• 한국콘텐츠학회논문지
• /
• 제9권9호
• /
• pp.68-79
• /
• 2009

분산맵은 텍스트 영역이 주변과의 색상 혹은 밝기 변화가 심하다는 특징을 이용하는 방법으로 특히 잦은 포맷 변환에 의하여 해상도가 낮거나 일정하지 않은 웹 이미지의 텍스트 영역을 추출하는 데 적용할 수 있다. 그러나 이전의 분산맵을 적용한 방법들은 입력 영상 전역에 고정된 마스크를 한 번만 적용하는 광역 분산맵을 사용하므로 텍스트 크기가 매우 작거나 큰 경우, 획의 색상에 gradation효과가 있는 경우, 각도, 위치, 색상 등이 복잡한 경우 텍스트 추출 성능이 안정 적이지 못하다. 본 논문은 2단계 분산맵을 사용하여 Web 이미지에서 텍스트 영역을 안정적으로 추출하는 방법을 제안한다. 제안된 방법은 광역 및 지역 분산맵이 각 단계에서 적용되며 서로 계층적 관계를 가진다. 1단계는 텍스트 영역 추출 재현율을 높일 수 있도록, 충분히 큰 글자 혹은 작은 글자도 추출할 수 있는 일정한 마스크 크기를 가진 광역의 수직 및 수평 색 분산맵을 적용하여 유사 텍스트 영역을 추출한다. 2단계에서는 1단계의 각 연결요소영역에 새로운 마스크 크기를 가진 명암 분산맵을 적용하여 최종적인 텍스트 영역을 추출한다. 2단계 분산맵 적용에 의하여 1단계에서 구한 유사 텍스트 영역에 남아 있는 배경 부분이 많이 사라지게 되어 추출 정확률이 높아진다. 제안한 방법을 400개의 Web 이미지에 적용한 결과 배경이 복잡해도 비교적 안정적으로 텍스트 영역을 추출하는 것을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제28권6호
• /
• pp.635-651
• /
• 2012

To produce a level-3 monthly composite image from daily level-2 Sea-viewing Wide Field-of-view Sensor (SeaWiFS) chlorophyll-a concentration data set in the East Sea, we applied four average methods such as the simple average method, the geometric mean method, the maximum likelihood average method, and the weighted averaging method. Prior to performing each averaging method, we classified all pixels into normal pixels and abnormal speckles with anomalously high chlorophyll-a concentrations to eliminate speckles from the following procedure for composite methods. As a result, all composite maps did not contain the erratic effect of speckles. The geometric mean method tended to underestimate chlorophyll-a concentration values all the time as compared with other methods. The weighted averaging method was quite similar to the simple average method, however, it had a tendency to be overestimated at high-value range of chlorophyll-a concentration. Maximum likelihood method was almost similar to the simple average method by demonstrating small variance and high correlation (r=0.9962) of the differences between the two. However, it still had the disadvantage that it was very sensitive in the presence of speckles within a bin. The geometric mean was most significantly deviated from the remaining methods regardless of the magnitude of chlorophyll-a concentration values. Its bias error tended to be large when the standard deviation within a bin increased with less uniformity. It was more biased when data uniformity became small. All the methods exhibited large errors as chlorophyll-a concentration values dominantly scatter in terms of time and space. This study emphasizes the importance of the speckle removal process and proper selection of average methods to reduce composite errors for diverse scientific applications of satellite-derived chlorophyll-a concentration data.