• Proceedings of the IEEK Conference
• /
• 2000.09a
• /
• pp.849-852
• /
• 2000

본 논문은 배경이 고정되지 않은 복잡한 동영상에서의 물체 추적을 위하여 다중 모델 색상 히스토그램 역투영(Multi Model Color Histogram Back-projection)방법을 제안한다. 색상 히스토그램 역투영(Color Histogram Back-projection)을 이용하면 카메라의 움직임 때문에 발생하는 배경의 변화에 관계없이 물체를 추적할 수 있다. 기존의 방법은 추적하려는 물체에 대해 하나의 모델만을 적용했기 때문에, 배경영역 색분포의 영향을 많이 받는다. 이를 해결하기 위해 다중 모델 색상 히스토그램 역투영 방법을 이용하였다. 이 방법은 추적하려는 물체에 대해 여러 개의 모델을 구하여 각각에 대해 색상 히스토그램 역투영을 수행한다 또한 역투영 이진 영상에서 물체의 위치를 결정하기 위한 수평, 수직 프로젝션 방법의 문제점을 레이블링(Labeling)을 사용하여 보완하였다.

• Journal of Korea Multimedia Society
• /
• v.15 no.6
• /
• pp.748-760
• /
• 2012

In case brightness distribution is concentrated in a region, it is difficult to classify the image features. To solve this problem, we apply global histogram equalization and local histogram equalization to images. In case of global histogram equalization, it can be too bright or dark because it doesn't consider the density of brightness distribution. Thus, it is difficult to enhance the local contrast in the images. In case of local histogram equalization, it can produce unexpected blocks in the images. In order to enhance the contrast in the images, this paper proposes a local histogram equalization based on the Gaussian Mixture Models(GMMs) in regions of histogram. Mean and variance parameters in each regions is updated EM-algorithm repeatedly and then ranges of equalization on each regions. The experimental results performed with image of various contrasts show that the proposed algorithm is better than the global histogram equalization.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2001.06a
• /
• pp.245-248
• /
• 2001

본 논문은 히스토그램 백 프로젝션, 히스토그램 인터 섹션 그리고 XY-프로젝션을 이용하여 물체를 분할하고 정합하여 물체 추적 시스템에 적용하고자 한다. 물체 추적 시스템에서 실시간 처리를 위하여 물체정합 모델은 계산량이 적고, 물체의 변화에도 일관성이 있어야 한다. 본 논문에서 제안한 물체정합 모델은 이러한 물체 추적 시스템에 적합하다. 본 논문에서는 움직이는 카메라로부터 획득된 영상에서 물체를 정합하는 것을 보였으며, 물체를 큰 오차 없이 추적함을 보였다.

• Journal of KIISE:Software and Applications
• /
• v.28 no.3
• /
• pp.285-297
• /
• 2001

본 논문에서는 특정한 객체의 색 분포 모델링으로부터 얻어지는 가중 색 히스토그램과 지배적인 색의 영상공간 분포특성을 이용한 내용기반 영상 검색 방법을 제안한다. 특정한 객체의 예로 사람 얼굴을 선택했고, 그것의 색 분포를 u*-v* 색도 공간에서 모델링 했으며, 모델의 정규화된 부피를 균등 양자화된 색도 공간의 각 빈(bin)의 히스토그램 값에 대한 가중치로 결정하고, 결정된 가중치를 히스토그램 정합 과정에 적용하였다. 또한 색 히스토그램 값이 큰 특정한 수의 빈으로 정의되는 지배적인 색의 영상 공간 분포를 가중 색 히스토그램과 함께 유사성의 측정기준으로 사용하였다. 제안한 검색 방법을 500여개의 영상에 대해 실험한 결과 제안한 방법이 얼굴을 포함하는 영상을 질의로 주었을 때 얼굴을 포함하는 영상을 우선적으로 찾는데 효과적임을 확인하였다.

• Journal of Engineering Education Research
• /
• v.3 no.2
• /
• pp.3-13
• /
• 2000

The paper has analyzed and summarized about the theoretical problem occurred in the CAQC, and has developed the learning model focused on the histogram as a case study. The range of study is to systematize the basic method of histogram generally used, and to make step by step procedures under the interactive relation with the improvement of the theory that must be added in case of the calculation by the aided of MS-Excel software. A histogram is the theory to understand the population distribution from which samples are extracted, so alternative methods are presented to estimate the population shape through an experiment and a practice. In order to enlarge the application area of the histogram in the factory, the theory of normal test, the criteria of process capability index and the probability calculation of PPM are added to the histogram. The learning model of CAQC education is proposed that is consistent with the target of histogram to control and search the cause of item defectives fast and correctly.

• Proceedings of the Korean Society of Disaster Information Conference
• /
• 2015.11a
• /
• pp.96-99
• /
• 2015

본 논문에서는 중복되지 않는 서로 다른 카메라의 영상을 활용한 동일 객체 판단 및 추적 기술에 대하여 소개한다. 영상분석에서 색상 정보는 가장 기본이 되는 중요한 정보라 할 수 있다. 특히 색상 정보를 이용하는 히스토그램은 일반적으로 추적, 인식 등에 많이 사용되고 있으나 이동 객체나 조도 변화 등에 따라 성능에 차이를 보인다. 이러한 문제점을 해결하고자 본 연구에서는 동일 객체 판단을 위해 대표적으로 사용되는 히스토그램 정합의 두 알고리즘(HSV 공간에서의 Histogram matching 방법과 RGB 공간에서의MCSHR 알고리즘) 결합을 통해 분할 히스토그램은 객체를 3조각으로 나누어 전체와 각각의 히스토그램을 구하며 MCSHR을 RGB공간이 아니 Hue 공간 히스토그램으로 변경하여 유사도를 도출 하였으며 조도 변화에 강인한 모델을 만들기 위해 Controlled equalization기법을 사용하여 원 영상의 히스토그램의 확률과 평활화한 히스토그램의 확률 융합을 시도 하였다. 해당 실험의 비교 결과 기존 HSV공간에서 Histogram matching을 통한 유사도 비교보다 12.9% 향상된 정합율의 결과를 보였다. 또한 영상 정보와 스마트 기기를 통한 인식 방법의 융합을 통해 영상 내에서 동일 객체 판단에 대한 추가 정보 제공에 대해 방법론 적인 부분을 제안 하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2010.05a
• /
• pp.466-468
• /
• 2010

본 논문에서는 다양한 컬러모델 영상을 대상으로 히스토그램의 차이를 이용한 장면 전환 검출 결과를 비교한다. 임계값은 히스토그램의 변화에 따라 변화하는 적응적 임계값 설정 방법을 사용하여 오검출과 미검출의 확률을 줄였다. 점진적인 장면 전환에도 강인한 검출을 위하여 탐색 구간의 변화와 히스토그램의 변화가 급격하게 자주 일어나는 구간의 히스토그램의 변화율을 이용하여 장면 전환을 검출 하는 방법을 제안 하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.06a
• /
• pp.28-31
• /
• 2014

본 논문에서는 블랙박스 혹은 운전석에 장착된 카메라로부터 얻어진 차량 영상에 대한 영역별 수직 히스토그램 매칭 및 선형 회귀분석 모델(linear regression model)을 활용한 강건한 차량 운행 동영상의 안정화(video stabilization) 기법을 제안한다. 동영상 안정화 기법은 영상의 흔들림 보정뿐 아니라 동영상 내 강건한 특징점 추적 및 매칭을 위한 이전의 전처리 과정으로 적용된다. 일반적으로 촬영 과정에서 많은 떨림이 포함될 수 있는 야외 CCTV 영상이나 손으로 들고(hand-held) 촬영된 동영상에 대한 흔들림 보정 등에 적용되고 있으나 영상 내 특징점이 지속적으로 변하고 영상의 변화 정도가 매우 심한 차량 운행 동영상에서는 적용된 사례가 드물다. 본 연구에서는 일반적인 비디오 안정화 기술이 적용되기 어려운 차량 운행 동영상에 대하여 수직 투영 히스토그램 매칭 및 선형 회귀분석 모델 기반의 안정화 기법을 제안한다. 제안된 기법은 입력영상에 대한 영역별 수직 투영 히스토그램 매칭을 수행하고 선형 회귀모델을 통해 영상에 나타나는 수직 및 회전이동 변환을 선형 근사하여 시간 영역 상의 입력 영상에 대한 안정화를 달성한다. 제안 방법의 검증을 위해 블랙박스로 촬영된 실제 동영상에 동영상 안정화 기술을 적용하였으며, 운행 중 불규칙한 노면으로 인한 영상의 흔들림이 효과적으로 제거되는 것을 확인할 수 있었다.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.36S no.9
• /
• pp.76-90
• /
• 1999

In this paper, a color image retrieval algorithm is proposed based on color histogram and color texture. The representative color vectors of a color image are made from k-means clustering of its color histogram, and color texture is generated by centering around the color of pixels with its color vector. Thus the color texture means texture properties emphasized by its color histogram, and it is analyzed by Gaussian Markov Random Field (GMRF) model. The proposed algorithm can work efficiently because it does not require any low level image processing such as segmentation or edge detection, so it outperforms the traditional algorithms which use color histogram only or texture properties come from image intensity.

• The KIPS Transactions:PartD
• /
• v.11D no.4
• /
• pp.983-990
• /
• 2004

Multiple-count problem is occurred when rectangle objects span across several buckets. The CD histogram is a technique which selves this problem by keeping four sub-histograms corresponding to the four points of rectangle. Although It provides exact results with constant response time, there is still a considerable issue. Since it is based on a query window which aligns with a given grid, a number of errors nay be occurred when it is applied to real applications. In this paper, we propose selectivity estimation techniques using the generalized cumulative density histogram based on two probabilistic models : \circled1 probabilistic model which considers the query window area ratio, \circled2 probabilistic model which considers intersection area between a given grid and objects. Our method has the capability of eliminating an impact of the restriction on query window which the existing cumulative density histogram has. We experimented with real datasets to evaluate the proposed methods. Experimental results show that the proposed technique is superior to the existing selectivity estimation techniques. Furthermore, selectivity estimation technique based on probabilistic model considering the intersection area is very accurate(less than 5% errors) at 20% query window. The proposed techniques can be used to accurately quantify the selectivity of the spatial range query on rectangle objects.