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 : Ceol-Soo Bae (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
Embedding Binary Watermark Image using DWT Coefficients
Kwang-Chae Park,Ceol-Soo Bae 한국산학기술학회 2014 한국산학기술학회논문지 Vol.15 No.10
멀티미디어 자료들은 인터넷을 통해 빠르고 쉽게 전송된다. 이것은 멀티미디어 보안 및 저작권 보호에 있어 넓은 관심을 불러일으킬 수 있다. 이에 본 논문에서는 저작권 보호를 위해 이산 웨이블릿 변환 계수를 사용하여 이진 워터마크 이미지를 포함하는 이미지 워터마킹 기법을 제안한다. 원본 이미지를 웨이블릿 영역으로 변환하고 서브 대역으로 나눠진다. 변환된 영상은 이진워터마크 영상은 비트 시퀀스로 중잔 주파수 서브 밴드에 삽입된다. 원본 이미지는 워터마크 영상의 검출 에 필요로 하지 않는다. 제안된 방법에서 워터마크 비트수는 적게 검출되지만 최대/최소값 보다 10dB의 PSNR이 더 생산되었다. Multimedia documents can be transferred quickly and easily across the Internet, and has attracted considerable interest in multimedia security and multimedia copyright protection. This paper proposes an animage watermarking scheme embedding a binary watermark image using Discrete Wavelet Transform (DWT) coefficients. The original image is transformed to the wavelet domain and decomposed in subbands. The binary watermark image, as a sequence of bits, is embedded into the middle frequency subbands. The original image is not needed to detect the watermark image. The proposed method detected fewer watermark bits but produced an approximately 10dB higher PSNR than the max/min method.
-
Hand Movement Tracking and Recognizing Hand Gestures
Kwang-Chae Park(박광채),Ceol-Soo Bae(배철수) 한국산학기술학회 2013 한국산학기술학회논문지 Vol.14 No.8
본 논문은 핸드 제스쳐에 의해 증강현실 내의 가상 객체 제어기술로, HOG기반의 핸드 제스쳐 인식을 제안 하고 있다. 인식을 위한 특징점들은 HOG불럭들에 의하여 결정되며, 크기가 다른 여러 불럭들을 시험하여 가장 적절 한 불럭구성을 결정하며, AdaBoostSVM기법을 사용하여 분류 목적에 가장 적절한 불럭들을 추출한다. 실험 결과 핸드 제스쳐 인식률은 94% 이었다. This paper introduces an Augmented Reality system recognizing hand gestures and shows results of the evaluation. The system’s user can interact with artificial objects and manipulate their position and motions simply by his hand gestures. Hand gesture recognition is based on Histograms of Oriented Gradients (HOG). Salient features of human hand appearance are detected by HOG blocks. Blocks of different sizes are tested to define the most suitable configuration. To select the most informative blocks for classification multiclass AdaBoostSVM algorithm is applied. Evaluated recognition rate of the algorithm is 94.0%.
ScienceON
DBpia연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
