• 한국정보통신학회논문지
• /
• 제24권10호
• /
• pp.1355-1360
• /
• 2020

지도에서 특별한 지형지물에 이름이나 설명문에 해당하는 레이블을 붙이는 것을 지도 레이블링(map labeling)이라고 한다. 본 논문에서는 직선상에 n개의 점들이 주어지고 점들에 대한 직사각형의 레이블을 위치시키는 문제를 다룬다. 특별히 레이블들의 높이는 모두 같고, 점들이 위치한 직선의 위쪽에 아래 변들이 모두 동일 선 위에 위치하도록 놓는다. 그리고 점과 레이블을 꺾은선으로 연결하고 이것을 지시선이라 부른다. 지시선은 수직선만으로 구성된 직선 지시선과 수직선, 수평선, 수직선으로 구성된 꺾인 지시선으로 나뉜다. 문제는 꺾인 지시선의 수를 최소화하도록 레이블을 위치시키는 것이고, 우리는 O(nlogn) 시간 알고리즘을 제안함으로서 [13]에서 제안한 O(n2) 시간 알고리즘을 개선한다.

• 한국통신학회논문지
• /
• 제28권9C호
• /
• pp.860-867
• /
• 2003

본 논문에서는 방향 패턴 레이블링을 이용하여 지문 영상의 중심점을 검출하는 방법을 제안하였다. 중심점은 지문영상에서의 특이점들 중의 하나이며 대부분의 지문 인식 시스템에서 기준점으로 사용되고 있다. 중심점의 검출은 지문 인식 시스템에서 반드시 수행되어야할 중요한 단계로 전체 시스템의 성능에 큰 영향을 준다. 제안된 방법에서는 ridge의 분포로부터 얻어낸 방향 성분에 레이블링 방법과 중심점의 위치를 결정하는 알고리즘을 적용하여 중심점의 위치를 검출할 수 있었다. 모의 실험 결과 제안한 방법이 Poincare index와 Sine map 방법들에 비해 수행시간과 검출률 모두에서 좀더 나은 성능을 보임을 확인하였다. 특히 제안한 방법은 arch 형의 중심점 검출에 있어 Poincare index 방법의 낮은 검출률과 Sine map 방법의 긴 수행 시간이라는 단점들을 모두 극복하였다.

• Journal of applied mathematics & informatics
• /
• 제32권3_4호
• /
• pp.377-387
• /
• 2014

Let G be a (p, q) graph. Let f be a map from V (G) to {1, 2, ${\ldots}$, p}. For each edge uv, assign the label ${\mid}f(u)-f(\nu){\mid}$. f is called a difference cordial labeling if f is a one to one map and ${\mid}e_f(0)-e_f(1){\mid}{\leq}1$ where $e_f(1)$ and $e_f(0)$ denote the number of edges labeled with 1 and not labeled with 1 respectively. A graph with admits a difference cordial labeling is called a difference cordial graph. In this paper, we investigate the difference cordial labeling behavior of triangular snake, Quadrilateral snake, double triangular snake, double quadrilateral snake and alternate snakes.

• Journal of applied mathematics & informatics
• /
• 제37권1_2호
• /
• pp.149-156
• /
• 2019

Let G be a (p, q) graph. Let $f:V(G){\rightarrow}\{1,2,{\ldots},k\}$ be a map where $k{\in}{\mathbb{N}}$ and k > 1. For each edge uv, assign the label gcd(f(u), f(v)). f is called k-Total prime cordial labeling of G if ${\mid}t_f(i)-t_f(j){\mid}{\leq}1$, $i,j{\in}\{1,2,{\ldots},k\}$ where $t_f$(x) denotes the total number of vertices and the edges labelled with x. A graph with a k-total prime cordial labeling is called k-total prime cordial graph. In this paper we investigate the 4-total prime cordial labeling of some graphs.

• Journal of Applied and Pure Mathematics
• /
• 제4권1_2호
• /
• pp.51-61
• /
• 2022

Let G be a graph. Let f : V (G) → {0, 1, 2, …, k-1} be a map where k ∈ ℕ and k > 1. For each edge uv, assign the label |f(u) - f(v)|. f is called k-total difference cordial labeling of G if |t_df (i) - t_df (j) | ≤ 1, i, j ∈ {0, 1, 2, …, k - 1} where t_df (x) denotes the total number of vertices and the edges labeled with x. A graph with admits a k-total difference cordial labeling is called k-total difference cordial graphs. In this paper we investigate the 4-total difference cordial labeling behaviour of shell butterfly graph, Lilly graph, Shackle graphs etc..

• Journal of applied mathematics & informatics
• /
• 제34권3_4호
• /
• pp.227-237
• /
• 2016

In this paper we introduce a new graph labeling called k-prime cordial labeling. Let G be a (p, q) graph and 2 ≤ p ≤ k. Let f : V (G) → {1, 2, . . . , k} be a map. For each edge uv, assign the label gcd (f(u), f(v)). f is called a k-prime cordial labeling of G if |v_f (i) − v_f (j)| ≤ 1, i, j ∈ {1, 2, . . . , k} and |e_f (0) − e_f (1)| ≤ 1 where v_f (x) denotes the number of vertices labeled with x, e_f (1) and e_f (0) respectively denote the number of edges labeled with 1 and not labeled with 1. A graph with a k-prime cordial labeling is called a k-prime cordial graph. In this paper we investigate the k-prime cordial labeling behavior of a star and we have proved that every graph is a subgraph of a k-prime cordial graph. Also we investigate the 3-prime cordial labeling behavior of path, cycle, complete graph, wheel, comb and some more standard graphs.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 제14회 신호처리 합동 학술대회 논문집
• /
• pp.429-432
• /
• 2001

지문영상의 특이점(Singularities) 중의 하나인 Core Point는 대부분의 지문인증 시스템에서 기준점(Reference Point)으로 사용되고 있다. 또한 Core Point의 검출은 전체 지문인증 시스템의 가장 기본적인 단계로서 전체 시스템의 성능에 많은 영향을 준다. 본 논문에서는 지문 영상의 방향 패턴(Orientation Pattern)과 이의 리레이블링(Re-labeling)을 이용한 Core Point 검출 방법을 제안하고, 기존의 Poincare Index를 이용하는 방법 및 Sine Map을 이응한 방법과 비교, 분석하였다.

• 제어로봇시스템학회논문지
• /
• 제21권11호
• /
• pp.996-1002
• /
• 2015

In this paper, we present an effective system for the 3D scene labeling of objects from RGB-D videos. Our system uses a Markov Random Field (MRF) over a voxel representation of the 3D scene. In order to estimate the correct label of each voxel, the probabilistic graphical model integrates both scores from sliding window-based object detectors and also from object location prior maps. Both the object detectors and the location prior maps are pre-trained from manually labeled RGB-D images. Additionally, the model integrates the scores from considering the geometric constraints between adjacent voxels in the label estimation. We show excellent experimental results for the RGB-D Scenes Dataset built by the University of Washington, in which each indoor scene contains tabletop objects.

• 디지털융복합연구
• /
• 제12권11호
• /
• pp.309-316
• /
• 2014

본 논문에서는 초점/비초점 영상에서 깊이 지도를 효율적으로 추출하기 위하여 그래프 컷(Graph Cut)과 이산 웨이블릿 변환(Discrete Wavelet Transform)을 이용한 깊이 지도 생성 기법을 제안한다. 제안하는 방법은 우선 해당 영상을 영역 별로 처리하기 위해 그래프 컷 방법으로 각 픽셀 간의 유사도를 이용하여 분할한다. 그 다음 분할 영역을 레이블링 하여 원 영상의 분할 영역 정보를 생성한다. 그리고 이산 웨이블릿 변환을 이용하여 원 영상 내의 주파수 정보를 나타내는 LL, LH, HH, HL 부대역(Subband)을 생성한다. 마지막으로 4개의 부대역 중 영상의 초점/비초점 영역을 분석할 단서가 되는 HH, HL 대역을 이용하여 주파수 지도를 생성한 뒤 분할 영역에 따라 깊이 정보를 계산함으로써 깊이 지도를 추출한다. 제안하는 방법은 초점 정보인 블러(Blur)의 양에 따라 동적인 깊이의 할당이 가능하여 효율적인 깊이 지도의 생성이 가능하였다. 실험으로 PSNR(Peak Signal to Noise Ratio) 방법을 통해 제안하는 방법의 성능을 평가하였다.

• The Journal of the Acoustical Society of Korea
• /
• 제12권1E호
• /
• pp.71-77
• /
• 1993

패턴매칭 기법에 근거한 음성 인식 시스템은 크게 clustering 과정과 labeling 과정으로 구성된다. 본 논문에서는 Kohonen의 featrue map 알고리즘과 LVQ2 알고리즘을 각각 clusterer와 labeler로 하는 음소인식 시스템을 구성한다. 구성된 인식시스템의 성능을 향상시키기 위해서 수정된 LVQ2알고리즘(MLVQ2)을 제안한다. MLVQ2는 selective learning, LVQ2, perturbed LVQ2 그리고 기존의 LVQ2의 4단계 학습과정으로 구성된다. 제안된 음소 인식 알고리즘의 성능을 평가하기 위하여 LVQ2와 MLVQ2를 각각 사용하여 6가지의 한국어 음소군에 대한 feature map을 만든다. 음소인식 실험결과, LVQ2와 MLVQ2를 사용하는 경우 각각 60.5%와 65.4%의 인식률을 얻을 수 있었다.