Sketch Feature Extraction Through Learning Fuzzy Inference Rules with a Neural Network

퍼지규칙의 신경망 학습을 통한 스케치 특징점 추출

In this paper, we propose a new efficient operator named DBAH (difference between arithmetic mean and harmonic mean) and a technique for extracting sketch features through learning fuzzy inference rules with a neural network. The DBAH operator provide some advantages; sensitivity dependence on local intensities and insensitivity on small rates of intensity change in very dark regions. Also, the proposed fuzzy reasoning technique by a neural network has a good performance in extracting sketch features without human intervention.

본 논문에서는 신경회로망을 사용하여 영상에 존재하는 스케치 특징점을 효과적으로 추출할 수 있는 퍼지규칙을 발생시킨다. 이를 위한 퍼지 입력변수로 DBAH(difference between arithmetic mean and harmonic mean)오 특징점정도가 정의된다. DBAH는 국부 밝기를 반영하는 특성을 가지며, 매우 어두운 영역에서의 작은 밝기변화에서는 낮은 출력을 나타내는 장점을 가진다. 퍼지규칙의 신경망학습을 통한 스케치 특징점을 추출은 특징점 추출을 위한 퍼지규칙의 설정에 효과적인 방법이 될 수 있음이 증명된다.