http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
영역평균 기반의 지오데식 동적 윤곽선 모델에 의한 뇌실 분할
원철호(Chulho Won),김동훈(Dong-Hun Kim),이정현(Jung-Hyun Lee),우상효(Sang-Hyo Woo),조진호(Jin-Ho Cho) 한국멀티미디어학회 2006 멀티미디어학회논문지 Vol.9 No.9
본 논문에서는 지오데식 동적 윤곽선 모델을 이용하여 뇌실 영역을 검출하기 위하여 기존의 에지지시함수를 대신한 영역 기반의 곡선진행억제 함수를 제안하였다. 제안한 곡선 진행 억제 함수는 뇌실 영역의 검출에 매우 효과적이었으며, 이 함수는 MRI 영상에서 밝게 나타나는 뇌실 영역의 평균 밝기를 기반으로 한다. 본 논문에서는 제안한 방법이 기존의 방법보다 뇌실 영역을 잘 검출할 수 있음을 다양한 척도를 이용하여 수치적으로 비교하였다. 실제 정상과 뇌종양에 의한 뇌질환 영상에 적용시켜 뇌실 검출 과정을 시각적으로 비교하여 우수성을 검증하였다. This paper proposed a curve progress control function of the area base instead of the existing edge indication function, in order to detect the brain ventricle area by utilizing a geodesic active contour model. The proposed curve progress control function is very effective in detecting the brain ventricle area and this function is based on the average brightness of the brain ventricle area which appears brighter in MRI images. Compared numerically by using various measures, the proposed method in this paper can detect brain ventricle areas better than the existing method. By examining images of normal and diseased brain's images by brain tumor, we compared the several brain ventricle detection algorithms with proposed method visually and verified the effectiveness of the proposed method.
원철호(Chulho Won) 한국산업정보학회 2008 한국산업정보학회논문지 Vol.13 No.4
얼굴 인식률 향상을 위해서는 전처리 단계에서의 영상 보정이 매우 중요하며, 특히 배경 잡음제거는 얼굴 인식의 정확도에 중대한 영향을 미친다. 본 논문에서는 얼굴 인식률 향상을 위하여 전처리 단계에서 타원 모델을 이용하여 배경 영역을 제거하는 방법을 제안하였다. 사람의 얼굴 윤곽은 타원의 형태를 나타내기 때문에 얼굴 영상에서 타원 모델을 이용할 경우 얼굴 영역을 용이하게 검출할 수 있다. ETRI, ORL, 및 XM2VTS 얼굴 데이터베이스에 대한 실험 분석을 통하여 제안된 방법이 얼굴 인식 성능을 뚜렷하게 개선시켰음을 알 수 있었다. Image calibration at preprocessing step is very important for face recognition rate improvement, and background noise deletion affects accuracy of face recognition specially. In this paper, a method is proposed to remove background area utilizing elliptical model at preprocessing step for face recognition rate improvement. As human face has the shape of ellipse, a face contour can be easily detected by using the elliptical model in face images.
인터랙티브 TV 컨트롤 시스템을 위한 근적외선 영상의 얼굴 인식
원철호(Chulho Won),이상헌(Sang Heon Lee),이태균(Tae Gyoun Lee) 한국산업정보학회 2010 한국산업정보학회논문지 Vol.15 No.5
본 논문에서는 인터랙티브 TV 컨트롤 시스템(ITCS) 에 적용될 수 있는 근적외선 얼굴 영상에 대한 얼굴인식 방법을 제안하였다. 근적외선 얼굴 영상에서 ULBP(uniform local binary pattern) 히스토그램 피쳐를 추출하고 SVM 판별기를 이용하여 좌우 눈좌표 및 얼굴 영역을 검출하였다. 또한, 가버 변환과 ULBP 히스토그램 피쳐를 이용한 얼굴인식 시스템을 구현하여 이를 인터랙티브 TV 컨트롤 시스템 개인 인증 과정에 사용하였다. In this parer, face recognition method which can be applied to ITCS (interactive TV control system) is proposed. We extracted ULBP(uniform local binary pattern) histogram feature from infra-red images, and we detected left-right eyes and face region by using SVM classifier. Then, We implemented face recognition system which is using Gabor transform and ULBP histogram feature and applied to personal verification for ITCS.
노이즈에 강인한 정면 얼굴 검출을 위한 특성벡터 추출법
이승익,원철호,임성운,김덕규,Lee Seung-Ik,Won Chulho,Im Sung-Woon,Kim Duk-Gyoo 대한전자공학회 2005 電子工學會論文誌-CI (Computer and Information) Vol.42 No.6
본 논문에서는 정면 얼굴 검출에 이용되는 특성 벡터의 새로운 추출법을 제안한다. 새로운 특성벡터의 추출은 일차원 Harr 웨이블릿, 평균행렬, 분산행렬 및 진폭 투시법을 이용하여 각 각의 특성벡터를 구하였으며 얼굴 및 비 얼굴의 모델링은 확률적 특성을 이용한 조건부 확률 분포 함수로 모델링 한다. 또한 계산된 확률 분포 함수를 이용한 확률 값을 계산하여 입력 영상에서의 얼굴 검출을 수행한다. 제안한 방법으로 구성된 특성 벡터를 이용한 얼굴 검출에서는, 영상 내에서의 다수의 얼굴 검출이 가능하며 약간의 각도를 가지는 얼굴 검출도 가능하며 저해상도의 영상에서의 얼굴 검출에 매우 효과적이며 모의실험 결과 SET3의 테스트 영상에서의 얼굴 검출율은 $98.3\%$가 됨을 확인하였다. The robust feature vector selection method for the multiple frontal face detection is proposed in this paper. The proposed feature vector for the training and classification are integrated by means, amplitude projections, and its 1D Harr wavelet of the input image. And the statistical modeling is performed both for face and nonface classes. Finally, the estimated probability density functions (PDFs) are applied for the detection of multiple frontal faces in the still image. The proposed method can handle multiple faces, partially occluded faces, and slightly posed-angle faces. And also the proposed method is very effective for low quality face images. Experimental results show that detection rate of the propose method is $98.3\%$ with three false detections on the testing data, SET3 which have 227 faces in 80 images.