http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
유송현(Yu, Song-Hyeon),최문수(Choe, Mun-Su),박상태(Park, Sang-Tae),홍성호(Hong, Seong-Ho),유상필(Yu, Sang-Pil) 한국화재소방학회 2013 한국화재소방학회 학술대회 논문집 Vol.2013 No.춘계
화재 현장에는 소방대원의 생명에 위협이 될 수 있는 다양한 연소가스가 발생하며, 소방대원의 안전에 다양한 연소가스의 농도를 실시간으로 측정하는 것은 매우 중요하다. 현재 무선통신 기술의 발달과 센서 기술의 발전으로 저전력, 소형의 센서를 이용하여 무선으로 화재현장의 온습도조건, 발생가스의 농도, 소방대원의 생체신호를 화재현장의 지휘센터로 보내주는 기술의 개발이 진행되고 있다. 이러한 추세에 맞추어 측정된 가스의 농도를 실시간으로 지휘센터로 송수신하는 기술의 연구가 활발히 진행 중이다. 본 연구는 화재환경에서 주로 발생되는 CO, NO2, NH3를 위주로한 고온의 환경에서 농도를 측정하기 위한 방법에 대한 연구이다.
색상정보와 행별 Red값 변화량을 이용한 자동차 번호판과 글자 추출
유송현(SongHyun Yu),이도경(Dokyung Lee),정제창(Jechang Jeong) 한국방송·미디어공학회 2014 한국방송공학회 학술발표대회 논문집 Vol.2014 No.11
본 논문에서는 색상 정보를 이용하여 배경 영역이 포함된 자동차의 전,후면 사진에서의 자동차 번호판 영역(녹색, 흰색) 추출과 추출된 번호판에서 글자를 분리해내는 방법을 제안한다. 기존의 색상 정보를 이용하여 번호판을 추출하는 방법은 흰색 번호판(신형 번호판)의 경우에는 배경 영역에서 흰색인 영역도 많고 국내 차량 중에 흰색 차량이 많기 때문에 번호판 영역과 배경 영역 사이의 명확한 구분에 어려움이 있었다. 따라서 행별 Red값 변화도를 조사하여 배경 영역과 번호판 영역 사이의 명확한 구분을 하게 하며, 흰색 번호판의 경우에 추출이 안되면 흰색의 기준을 더 낮추어서 다시 영역 추출을 할 수 있는 재추출 알고리즘을 추가해서 비교적 어두운 사진에서도 번호판영역을 추출할 수 있도록 한다. 추출된 번호판에서 글자를 추출해내는 과정에서도 이진화를 거치면 노이즈가 많이 생기기 때문에 이를 줄이고자 행별 Red값 변화도를 조사하여 번호판 영역에서 위아래 부분의 노이즈를 줄일 수 있도록 하였다.
프레임 율 향상을 위한 계층적 다방향 움직임 추정 알고리즘
유송현(Songhyun Yu),박범준(Bumjun Park),정제창(Jechang Jeong) 한국방송·미디어공학회 2017 한국방송공학회 학술발표대회 논문집 Vol.2017 No.6
본 논문에서 프레임 율 향상을 위한 새로운 움직임 추정 알고리즘에 대해 제안한다. 계산량을 줄이고 다해상도의 영상을 이용하기 위하여 원본 프레임들을 계층적 구조로 형성하고, 최상위 계층에서 단방향 움직임 추정을 수행한다. 최상위 계층은 낮은 해상도 때문에 움직임 벡터의 정확도가 낮아지므로, 정확도를 향상시키기 위해 각각의 블록은 5 개의 움직임 벡터 후보들을 가진다. 이 후보들은 아래 계층들에서 수정되며, 움직임 추정이 완료되면 최하위 계층의 움직임 벡터들은 SAD (sum of absolute difference) 값을 이용해서 최종적으로 수정된다. 이렇게 구해진 단방향 움직임 벡터들은 양방향 움직임 벡터로 변환되고 양방향 보간법을 사용하여 보간 프레임을 생성한다. 결과적으로, 제안하는 알고리즘은 기존 알고리즘들에 비해 낮은 계산량을 나타내면서 PSNR (peak signal-to-noise ratio) 수치에서 최대 1.3 dB 의 향상을 나타냈고, 주관적으로도 더 선명한 결과를 보여주었다.
유송현,Yu, Song-Hyeon 한국화재보험협회 2007 防災와 保險 Vol.119 No.-
보험사들은 다양한 이유들로 화재를 조사하려 하며, 대형 화재로 인한 손실은 정책의 일환으로 주의 깊게 조사되고 있다. FPASA(The Fire Protection Association of Southern Africa)는 이러한 서비스를 제공하도록 주기적으로 요청받고 있고 많은 사례에서 귀중한 교훈을, 이러한 철저한 화재 조사로부터 습득하게 된다.
손목 움직임 추정을 위한 Gaussian Mixture Model 기반 표면 근전도 패턴 분류 알고리즘
정의철,유송현,이상민,송영록,Jeong, Eui-Chul,Yu, Song-Hyun,Lee, Sang-Min,Song, Young-Rok 대한의용생체공학회 2012 의공학회지 Vol.33 No.2
In this paper, the Gaussian Mixture Model(GMM) which is very robust modeling for pattern classification is proposed to classify wrist motions using surface electromyograms(EMG). EMG is widely used to recognize wrist motions such as up, down, left, right, rest, and is obtained from two electrodes placed on the flexor carpi ulnaris and extensor carpi ulnaris of 15 subjects under no strain condition during wrist motions. Also, EMG-based feature is derived from extracted EMG signals in time domain for fast processing. The estimated features based in difference absolute mean value(DAMV) are used for motion classification through GMM. The performance of our approach is evaluated by recognition rates and it is found that the proposed GMM-based method yields better results than conventional schemes including k-Nearest Neighbor(k-NN), Quadratic Discriminant Analysis(QDA) and Linear Discriminant Analysis(LDA).
Comparative Analysis of Image Denoising Based on DCT and DWT
Wei Yu Lu(륙위여),Songhyun Yu(유송현),Jechang Jeong(정제창) 대한전자공학회 2018 대한전자공학회 학술대회 Vol.2018 No.11
Digital images are often interfered by imaging equipment and external environmental noise during digitization and transmission. It is called a noisy image. Image denoising is the process of reducing the noise of noisy images. This paper briefly introduces the concept of image noise using DCT and DWT denoising algorithms, and compares the denoising effects of DCT and DWT through experiments.
유도 움직임 벡터를 이용한 움직임 보상 프레임율 향상 기법
박범준(Bumjun Park),유송현(Songhyun Yu),정제창(Jechang Jeong) 한국방송·미디어공학회 2017 한국방송공학회 학술발표대회 논문집 Vol.2017 No.6
본 논문에서는 프레임율 향상 기법 (Frame Rate Up-Conversion, FRUC)에 사용되는 새로운 움직임 예측(motion estimation)알고리즘을 제시한다. 제안된 알고리즘은 단 방향 움직임 예측(unilateral motion estimation)에 의해 순방향 및 역방향의 움직임 벡터(motion vector)를 독립적으로 추정한다. 움직임 벡터를 찾은 후, weighted motion vector smoothing(WMVS)가 적용된다. 다음으로, 보간 프레임 (interpolated frame)의 관점에서 현재 블록의 인접 블록들의 모션 벡터들을 후보들로 사용하여 현재 블록과 가장 잘 일치하는 움직임 벡터를 찾는다. 그 후, 선택된 움직임 벡터를 현재 블록의 유도 움직임 벡터 (guidance motion vector)로 정한다. 그런 다음 motion vector shifting error 를 없애기 위해 motion vector refinement (MVR)가 진행된다. 마지막 단계에서는 각 움직임 벡터의 신뢰도를 계산하여 순방향 및 역방향 움직임 벡터 중 최종 움직임 벡터를 선택한다.