http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 노충호(Chung-Ho Noh) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
SOSiM: 형태 특징 기술자를 사용한 형태기반 객체 유사성 매칭
노충호(Chung-Ho Noh),이석룡(Seok-Lyong Lee),정진완(Chin-Wan Chung),김상희(Sang-Hee Kim),김덕환(Deok-Hwan Kim) 한국정보과학회 2009 정보과학회논문지 : 데이타베이스 Vol.36 No.2
본 논문에서는 영상 내의 객체의 형태(shape)에 기반한 객체 유사성 매칭(matching) 방법을 제안한다. 제안한 방법에서는 객체의 윤곽선(edge)에서 점들(edge points)을 추출하고, 추출된 점들의 위치 관계를 나타내기 위하여 각 점을 기준으로 로그 원형 히스토그램(log polar histogram)을 생성하였다. 객체의 윤곽을 따라가며 각 점에 대한 원형 히스토그램을 순차적으로 비교함으로써 객체간의 매칭이 이루어지며, 데이타베이스로부터 유사한 객체를 검색하기 위하여 사용한 매칭 방식은 널리 알려진 k-NN(nearest neighbor) 질의 방식을 사용하였다. 제안한 방법을 검증하기 위하여 기존의 형태 문맥 기법(Shape Context method)과 제안한 방법을 비교하였으며, 객체 유사성 매칭 실험에서 k=5일 때 기존 방법의 정확도가 0.37, 제안한 방법이 0.75-0.90이며, k=10일 때 기존 방법이 0.31, 제안한 방법이 0.61-0.80로서 기존의 방법에 비해 정확한 매칭 결과를 보여 주었다. 또한 영상의 회전 변형 실험에서 기존 방법의 정확도가 0.30, 제안한 방법이 0.69로서 기존 방법보다 회전 변형에 강인한(robust) 특성을 가짐을 관찰할 수 있었다. In this paper we propose an object similarity matching method based on shape characteristics of an object in an image. The proposed method extracts edge points from edges of objects and generates a log polar histogram with respect to each edge point to represent the relative placement of extracted points. It performs the matching in such a way that it compares polar histograms of two edge points sequentially along with edges of objects, and uses a well-known k-NN(nearest neighbor) approach to retrieve similar objects from a database. To verify the proposed method, we’ve compared it to an existing Shape-Context method. Experimental results reveal that our method is more accurate in object matching than the existing method, showing that when k=5, the precision of our method is 0.75-0.90 while that of the existing one is 0.37, and when k=10, the precision of our method is 0.61-0.80 while that of the existing one is 0.31. In the experiment of rotational transformation, our method is also more robust compared to the existing one, showing that the precision of our method is 0.69 while that of the existing one is 0.30.
-
명암도 분포 및 형태 분석을 이용한 효과적인 TFT-LCD 필름 결함 영상 분류 기법
노충호(Chung-Ho Noh),이석룡(Seok-Lyong Lee),조문신(Moon-Shin Zo) 한국멀티미디어학회 2010 멀티미디어학회논문지 Vol.13 No.8
TFT-LCD 생산 과정에서 발생하는 결함을 정확하게 분류하여 결함 유형에 따라 폐기, 사용가능 등의 의사결정을 적절하게 내리는 것은 수율 증가 및 생산성 향상에 필수적인 요소이다. 본 논문에서는 TFT-LCD 생산 라인에서 획득한 결함 영상에 대하여 명암도 분포(intensity distribution) 및 결함 영상의 형태 특징(shape feature)을 분석하여 효과적으로 필름 결함 유형을 분류하는 기법을 제시한다. 본 연구에서는 먼저 필름 결함 영상을 결함 영역과 결함이 아닌 배경 영역으로 이진화하고, 결함 영역에서 결함의 선형성(linearity), 명암도 분포를 고려한 형태 특징 등의 여러 가지 특징을 분석하여 기준 영상(referential image) 데이터베이스를 구축하였으며, 분류하고자 하는 결함 영상과 데이터베이스에 저장된 기준 영상과의 매칭 비용 함수(matching cost function)를 정의하여 적절히 매칭시킴으로써 결함의 유형을 결정하였다. 제시한 기법의 성능을 검증하기 위하여 실제 TFT-LCD 생산 라인에서 획득한 결함 영상들을 대상으로 분류 실험을 수행하였으며, 실험 결과 생산 라인에서 이용할 수 있을 정도의 상당한 수준의 분류 정확도를 달성하였음을 보여주었다. In order to increase the productivity in manufacturing TFT-LCD(thin film transistor-liquid crystal display), it is essential to classify defects that occur during the production and make an appropriate decision on whether the product with defects is scrapped or not. The decision mainly depends on classifying the defects accurately. In this paper, we present an effective classification method for film defects acquired in the panel production line by analyzing the intensity distribution and shape feature of the defects. We first generate a binary image for each defect by separating defect regions from background (non-defect) regions. Then, we extract various features from the defect regions such as the linearity of the defect, the intensity distribution, and the shape characteristics considering intensity. and construct a referential image database that stores those feature values. Finally, we determine the type of a defect by matching a defect image with a referential image in the database through the matching cost function between the two images. To verify the effectiveness of our method, we conducted a classification experiment using defect images acquired from real TFT-LCD production lines. Experimental results show that our method has achieved highly effective classification enough to be used in the production line.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
