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 : 최형일 ( Hyungil Choi ) (검색결과 19 건)
- 무료
- 기관 내 무료
- 유료
-
치핵근치술 후 휘담식 수기요법을 병행한 한방관리 증례 1
최형일,김나영,안훈모,Hyungil Choi,Na Young Kim,Hun Mo Ahn 대한의료기공학회 2023 醫療氣功 Vol.22 No.1
Objective : The purpose of this study is to report about a 50's female patient after Hemorrhoidectomy, whose symptoms were relieved after Korean medicine treatment with Whidam's SuGi Therapy. Methods : The patient in this study received Korean medicine treatment such as herbal medication, acupuncture treatment, cupping therapy and specially Whidam's SuGi therapy. Results : After the treatment, the symptoms of pains were relieved. Vas fell from 9 to 2 and overall, the body condition has improved. Conclusions : This study showed that Whidam's SuGi therapy added with Korean Medicine treatment can be an effective choice for after Hemorrhoidectomy.
-
-
최미영(Miyoung Choi),김계영(Gyeyoung Kim),최형일(Hyungil Choi) 한국컴퓨터정보학회 2007 韓國컴퓨터情報學會論文誌 Vol.12 No.3
본 논문에서는 컬러영상에 존재하는 문자들을 효율적으로 추출하기 위한 새로운 접근 방법을 제안한다. 빛 또는 조명성분의 영향에 의해 획득된 영상 내에 존재하는 반사성분은 문자 또는 관심객체들의 경계가 모호해 지거나 관심객체와 배경이 서로 혼합 되었을 경우, 문자추출 및 인식을 함에 있어서 오류를 포함시킬 수 있다. 따라서 영상 내에 존재하는 반사성분을 제거하기 위해 먼저, 컬러영상으로부터 Red컬러 성분에 해당하는 히스토그램에서 두개의 pick점을 검출한다. 이후 검출된 두 개의 pick점들 간의 분포를 사용하여 노말 또는 편광 영상에 해당하는지를 판별한다. 노말 영상의 경우 부가적인 처리를 거치지 않고 문자에 해당하는 영역을 검출하며, 편광영상에 해당하는 경우 반사성분을 제거하기 위해 호모모픽필터링 방법을 적용하여 반사성분에 해당하는 영역을 제거한다. 이후 문자영역을 검출하기 위해 최적전역임계화방식을 적용하여 전경과 배경을 분리하였으며 문자영역 추출 및 인식의 성능을 향상시켰다. 널리 사용되고 있는 문자 인식기를 사용하여 제안한 방식 적용 전과 후의 인식결과를 비교하였다. 편광영상에서 제안된 방법 적용 후, 문자인식을 한 경우 인식률이 향상되었다. This paper proposes a new approach to eliminate the reflectance component for the detection of text in color images. Color images, printed by color printing technology, normally have an illumination component as well as a reflectance component. It is well known that a reflectance component usually obstructs the task of detecting and recognizing objects like texts in the scene, since it blurs out an overall image. We have developed an approach that efficiently removes reflectance components while preserving illumination components. We decided whether an input image hits Normal or Polarized for determining the light environment, using the histogram which consisted of a red component. We were able to go ahead through the ability to extract by reducing the blur phenomenon of text by light because reflection component by an illumination change and removed it and extracted text. The experimental results have shown a superior performance even when an image has a complex background. Text detection and recognition performance is influenced by changing the illumination condition. Our method is robust to the images with different illumination conditions.
-
최미영(Miyoung Choi),김계영(Gyeyoung Kim),최형일(Hyungil Choi) 한국컴퓨터정보학회 2008 韓國컴퓨터情報學會論文誌 Vol.13 No.5
본 논문에서는 자연영상에 존재하는 문자들을 효율적으로 검출하기 위한 새로운 접근 방법을 제안한다. 빛 또는 조명의 영향에 의해 획득된 영상 내에 존재하는 반사성분은 문자 또는 관심객체들의 경계가 모호해 지거나 관심객체와 배경이 서로 혼합 되었을 경우, 문자추출 및 인식을 함에 있어서 오류를 포함시킬 수 있다. 따라서 영상 내에 존재하는 반사성분을 제거하기 위해 먼저, 영상으로부터 Red컬러 성분에 해당하는 히스토그램에서 두개의 피크 점을 검출한다. 검출된 두 개의 피크 점들 간의 분포를 사용하여 노말 또는 편광 영상에 해당하는지를 판별한다. 노말 영상의 경우 부가적인 처리를 거치지 않고 문자영역을 검출하며, 편광 영상인 경우 조명성분을 제거하기 위해 호모모픽 필터링 방법을 적용하여 반사성분에 해당하는 영역을 제거한다. 그리고 문자영역을 검출하기 위해 색 병합과 세일런스 맵을 이용하여 각각의 문자 후보영역을 결정한다. 마지막으로 두 후보영역을 이용하여 최종 문자영역을 검출한다. This paper proposes a new approach to eliminate the reflectance component for the localization of text in natural scene images. Natural scene images normally have an illumination component as well as a reflectance component. It is well known that a reflectance component usually obstructs the task of detecting and recognizing objects like texts in the scene, since it blurs out an overall image. We have developed an approach that efficiently removes reflectance components while preserving illumination components. We decided whether an input image hits Normal or Polarized for determining the light environment, using the histogram which consisted of a red component. In the normal image, we acquired the text region without additional processing. Otherwise we removed light reflecting from the object using homomorphic filtering in the polarized image. And then this decided the each text region based on the color merging technique and the Saliency Map. Finally, we localized text region on these two candidate regions.
-
-
계층화된 데이터베이스에서 캐스캐이드 방식을 이용한 내용 기반 영상 검색
이현구(HyounGoo Lee),최형일(Hyungil Choi) 한국정보과학회 2008 한국정보과학회 학술발표논문집 Vol.35 No.2
본 논문에서는 피라미드 형태의 계층적인 데이터베이스 구조를 가진 효율적인 내용 기반 영상 정보 검색 방식을 제안한다. 이 방법은 피라미드 형태의 계층적인 데이터베이스 구조를 색상, 형태, 질감 3가지 특징들을 사용해서 구축하였다. HSI(Hue, Saturation, Intensity) 공간이 색상 특정 정보 추출을 위해 사용되었고, CSS(Curvature Scale Space) 방법이 형태 특징 정보 추출을 위하여 사용되었으며, 영상 분할 및 분할된 영역 내에서의 평균 화소 값이 질감 특징 정보를 추출하기 위하여 사용되었다. 그리고 캐스캐이드 방식이 입력영상의 검색에 사용되었다. 실험 및 결론에서는 본 논문에서 제안된 방법이 기존의 방법보다 정확도와 검색 속도가 향상된 것을 보여준다. In this paper, an efficient content-based image information retrieval method which uses hierarchical pyramidal database structure is proposed. This method construct pyramidal hierarchical database structure for 3 features - color, shape, texture. HSI(Hue, Saturation, Intensity) space is used to extract color information and CSS(Curvature Scale Space) method is used to extract shape information and image segmentation and average pixel value in segmented area is used for texture information. The cascade method is used to search and matching for query input images. The results of experiments show that the proposed method is better in speed of searching than existing method.
-
-
주성일 ( Sungil Joo ),원선희 ( Sunhee Weon ),최형일 ( Hyungil Choi ) 한국정보처리학회 2012 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.1 No.2
동영상에 포함되는 인공 캡션은 영상과 관계있는 의미정보를 포함한다. 이러한 영상을 표현하는 정보를 이용하기 위해 캡션을 추출하는 연구는 근래에 들어 활발히 진행되고 있다. 기존 방법들은 대부분 정지영상에서 캡션을 검출하였다. 하지만 동영상의 경우에는 유용한 시간정보가 있다. 따라서 본 연구는 이러한 시간정보를 사용한 캡션영역 검출방법을 제안한다. 먼저, 캡션후보영역 검출을 위해 문자출현맵을 생성하고, 후보영역 매칭 과정에서 지속후보영역을 검출한다. 검출된 지속후보영역의 소멸성 검사를 통해 캡션의 소멸 여부를 검출하고 소멸된 캡션 일경우 시·공간정보에 의한 병합과정을 통해 캡션후보영역을 결정한다. 마지막으로 결정된 캡션후보영역을 검증하기 위하여 에지 방향 히스토그램을 이용한 신경망 인식기를 통하여 최종캡션영역을 검출한다. 실험을 위해 다양한 크기와 형태, 위치의 캡션을 포함하는 동영상에 대해 영역검출의 성능을 평가하고자 Recall과 Precision을 이용하여 제안하는 방법의 영역검출에 대한 효율성을 입증한다. The artificial captions appearing in videos include information that relates to the videos. In order to obtain the information carried by captions, many methods for caption extraction from videos have been studied. Most traditional methods of detecting caption region have used one frame. However video include not only spatial information but also temporal information. So we propose a method of detection caption region using temporal and spatial information. First, we make improved Text-Appearance-Map and detect continuous candidate regions through matching between candidate-regions. Second, we detect disappearing captions using disappearance test in candidate regions. In case of captions disappear, the caption regions are decided by a merging process which use temporal and spatial information. Final, we decide final caption regions through ANNs using edge direction histograms for verification. Our proposed method was experienced on many kinds of captions with a variety of sizes, shapes, positions and the experiment result was evaluated through Recall and Precision.
-
YCbCr 공간에서 눈 영역의 피부색을 이용한 피부영역 검출 기법
박영재(YoungJae Park),김계영(GyeYoung Kim),최형일(HyungIl Choi) 한국정보과학회 2009 정보과학회 컴퓨팅의 실제 논문지 Vol.15 No.7
입력된 영상을 유해영상인지 아닌지 판단하기 위해 여러 가지 방법이 사용 될 수 있다. 현재, 대부분의 유해영상검출에 대한 연구는 피부색상이 전체영상에서 차지하는 비율에 기반하고 있다. 본 논문에서는 YCbCr에서 피부영역을 검출 하는 기법을 제안한다. 피부영역은 YCbCr에서 특징적인 분포를 나타내는데 이를 이용하여 배경영역과 피부영역을 분리하고자 한다. 먼저 Eye-Map을 이용하여 눈의 영역을 찾은 후 그 주변 영역의 색상을 이용해 피부영역의 색상값 분포를 찾고, 전체 영상에서 그 분포와 근거리에 있는 영역들을 피부영역으로 검출하는 방식이 된다. There are many ways to judge whether the input image is adult-image or not. Until now, adultimage detection has been examined by the ratio of skin area in full image. In this paper, we propose a method to extract skin region in YCbCr. Skin region shows unique distribution in YCbCr, and we will separate the skin region from background using the distribution. First, we are going to find Eye zone using Eye-Map. Then we will find out the color value for the distribution of skin region using the color of Eye zone. Next, we will find the distribution of the area through the skin region in full-image.
-
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
