http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
사전기반 후처리를 이용한 모바일 폰 영상에서 와인 라벨 문자 인식
임준식(JunSik Lim),김수형(SooHyung Kim),이칠우(ChilWoo Lee),이귀상(GueeSang Lee),양형정(HyungJung Yang),이명은(MyungEun Lee) 한국정보과학회 2010 정보과학회 컴퓨팅의 실제 논문지 Vol.16 No.5
본 논문에서는 모바일 폰에서 오프라인 필기체 과분할 인식의 후처리 방법에 관하여 논하였다. 제안된 방법은 조합 행렬 생성, 문자 조합 필터링, 문자 유사도 측정으로 구성된다. 조합 행렬 생성 과정은 각각의 조각의 인식 결과로부터 생성가능한 모든 조합 행렬을 계산하는 부분이며 조합 행렬을 그래프로 구성하게 된다. 문자 조합 필터링 과정은 그래프의 노드들과 단어 사전을 비교하여 불필요한 노드를 삭제하는 과정이며 문자 유사도 측정과정은 단어 사전의 각각의 단어들과 Levenshtein 거리(distance)를 계산하여 최적의 후처리 결과를 추출하게 된다. 제안된 방법의 인식률은 85.8%의 정확도를 보였다. In this paper, we propose a method for the postprocessing of cursive script recognition in Wine Label Images. The proposed method mainly consists of three steps: combination matrix generation, character combination filtering, string matching. Firstly, the combination matrix generation step detects all possible combinations from a recognition result for each of the pieces. Secondly, the unnecessary information in the combination matrix is removed by comparing with bigram of word in the lexicon. Finally, string matching step decides the identity of result as a best matched word in the lexicon based on the levenshtein distance. An experimental result shows that the recognition accuracy is 85.8%.
다중 차량 연관 추적을 위한 겹침 제거 및 배경영상 갱신
임준식(JunSik Lim),김수형(SooHyung Kim),이칠우(ChilWoo Lee),이명은(Myung-Eun Lee) 한국정보과학회 2010 정보과학회 컴퓨팅의 실제 논문지 Vol.16 No.1
본 논문에서는 지능형 교통정보 시스템에서 활용할 수 있는 차량의 연관 추적 방법에 관하여 제안한다. 차량의 연관 추적과정에서 발생하는 차량 간 겹침 문제를 해결하기 위하여 위치 평균값과 시공간 연관 정보를 이용한 연관 추적 방법을 제안하였고 배경영상의 신뢰도를 향상시키기 위하여 배경영상 갱신 방법을 제안하였다. 제안한 방법의 성능 평가를 위하여 다양한 위치의 교통 정보 수집 CCTV에서 촬영된 영상을 사용하였고 평균 96% 이상의 추적 성공률을 보였다. In this paper, we propose a vehicle tracking method that can be applied in the intelligent traffic information system. The proposed method mainly consists of two steps: overlap removal and background updating. In order to remove overlap, we detect the overlap based on the location of the vehicle from successive images. Background updating is to calculate a background using statistical analysis of successive images. We collected a set of test images from the traffic monitoring system and experimented. The experimental results show more than 96% of tracking accuracy.
임준식(Junsik Lim),김수형(Soo-Hyung Kim) 한국멀티미디어학회 2007 한국멀티미디어학회 학술발표논문집 Vol.2007 No.1
본 논문은 피부색에 기반한 CBCH(Cascade of Boosted Classifier Working with Haar) 방법을 이용한 다중 얼굴 검출에 대해 연구하였다. CBCH 방법은 Haar-like 특징 조합을 boost방법으로 강한 분류기를 생성하고, 계층적 구조를 이용하여 결과를 검색하는 방법이다. 하지만 CBCH는 그레이 기반 알고리즘이기 때문에 컬러 기반 얼굴 영역 검출에 이용할 경우에는 성능이 매우 낮아지는 단점이 있다. 이러한 점을 보완하기 위하여 피부색 기반 CBCH 방법을 제안한다. 제안방법을 적용했을 경우 CBCH 방법을 독자적으로 쓰였을 때보다 성능이 향상 됨을 실험을 통하여 증명 하였다.
이명은(Myungeun Lee),김수형(Soohyung Kim),임준식(Junsik Lim) 大韓電子工學會 2009 電子工學會論文誌-CI (Computer and Information) Vol.46 No.6
본 논문에서는 명암도 기반의 의료영상 정합을 위한 최적화 방법을 소개하고자 한다. 제안하는 최적화 방법은 조건부 확률의 엔트로피에 기반한 측도를 사용함으로써 수행된다. 본 논문에서는 정합을 수행하기 위해서 주어진 두 영상의 명암도에 대한 조인트 히스토그램으로부터 계산된 조건부 엔트로피를 개선하여 새로운 정합 방법의 측도로써 정의한다. 그리고 기존의 명암도 기반의 방법들 즉, 명암도 차이 측정을 이용한 방법, 상관계수를 이용한 방법, 상호정보량을 이용한 방법 등과 비교 실험을 수행한다. 단일 모달리티 뇌 MR 영상을 이용한 실험과 서로 다른 모달리티 뇌 MR 영상과 CT 영상의 정합 결과를 통해서 성능을 평가한다. 실험결과에 의하면 제안한 방법이 기존의 최적화 방법들 보다 최적화 하는데 소요되는 시간이 더 빠르고 정확한 정합이 됨을 알 수 있다. We propose an intensity-based image registration method for medical images. The proposed registration is performed by the use of a new measure based on the entropy of conditional probabilities. To achieve the registration, we define a modified conditional entropy (MCE) computed from the joint histograms for the area intensities of two given images. And we conduct experiments with our method as well as existing methods based on the sum of squared differences (SSD), normalized correlation coefficient (NCC), normalized mutual information (NMI) criteria. We evaluate the precision of SSD-, NCC-, MI- and MCE-based measurements by comparing the registration obtained from the same modality magnetic resonance (MR) images and the different modality transformed MR/transformed CT images. The experimental results show that the proposed method is faster and more accurate than other optimization methods.