본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

초록보기

우리는 빛의 정도에 따라 이미지의 밝기와 채도, 대비를 보정하고 더 나아가 역광을 보정하는 기술을 구현하였다. 역광보정은 자동이나 수동으로 할 수 있는데, 수동으로 역광보정을 적용하기 위해서는 먼저 관심영역을 지정해 주어야 한다. 관심영역은 사진 속 원하는 사물의 윤곽선을 이어줌으로써 선택한다. 우리는 자석 올가미를 이용하여 사용자가 섬세한 선택을 가능하게 하였다. 기존 올가미 기능은 시작점과 끝점을 일치시켜 주어야 하는 단점이 있었으나 제안하는 올가미 기능은 시작점과 끝점을 일치시키지 않아도 관심영역을 선택할 수 있는 장점이 있다. 또한 사용자가 이진화 임계값과 질감추출을 위한 k-means 군집의 개수를 선택할 수 있도록 하여 다양한 역광보정 결과를 자동으로 얻을 수 있게 하였다.

We have implemented a technique to correct the brightness, saturation, and contrast of an image according to the degree of light, and further compensate the backlight. Backlight compensation can be done automatically or manually. For manual backlight compensation, we have to select the region of interest (ROI). ROI can be selected by connecting the outline of the desired object. We make users select the region delicately with the new magnetic lasso tool. The previous lasso tool has a disadvantage that the start point and the end point must be connected. However, the proposed lasso tool has the advantage of selecting the region of interest without connecting the start point and the end point. We can automatically obtain various results of backlight compensation by adjusting the number of k-means clusters for texture extraction and the threshold value for binarization.

권호기사

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 목차
전장공간의 효율적 임무수행을 위한 임무서비스 모델 및 개발도구 구현 = Implementation of Mission Service Model and Development Tool for Effective Mission Operation in Military Environment 송세헌, 변고훈, 이상일, 박재현 pp.285-292

Yices와 모델 정보를 이용한 Simulink/Stateflow 모델의 테스트 케이스 생성 기법 = Test Case Generation For Simulink/Stateflow Model Using Yices and Model Information 박한곤, 정기현, 최경희 pp.293-302

SVM을 이용한 건강검진정보 기반 진료과목 예측 = Health Examination Data Based Medical Treatment Prediction by Using SVM Minghao Piao, 변정용 pp.303-308

실시간 SNS 데이터를 위한 Storm 기반 동적 태그 클라우드 = Storm-Based Dynamic Tag Cloud for Real-Time SNS Data 손시운, 김다솔, 이수정, 길명선, 문양세 pp.309-314

K-Means 클러스터링을 적용한 향상된 CS-RANSAC 알고리즘 = Improved CS-RANSAC Algorithm Using K-Means Clustering 고승현, 윤의녕, Jumabek Alikhanov, 조근식 pp.315-320

새로운 관심영역 추출 방법을 이용한 역광보정 = Backlight Compensation by Using a Novel Region of Interest Extraction Method 성준모, 이성신, 이성욱 pp.321-328

참고문헌 (14건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 Dae-Geun Park, Kee-Hyon Park, Oh-Seol Kwon, and Yeong-Ho Ha, “Acquisition of efficient HDR image using estimation of dynamic range of scene in camera images with various exposures,” Proceedings of IEEK Summer Conference, pp.233-234, 2007. 미소장
2 Dae-Young Hyun, Jun-Hee Heu, Chang-Su Kim, and Sang-Uk Lee, “Region-based backlight compensation algorithm for images and videos,” IEEE(ICIP) Conference Publications, pp.3545-3546, 2010. 미소장
3 Lucas Bastos, Aura Conci, and P. Liatsis, “Automatic Texture Segmentation based on k-means Clustering and Co-occurrence Features,” Proceedings of International Conference on Systems, Signal and Image Processing, pp.141-144, 2008. 미소장
4 Eric N. Mortensen, L. Jack Reese, and William A. Barrett, “Intelligent Selection Tools,” IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 776-777, 2000. 미소장
5 A Generation of ROI Mask and An Automatic Extraction of ROI Using Edge Distribution of JPEG2000 Image 소장
6 Jun-Gyn Park, Hye-Kyoung Jang, and Dae-Seong Kang, “Region of Interest (ROI) Studies Using a Sophisticated Face Recognition Algorithm,” Proceedings of KIIT Summer Conference, pp.116-119, 2014. 미소장
7 DETECTION AND COMPENSATION ALGORITHM FOR BACKLIGHT IMAGES WITH FUZZY LOGIC AND ADAPTIVE COMPENSATION CURVE 네이버 미소장
8 Image backlight compensation using neuro-fuzzy networks with immune particle swarm optimization 네이버 미소장
9 Image Dimming Perceptual Model Based Pixel Compensation and Backlight Adjustment 네이버 미소장
10 Retinex Algorithm Improvement for Color Compensation in Back-Light Image Efficently 소장
11 Eric N. Mortensen, William A. Barrett, “Intelligent Scissors for Image Composition,” Proceedings of the 22nd annual conference on Computer Graphics and Interactive Techniques, pp.192-194, 1995. 미소장
12 A computational approach to edge detection. 네이버 미소장
13 E. W. Dijkstra, “A Note on Two Problems in Connexion with Graphs,” Numerische Mathematick 1, pp.269-271, 1959. 미소장
14 D. Walther, “Interactions of Visual Attention and Object Recognition: Computational Modeling, Algorithms, and Psychophysics,” Dissertation, California Institute of Technology, 2006. 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차