• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.250-252
• /
• 1998

내용기반 이미지 검색(Content-based image retrieval)에서 컬러 특징을 표현하기 위해 컬러 히스토그램이 많이 이용되고 있다. 하지만 히스토그램의 고차원적인 성질 때문에 색인구조를 사용한 효율적인 검색이 어렵고, 유사도 계산 단계에서 비용이 많이 든다. 이점을 개선하기 위해서 이미지의 컬러 정보 손실을 최소화하면서 히스토그램의 차원을 낮추는 컬러 클러스터링 방법이 제안되었다. 이 논문은 이미지 검색의 응용 분야에 따른 이미지 데이터의 컬러 분포 특성을 이용한 컬러 클러스터링 방법을 제안한다. 컬러 분포를 가중치로 이용한 계층적 컬러 클러스터링 방법에 대해 알아보고, 두 단계 컬러 히스토그램을 이용한 이미지 검색에 적용하여 컬러 정보 유지 능력을 실험해 본다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.11a
• /
• pp.137-140
• /
• 2006

본 논문은 급격한 컬러 변화를 보이는 물체를 추적하기 위해 새로운 알고리즘에 대해서 기술하였다. 이를 수행하기 위해 컬러기반의 추적 알고리즘인 Mean Shift를 개선하여 적용한다. 지존의 Mean Shift 알고리즘은 물체 추적을 위해 컬러 분포 정보를 설정한다. 하지만 초기의 컬러 분포 정보가 사라질 경우 물체 추적을 정확히 수행하기 힘들다는 문제점을 안고 있다. 본 논문에서는 이를 해결하기 위해 Mean Shift를 개선하여, 추적 대상의 컬러 정보를 반복적으로 업데이트하여 초기의 컬러 정보가 사라지더라도 추적이 가능하도록 개선하였다. 개선된 추적 알고리즘은 시간에 따라 초기의 컬러 분포 정보가 완전히 사라지더라도 실시간 추적이 가능하도록 구현하였다. 이를 입증하기 위해 본 논문의 실험에서는 실험적인 환경에서 급격한 컬러 변화를 보이는 간단한 문제의 추적과 실생활에서의 예를 함께 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1597-1599
• /
• 2015

본 논문에서는 곡물이나 광석 등의 원료들 중에서 양품 및 불량품을 검출하기 위해, Color CCD 카메라로 촬영한 원료영상에서 Mean-Shift 클러스터링 알고리즘과 단계별 병합 방법을 제안하고 있다. 먼저 원료 학습 영상에서 배경을 제거하고 영상 색 분포정도를 기준으로 모폴로지를 이용하여 영상의 전경맵을 얻는다. 전경맵 영상에 대해서 Mean-Shift 군집화 알고리즘을 적용하여 영상을 N개의 군집으로 나누고, 단계별로 위치 근접성, 색상대푯값 유사성을 비교하여 비슷한 군집끼리 통합한다. 이렇게 통합된 원료 객체는 영상채널마다의 연관관계를 반영할 수 있도록 RG/GB/BR의 2차원 컬러분포도로 표현한다. 원료 객체별로 변환된 2차원 컬러 분포도에서 분포의 주성분의 기울기와 타원들을 생성한다. 객체별 분포 타원은 테스트 원료 영상데이터에서 양품과 불량품을 검출하는 임계값이 된다. 본 논문에서 제안한 방법으로 다양한 원료영상에 실험한 결과, 기존 선별방식에 비해 사용자의 인위적 조작이 적고 정확한 원료 선별 결과를 얻을 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.360-362
• /
• 2019

본 논문에서는 k-Means 클러스터링을 활용한 컬러 기반 이미지 추출을 통한 색각 검사 방안 연구를 진행한다. 이를 위해, RGB 컬러스페이스 기반의 이미지를 특별한 컬러스페이스 이미지로 변환 후 컬러 패턴 분포에 따라 k-Means 클러스터링을 적용하여 다양한 형태의 이미지를 추출하는 실험을 수행한다. 위의 실험을 통해 하나의 이미지를 컬러 분포 패턴을 통해 클러스터링하여 이미지를 추출을 통하여 정상인과 색각 이상자를 판별할 수 있었다. 실험 결과, 다양한 형태와 색을 가진 이미지를 추출하여 정상인이 보는 이미지와 색각 이상자가 보는 이미지가 다른 것을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• pp.299-302
• /
• 2001

이미지 검색 시스템이란 이미지가 갖는 다양한 특징을 바탕으로 똑같거나 유사한 이미지를 검색하여 제공하는 시스템이다. 본 논문에서는 이미지의 컬러와 형태를 기반으로 한 브랜드 이미지 검색 시스템을 제시한다. 이미지를 영역별로 분할하여 영역별 컬러 분포 히스토그램을 추출하여 컬러 정보로 이용하고 경계면 추출, 무게 중심 추출, angular 샘플링 등의 전처리 과정과 무게 중심으로부터 경계면까지 거리의 합, 표준 편차, 장/단축 비율을 계산하여 형태정보로 이용한다. 이렇게 추출된 컬러와 형태 정보를 이용하여 유사성 측정을 통한 검색을 수행한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 1999.11b
• /
• pp.129-134
• /
• 1999

본 논문에서는 내용 기반 동영상 검색을 위한 효율적이고 자동적인 특징 추출 알고리듬을 컬러 정보와 모션 정보에 대해 제안하고, 이를 동영상 검색 시스템에 적용한다. 컬러 정보의 경우 기존의 key-frame단위의 컬러 특징 추출의 한계를 극복하고, 동영상의 컬러 히스토그램 정보와 컬러의 공간분포 정보를 반영할 수 있는 컬러 특징 추출 알고리듬을 제안한다. 그리고 모션특징은 MPEG-1 동영상 내의 모션 벡터와 컬러 정보를 조합한 컬러-모션 특징을 추출하여 사용한다. 최종적으로 추출된 특징을 이용한 검색 시스템을 구현해, 제안된 알고리듬의 성능을 평가하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.11 no.3
• /
• pp.167-172
• /
• 2006

An image retrieval system retrieves and offers same of similar image based on various features of image. This paper present a brand image retrieval system based on color and shape of image. We use the image for a color information by dividing into the area and extracting the area color distribution histogram. We use for the shape information by preprocessing of the boundary extraction, the centroid extraction, angular sampling etc. and calculating of the sum of the distance from the centroid to the boundary, the standard deviation, and the rate of long axis to short axis. We accomplish the retrieval through a similarity measurement by using the color and shape information which is extracted in this way.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10a
• /
• pp.695-698
• /
• 2000

본 논문에서는 이미지 데이터 컬러 속성을 기반으로 한 영상 검색 방법을 제안한다. 두 이미지 사이의 유사성을 측정하기 위하여 컬러 히스토그램의 분포 특성을 이미지 데이터베이스 영상과질의 영상에서 계산하여 유사도를 결정하도록 설계하였다. 두 영상의 유사도를 측정하기 위해 두영상의 R, G, B 히스토그램에 대해서 같은 값에 대한 빈도 수의 차를 거리로 측정한 후, 구해진 거리의 차를 비교한 방법과 히스토그램의 분포 곡선을 이루는 방정식을 구한 수 있도록 곡선 정합을 한 후에 두 영상의 컬러 특징 속성에 관한 특징 값의 추출을 위해서 다항식 보간법에 의한 방정식을 이용한 방법을 소개한다. 공간 데이터베이스 시스템에서 질의에 대한 효율적인 처리를 위해 R-Tree와 최대 점을 이용하여 영상을 검색한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.949-951
• /
• 2005

카메라를 이용하여 영상을 인식할 때 이진화의 과정을 거쳐 배경과 원하는 물체사이의 분리를 해주어야 한다. 하지만, 입력되어진 컬러 영상에서 집중 조명 혹은 주변 환경에 의해 영상이 그라데이션 되어질 경우 픽셀의 정확한 컬러를 인식하기 곤란해지며 이진화의 어려움을 겪게 된다. 본 연구에서는 이러한 집중 조명과 그라데이션의 영향을 받지 않고 이진화 수행을 가능토록 하는 새로운 방법을 제안한다. 영상의 픽셀은 RGB 채널간의 고유한 비율을 유지하고 있다. 조명의 영향을 받게 될 경우 하나의 색을 가진 픽셀은 조명의 밝기에 의해 픽셀값이 증가 혹은 감소하게 된다. 따라서, 컬러의 픽셀을 분석하여 해당하는 컬러의 표준 RGB값으로 변화하여 줄 경우 영상내의 픽셀의 컬러 분포는 한정된 범위로 좁혀져 히스토그램을 단순하게 표현 할 수 있으며 집중조명과 그라데이션의 영향을 받은 컬러 영상도 효율적으로 이진화를 할 수 있게 된다.

• The KIPS Transactions:PartB
• /
• v.13B no.7 s.110
• /
• pp.689-698
• /
• 2006

Pattern recognition is the study of how machines can observe the environment, learn to distinguish patterns of interest from their background, and make sound and reasonable decisions about the categories of the patterns. Color image consists of various color patterns. And most pattern recognition methods use the information of color which has been trained and extract the feature of the color. This thesis extracts adaptively specific color feature from images with several limited colors. Because the number of the color patterns is limited, the distribution of the color in the image is similar. But, when there are some noises and distortions in the image, its distribution can be various. Therefore we cannot extract specific color regions in the standard image that is well expressed in special color patterns to extract, and special color regions of the image to test. We suggest new method to reduce the error of recognition by extracting the specific color feature adaptively for images with the low distortion, and six test images with some degree of noises and distortion. We consequently found that proposed method shouws more accurate results than those of statistical pattern recognition.