http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
이미지 검색을 위한 Haar 웨이블릿 특징 검출자에 대한 연구
팽소호(Shao-Hu Peng),김현수(Hyun-Soo Kim),뮤잠멜(Khairul Muzzammil),김덕환(Deok-Hwan Kim) 大韓電子工學會 2010 電子工學會論文誌-CI (Computer and Information) Vol.47 No.1
본 논문은 Haar 웨이브릿변환과 평균 박스필터에 기반을 둔 Haar 웨이브릿 특징 검출자를 제안한다. 원 영상을 Haar 웨이브릿 변환을 통해 분해하여 영상의 분산정보를 얻고 영상 식별을 위한 특징정보를 추출한다. 영역을 나타내는 주위영역들중에 분산이 가장 큰 영역의 관심점을 검출하기 위하여 국부 분산정보를 비교하는 평균 박스필터를 적용하고 빠른 계산을 위한 적분영상 기법을 사용한다. Haar 웨이브릿 변환과 평균 박스필터를 이용하여 제안한 검출자는 밝기 변화, 스케일 변화, 영상의 회전에 민감하지 않는 특성을 제공할 수 있다. 실험결과는 제안한 방법이 적은 관심점을 사용하는 경우에도 기존의 DoG 검출자와 Harris corner 검출자에 비해 더 높은 repeatability와 효율성 그리고 매칭정확성을 달성할 수 있음을 보여준다. This paper proposes a Haar Wavelet Feature Detector (HWFD) based on the Haar wavelet transform and average box filter. By decomposing the original image using the Haar wavelet transform, the proposed detector obtains the variance information of the image, making it possible to extract more distinctive features from the original image. For detection of interest points that represent the regions whose variance is the highest among their neighbor regions, we apply the average box filter to evaluate the local variance information and use the integral image technique for fast computation. Due to utilization of the Haar wavelet transform and the average box filter, the proposed detector is robust to illumination change, scale change, and rotation of the image. Experimental results show that even though the proposed method detects fewer interest points, it achieves higher repeatability, higher efficiency and higher matching accuracy compared with the DoG detector and Harris corner detector.
Fast Motion Estimation Based on Motion Speed and Multiple Initial Center Point Prediction
팽소호(Shao-Hu Peng),뮤잠멜(Khairul Muzzammil Saipullah),윤병춘(Byung-Choon Yun),김덕환(Deok-Hwan Kim) 한국정보과학회 2010 한국정보과학회 학술발표논문집 Vol.37 No.1A
This paper proposes a fast motion estimation algorithm based on motion speed and multiple initial center points. The proposed method predicts initial search points by means of the spatio-temporal neighboring motion vectors. A dynamic search pattern based on motion speed and the predicted initial center points is proposed to quickly obtain the motion vector. Due to the usage of the spatio-temporal information and the dynamic search pattern, the proposed method greatly accelerates the search speed while maintaining a good predicted image quality. Experimental results show that the proposed method has a good predicted image quality in terms of PSNR with less search time as compared to the Full Search, New Three-Step Search, and Four-Step Search.
스포츠 동영상의 다중 물체 인식 실시간 시뮬레이터 설계 및 추적을 위한 및 구현
김현수 ( Hyun-soo Kim ),팽소호 ( Shao-hu Peng ),김덕환 ( Deok-hwan Kim ) 한국정보처리학회 2008 한국정보처리학회 학술대회논문집 Vol.15 No.2
동영상의 다중 물체 인식 및 추적은 의료영상이나 무인 주행 시스템 등의 응용분야에서 중요성이 높아지고 있다. 본 논문에서는 스포츠 동영상의 다중 물체를 인식 및 추적하기 위해 칼만필터 알고리즘을 사용한다. 칼만필터 알고리즘을 이용한 물체의 이동 궤적 관리를 통해 표적 겹침 현상에 대한 추적 실패를 극복하도록 하였다. 표적 겹침이 일어나는 동영상을 입력 영상으로 이용하여 제안한 실시간 시뮬레이터의 추적 성능을 분석하였다.
흉부 CT 영상을 이용한 폐 혈관 추출 및 폐 결절 재분류 기법
김현수(Hyun-Soo Kim),팽소호(Shao-Hu Peng),뮤잠멜(Khairul Muzzammil),김덕환(Deok-Hwan Kim) 大韓電子工學會 2009 電子工學會論文誌-CI (Computer and Information) Vol.46 No.6
환자의 흉부 CT 영상을 입력으로 하여 폐 영역의 결절(nodule)을 효과적으로 분류하는 것이 목적인 컴퓨터 조력 진단(Computer Aided Diagnosis, CAD) 시스템에서는 대부분 폐 영역의 혈관 추출 단계가 우선적으로 진행된다. 혈관 조영제를 투여한 환자 영상에서 폐 혈관과 폐 결절은 흉부 CT 영상에서 비슷한 감쇄를 보이므로 혈관 추출 단계에서 혈관과 결절이 함께 추출될 수 있다. 때문에 폐 혈관이 제거된 나머지 영역에서 폐 결절을 탐지 및 분류하는 방식의 폐 결절 분류기는 혈관 추출기법의 성능에 큰 영향을 받는다. 본 논문에서는 폐 결절이 혈관으로 오인식 되어 혈관과 함께 추출될 수 있는 문제를 극복하기 위해 혈관의 두께 패턴을 분석하여 폐 결절을 재분류하는 기법을 제안한다. 제안된 방법은 폐 영역 결정 단계, 폐 혈관 영역 추출 및 골격 형성 단계, 혈관 토폴로지 구성 및 보정 단계, 그리고 혈관 후보 내 결절 재분류 단계 등의 네 단계로 이루어져 있다. 제안한 방법의 정확도를 분석하기 위해 폐 결절이 혈관을 침투하여 분포하는 환자들의 입력 영상을 이용하여 판독 전문의의 도움을 받아 분류기의 정확도 평가를 진행하였다. 실험 결과에서는 제안한 혈관 추출 및 결절 재분류 기법을 사용한 CAD 시스템의 폐 결절 분류기 성능과 재분류 절차를 진행하지 않은 분류기 성능에 대해 비교하고 제안한 방법이 혈관 영역으로 잘못 포함된 결절을 자동으로 정확하게 재분류 할 수 있음을 보여준다. In the Computer Aided Diagnosis(CAD) System, the efficient way of classifying nodules from chest CT images of a patient is to perform the classification of the remaining part after the pulmonary vessel extraction. During the pulmonary vessel extraction, due to the small difference between the vessel and nodule features in imaging studies such as CT scans after having an injection of contrast, nodule maybe extracted along with the pulmonary vessel. Therefore, the pulmonary vessel extraction method plays an important role in the nodule classification process. In this paper, we propose a nodule reclassification method based on vessel thickness analysis. The proposed method consist of four steps, lung region searching step, vessel extraction and thinning step, vessel topology formation and correction step and the reclassification of nodule in the vessel candidate step. The radiologists helped us to compare the accuracy of the CAD system using the proposed method and the accuracy of general one. Experimental results show that the proposed method can extract pulmonary vessels and reclassify false-positive nodules accurately.
뮤잠멜(Khairul Muzzammil Saipullah),팽소호(Shao-Hu Peng),김덕환(Deok-Hwan Kim) 대한전자공학회 2010 電子工學會論文誌-CI (Computer and Information) Vol.47 No.4
질감 정보는 객체 인식과 분류에서 중요한 역할을 하고 있다. 정확한 질환 판별을 위해 분류에서 사용되는 질감 특징은 식별성이 높아야 한다. 본 논문에서는 질감-기반 영상 검색 및 폐기종 진단을 위해 컴퓨터 조력진단(Computer-Aided Diagnosis) 시스템을 위한 새로운 질감 기술자를 제안한다. 제안한 질감 기술자는 이웃화소간의 차이값과 중심화소와 이웃화소간의 차이 값의 결합에 기반을 두고 있어 결합된 주변화소 차이(Combined Neighborhood Difference CND)라고 한다. 화소들간의 CND는 비교후 이진 코드워드로 변환된다. 그다음에, 식별성이 높은 값을 생성하기 위하여 이진 계수가 코드워드에 할당된다. 이와 같은 값들의 분포가 계산되어 질감 특징 벡터를 구성한다. Outex와 Brodatz 데이터집합을 이용한 질감 특징 분류에 관련하여 CND는 92.5%의 정확성을 보이는 데 비해, LBP, LND와 Gabor 픽터는 89.3%, 90.7%와 83.6%의 정확성을 각각 보여준다. 본 논문에서는 CND를 이용한 폐기종의 진단 기능을 CAD 시스템에서 구현하였다. Texture information plays an important role in object recognition and classification. To perform an accurate classification, the texture feature used in the classification must be highly discriminative. This paper presents a novel texture descriptor for texture-based image retrieval and its application in Computer-Aided Diagnosis (CAD) system for Emphysema classification. The texture descriptor is based on the combination of local surrounding neighborhood difference and centralized neighborhood difference and is named as Combined Neighborhood Difference (CND). The local differences of surrounding neighborhood difference and centralized neighborhood difference between pixels are compared and converted into binary codewords. Then binomial factor is assigned to the codewords in order to convert them into high discriminative unique values. The distribution of these unique values is computed and used as the texture feature vectors. The texture classification accuracies using Outex and Brodatz dataset show that CND achieves an average of 92.5%, whereas LBP, LND and Gabor filter achieve 89.3%, 90.7% and 83.6%, respectively. The implementations of CND in the computer-aided diagnosis of Emphysema is also presented in this paper.
뮤잠멜 ( Khairul Muzzammil Saipullah ),팽소호 ( Shao-hu Peng ),박민욱 ( Min-wook Park ),김덕환 ( Deok-hwan Kim ) 한국정보처리학회 2010 한국정보처리학회 학술대회논문집 Vol.17 No.1
This paper proposes texture descriptor for texture classification called Local Neighbor Differences (LND). LND is a high discriminating texture descriptor and also robust to illumination changes. The proposed descriptor utilizes the sign of differences between surrounding pixels in a local neighborhood. The differences of those pixels are thresholded to form an 8-bit binary codeword. The decimal values of these 8-bit code words are computed and they are called LND values. A histogram of the resulting LND values is created and used as feature to describe the texture information of an image. Experimental results, with respect to texture classification accuracies using OUTEX_TC_00001 test suite has been performed. The results show that LND outperforms LBP method, with average classification accuracies of 92.3% whereas that of local binary patterns (LBP) is 90.7%.
폐기종 질환 판별을 위한 명암도와 CS-LBP를 결합한 질감 특징 추출
박민욱(Min-Wook Park),팽소호(Shao-Hu Peng),뮤잠멜(Khairul Muzzammil Saipullah),김덕환(Deok-Hwan Kim) 한국정보과학회 2010 한국정보과학회 학술발표논문집 Vol.37 No.1C
환자의 흉부 CT 영상을 이용하여 폐 영역의 질환을 진단하는 컴퓨터 조력 진단(CAD) 시스템은 질감 특징을 이용한다. 질환의 질감 특징 추출은 매우 중요하다. 질감 특징 추출은 폐 질환을 분석하기 위한 좋은 방법 중의 하나이기 때문이다. 본 논문에서는 폐기종 질환을 판별하기 위해 명암도와 CS-LBP를 결합한 질감 특징 추출 방법을 제안한다. 입력된 흉부 CT 영상은 몇 단계의 전처리 과정을 거치고 제안한 방법을 통해 질감 특징 추출을 하게 된다. 그리고 분류기에 의해 폐기종을 분류해 질환을 판별하게 된다. 실험 결과에서는 제안한 방법이 현존하는 방법 중 가장 좋은 성능을 보이는 GLLBP보다 더 좋은 성능을 보여준다.