• 한국정보과학회논문지:시스템및이론
• /
• 제28권10호
• /
• pp.507-512
• /
• 2001

최근 효과적인 내용기반 영상검색을 위한 특징 추출 방법이 많이 연구되고 있다. 특히, 칼라정보를 이용하여 특징을 얻는 방법은 여러 가지 장점 때문에 연구가 활발히 진행되고 있다. 본 논문에서는 칼라정보를 이용해서 얻을 수 있는 칼라코렐로 그램을 이용한 영상검색 성능을 향상시키기 위해, 칼라 코렐로그램 기반의 새로운 특정 추출 방법을 제안한다. 제안한 방법은 영상을 복잡한 부분과 그렇지 않은 부분으로 분할학고, 각각의 칼라 코렐로그램을 얻는 방법 . 제안한 방법은 기존의 칼라 코렐로그램을 이용한 영상검색보다 우수한 성능을 나타냄을 실험을 통하여 확인하였다. 확인하였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2001년도 추계학술발표논문집
• /
• pp.121-125
• /
• 2001

본 논문에서는 칼라영상에 포함된 객체를 추출할 수 있는 방법을 제시한다. 객체는 상이한 칼라와 텍스처로 구성되는데 이들을 포괄하여 사람이 인식하는 객체와 유사한 형태로 추출할 수 있도록 하였다. 이를 위해 해상도를 줄여가며 영역 분할한 후 그 결과를 조합함으로써 사소한 변화는 흡수하고 중요한 변화가 발생하는 영역 단위의 분할이 가능하도록 하였다. 분할된 영역들의 공간적 정보와 영역 크기 정보를 이용하여 분할된 영역 중에서 핵심 객체영역과 핵심 배경영역을 선택하고 객체 후보 영역에 대해 이들과 칼라 분포 유사도 조사를 하여 핵심객체영역과 유사한 유사도를 갖는 영역들을 최종 객체 영역으로 추출하였다. 본 논문에서 제안된 방법은 다양한 실험을 통해 단순한 배경을 가진 영상뿐만 아니라 복잡한 배경을 갖는 영상에 대해서도 어느 정도 만족할 만한 결과를 얻을 수 있음을 확인하였다. 본 논문에서 제안된 방법은 내용기반검색, 영상 DB의 인덱싱 등 다양한 분야에 활용될 수 있을 것으로 예상된다.

• 한국산학기술학회논문지
• /
• 제7권6호
• /
• pp.1100-1105
• /
• 2006

칼라코드는 획득된 영상에서 칼라의 심각한 왜곡 때문에 그 응용 확장에 어려움이 있었다. 칼라 인식에서 칼라 왜곡의 영향을 줄이기 위해서는 규칙적으로 샘플링된 몇 개의 화소들을 이용하기 보다는 가능한한 각 칼라 영역에서 많은 화소들을 통계적으로 처리하는 것이 더 바람직하다. 이를 위해서는 일반적으로 에지 검출이 필요한 분할이 필요하다. 그러나, 칼라코드에서 에지들은 분할을 불완전하게 만드는 지퍼 효과나 반사와 같은 다양한 왜곡에 의해 끊어질 수 있고, 에지 연결 또한 어려운 처리 과정이다. 본 논문에서는 칼라 인식에서 칼라 왜곡의 영향을 줄이기 위한 좀 더 효과적인 방법은 분할을 위한 정확한 에지 검출을 배제하는 방법으로 k-평균 클러스트링 알고리즘을 적용하였다. 또한, 칼라코드 검출에서 6개의 안전한 칼라와 그레이 성질 모두 이용하였다. 실험은 4M-화소 크기의 야외영상 144장에 대해 수행되었다. 제안한 방법은 테스트 영상에 대해서 100%의 칼라코드 검출율을 나타내었고, 검출된 코드에 대해서는 99% 이상의 평균 칼라 인식 정확도를 보였다. 여기서 가장 높은 정확도를 보인 캐니 에지 검출법을 사용한 경우 91.28%로 나타났다.

• 한국정보처리학회논문지
• /
• 제6권1호
• /
• pp.253-260
• /
• 1999

본 논문에서는 조합된 텍스쳐와 칼라 정보로부터 다변수의 선형 구별 알고리즘을 사용하여 영상분할에 대한 새로운 방법론의 개발을 제시한다. 그 칼라 텍스쳐는 칼라 영상의 공간과 색깔의 밴드로부터 한 화소가 갖는 3X3의 마스크에서 Haralick 과 Pressman의 텍스쳐 특성들을 계산했다. 모두 9X28개의 텍스쳐 특성들 중에서 학습을 기반으로 크게 식별자(classifier)에 영향을 주는 특성들을 도출하였으며 결과적으로 뽑혀진 10개의 특성이 한 영상을 4부분으로 분할하는데 사용되어졌다. 이 방법론의 결과로 얻어진 영상은 고전적인 칼라와 텍스쳐 분할 방법론의 상자식별자(Box Classifier)와 Maximum Likelihood 식별기들과 비교했다. 이것은 Fastred-Lightgreen으로 염색된 전립선암이 조직에서 얻은 영상을 통해 비교를 했을 경우에 잘 나타난다. 학습 데이터를 통해 나타난 이 새로운 방법론은 97.5%의 정확한 식별성으로 또한 검증된 최상의 방법론중의 하나이다. 이 결과들이 더 많은 영상에 사용된다면, 이 방법론은 칼라와 텍스쳐가 분할에 관련됨으로써 보다 정확한 영상을 분할하기 위한 효율적인 도구가 될 것이다.

• 한국멀티미디어학회논문지
• /
• 제15권6호
• /
• pp.761-769
• /
• 2012

본 논문에서는 슈퍼픽셀과 FCM을 이용한 클러스터 초기값 설정방법과 이를 사용한 칼라영상분할을 연구한다. 클러스터링을 이용한 대표적인 칼라영상분할 방법으로 Fuzzy C-menas (FCM) 알고리즘을 많이 사용한다. FCM은 하나의 데이터가 각 클러스터에 서로 다른 소속도를 갖도록 한다. 그러나 FCM은 초기값 설정에 따라 국부적인 수렴문제가 발생한다. 따라서 초기값 설정문제는 매우 중요한데 본 연구에서는 슈퍼픽셀을 이용하여 클러스터의 초기값을 구하는 방법을 제안한다. 슈퍼픽셀은 원 영상에서 특성이 비슷한 화소들의 묶음으로 표현되는데 먼저 원 영상으로부터 슈퍼픽셀을 구하고 이를 $La^*b^*$ 칼라특징공간에 투영하여 클러스터 초기값을 구한다. 제안방법에서 슈퍼픽셀의 수는 원영상의 화소 수보다 일반적으로 매우 적어서 클러스터 초기값 설정을 위한 고속처리가 가능하다. 제안된 알고리즘의 성능평가를 위해 다양한 칼라영상을 사용하여 컴퓨터 모의실험을 수행하였으며 실험결과 제안방법이 기존방법에 비해 영상분할 성능이 우수함을 알 수 있었다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(상)
• /
• pp.154-159
• /
• 2002

영역 분할과 영역 레이블링은 내용에 기반한 영상 검색이나 영상 이해를 위해 선행되어야 하는 중요한 작업중의 하나이다. 본 논문에서는 칼라-공간 히스토그램의 통계정보를 통해 자연 영상내의 영역을 효율적으로 분할하고 또한 이러한 데이터를 생성규칙으로 만들어 레이블링 하는 새로운 방법을 제안한다. 제안하는 방법은 자연영상처럼 많지 않은 영역으로 이루어진 경우 매우 효율적임을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 춘계학술대회
• /
• pp.649-651
• /
• 2012

본 논문에서는 슈퍼픽셀특성을 이용한 칼라영상분할을 연구한다. 슈퍼픽셀은 특성이 비슷한 인접화소들을 묶어서 하나의 큰 화소로 취급하는 것으로 고속영상처리 및 영상인식을 위해 사용될 수 있다. 본 연구에서는 슈퍼픽셀특성이 비교적 우수한 $La^*b^*$ 칼라특징공간에서 슈퍼픽셀을 구하고 클러스터링 및 기울기기반 분할 알고리즘을 적용한 영상분할을 연구한다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2003년도 춘계학술발표대회논문집
• /
• pp.415-418
• /
• 2003

칼라 히스토그램 인터섹션 방법은 칼라 분포간의 유사도를 측정하는데 널리 사용된다 하지만 이 방법은 칼라 공간을 고정된 칼라수로 양자화시킨 경우에만 유효하므로 칼라 공간에 대한 분할 문제와 양자화 레벨의 결정 문제를 내포하고 있다. 이에, 본 논문에서는 고정 양자화된 칼라 분포뿐만 아니라 적응적 양자화되어 상이한 칼라분포를 갖는 영상간의 정합에 적용 가능한 확장 칼라 히스토그램 인터섹션 방법을 제안한다. 제안된 방법은 생산자가 생산된 상품을 소비자에게 공급하는 동안 생산효율을 계산하여 경제적 이익을 최대화 시키기 위한 생산자-소비자 모델로 간주되어질 수 있다 실험을 통해 우리는 제안된 방법이 두 칼라 분포간의 유사도를 효과적으로 측정할 수 있음을 확인하였다

• 한국통신학회논문지
• /
• 제15권11호
• /
• pp.921-936
• /
• 1990

• 한국콘텐츠학회논문지
• /
• 제7권2호
• /
• pp.109-116
• /
• 2007

칼라 식별에 대한 칼라 왜곡 영향을 줄이려면 각 칼라 영역에서 가능한 한 많은 화소를 통계적으로 처리하는 게 바람직하다 여기에는 영역 분할이 필요하며, 따라서 일반적으로 에지 검출이 필요하다. 그러나, 칼라 코드의 에지들은 암전류, 색 간섭, 지퍼 효과, 반사, 그늘 등의 수많은 왜곡에 의해 끊기기 때문에 흔히 영역 분할이 불완전하게 되며, 그에 대한 에지 연결 작업도 쉽지가 않다. 이 논문에서는 에지 검출로 영역 분할을 할 수 없는 영상들에 대해 k-평균 클러스터링을 수행한다. 서로 다른 카메라로 서로 다른 환경에서 촬영된 311개의 영상에 대해 실험을 수행하였다. 일차 및 이차 칼라들 중에서 랜덤하게 선택해서 각 칼라 코드 영역에 사용하였다. 두 가지 에지 검출기들에 의한 영역 분할률은 89.4%였으며, 제안된 방법은 이를 99.4%로 증가시켰다. 칼라 인식은 hue, a*, b*의 세 성분들에 기반해서 수행되었으며, 성공적 영역 분할 경우들에 대해 100%의 정확도를 보였다.