• 대한임베디드공학회논문지
• /
• 제3권1호
• /
• pp.8-18
• /
• 2008

In this paper, we propose an efficient algorithm using wavelet transform for still image database retrieval. Especially, it uses only the lowest frequency sub-band in multi-level wavelet transform so that a retrieval system uses a smaller quantity of memory and takes a faster processing time. We extract different textured features, statistical information such as mean, variance and histogram, from low frequency sub-band. Then we measure the distances between the query image and the images in a database in terms of these features. To obtain good retrieval performance, we use the first feature (mean and variance of wavelet coefficients) to filter out most of the unlikely images. The rest of the images are considered to be candidate images. Then we apply the second feature (histogram of wavelet coefficient) to rank all the candidate images. To evaluate the algorithm, we create various distorted image databases using MIT VisTex texture images and PICS natural images. Through simulations, we demonstrate that our method can achieve performance satisfactorily in terms of the retrieval accuracy as well as the both memory requirement and computational complexity. Therefore it is expected to provide good retrieval solution for JPEG-2000 using wavelet transform.

• 한국멀티미디어학회논문지
• /
• 제20권8호
• /
• pp.1299-1311
• /
• 2017

Sounds based machine fault diagnosis recovers all the studies that aim to detect automatically faults or damages on machines using the sounds emitted by these machines. Conventional methods that use mathematical models have been found inaccurate because of the complexity of the industry machinery systems and the obvious existence of nonlinear factors such as noises. Therefore, any fault diagnosis issue can be treated as a pattern recognition problem. We present here an automatic fault diagnosis system of hand drills using discrete wavelet transform (DWT) and pattern recognition techniques such as principal component analysis (PCA) and artificial neural networks (ANN). The diagnosis system consists of three steps. Because of the presence of many noisy patterns in our signals, we first conduct a filtering analysis based on DWT. Second, the wavelet coefficients of the filtered signals are extracted as our features for the pattern recognition part. Third, PCA is performed over the wavelet coefficients in order to reduce the dimensionality of the feature vectors. Finally, the very first principal components are used as the inputs of an ANN based classifier to detect the wear on the drills. The results show that the proposed DWT-PCA-ANN method can be used for the sounds based automated diagnosis system.

• 디지털융복합연구
• /
• 제13권10호
• /
• pp.287-293
• /
• 2015

본 논문에서는 신호 처리 기술과 가중 퍼지소속함수 기반 신경망 (Neural Network with Weighted Fuzzy Membership Functions; NEWFM)을 이용하여 간질을 검출하는 방안을 제안하였다. 신호 처리 기술로는 웨이블릿 변환(Wavelet Transform), 점증적 증가 방법, 위상공간 재구성(Phase Space Reconstruction)을 이용하였다. 신호 처리 기술의 첫 번째 단계에서는 웨이블릿 변환을 이용하여 뇌파로부터 웨이블릿 계수를 추출하였다. 두 번째 단계에서는 점증적 증가 방법을 이용하여 웨이블릿 계수로부터 첨점(Peak)을 추출하였다. 세 번째 단계에서는 위상공간 재구성을 이용하여 추출된 첨점으로부터 3차원 다이어그램을 생성하였다. NEWFM의 입력으로 사용할 16개의 특징을 추출하기 위하여 유클리드 거리와 통계적 방법을 이용하였다. 이들 16개의 특징을 NEWFM의 입력으로 사용하여 97.5%, 100%, 95%의 정확도, 특이도, 민감도를 각각 구하였다.

• 한국해양공학회지
• /
• 제28권6호
• /
• pp.552-559
• /
• 2014

In general, the number of underwater transient signals is very limited for research on automatic recognition. Data-dependent feature extraction is one of the most effective methods in this case. Therefore, we suggest WPCC (Wavelet packet ceptsral coefficient) as a feature extraction method. A wavelet packet best tree for each data set is formed using an entropy-based cost function. Then, every terminal node of the best trees is counted to build a common wavelet best tree. It corresponds to flexible and non-uniform filter bank reflecting characteristics for the data set. A GMM (Gaussian mixture model) is used to classify five classes of underwater transient data sets. The error rate of the WPCC is compared using MFCC (Mel-frequency ceptsral coefficients). The error rates of WPCC-db20, db40, and MFCC are 0.4%, 0%, and 0.4%, respectively, when the training data consist of six out of the nine pieces of data in each class. However, WPCC-db20 and db40 show rates of 2.98% and 1.20%, respectively, while MFCC shows a rate of 7.14% when the training data consists of only three pieces. This shows that WPCC is less sensitive to the number of training data pieces than MFCC. Thus, it could be a more appropriate method for underwater transient recognition. These results may be helpful to develop an automatic recognition system for an underwater transient signal.

• 한국콘텐츠학회논문지
• /
• 제9권7호
• /
• pp.19-26
• /
• 2009

본 논문은 가중 퍼지소속함수 기반 신경망(Neural Network with weighted Fuzzy Membership Functions, NEWFM)과 웨이블릿 변환(wavelet transforms, WT)을 이용하여 Creighton University Ventricular Tachyarrhythmia Database(CUBD)의 심전도 신호로부터 정상리듬(normal sinus rhythm, NSR)과 심실 빈맥/세동(Ventricular tachycardia/fibrillation VT/VF)을 검출하는 방안을 제시하고 있다. NEWFM에서 사용할 특정입력을 추출하기 위해서 첫 번째 단계에서는 웨이블릿 변환을 이용하여 스케일 레벨 3과 레벨 4의 주파수 대역에서 d3과 d4의 계수들을 각각 선택하였다. 두 번째 단계에서는 d3과 d4의 계수들에 대한 구간별 표준편차를 이용하여 8개의 특징입력을 추출하였다. NEWFM은 이들 8개의 특정입력을 이용하여 정상리듬과 심실 빈맥/세동을 검출하였고 그 결과로 90.1%의 검출성능을 나타내었다.

• 한국정보통신학회논문지
• /
• 제17권11호
• /
• pp.2636-2644
• /
• 2013

본 논문에서는 서로 다른 감지장치로부터 획득한, 특성이 상이한 다중영상인 가시광선 영상과 적외선 영상의 까다로운 영상융합을 수행할 수 있는 웨이블렛 기반 MAD순서통계량을 논의한다. 상이한 두 영상의 효과적인 영상융합을 위하여 근사부분대역의 웨이블렛 계수에 가중평균(Weighted average)법으로 융합처리하고 상세 부분대역의 웨이블렛 계수에 중앙절대편차(MAD: Median Absolute Deviation)를 이용한 임계값을 비교하여 두 영상의 장점만을 표현하는 방법을 제안한다. 특히 기존의 융합규칙들은 두 영상간의 화소나 지표 값의 대 소 관계에 의해 융합 영상이 이루어짐으로서 왜곡요소가 융합영상에 포함되어 왜곡된 융합영상을 얻을 가능성이 높다. 이러한 단점을 보완하기 위하여 제안 방법의 임계값은 잡음과 같은 왜곡요소를 배재하고 영상의 통계량을 고려하여 설정하였다. 다양한 다중영상을 기존 영상 융합 방법들과 비교하여 제안한 영상융합 방법의 우수성을 종합적 실험결과를 통하여 확인할 수 있었다. 제안된 방법은 실시간처리를 보장하기위하여 DSP와 FPGA를 이용한 하드웨어로 구현하였으며 Xilinx FPGA를 사용하였다.

• 한국통신학회논문지
• /
• 제28권8C호
• /
• pp.795-802
• /
• 2003

영상 잡음의 제거를 위해서는 영상에 대한 통계적 모델을 설정하고, 잡음이 섞인 영상에서 원 영상의 분산을 정확하게 추정하는 것이 매우 중요하다. 분산을 추정하기 위해서는 일반적으로 유한한 크기의 주변 영역 정보를 이용한다. 주변 영역의 크기는 평탄 영역 및 에지 영역과 같이 영상의 영역에 따라 달라진다. 즉, 에지 영역인 경우는 주변 영역의 크기를 작게 설정할수록 추정 분산이 보다 정확하며, 평탄 영역의 경우는 주변 영역의 크기가 크면 분산의 추정이 정확해 진다. 이와 같이 추정된 원 영상의 분산을 이용하여 잡음 영상에 Wiener 필터를 적용함으로써 영상의 잡음을 제거하는 것이 일반적이다. 본 논문에서는 영상의 잡음을 제거하기 위해 웨이블릿 영역의 부모-자식 관계를 이용하여 중요도를 작성하고, 이를 이용하여 분산을 구하기 위한 이웃 영역의 범위를 결정하는 방법을 제안한다. 먼저 웨이블릿 계수의 중요한 특성을 획득할 수 있는 중요도를 작성하기 위해 간단한 분류 방법을 사용한다. 중요한 웨이블릿 계수의 수에 근거하여 웨이블릿 계수의 범위를 결정한 뒤 ML 방법을 이용하여 원 신호의 분산을 추정한다. 실험 결과를 통하여 제안 방법이 기존의 방법보다 나은 결과를 보여줌을 알 수 있다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.102-112
• /
• 2012

본 논문에서는 웨이브렛 영역의 BDIP(block difference of inverse probabilities)와 BVLC(block variance of local correlation coefficients) 특징, 그리고 WPCA(whitened principal component analysis) 분류기를 이용한 질감 분류 방법을 제안한다. 제안된 방법에서는 먼저 질의 영상에 웨이브렛 변환을 적용한다. 그런 다음 웨이브렛 영역의 각 부대역에 BDIP와 BVLC 연산자를 적용한다. 이어서 각 BDIP, BVLC 부대역에 대하여 전역 통계치를 계산하고 그 결과들을 벡터화하여 특징 벡터로 사용한다. 분류 단계에서는 얼굴 인식에 주로 사용되는 WPCA를 분류기로 하여 질의 특징 벡터와 가장 유사한 학습 특징 벡터를 찾는다. 실험 결과 제안된 방법은 3가지의 실험 질감 영상 DB에 대하여 낮은 특징 벡터 차원으로 매우 우수한 질감 분류 성능을 보여준다.

• 한국통신학회논문지
• /
• 제22권4호
• /
• pp.714-725
• /
• 1997

본 논문에서는 웨이블렛 변환된 영상을 비트 플레인으로 분해하여 효과적으로 영상을 부호화하는 방법을 제안한다. 제안하는 방법은 원영상을 웨이블렛 변환하여 저대역 부분은 그대로 무손실 전송하고 고대역 부분은 비트 플레인(bit-plane)으로 분해한 다음, 각 비트 플레인에 나타나는 이진 영상들을 각각의 특성에 따라 부호화한다. 부호화 방법은 먼저 원영상을 웨이블렛 변환한 후, 부동소수점 값을 가지는 웨이블렛 변환 계수를 정수화하고 이 값을 N비트 데이터와 부호 비트로나눈다. 이러한 이진값으로 표현된 그레이 원영상을 비트 플레인으로 분할하여 N개의 이진 영상과 부호 비트에 대응하는 1개의 부호 비트 플레인을 생성시킨다. N개의 비트 플레인에 존재하는 이진 영상은 상대적으로 화질에 미치는 중요도가 적은 하위 비트 플레인의 고대역 부분을 제거한 후, 2차원 이진 블록 부호화 방법을 사용하여 부호화한다. 부호 비트 플레인은 N비트로 데이터의 값이 0이 아닐 경우 그에 해당하는 부호값 만을 부호화하여 압축효과를 높일 수 있었다. 본 논문에서 제안한 방법은 웨이블렛 변환 계수로부터 추출된 비트 플레인 중에서 화질에 크게 영향을 주는 중상위 비트 플레인의 이진영상들이 원영상의 에지(edge) 정보와 함께 지역적으로 모여 있는 특성을 보임에 따라 효과적인 부호화가 가능하다. 또한 비트 플레인 부호화 방식은 상대적으로 영상의 화질에 중요도가 적은 하위 비트 플레인을 쉽게 분리하여 제거함으로서 적정한 영상화질을 유지하면서 비트율(bit rate)을 조정할 수 있는 장점이있다. 제안한 방법은 실험을 통하여 기존의 벡터 양자화 기법에 의한 부호화 방법보다 압축율이나 PSNR 측면에서 성능이 좋음을 입증하였다.

• 한국멀티미디어학회논문지
• /
• 제5권4호
• /
• pp.415-425
• /
• 2002

본 논문에서는 웨이브릿 변환 영역에서 추출된 특징을 기반으로 한 내용기반 영상검색 방법에 관해 연구하였다. 기존의 웨이브릿 기반의 방법에서의 문제점인 특징벡터의 크기를 줄이기 위해 웨이브릿 계수의 영역별 에너지 값을 이용하였으며, 대상물의 이동, 회전, 크기 변화에 영향을 받지 않는 모멘트 특성을 이용한 검색방법을 제안하였다. 본 방법은 특징벡터의 크기를 줄이고, 기존의 특징벡터와 비교해서 검색시간을 단축하면서 분류검색의 효율성을 향상시켰다. 영역기반 영상검색 기능을 제공하기 위해 영상분할 방법에 대해 연구하였으며, 불규칙한 광원에 의한 영향을 최소화할 수 있는 영상분할 방법을 제안하였다 영상분할은 영역병합을 이용하였고, 병합후보영역은 웨이브릿 변환의 고주파 대역 에너지 값을 이용하여 선정하였다 분할된 영역정보를 이용하여 칼라와 질감, 모양 특징벡터를 구성하여 영역기반 영상검색을 수행하였다.