• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.07a
• /
• pp.78-80
• /
• 2015

광적응(Luminance Adaptation; LA) 효과는 영상의 배경 밝기에 따른 왜곡에 대한 시각 인지 민감도가 달라지는 특성을 의미한다. 기존 영상 화질 측정(Image Quality Assessment; IQA) 방법들은 베버의 법칙(Weber' s law) 모델을 이용하여 LA 효과를 IQA 방법에 반영해왔다. 그러나, 이러한 IQA 방법들에 있어서 베버의 법칙 기반 LA 효과 모델은 다음 두 가지 이유로 부정확하게 동작한다: (i) 전통적인 베버의 법칙 모델은 실제 광도(luminance)에 대한 인지 민감도 응답값을 정확히 반영할 수 없다는 것이 밝혀졌다, (ii) 대부분 IQA 방법들은 픽셀 강도 영역에서 계산되지만, 베버의 법칙과 같은 LA 효과 모델들은 광도 영역에서 개발되었다. 따라서 광도와 픽셀 강도간 비선형 관계로 인해 IQA 방법에 반영된 베버의 법칙 기반 LA 효과 모델들은 부정확하게 동작한다. 이 문제를 해결하기 위해, 본 논문에서 처음으로 픽셀 강도 영역에서의 LA 모델을 이론적으로 유도한다. 본 논문에서 제안하는 픽셀 강도 영역에서의 LA 효과 모델은 감마 교정 함수(Gamma correction function)와 광도 영역에서의 LA 효과 모델인 제곱-법칙(power-law) 모델을 기반으로 하는 테일러 급수 확장 근사화를 통해 유도된다. 제안하는 픽셀 강도 영역 LA 효과 모델의 효과를 검증하기 위해, 제안하는 LA 효과 모델을 PSNR 에 도입하여 광범위한 실험을 수행한다. 실험 결과, 제안하는 LA 효과 모델 기반 PSNR 은 PSNR 및 베버의 법칙 기반 PSNR 대비 괄목할 만한 주관적 화질 예측 성능 향상을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.06a
• /
• pp.64-65
• /
• 2013

본 논문에서는 슈퍼픽셀(superpixel) 단위의 그래프 컷 알고리즘을 적용하여 객체 추적의 정확도를 향상시키기 위한 방법을 제안한다. 먼저 영상 분할 기법을 사용하여 입력 영상을 슈퍼픽셀로 분할하고 각 슈퍼픽셀에서 색상 히스토그램을 이용한 특성 벡터를 생성한다. 그리고 특성 벡터에 지지벡터기계(support vector machines)를 사용하여 각 슈퍼픽셀의 객체 확률 값을 추정한다. 객체 확률 값을 데이터 항(data term)으로, 이웃한 슈퍼픽셀 간의 특성 벡터 차 값을 스무드 항(smooth term)으로 하여, 그래프 컷(graph cuts) 알고리즘으로 슈퍼픽셀들을 객체와 배경으로 분류하고 객체 슈퍼픽셀을 최대한으로 포함하는 객체 윈도우를 찾는다. 실험 결과는 제안하는 기법이 기존 기법들보다 객체 추적 성능이 우수함을 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.793-796
• /
• 2004

이 논문에서 제안한 ICA기반 피처추출 알고리즘은 다차원 영상에서 각 픽셀의 반사도 분광영역이 서로 다른 물체타입(목표피처와 배경피처)으로 이루어진 선형 혼합 분광영역으로 가정되는 픽셀에 대한 목표피처 탐지를 목적으로 한다. Landsat ETM+ 위성영상은 다차원 데이터구조로 이루어져 있으며, 영상에는 추출하고자하는 목표피처와 여러 종류의 배경피처들이 혼재한다. 이 논문에서는 목표피처(김양식장) 주변의 배경피처(갯뻘, 바닷물 등)들을 효과적으로 제거하기 위하여 목표피처의 픽셀 분광영역을 배경피처의 픽셀 분광영역으로 직교투영하게 된다. 픽셀내의 나머지 목표피처 분광영역의 양은 배경피처의 분광영역을 제거함으로써 추정하게 된다. 이 논문에서 제안한 ICA기반의 피처추출 방법의 우수성을 확인하기 위하여 Landsat ETM+ 위성영상에서 김양식장 피처를 추출하는데 적용하였다. 또한 피처추출 후 제거되지 않고 남아 있는 잡음(noise)정도와 피처추출 정확도 측면에서 전통적으로 가장 많이 사용되고 있는 최대우도 분류방법과 비교실험을 하였다. 결과적으로 이 논문에서 제안하는 방법이 목표피처 주변의 혼합분광영역에서 배경피처를 효과적으로 제거하여 추출하고자 하는 목표피처를 추출하는데 있어 우수한 탐지 성능을 보임을 알 수 있었다.

• Smart Media Journal
• /
• v.8 no.2
• /
• pp.39-45
• /
• 2019

As deep learning has become popular, researches which can help explaining the prediction results also become important. Superpixel based multi-scale combining technique, which provides the advantage of visual pleasing by maintaining the shape of the object, has been recently proposed. Based on the principle of prediction difference, this technique computes the saliency map from the difference between the predicted result excluding the superpixel and the original predicted result. In this paper, we propose a new technique of both excluding and including super pixels. Experimental results show 3.3% improvement in IoU evaluation.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.1
• /
• pp.39-44
• /
• 2001

본 논문에서는 디지털 영상에서 얼굴 영상 검출을 위해 픽셀의 퍼지 소속도를 이용하여 신경망으로 학습하는 퍼지 신경망을 이용한 얼굴영상 검출을 제안한다. 입력 영상의 피라미드 영상에서 추출된 20$\times$20 윈도우 영상 안의 각 픽셀의 소속도로 얼굴 영상 패턴을 학습하여 얼굴 영상을 검출하는 방법은 단순히 영상의 픽셀 값 하나씩만을 고려해서 각 픽셀의 소속도를 고려하여 수행하는 얼굴 영상 분할보다 얼굴 영상을 더 정확하고 인식률이 높게 검출해 낼 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.255-256
• /
• 2019

본 논문에서는 초고해상도 기술의 복잡도를 줄이기 위하여 픽셀단위 생략 방법을 제안한다. 제안하는 방법은 픽셀 단위로 수평, 수직 방향의 밝기에 대한 2 차 미분치에 기반하여 생략을 결정한다. 제안하는 방법의 성능 평가를 위하여 가장 간단한 초고해상도 알고리즘인 SRCNN 과 제안하는 방법의 PSNR 비교한다. 그 결과 제안하는 방법이 평균적으로 약 47%의 픽셀이 생략이 되면서 SRCNN 대비 0.2dB PSNR 감소를 보인다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.07a
• /
• pp.25-27
• /
• 2011

본 논문에서는 이미지 블록의 평균 픽셀 값 특성을 양자화 인덱스 변조 기법에 적용하여 이미지 포맷변환에 강인한 정보은닉 기법을 제안한다. 포맷변환에 강인한 이미지 속성은 정규화된 픽셀 히스토그램에 기반하여 분석되며, 그 중 평균 픽셀 값을 통해 정보은닉 알고리즘이 구성된다. 평균 픽셀 값을 양자화 인덱스 변조기법에 적용하기 위한 방안으로 DCT 계수를 정규화 하는 방법이 선택되며, 추출 성공률을 높이기 위해 오류정정부호가 사용된다. 따라서 본 논문의 알고리즘을 통해 결합 이미지가 압축, 사이즈 변화 등의 과정을 거치게 될 경우 발생하는 문제점을 극복할 수 있다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.44-49
• /
• 2007

반짝이는 특성의 물체에 대해 이미지를 기반으로 색을 추출하는 경우 반짝이는 특성을 포함하면서 내재되어 있는 색 특성을 표현하기 위해 색 곡선(color line)을 이용한다. 이 경우 추출하려는 색이 왜곡되지 않은 가장 적합한 이미지를 선정하는 방법이 필요하다. 이를 위해서 실감모델링을 위해 색 곡선을 기반으로 색을 추출하는 방법을 제시하고 제시된 방법을 위해 색을 추출하기 가장 적합한 이미지를 선정하는 기준을 색포화율(color saturation ratio)을 통해 제안한다. 색포화율이란 색을 구성하는 요소 중에서 최소한 하나 이상의 색이 포화된 픽셀들을 최대 색거리를 가진 픽셀들로 간주하여 계산된 색거리의 총합에 대해 최소한 하나 이상의 색이 포화된 픽셀들의 색거리 총합의 비율를 의미한다. 이상적으로 이 비율이 최소가 되면 하이라이트를 제외한 어떤 픽셀도 포화되지 않기 때문에 반짝이는 특성을 가진 물체의 색을 추출하기 위해 촬영된 이미지는 하이라이트를 제외한 모든 색이 왜곡되지 않은 가장 적합한 이미지가 생성된다. 또한, 이렇게 선정된 이미지에서 추출된 색의 효율성을 보이기 위해 색 공간과 이미지 상에서 다양한 형태의 응용 결과를 제시하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.927-928
• /
• 2015

무안경 3D 입체 디스플레이 장치는 패럴렉스 배리어(parallax barrier)와 렌티률러 렌즈(Lenticular lens)의 기반의 장치로 구분된다. 무안경 업체 디스플레이 장치를 통하여 입체영상을 디스플레이하기 위해서는 다중 시점(multi-view) 촬영 영상들의 서브픽셀 인터레이싱 방법을 통하여 하나의 영상으로 합성되어야 한다. 본 연구는 렌티큘러 렌즈 기반의 입체 디스플레이 장치에서 렌티큘러 렌즈의 속성에 따라 적응적으로 서브픽셀 인터레이싱 될 수 있는 기법을 제안하기 위한 사전 연구로서 기존에 발표된 서브픽셀 인터레이싱 기법의 종류를 분류하고 각 기법의 특성을 분석하고자 한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.19 no.10
• /
• pp.2409-2416
• /
• 2015

This paper presents an orientation-based adaptive prediction method for effective lossless image compression. For a robust prediction, the proposed method estimates the directional information and the property near the current pixel in a support region-based fashion, not a pixel-based one which is sensitive to a small variation. We improve the prediction performance effectively by selection of the prediction pixel adaptively according to the similarity between support regions of the current pixel and the neighboring pixels. Comprehensive experiments demonstrate that the proposed scheme achieves excellent prediction performance measured in entropy of the prediction error compared to a number of conventional prediction methods such as MED, GAP, and EDP. Moreover the complexity of the proposed algorithm measured by average execution time is low compared to MED which is the simplest prediction method.