• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.596-598
• /
• 2010

본 논문에서는 의료영상 중 X-ray 영상을 대상으로 영상을 분류하고 분류 결과에 따라 다중 키워드를 생성하는 방법을 제시한다. X-ray영상은 대부분 그레이 영상임으로 Local Binary Patterns (LBP)을 이용하여 픽셀간의 연관성을 특징으로 추출하고, 실시간 학습 및 분류가 가능한 Random Forests 분류기로 영상들을 30개의 클래스로 분류한다. 또한, 미리 정의된 신체 부위간의 관계 가중치를 분류 스코어에 결합하여 신뢰값을 생성하고 이를 기반으로 영상에 대해 다중 주석을 부여하게 된다. 이렇게 부여된 다중 주석은 키워드 기반의 의료영상을 가능케 함으로 보다 쉽고 효율적인 검색 환경을 제공할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.410-413
• /
• 2011

본 논문에서는 도로 영상에서 검출된 자동차 영상을 종류별 분류를 위해 효과적인 질감 특징정보 기반의 자동차 종류별 분류 방안을 제안한다. 제안한 연구에서는 운전자의 안전운전지원을 위해 도로상에서 검출된 자동차 영역과 자신의 차량과 거리를 추정하기 위해 검출된 자동차의 종류를 인식할 필요가 있다. 즉, 인식된 자동차의 종류에 따라 차량 간 거리를 추정에 필요한 파라미터로 사용할 수 있기 때문이다. 따라서 본 연구에서는 검출된 자동차 영상들로부터 GLCM(gray-level co-occurrence matrix)의 7가지의 특징정보들을 추출하고 SVM을 사용하여 학습 한 후 자동차의 종류(승용, 화물, 버스)를 분류하는 방법을 제안한다. GLCM은 영상이 가진 질감 정보를 효율적으로 분석함으로써 영역의 밝기 변화 정도, 거침 정도, 픽셀 분포 정도 등을 표현하기 때문에 영상내의 포함된 영역을 분류하는데 효과적이다. 제안한 방법을 실제 자동차 규모별 분류에 적용한 결과 약 83%의 분류 성공률을 제시하였다.

• Journal of the Korea Society for Simulation
• /
• v.19 no.1
• /
• pp.143-151
• /
• 2010

Fingerprint classification is a step to increase the efficiency of an 1:N fingerprint recognition system and plays a role to reduce the matching time of fingerprint and to increase accuracy of recognition. It is difficult to classify fingerprints, because the ridge pattern of each fingerprint class has an overlapping characteristic with more than one class, fingerprint images may include a lot of noise and an input condition is an exceptional case. In this paper, we propose a novel approach to design a stochastic model and to accomplish fingerprint classification using a directional characteristic of fingerprints for an effective classification of various qualities. We compute the directional value by searching a fingerprint ridge pixel by pixel and extract a directional characteristic by merging a computed directional value by fixed pixels unit. The modified Markov model of each fingerprint class is generated using Markov model which is a stochastic information extraction and a recognition method by extracted directional characteristic. The weight list of classification model of each class is decided by analyzing the state transition matrixes of the generated Markov model of each class and the optimized value which improves the performance of fingerprint classification using GA (Genetic Algorithm) is estimated. The performance of the optimized classification model by GA is superior to the model before the optimization by the experiment result of applying the fingerprint database of various qualities to the optimized model by GA. And the proposed method effectively achieved fingerprint classification to exceptional input conditions because this approach is independent of the existence and nonexistence of singular points by the result of analyzing the fingerprint database which is used to the experiments.

• Journal of Convergence for Information Technology
• /
• v.11 no.7
• /
• pp.1-6
• /
• 2021

The purpose of this study is to improve the performance of the artificial neural network system for facial image analysis through the image landmark selection technique. For landmark selection, a CNN-based multi-layer ResNet model for classification of facial image age is required. From the configured ResNet model, a heat map that detects the change of the output node according to the change of the input node is extracted. By combining a plurality of extracted heat maps, facial landmarks related to age classification prediction are created. The importance of each pixel location can be analyzed through facial landmarks. In addition, by removing the pixels with low weights, a significant amount of input data can be reduced.

• Journal of Advanced Navigation Technology
• /
• v.26 no.2
• /
• pp.113-118
• /
• 2022

Motivated by people highlighting important phrases while reading or taking notes we propose a neural network training method by highlighting defective pixel areas to classify effectively defect types of images with complex background textures. To verify our proposed method we apply it to the problem of classifying the defect types of tire band fabric images that are too difficult to classify. In addition we propose a backlight highlighting technique which is tailored to the tire band fabric images. Backlight highlighting images can be generated by using both the GradCAM and simple image processing. In our experiment we demonstrated that the proposed highlighting method outperforms the traditional method in the view points of both classification accuracy and training speed. It achieved up to 13.4% accuracy improvement compared to the conventional method. We also showed that the backlight highlighting technique tailored for highlighting tire band fabric images is superior to a contour highlighting technique in terms of accuracy.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.133-137
• /
• 2001

본 논문에서는 해프톤 영상의 칼라 분포 특성을 이용하여 해프톤 영상과 비해프톤 영상을 분류하는 방법에 대해 연구하였다. 이를 위해 스캐닝한 RGB 해프톤 영상을 HSV 칼라 모델로 변환한 후, Hue에 대한 히스토그램에서 해프톤 영상이 갖는 고유한 칼라분포 특성을 분석하였다. 일반적으로 해프톤 영상에서는 인쇄시 사용된 칼라들로 인해 특정 Hue 값을 갖는 픽셀의 빈도가 비해프톤 영상과 달리 피크(peak) 형태로 높게 나타나는 특성이 있다. 본 논문에서는 이러한 특성을 고려하여 해프톤 영상과 비해프톤 영상을 구분할 수 있는 분류 방법을 개발하였으며, 실험을 통해 그 타당성을 검토하였다. 제안한 방법은 내용기반 검색시스템에서의 영상분류과정과 문서영상분할 분야 등에서 활용할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.708-711
• /
• 2016

본 논문에서는 의료초음파 영상에서 진단 파라미터 데이터를 가시화 하는 방법론으로서 연속적인 픽셀 값을 갖는 전이시간 데이터의 표현과, 4가지 유형의 값으로 분류되는 병변 진단 파라미터 영상을 생성하는 방법을 제시한다. 또한 생성된 파라미터 영상에서 노이즈를 제거하기 위한 방법론으로서 MRF 모델을 이용한 영상개선 기법을 제안한다. 이러한 파라미터 영상 생성기법은 초음파 진단 데이터에서 조영증강 패턴의 동적인 변화에 대한 육안 판별의 한계를 극복할 수 있게 한다. MRF 기반 영상개선 과정에서 연속적인 픽셀 값에 대한 에너지함수를 정의하고 이를 최적화 하는 기법을 개발하였으며 실제 의료영상을 사용한 실험을 통하여 제안된 이론의 유용성을 평가하였다.

• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.10 no.4
• /
• pp.78-84
• /
• 1996

In this study, 3-D object recognition and restoration independent of the object translation for automotive kind recognition in parking administration system using an ultrasonic sensor array, neural networks and invariant moments are presented. Using invariant moment vectors of the acquired data 16$\times$8 pixels, 3-D objects could be classified by SCL (Simple Competitive Learning) neural networks. Modified SCL neural networks using the 16$\times$8 low resolution image was used for object restoration of 32$\times$32 high resolution image. Invariant moment vectors kept constant independent of the object translation. The recognition rates for the training and the testing data were 98[%] and 95[%], respectively. The experimental results have shown that ultrasonic sensor array with the neural networks could be applied for the detection of the automobiles and classification of the automotive kind.

• The Bulletin of The Korean Astronomical Society
• /
• v.37 no.1
• /
• pp.45.1-45.1
• /
• 2012

은하의 형태학적 진화 양상을 분석하기 위해 허블 울트라 딥 필드 (Hubble Ultra Deep Field; HUDF)에 있는 밝은 은하를 조사하였다. Coe et al. (2006)의 HUDF 카탈로그에 포함된 적색편이, 적경, 적위, 밝기 등급, 픽셀 면적 값을 사용하여 HUDF은하의 B필터 영상에서 밝은 순서로 1000개의 천체를 선택하고 이로부터 939개의 은하의 육안 분류를 수행하였다. Elmegreen et al. (2005)의 분류 방법에 기초하여 타원 은하, 렌즈 은하, 나선 은하, 올챙이 은하(Tadpole), 이중 은하(Double), 사슬 은하(Chain), 덩어리 은하(Clump cluster)와 그 외의 불규칙 은하로 분류하였다. 이렇게 분류된 은하의 분류형과 은하의 적색이동 사이의 관계를 분석하여 HUDF 은하의 적색편이에 따른 형태학적 진화 양상을 찾아낼 수 있었다. 올챙이 은하, 이중 은하, 사슬형 은하, 덩어리 은하 등 병합 단계에 있는 것으로 추정되는 은하들은 적색편이가 작을수록 그 수가 대체로 감소하는 경향을 보이는 반면, 나선은하들은 적색편이가 작을수록 그 수가 증가하는 경향을 보였다. 또한, 적색편이와 은하 크기 사이의 관계를 보았을 때 낮은 적색 편이에서 나타나는 상대적으로 큰 은하들이 대부분 나선 은하였으며 이러한 결과는 은하 생성의 Bottom-Up 가설로 설명이 가능하다. 이와 함께 은하 형태의 정량적 분석을 위해 각 은하의 CAS와 함께 M20, Gini Coefficient(G)를 구하여 이들과 육안 분류와의 관계를 분석하여, CASGM20, 으로부터 은하의 분류 형을 찾는 방법을 모색하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.222-223
• /
• 2020

최근 악성코드로 인한 피해가 증가하고 있다. 악성코드는 악성코드가 속한 종류에 따라서 대응하는 방법도 다르기 때문에 악성코드를 종류별로 분류하는 연구도 중요하다. 기존에는 악성코드 시각화 과정을 통해서 생성된 악성코드의 글로벌 이미지를 사용해 악성코드를 각 종류별로 분류한다. 글로벌 이미지를 악성코드로부터 추출한 바이너리 정보를 사용해서 생성한다. 하지만, 글로벌 이미지만을 사용해서 악성코드를 각 종류별로 분류하는 경우 악성코드의 종류별로 중요한 특징을 고려하기 않기 때문에 분류 정확도가 떨어진다. 본 논문에서는 악성코드의 글로벌 이미지에 악성코드의 종류별 특징을 나타내기 위한 로컬 특징 기반 글로벌 이미지를 사용한 악성코드 분류 방법을 제안한다. 첫 번째, 악성 코드로부터 바이너리를 추출하고 추출된 바이너리를 사용해서 글로벌 이미지를 생성한다. 두 번째, 악성 코드로부터 로컬 특징을 추출하고 악성코드의 종류별 핵심 로컬 특징을 단어-역문서 빈도(Term Frequency Inverse Document Frequency, TFIDF) 알고리즘을 사용해 선택한다. 세 번째, 생성된 글로벌 이미지에 악성코드의 패밀리별 핵심 특징을 픽셀화해서 적용한다. 네 번째, 생성된 로컬 특징 기반 글로벌 이미지를 사용해서 컨볼루션 모델을 학습하고, 학습된 컨볼루션 모델을 사용해서 악성코드를 각 종류별로 분류한다.