• 한국산업정보학회논문지
• /
• 제3권1호
• /
• pp.141-151
• /
• 1998

The importance of fax imagerestoration is constantly increasing with the widespreasd use of facsimile machines in almost every sector of modern society. Recently, Handley and Doutherty proposed a morphological method for restoration of fax images, Their method removed effectively the only salient noise in the fax images. However, it could not remove the white and pepper noise that can appear in fax images since they treated fax images as deterministic sequences rather than random fields. Furthermore, this approach suffers from computational burden since it does not use recursive restoration technique. To cope with those difficulties, in this paper, we propose a new restoration scheme for restoring fax images using Kalman fitering which provides and efficient recursive processor. The proposed restoration method is based on the wide-sense Markov random fields (WSM).In order to verify the performance of the proposed restoration method, several experiments with the CCITT Group 3 fax machine were conducted with the generated document .Experimental results revealed that our proposed restoration method was shown to be superior to Handley et.al's method for restoring fax images.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권9호
• /
• pp.4405-4418
• /
• 2016

Automatic image completion techniques have difficulty processing images in which the target region has multiple planes or is non-facade. Here, we propose a new image completion method that uses belief propagation based on planar priorities. We first calculate planar information, which includes planar projection parameters, plane segments, and repetitive regularity extractions within the plane. Next, we convert this planar information into planar guide knowledge using the prior probabilities of patch transforms and offsets. Using the energy of the discrete Markov Random Field (MRF), we then define an objective function for image completion that uses the planar guide knowledge. Finally, in order to effectively optimize the MRF, we propose a new optimization scheme, termed Planar Priority-belief propagation that includes message-scheduling-based planar priority and dynamic label cropping. The results of experiment show that our approach exhibits advanced performance compared with existing approaches.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.172-175
• /
• 2018

환자의 병력을 서술하는 임상문서에서 임상 개체명들은 그들 사이에 개체명이 아닌 단어들이 위치하기 때문에 거리상으로 서로 떨어져 있고, 임상 개체명인식에 많이 사용되는 조건부무작위장(conditional random fields; CRF) 모델은 Markov 속성을 따르기 때문에 서로 떨어져 있는 개체명 라벨 간의 전이 정보는 모델의 계산에서 무시된다. 본 논문에서는 라벨링 모델에 서로 떨어진 개체명 간 전이 관계를 표현하기 위하여 CRF 모델의 구조를 변경하는 방법론을 소개한다. 제안된 CRF 모델 디자인에서는 모델의 계산효율성을 빠르게 유지하기 위하여 Markov 속성을 유지하는 1차 모델 구조를 유지한다. 모델은 선행하는 개체명의 라벨 정보를 후행하는 개체명 엔터티에게 전달하기 위하여 선행 개체명의 라벨을 뒤 따르는 비개체명 라벨에 전이시키고 이를 통해 후행하는 개체명은 선행하는 개체명의 라벨 정보를 알 수 있게 된다. 라벨의 고차 전이 정보를 전달함에도 모델의 구조는 1차 전이 구조를 유지함으로 n차 구조의 모델보다 빠른 계산 속도를 유지할 수 있게 된다. 모델의 성능 평가를 위하여 서울대학교병원 류머티즘내과에서 퇴원한 환자들의 퇴원요약지에 병력과 관련된 엔터티가 태깅된 평가 데이터와 i2b2 2012/VA 임상자연어처리 shared task의 임상 개체명 추출 데이터를 사용하였고 기본 CRF 모델들(1차, 2차)과 비교하였다. 피처 조합에 따라 모델들을 평가한 결과 제안한 모델이 거의 모든 경우에서 기본 모델들에 비하여 F1-score의 성능을 향상시킴을 관찰할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제43권5호
• /
• pp.37-44
• /
• 2006

MRF (Markov random fields)로 전후 관계가 모델링된 변형된 형태의 ICM 방식을 소개한다. 특징 추출을 위해 부합블록인접의 새로운 MRF 모델을 제시한다. 이 모델은 현재 고려중인 화소를 기점으로 지엽구조인 복수방향의 기하학적 인접화소군들을 발생시켜 집합을 형성한다. 전처리 작업을 통해 산출한 특정 영역 색도분포의 확률적 데이터를 근거로 매 인접화소군 화소들 사이의 색도분포와 인접화소군들 사이의 관련성 여부를 단계별로 확률적으로 비교 판별함으로 해당화소의 영역귀속을 결정한다. 귀속 영역이 판별된 화소에는 특정 색도를 부여하고 타영역의 원소와 차별한다. 이러한 과정을 전 화소들에 확대 적용하면서 관측영상은 영역별로 순차적으로 분류되며 정보가 추출된다. 대상 영상은 탁본영상으로서 바탕영역과 정보영역을 차별적으로 분류, 색도부여를 통해 문자만의 특징을 선별한다. 이 방식은 종래의 ICM 방식의 단점이었던 과/부족 평활 현상을 최소화하는 동시에, 벡터적 판별력 부가에 의한 특정영역 잡음 제거와 얼룩현상 극소화에 효과가 있음이 실험을 통해 확인할 수 있었다. 또한 MICM 방식을 탁본영상의 문자인식에 적용하면 우수한 효과가 있으리라 기대한다.

• 한국정보처리학회논문지
• /
• 제7권8호
• /
• pp.2555-2564
• /
• 2000

본 논문에서는 새로운 무관리형 화상분할 알고리즘이 제안된다. 제안된 알고리즘은 화상에 내재되어 있는 구조 정보를 모델링하기 위하여 마르코프 랜덤필드의 특성을 이용하고 있다. 텍스쳐 화상은 정상상태의 가우스 마르코프 랜덤필드가 2차원의 격자구조 위에 실현된 상태로 간주되었으며 2차의 비순차근방을 갖는 조건부 자기회귀함수를 이용하여 모델링 되었다. 화상의 경계면 감출을 위하여 마스크로 선택된 두 영역에 대한 가설검정이 수행된다. 이 방법은 선택된 두 영역이 같은 종류의 텍스쳐라고 가정을 한 후 조건부 자기회귀모델의 매개변수를 최소평균제곱오차 측면에서 추정한다. 가설이 거절되면 두 영역의 상이함을 측정한 그 값이 선택된 영역에 누적된다. 이와 겉은 방법을 통하여 잠재적인 경제지도가 얻어지며, 이것을 통하여 여러 종류의 텍스쳐 화상의 분할이 미세오류경계 없이 이루어지게 된다. 제안된 알고리즘의 성능은 인공화상 뿐만 아니라 실제의 자연화상을 이용한 실험을 통하여 입증되었으며 일체의 사전정보 없이도 만족할 만한 결과를 보여 주었다.

• 응용통계연구
• /
• 제22권2호
• /
• pp.425-433
• /
• 2009

Spatial models suitable for describing the evolving random fields in climate and environmental systems have been developed by many researchers. In general, rainfall in South Korea is highly variable in intensity and amount across space. This study characterizes the monthly and regional variation of rainfall fields using the spatial modeling. The main objective of this research is spatial prediction with the Bayesian hierarchical modeling (kriging) in order to further our understanding of water resources over space. We use the Bayesian approach in order to estimate the parameters and produce more reliable prediction. The Bayesian kriging also provides a promising solution for analyzing and predicting rainfall data.

• Nuclear Medicine and Molecular Imaging
• /
• 제42권2호
• /
• pp.118-126
• /
• 2008

Statistical image reconstruction methods have played an important role in emission computed tomography (ECT) since they accurately model the statistical noise associated with gamma-ray projection data. Although the use of statistical methods in clinical practice in early days was of a difficult problem due to high per-iteration costs and large numbers of iterations, with the development of fast algorithms and dramatically improved speed of computers, it is now inevitably becoming more practical. Some statistical methods are indeed commonly available from nuclear medicine equipment suppliers. In this paper, we first describe a mathematical background for statistical reconstruction methods, which includes assumptions underlying the Poisson statistical model, maximum likelihood and maximum a posteriori approaches, and prior models in the context of a Bayesian framework. We then review a recent progress in developing fast iterative algorithms.

• 응용통계연구
• /
• 제31권2호
• /
• pp.287-301
• /
• 2018

0이 과도하게 많이 나타나는 자료는 여러 다양한 분야에서 흔히 볼 수 있다. 이러한 자료들을 분석할 때 대표적으로 영과잉 포아송 모형이 사용된다. 특히 반응변수들 사이에 상관관계가 존재할 때에는 랜덤효과를 영과잉 포아송 모형에 도입해서 분석해야 한다. 이러한 모형은 주로 빈도론자들의 접근방법으로 분석되어왔는데, 최근에는 베이지안 기법을 사용한 분석도 다양하게 발전되어 왔다. 본 논문에서는 반응변수들 사이에 상관관계가 존재하는 경우 랜덤효과가 포함된 영과잉 포아송 회귀모형을 베이지안 추론 방법을 토대로 제안하였다. 이 모형의 적합성을 판단하기 위해 모의 실험을 통해 랜덤효과를 고려하지 않은 모형과 비교 분석하였다. 또한, 실제 지역사회 건강조사 흡연 자료에 직접 응용하여 그 결과를 살펴보았다.

• Communications for Statistical Applications and Methods
• /
• 제23권6호
• /
• pp.497-515
• /
• 2016

Modern processes often monitor more than one quality characteristic that are referred to as multivariate statistical process control (MSPC) procedures. The MSPC is the most rapidly developing sector of statistical process control and increases interest in the simultaneous inspection of several related quality characteristics. Most multivariate detection procedures based on a multi-normality assumptions are independent, but there are many processes that assume non-normality and correlation. Many multivariate control charts have a lack of related joint distribution. Copulas are tool to construct multivariate modelling and formalizing the dependence structure between random variables and applied in several fields. From copula literature review, there are a few copula to apply in MSPC that have multivariate control charts, and represent a successful tool to identify an out-of-control process. This paper presents various types of copulas modelling for the multivariate control chart. The performance measures of the control chart are the average run length (ARL) and the average number of observations to signal (ANOS). Furthermore, a Monte Carlo simulation is shown when the observations were from an exponential distribution.

• ETRI Journal
• /
• 제45권5호
• /
• pp.822-835
• /
• 2023

Recent semantic segmentation frameworks usually combine low-level and high-level context information to achieve improved performance. In addition, postlevel context information is also considered. In this study, we present a Context ReFinement Network (CRFNet) and its training method to improve the semantic predictions of segmentation models of the encoder-decoder structure. Our study is based on postprocessing, which directly considers the relationship between spatially neighboring pixels of a label map, such as Markov and conditional random fields. CRFNet comprises two modules: a refiner and a combiner that, respectively, refine the context information from the output features of the conventional semantic segmentation network model and combine the refined features with the intermediate features from the decoding process of the segmentation model to produce the final output. To train CRFNet to refine the semantic predictions more accurately, we proposed a sequential training scheme. Using various backbone networks (ENet, ERFNet, and HyperSeg), we extensively evaluated our model on three large-scale, real-world datasets to demonstrate the effectiveness of our approach.