. Experimental results show that the proposed method in this paper overcome drawbacks of the previous research and can separate the graph area which similar to the graph area of the original image.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.8 no.4
• /
• pp.866-872
• /
• 2004

In fingerprint verification and identification, fingerprint and background region should be segmented. For this purpose, most systems obtain variance of brightness of X and Y direction using Sobel mask. To decide given local region is background or not, the variance is compared with a certain threshold. Although this method is simple, most fingerprint image does not separated with two region of fingerprint and background region. In this paper, we presented a new segmentation algorithm based on run-length connectivity analysis. For a given binary image after thresholding, suggested algorithm calculates RL of X and Y direction. Until the given image is segmented to two regions, small run region is successively inverted. Experimental result show that this algorithm effectively separates fingerprint region and background region.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2005.05b
• /
• pp.1041-1046
• /
• 2005

본 연구에서는 수리실험을 통해 단일 돌출수제 설치에 따른 흐름중심선과 수제 하류부의 흐름분리영역의 특성을 파악하였다. 흐름중심선은 최대유속이 발생되는 유선을 의미하며, 수제 설치로 인한 수제 선단부 흐름분리 현상은 흐름 중심선의 형태를 변화시킨다. 이러한 주요 특성들은 수제길이 및 투과율과 밀접한 연관이 있으며, 제방의 침식방지 및 수로의 흐름제어라는 수제설치의 목적을 고려해 볼 때 매우 중요한 변수라 할 수 있다. 이에 본 연구에서는 수리실험을 통해 단일 돌출수제의 길이 및 투과율 변화에 따른 수제 주변의 흐름장을 LSPIV(Large Scale Particle Image Velocimetry)를 이용하여 측정하고, 수제길이 및 투과율에 따른 흐름 중심선과 흐름분리 영역의 특성을 파악하였다. 실험결과 흐름중앙선과 흐름분리영역의 폭은 Fr 수에 따라 큰 변화를 보이지 않으나 수제의 길이 및 투과율에 따라 변화하는 것으로 나타났으며, 이러한 변화 경향은 흐름중앙선과 흐름분리영역이 유사한 것으로 나타났다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.95-98
• /
• 2001

본 논문은 뇌의 축방향(axial sect ion)에 대하여 촬영한 뇌의 자기공명 영상(Magnetic Resonance Imaging)을 대상으로 뇌의 영역만을 분리하기 위한 방법을 제안하고 있다. MR영상은 슬라이스마다 다른 분포값을 가지기 때문에 각 슬라이스 별로 조직의 특성을 파악하여 뇌의 영역을 분리하였다. 히스토그램의 명암값 분포를 분석하여 배경과 뇌를 둘러싸고 있는 외피를 제거하고 라벨링(label1ing) 알고리즘을 적용하여 뇌만 분리 할 수 있도록 하는 마스크 영상을 만들어 이것을 이용하여 원영상으로부터 뇌의 영역만을 분리하였다.