http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
적응 Simplex-Mesh 기술에 기반한 3차원 물체 복원과 자료압축
문성환,강훈,조용군 중앙대학교 생산공학연구소 1999 생산공학연구소 논문집 Vol.8 No.1
대부분의 3차원 물체 복원 기술은 물체를 다수의 평면으로 나누어 물체의 표면을 근사시켜 표현한다. 주어진 분류치를 사용하여 mesh를 초기화시키는 Marching Cubes 알고리듬과 Delaunay Tetrahedrisation이 널리 사용되고 있다. 이와 더불어 deformable 모델은 적은 수의 가정만으로도 다양한 종류의 데이터들에 대한 복원 및 재구성을 할 수 있기 때문에 일반적인 물체 복원에 적합하다. 본 논문에서는 곡면으로 이루어진 물체에 대해서 적응 simplex mesh 기술을 기반으로 3차원 물체를 압축 복원하는 방법을 제시한다. 이 방법은 미리 정해진 mesh 구조를 변형시키고 곡률과 같은 기하학적인 특성들을 다시 설정하면서 본래의 3차원 물체로 접근시킨다. 시뮬레이션을 통해서 높은 압축률로 물체를 복원하고, 물체의 모양을 최적으로 기술하기 위해 정점들이 곡률이 높은 곳으로 집중되는 것을 보인다. Most of the 3D object reconstruction techniques divide the object into multiplane and approximate the surfaces of the object. The Marching Cubes Algorithm which initializes the mesh structure using a given isovalue, and Delaunay Tetrahedrisation are widely used. Deformable models are well-suited for general object reconstruction because they make little assumptions about the shape to recover and they can reconstruct objects from various types of datasets. In this paper, we propose a novel method for reconstruction of 3D objects. This method, for a 3D object composed of curved planes, compresses the 3D object based on the adaptive simplex-mesh technique. It changes the pre-defined mesh structure, so that it may approach to the original object. Also, we redefine the geometric characteristics such as curvatures. As results of simulations, we show reconstruction of the original object with high compression and concentration of vertices towards parts of high curvature in order to optimize the shape description.
3차원 물체 복원과 자료 압축을 위한 적응 Simplex-Mesh 기술의 응용
문성환,조용군,강훈 중앙대학교 정보통신연구소 1999 정보통신연구소논문집 Vol.1 No.1
대부분의 3차원 물체 복원 기술은 물체를 다수의 평면으로 나누어 물체의 표면을 근사시켜 표현한다. 주어진 분류치를 사용하여 mesh를 초기화시키는 Marching Cubes 알고리듬과 Delaunay Tetrahedrisation이 널리 사용되고 있다. 이와 더불어 deformable 모델은 적은 수의 가정만으로도 다양한 종류의 데이터들에 대한 복원 및 재구성을 할 수 있기 때문에 일반적인 물체 복원에 적합하다. 현재 deformable 모델이 기반이 된 복원 시스템에 대한 연구가 활발히 진행중이다. 본 논문에서는 곡면으로 이루어진 물체에 대해서 적응 simplex mesh 기술을 바탕으로 3차원 물체를 압축, 복원하는 방법을 제시한다. 이 방법은 미리 정해진 mesh 구조를 변형시키고 곡률과 같은 기하학적인 특성들을 다시 설정하면서 본래의 3차원 물체로 접근시킨다. 시뮬레이션을 통해서 높은 압축률로 물체롤 복원하고, 물체의 모양을 최적으로 기술하기 위해 정점들이 곡률이 높은 곳으로 집중되는 것을 보인다. Most of the 3D object reconstruction techniques divide the object into multiplane and approximate the surfaces of the object. The Marching Cubes Algorithm which initializes the mesh structure using a given isovalue, and Delaunay Tetrahedrisation are widely used. Deformable models are well-suited for general object reconstruction because they make little assumptions about the shape to recover and they can reconstruct objects from various types of datasets. Now, many researchers are studying the reconstruction systems based on a deformable model. In this paper, we propose a novel method for reconstruction of 3D objects. This method, for a 3D object composed of curved planes, compresses the 3D object based on the adaptive simplex-mesh technique. It changes the pre-defined mesh structure, so that it may approach to the original object. Also, we redefine the geometric characteristics such as curvatures. As results of simulations, we show reconstruction of the original object with high compression and concentration of vertices towards parts of high curvature in order to optimize the shape description.
셀룰라 신경회로망 기반의 연상메모리를 이용한 영상패턴의 분류 및 인식에 대한 연구
신윤철,조용군,박용훈,강훈 중앙대학교정보통신연구소 2001 정보통신연구소논문집 Vol.3 No.1
셀룰라 신경회로망은 실시간의 비선형 데이터를 처리하는 신경회로망의 기능과 이웃하는 셀과 직접 통신하는 세포자동차의 구조를 갖고 있다. 각각의 셀들이 영상의 화소와 대응하여 동시에 병렬적인 처리가 가능하기 때문에 영상 처리 문제에 셀룰라 신경회로망이 적합하다. 본 논문에서는 셀룰라 신경회로망에 기반한 연상 메모리의 구조를 디자인하고 학습된 전체 패턴에서 최적의 하중 패턴을 선택하여 출력 영상을 얻는 방법을 제안한다. 이 때 사용되는 템플릿 패턴을 학습하기 위해 Hebbian 학습법을, 영상을 분류하기 위해 LMS 알고리듬을 사용하였다. Cellular Neural Networks process nonlinear data in real-time like neural networks, and consist of cells which communicate with each other directly through their neighbor cells as the Cellular Automata does. Image processing with CNN is appropriate to 2-D images, because each cell which corresponds to each pixel in the image is simultaneously processed in parallel. This paper suggests the method for designing the structure of associative memory based on CNN and getting output image by choosing the most appropriate weight pattern among the whole learned weight pattern memories. Hebbian rule is used for learning template weights and LMS algorithm is used for classification.