• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 추계종합학술대회논문집
• /
• pp.97-100
• /
• 2000

본 논문에서는 얼굴의 특징 추출 알고리즘을 제안한다. 입력 영상을 이진 영상으로 처리한 후, 얼굴 요소 후보 블록의 면적, 둘레, 원형도, 종횡비를 이용하여 불변하는 눈, 코, 입의 특징 요소를 추출한다. 사람의 얼굴에 대한 특징 요소를 추출하기 위하여 우선 이진 영상을 생성한다. 하나 하나의 고립된 영역으로 분리하기 위하여 화소 레이블링을 한 후 만들어진 얼굴 요소 후보 블록 단위로 면적을 구하고, 윤곽선 추적 방법에 의하여 둘레를 구한 다음 면적, 둘레, 원형도 및 종횡비의 유사도를 구한다 블록의 종합 유사도, 대칭적 거리, 위치의 유사도를 활용하여 눈, 코, 입을 추출한다. 추출된 각 특징 요소간의 거리와 각도를 이용하여 12개의 특징 인수를 구하는 제안 알고리즘을 수행함으로써 얼굴의 특징 인수들을 추출한다. 각 특징점 사이의 거리와 각 거리간의 기울기를 이용하여 100명으로부터 획득한 297개의 원 영상을 대상으로 12개의 특징 파라미터를 추출한 결과 92.93%의 추출 성공률을 보였다. 이러한 결과는 외부 환경의 영향을 덜 받는 눈, 코, 입의 위치 관계의 블록을 근거로 특징 요소를 추출할 수 있도록 제안 알고리즘을 구성하였던 것으로 판단된다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 추계종합학술대회논문집
• /
• pp.73-76
• /
• 2000

본 논문에서는 기존의 8개의 삼각형을 이용한 특징추출 알고리즘을 개선하여 8의 배수로 특징의 수를 증가시키는 알고리즘을 제안하고, 블록기반 특징추출의 알고리즘과 성능을 비교한다.

• 한국전산구조공학회논문집
• /
• 제31권1호
• /
• pp.63-69
• /
• 2018

베어링은 많은 회전체에서 사용되는 핵심부품으로, 예기치 않은 고장을 방지하기 위해 많은 연구가 집중되고 있다. 이때 중요한 것은 되도록 초기에 건전성 상태를 잘 나타내는 적절한 특징신호를 추출하는 것이다. 그러나 기존의 연구들은 주로 진단관점에서 특징신호를 추출하여 고장예지에는 적합하지 않은 측면이 있었다. 본 논문에서는 이러한 문제를 극복하기 위해 베어링 고장 주파수의 에너지와 시간 사이의 상관계수 가중 합을 이용하여 베어링 수명 예측에 용이한 특징신호를 추출하는 방법을 개발하였다. 그 결과 일반적으로 고장진단에서 많이 사용되고 있는 특징신호인 RMS에 비해서 결함 초기부터 단조로운 증가 경향의 특징신호를 추출함을 알 수 있었다. 이를 입증하기 위해서 NASA Ames에서 제공한 IMS bearing 진동 데이터를 이용하였고 제시한 특징신호와 일반적인 RMS와 의 거동을 비교하여 유효성을 검증하였다.

• 한국시뮬레이션학회논문지
• /
• 제19권4호
• /
• pp.111-122
• /
• 2010

본 연구에서는 여러 제조 공정에서 발생하는 주기 신호의 불규칙한 길이를 보정하기 위하여 시불변 특징점 추출 및 정합(Time Invariant Feature point Extraction and Matching, 이하 TIFEM)을 이용한 길이보정 알고리즘을 제안한다. 신호 중간에 길이 변동이 발생 하는 주기신호의 경우 정확하게 길이를 보정하기 위해서는 더 많은 수의 특징점이 필요하며, 추출된 특징점은 신호의 패턴 정보를 포함하고 시간과 크기에 불변한 성질을 가져야 한다. 본 연구에서 제안하는 TIFEM알고리즘은 위의 성질을 가지는 신호 고유의 특성을 추출하고 추출한 특성들을 각각 시점에 해당하는 특성 벡터로 구성한다. 구성된 특성 벡터에서 유효한 벡터만을 걸러내어 길이보정을 위한 특징점으로 선정한다. 선정된 특징점들을 정합한 후 구간별로 길이를 보정하여 보다 정확한 주기 신호의 길이보정을 수행한다. 제안한 알고리즘의 성능을 검증하기 위하여 실제 반도체 공정에서 발생되는 3종류의 신호를 모방하여 생성한 실험데이터를 이용하여 실험을 수행하였다.

• 한국음향학회지
• /
• 제14권6호
• /
• pp.62-67
• /
• 1995

본 논문에서는 금속내부에 존재하는 결함의 다양한 형태로부터 반사된 초음파 신호를 디지탈 신호처리에 의하여 특징추출하는 방법을 연구분석하였다. 다양한 형태의 결함으로부터 반사된 초음파 신호는 잡음 등의 영향으로 그 특징의 구별이 애매하므로 자기 회기법(auto-regressive)을 이용한 위너 필터링(Wiener filtering)과 최소 절대치 노름(least-absolute-values norm) 기법을 사용하여 신호의 특징을 추출하고 상호 비교분석하였다. 실험에서는 알루미늄 시편에 평면결함, 사각결함, 원형결함의 세가지 결함형태를 제작하였으며, 초음파를 입사하고 펄스-에코 방법에 의하여 반사신호를 측정하였다. 반사신호의 디지탈 신호처리 결과, 이러한 특징추출방법은 다양한 형태의 결함으로부터 반사된 신호를 효율적으로 분류 할 수 있었다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 하계종합학술대회논문집
• /
• pp.237-240
• /
• 2000

본 논문에서는 원격탐사 이미지 데이터의 분석과정중의 하나인 이미지의 분류를 위해서 적용되는 다중분광 영상에서 특징 추출을 위한 효율적인 방법을 제안한다. 즉, 웨이브렛 변환을 이용하여 위성탐사 이미지 데이터의 특성을 분석하여 실제 이미지 분류에 기여도가 높은 특징을 추출하는 방법을 제안하였다. 효과적인 특징을 추출하기 위하여 이미지 데이터의 텍스쳐 특징을 이용하였다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 추계종합학술대회논문집
• /
• pp.141-144
• /
• 2000

본 논문은 교통 안전 표지판 인식에 적용이 가능한 새로운 영상의 특징 정보 추출 방법을 제안한다. 제안된 방법은 인간의 인식 시스템에서 이용하는 기본 특징인 색과 형태정보를 이용하여 영상 인식에 적용한다. 색 정보의 추출은 RGB성분의 히스토그램 분포를 이용하고 형태 정보의 추출은 기하학적인 형태 정보 추출 방법과 모멘트를 이용한다. 본 논문은 유사 영상 검색을 위한 새로운 특징 정보 추출 방법과 간단한 특징 정보 표현 그리고 계산량의 감소 효과를 얻었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.612-615
• /
• 2016

본 논문에서는 EPIC(Electric Potential Integrated Circuit) 센서를 통해 추출된 동작신호에 대해 이산 웨이블릿 변환（Discrete Wavelet Transform : DWT)과 선형 판별분석（Linear Discriminant Analysis : LDA), Support Vector Machine(SVM)을 사용하는 동작 분류 시스템을 제안한다. EPIC 센서 신호에 대해 이산 웨이블릿 변환을 사용하여 웨이블릿 계수인 근사계수(approximation coefficients)와 상세계수(detail coefficients)를 구한 후, 각각의 웨이블릿 계수에 대해 특징 파라미터를 추출한다. 이 때, 특징 파라미터는 14개의 통계적 특징 추출 파라미터 중에 유전자 알고리즘(Genetic Algorithm : GA)을 통하여 선택한 우수한 특징 파라미터이다. 웨이블릿 계수들에서 추출한 특징 파라미터는 선형 판별분석을 적용하여 차원을 축소하고 SVM의 훈련 및 분류에 사용한다. 실험결과, 4가지 동작에 대한 EPIC 센서 신호분류에서 제안된 방법의 분류율이 99.75%로 원신호에 대한 HMM 분류율 97% 보다 높은 정확률을 보여주었다.

• 전자통신동향분석
• /
• 제24권6호
• /
• pp.121-132
• /
• 2009

음성을 비롯하여 음악, 음향 등을 포함하는 오디오 신호는 멀티미디어 콘텐츠를 구성하는 매우 중요한 미디어 타입이며, 미디어 기록 매체와 네트워크의 발전으로 인한 데이터 양의 급격한 증대는 수동적 관리의 어려움을 유발하게 되고, 이로 인해 오디오 신호를 자동으로 구분하는 기술은 매우 중요한 기술로 인식되고 있다. 다양한 오디오 신호를 분류하기 위한 오디오 신호의 특징을 추출하는 기술은 많은 연구들을 통해 발전하여 왔으며, 본 논문은 오디오 콘텐츠 자동 분류에서 높은 성능을 갖는 오디오 신호 특징 추출에 대해서 분석한다. 그리고 특징 분류기 중에서 안정적인 성능을 가지는 SVM을 사용한 오디오 신호 분류 방법을 알아본다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2000년도 하계종합학술대회논문집
• /
• pp.293-296
• /
• 2000

본 논문에서는 얼굴의 구조적 특성과 누적 히스토그램을 이용하여 다양한 정보를 포함하고 있는 얼굴의 6가지 표정을 인식하는 알고리즘을 기술하였다. 표정 인식을 위해 특징점 추출 전처리 과정으로 입력 영상으로부터 에지 추출, 이진화, 잡음 제거, 모폴로지 기법을 이용한 팽창, 레이블링 순으로 적용한다. 본 논문은 레이블 영역의 크기를 이용해 1차 특징점 영역을 추출하고 가로방향의 누적 히스토그램 값과 대칭성의 구조적인 관계를 이용하여 2차 특징점 추출 과정을 거쳐 정확하게 눈과 입을 찾아낸다. 또한 표정 변화를 정량적으로 측정하기 위해 추출된 특징점들의 눈과 입의 크기, 미간 사이의 거리 그리고 눈에서 입까지의 거리 정보를 이용하여 표정을 인식한다. 1, 2차 특징점 추출 과정을 거치므로 추출률이 매우 높고 특징점들의 표정에 따른 변화 거리를 이용하므로 표정 인식률이 높다. 본 논문은 안경 착용 영상과 같이 복잡한 얼굴 영상에서도 표정 인식이 가능하다.