권호 표지

The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society

  • Bimonthly
  • /
  • 1598-284X(pISSN)

Domain

  • Information/Communication ＞ Information Processing Theory

Aim & Scope

The KIPS Transactions:PartB publishes original research papers in information processing focusing on theories, methods, algorithms in multimedia system and graphics. Application oriented papers are also accepted. Technical fields of this journal in detail are as follows; artificial intelligence, image processing, voice processing, natural language processing, multimedia, human computer interface, pattern recognition, computer graphics, semantic web and web services.

KSCI

Volume 13B Issue 6 Serial No. 109

  1. Ryu, Mun-Ho 579
    https://doi.org/10.3745/KIPSTB.2006.13B.6.579 PDF KSCI
    본 연구는 카운팅 정합도라 불리는, 비선형 정합도를 척도로 하는 템플릿 정합법을 이용하여 온-오프 형태 DNA칩의 탐색자를 구분하는 방법을 제안한다. 또한, 스팟 템플릿의 다양한 위치나 크기에 따른 응답의 최대값을 찾는 최대 응답 탐색법을 제안한다. 각 스팟의 교잡반응 여부만을 분류하는 온-오프 형태의 DNA 칩의 탐색자를 구분하는 용도에 제안된 방법을 적용하였다 2390명의 환자에 대한 인유두종 바이러스 DNA 칩 검사에 적용하여, 카운팅 정합도를 기존의 정규상관도나 메디안과 비교하였다. 카운팅 정합도가 최대 응답 탐색법에 관계없이 최고의 성능을 보였다. 실험결과 위치탐색을 결합한 카운팅 정합도가 가장 적절하였다.
  2. Yoon Hyo-Sun;Yoo Jae-Myeong;Park Mi-Seon;Kim Mi-Young;Toan Nguyen Dinh;Lee Guee-Sang 585
    https://doi.org/10.3745/KIPSTB.2006.13B.6.585 PDF KSCI
    움직임 추정은 비디오 영상 압축에서 중요한 역할을 하지만, 최적의 움직임 벡터를 찾기 위해서는 많은 탐색을 필요로 한다. 따라서 탐색시간을 줄이기 위하여 적절한 탐색 시작점 설정과 효율적인 탐색 패턴을 사용하여야 한다. 만일 움직임 추정을 수행하기 전에 현재 블록의 전체적인 움직임 정보를 예측할 수 있다면 예측된 움직임 정보를 이용하여 보다 효율적으로 움직임 추정을 수행할 수 있다. 본 논문에서는 불필요한 움직임 추정을 생략하고 현재 블록의 움직임 추정을 위한 탐색 시작점 위치와 탐색 패턴을 보다 정확히 결정하기 위해, 후보 벡터들을 이용하여 현재 블록 유형을 분류하고 현재 블록의 움직임을 예측하는 방법을 제시한다. 제안된 기법은 움직임 벡터 추정 속도 면에서 기존의 방법과 비교하여 약 1.5$\sim$7배의 속도 향상을 가져왔으며, 움직임이 많은 영상에서의 화질에 있어서 약 0.02$\sim$0.2(dB)정도 성능 향상을 보였다.
  3. Jeong, Chang-Bu;Kim, Soo-Hyung 591
    https://doi.org/10.3745/KIPSTB.2006.13B.6.591 PDF KSCI
    본 논문에서는 문서 영상의 그림 영역에서 통계적 분석을 통한 단어 영상을 추출하는 방법을 제안한다. 제안 방법은 그림 영역의 구성 요소를 문자 성분과 그래픽 성분으로 분류하기 위하여 연결요소에 대한여 통계적 분석 방법인 상자그림 분석을 적용하고, 분류된 문자 성분들에 대하여 지역적 밀집도를 분석하여 문자 영역을 추출한다. 추출된 문자 영역에서 투영 히스토그램 분석을 통하여 문자열을 추출하고, 문자열을 단어단위 영상으로 분리하기 위하여 투영 히스토그램 분석과 갭 군집화, 특수 기호 검출 등을 수행한다. 제안 방법은 임계값의 사용 대신에 그림 영역의 구성 요소들에 대하여 통계적 분석을 수행하기 때문에 그림의 형태 변화에 민감하지 않으며, 지역적 밀집도 분석으로 보다 정확한 문자 영역을 추출하였다. 또한 제안 방법의 응용 분야인 주제어 검색을 위한 오프라인의 전처리에 해당하는 문서 영상의 단어단위 영상 추출에 적용하여 제안 방법에 대한 연구의 필요성을 제시하였다.
  4. Sur, Hyung-Soo;Chong, Min-Young;Lee, Chil-Woo 601
    https://doi.org/10.3745/KIPSTB.2006.13B.6.601 PDF KSCI
    의료기술의 비약적인 발전과 함께 의료기관에서 사용되는 영상 데이터량이 급속히 증가하고 있다. 따라서 대용량 의료 영상의 해석을 위해서는 의사들의 육안 검사보다 영상처리 기술을 이용한 자동화 방법이 필요하다. 본 논문에서는 복부 CT영상의 간 영역에 대해 GLCM(Gray Level Co-occurrence Matrix)을 이용하여 텍스처 정보를 취득하고, 이 데이터로부터 주성분 분석을 통해 간종양을 자동으로 검출하는 방법에 대해 제안한다. 기존의 간종양 검출은 명암도 한 가지 특징에 의한 방법이 대부분이었으나, 본 논문에서 CT영상에 대해 GLCM의 텍스처 정보 8가지를 이용해서 4개의 주성분 누적 영상으로 변환시켰다. 실험결과 4개의 주성분 누적 영상의 백분율 분산값은 89.9%였으며, 이를 명암도 한 가지 만을 이용한 간종양 검출방법과 면적을 비교했을 때 약 92%의 일치도를 보였다. 이는 영상데이터의 차원을 8개의 차원에서 그 절반인 4개의 차원으로 줄여도 간종양을 검출할 수 있음을 의미한다.
  5. Lee, Hyun-Woo;Seong, Dong-Su;Lee, Keon-Bae 607
    https://doi.org/10.3745/KIPSTB.2006.13B.6.607 PDF KSCI
    본 논문에서는, 복합 에러은닉 알고리즘을 이용하는 비디오 코더를 제안한다. 알고리즘은 먼저 정보숨김을 적용하여 손실된 블록의 움직임 벡터를 복원한다. 만일 은닉정보가 손실된 경우 손실된 블록의 움직임 벡터는 주위 정상 블록들의 움직임 벡터들의 적응적 선택을 이용하여, 손실된 블록의 새로운 움직임 벡터로 할당하고, OBMC (Overlapped Block Motion Compensation)를 통해 최종적으로 손실영역을 은닉하게 된다. 이 방법은 연속된 GOB의 손실에 있어서 좀 더 효과적임을 알 수 있었다. 실험 결과 제안한 방법의 결과가 정보숨김만을 이용하거나. 주변 움직임 벡터만을 이용하는 기존의 방법에 비하여 향상된 결과를 얻을 수 있음을 알 수 있었다.
  6. Cho, Yong-Man;Kang, Tae-Won 615
    https://doi.org/10.3745/KIPSTB.2006.13B.6.615 PDF KSCI
    이 논문은 이동 에이전트 시스템에 기반을 둔 가상의 병렬분산 컴퓨팅 환경에서 병렬로 수행되는 다층 인공신경망 시뮬레이터를 구현하는 것을 목적으로 한다. 다층 신경망은 학습세션, 학습데이터, 계층, 노드, 가중치 수준에서 병렬화가 이루어진다. 이 논문에서는 네트워크의 통신량이 상대적으로 적은 학습세션 및 학습데이터 수준의 병렬화가 가능한 신경망 시뮬레이터를 개발하고 평가하였다. 평가결과, 학습세션 병렬화와 학습데이터 병렬화 성능분석에서 약 3.3배의 학습 수행 성능 향상을 확인할 수 있었다. 가상의 병렬 컴퓨터에서 신경망을 병렬로 구현하여 기존의 전용병렬컴퓨터에서 수행한 신경망의 병렬처리와 비슷한 성능을 발휘한다는 점에서 이 논문의 의의가 크다고 할 수 있다. 따라서 가상의 병렬 컴퓨터를 이용하여 신경망을 개발하는데 있어서, 비교적 시간이 많이 소요되는 학습시간을 줄임으로서 신경망 개발에 상당한 도움을 줄 수 있다고 본다.
  7. Ko, Su-Jeong 625
    https://doi.org/10.3745/KIPSTB.2006.13B.6.625 PDF KSCI
    협력적 여과는 사용자 선호도를 예측하기 위해 그 사용자의 유형을 학습하는 데 목적을 둔 기술이다. 협력적 여과 시스템이 전자상거래에서 성공적인 기술일지라도 그들은 데이터의 고차원성과 희박성이라는 문제점을 갖는다. 본 논문에서는 이와 같은 문제점을 해결하기 위하여 비부정 행렬 인수분해(NNMF, Non-negative Matrix Factorization) 방법을 이용한 최근 인접 협력적 여과 방법을 제안한다. 행렬을 분해하기 위한 전처리로서 사용자 변동 계수를 이용하여 사용자-아이템 행렬의 결측치를 채우고, 이를 대상으로 비부정 분해 방식을 적용하여 행렬을 인수분해 한다. 비부정 분해 방식을 적용한 긍정 분해는 사용자들을 의미를 갖는 벡터로써 표현함으로써 사용자들을 의미 관계를 갖는 그룹으로 표현한다. 이와 같이 벡터로 표현된 사용자들은 벡터 유사도에 의해 그들간의 유사도를 계산한다. 계산된 유사도의 정도에 의해 이웃을 결정하고, 이웃들이 평가한 아이템에 대한 흥미도를 기반으로 새로운 사용자가 평가하지 않은 아이템에 대한 결측치를 예측한다.