• Journal of the Korea Convergence Society
• /
• v.8 no.5
• /
• pp.13-17
• /
• 2017

Existing Speech feature extracting method in speech Signal, there are incorrect recognition rates due to incorrect speech which is not clear threshold value. In this article, the modeling method for improving speech recognition performance that combines the feature extraction for speech and silence characteristics normalized to the non-speech. The proposed method is minimized the noise affect, and speech recognition model are convergence of speech signal feature extraction to each speech frame and the silence feature normalization. Also, this method create the original speech signal with energy spectrum similar to entropy, therefore speech noise effects are to receive less of the noise. the performance values are improved in signal to noise ration by the silence feature normalization. We fixed speech and non speech classification standard value in cepstrum For th Performance analysis of the method presented in this paper is showed by comparing the results with CHMM HMM, the recognition rate was improved 2.7%p in the speech dependent and advanced 0.7%p in the speech independent.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.15 no.3
• /
• pp.521-526
• /
• 2020

This paper presents an improved HOLP neural network that adds 25 average values to a typical HOLP neural network using 25 feature vector values as input values by applying high-order local autocorrelation function, which is excellent for extracting immutable feature values of iris images. Compared with deep learning structures with different types, we compared the recognition rate of iris recognition using Back-Propagation neural network, which shows excellent performance in voice and image field, and synthetic product neural network that integrates feature extractor and classifier.

• KIPS Transactions on Software and Data Engineering
• /
• v.2 no.4
• /
• pp.273-280
• /
• 2013

This paper presents novel OCS-LBP (Oriented Center Symmetric Local Binary Patterns) based on orientation of pixel gradient and image retrieval system based on BoF (Bag-of-Feature) and random forest classifier. Feature vectors extracted from training data are clustered into code book and each feature is transformed new BoF feature using code book. BoF features are applied to random forest for training and random forest having N classes is constructed by combining several decision trees. For testing, the same OCS-LBP feature is extracted from a query image and BoF is applied to trained random forest classifier. In contrast to conventional retrieval system, query image selects similar K-nearest neighbor (K-NN) classes after random forest is performed. Then, Top K similar images are retrieved from database images that are only labeled K-NN classes. Compared with other retrieval algorithms, the proposed method shows both fast processing time and improved retrieval performance.

• The Transactions of the Korea Information Processing Society
• /
• v.3 no.4
• /
• pp.733-744
• /
• 1996

Content-based image retrieval(CBIR) is an image data retrieval methodology using characteristic values of image data those are generated by system automatically without any caption or text information. In this paper, we propose a content-based image data retrieval method using shape and color features of image data as characteristic values. For this, we present some image processing techniques used for feature extraction and indexing techniques based on trie and R tree for fast image data retrieval. In our approach, image query result is more reliable because both shape and color features are considered. Also, we how an image database which implemented according to our approaches and sample retrieval results which are selected by our system from 200 sample images, and an analysis about the result by considering the effect of characteristic values of shape and color.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.91-94
• /
• 2001

유방 질만 분석을 위한 병리진단에서는 암종세포의 세관형성 정도와 핵의 다형성과 유사분말정도를 기준으로 하여 나누는 방법이 용이하고 재현성이 높다. 그 중에서도 세포핵의 크기와 다형성, 핵과 세포질의 비율은 양성종양과 악성종양을 분류하는데 있어서 중요한 요소중의 하나이다. 그러므로 본 논문에서는 유방 질단 영상에서 세포핵을 추출하여, 핵의 형태학적 특징값인 핵의 연적 둘레, 가로·세로(장·단축)의 길이를 구하고 핵과 세포질의 비율을 계산한 후, 추출한 형태학적 특성 칸들이 양성종양과 악성종양으로 분류하는데 있어서 유의한 특성 값인지 비교·분석하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.748-750
• /
• 2004

본 논문은 연속적으로 입력되는 2차원 얼굴 영상에서 얼굴의 특징 영역들을 추출하여 3차원 얼굴 모델의 표정을 실시간으로 제어하는 방법에 관한 연구이다. 2차원 얼굴 영상에서 얼굴을 추출하기 위해 Hue, Saturation 색상 값을 사용하며, 두 가지 색상 값을 이용하여 피부색과 배경색을 분리함으로써 얼굴 영역을 추출 할 수 있다. 추출 된 얼굴에서 특징 영역인 눈 코, 입술 영역 등의 일지를 각각의 영역에 적합한 추출 방법을 이용하여 추출한 뒤, 프레임 별로 영역들의 움직임을 비교함으로써 영역의 움직임 정보를 획득 할 수 있다. 이 정보를 3차원 얼굴 모델에 적용하여 2차원 동영상에서 획득된 대상의 얼굴의 표정을 3차원 얼굴 모델에 실시간으로 표현 할 수 있도록 한다.

• The Journal of the Korea Contents Association
• /
• v.2 no.1
• /
• pp.59-67
• /
• 2002

This study pre-processed the characters, performed the feature extraction for the beauty evaluation, and then defined the similarity function. It suggested the definition of the similarity function, and the extraction of the features of character elements. it experimented how much the various input character patterns were similar with the standard character patterns, found their results were almost similar with the expected ones and the results of beauty evaluation on general people through the questionaire with the results of the methods suggested here.

• Proceedings of the KIEE Conference
• /
• 2015.07a
• /
• pp.1357-1358
• /
• 2015

본 논문에서는 축사에서 비젼 기반으로 이동 객체를 분류하는 방법을 제안한다. 제안하는 방법은 축사 내 설치된 CCTV로부터 영상을 입력받아 Adaptive GMM알고리즘을 이용하여 이동 객체를 추출한다. 다음, 이동 객체 가 사람인지 소인지 또는 차량인지 분류하기 위해 이동 객체의 특징을 추출한다. 이동 객체 특징 추출 방법으로는 기존의 Monolithic-based방법인 HoG알고리즘을 개선하여 축사의 복잡한 환경에서 다양한 자세를 가지는 사람과 소 그리고 차량의 구조적 특징을 추출한다. 추출한 특징은 벡터화 하여 SVM분류기 입력값에 적합하도록 한다. SVM 분류를 통해 이동 객체의 구조적 특징을 블록화 하여 이동 객체의 신체 모델을 생성한다. 마지막으로 생성된 신체 모델을 이용하여 이동 객체가 사람인지 소인지 또는 차량인지 분류한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.70-72
• /
• 2001

최근 멀티미디어 응용의 증가에 따라 그래픽 데이터를 위한 내용 기반 검색 기술에 대한 연구가 활발히 진행되고 있다. 또한 인터넷 응용분야에서 3차원 그래픽 데이터베이스 사용의 필요성이 대두되고 활용되고 있다. 대부분의 3차원 그래픽 시스템은 사용자에게 그래픽은 검색이 대상이 아니라 단순히 보여주는 역할로 주로 사용되고 있다. 3차원 그래픽객체는 어떤 객체들로 구성되여 있으며 그들의 크기는 어떠한지 등의 정보를 포함하고 있다. 따라서 3차원 그래픽 객체에서는 2차원 그래픽 객체에서는 2차원 이미지보다 의미객체에 대한 정확한 정보를 더 많이 얻어 낼 수 있다. 이러한 사실 때문에 2차원 이미지의 특징추출의 방법과는 다른 형식의 접근이 필요하다. 본 논문에서는 3차원 그래픽으로 모델링 된 3차원 객체들을 대상으로 객체가 이루는 X, Y, Z축상의 비율과 윤곽형태에 대한 SPBT(Space Partitioning Binary Tree)의 결과값으로 특징을 추출하고 샘플 데이터를 통해서 이들간의 클러스터링과 실제 예제 질의를 토한 비교분석을 통해 객체간의 유사검색이 가능하도록 하는 특징추출 방법을 제안하였다. 본 논문에서는 제시한 모양기반 특징추출 방법은 웹상의 다양한 3차원 객체정보의 자동분류나 3차원 그래픽 데이터베이스를 위한 인덱스 구축 등에 활용될 수 있을 것이다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.2 no.4
• /
• pp.22-30
• /
• 2001

In this paper we propose three classification algorithms to classify breast tumors that occur in duct into Benign, DCIS(ductal carcinoma in situ) NOS(invasive ductal carcinoma) The general approach for a creating classifier is composed of 2 steps: feature extraction and classification Above all feature extraction for a good classifier is very significance, because the classification performance depends on the extracted features, Therefore in the feature extraction step, we extracted morphology features describing the size of nuclei and texture features The internal structures of the tumor are reflected from wavelet transformed images with 10$\times$ and 40$\times$ magnification. Pariticulary to find the correlation between correct classification rates and wavelet depths we applied 1, 2, 3 and 4-level wavelet transforms to the images and extracted texture feature from the transformed images The morphology features used are area, perimeter, width of X axis width of Y axis and circularity The texture features used are entropy energy contrast and homogeneity. In the classification step, we created three classifiers from each of extracted features using discriminant analysis The first classifier was made by morphology features. The second and the third classifiers were made by texture features of wavelet transformed images with 10$\times$ and 40$\times$ magnification. Finally we analyzed and compared the correct classification rate of the three classifiers. In this study, we found that the best classifier was made by texture features of 3-level wavelet transformed images.