디지털 영상 장치의 발전과 컴퓨터 시스템의 발달로 인해서 영상 처리에 대한 부하가 줄어들면서 디지털 영상 처리에 대한 관심 및 활용 분야가 점차 확대되고 있다. 또한 인터넷과 같은 통신 시스템의 발달로 인해서 다양한 형태의 디지털 영상 자료가 폭발적으로 증가하고 있으며, 이에 따라 디지털 영상 자료를 필터링 하고 사용자가 원하는 영상 자료를 검색해 줄 수 있는 영상 시스템에 관한 필요성이 요구되고 있다. 그리고 로봇, 자동차 등과 같은 다양한 무인 시스템에서 인간의 시각 능력을 대신할 영상 처리에 대한 비중이 증가되고 있는 추세이다. 그러나 기존의 영상 이해 시스템은 영상에 포함된 객체 및 영상이 가지고 있는 의미적 정보를 인간과 같이 해석하는데 있어서 그 한계성이 있다. 이와 같은 한계성을 극복하기 위해서 학습에 의한 방법, 통계적 정보에 의한 방법 등 다양한 영상 해석을 위한 응용 기법들이 제안되었다. 그럼에도 불구하고 기존의 기법들은 그 적용분야와 목적에 따라서 유사한 영상에 대한 많은 양의 학습이 요구되거나, 각기 다른 구조의 ...
디지털 영상 장치의 발전과 컴퓨터 시스템의 발달로 인해서 영상 처리에 대한 부하가 줄어들면서 디지털 영상 처리에 대한 관심 및 활용 분야가 점차 확대되고 있다. 또한 인터넷과 같은 통신 시스템의 발달로 인해서 다양한 형태의 디지털 영상 자료가 폭발적으로 증가하고 있으며, 이에 따라 디지털 영상 자료를 필터링 하고 사용자가 원하는 영상 자료를 검색해 줄 수 있는 영상 시스템에 관한 필요성이 요구되고 있다. 그리고 로봇, 자동차 등과 같은 다양한 무인 시스템에서 인간의 시각 능력을 대신할 영상 처리에 대한 비중이 증가되고 있는 추세이다. 그러나 기존의 영상 이해 시스템은 영상에 포함된 객체 및 영상이 가지고 있는 의미적 정보를 인간과 같이 해석하는데 있어서 그 한계성이 있다. 이와 같은 한계성을 극복하기 위해서 학습에 의한 방법, 통계적 정보에 의한 방법 등 다양한 영상 해석을 위한 응용 기법들이 제안되었다. 그럼에도 불구하고 기존의 기법들은 그 적용분야와 목적에 따라서 유사한 영상에 대한 많은 양의 학습이 요구되거나, 각기 다른 구조의 지식 베이스를 가지고 있으므로 범용적 영상 이해 시스템을 구축하는 것이 불가능하다. 따라서 이와 같은 문제점을 해결하기 위해서 본 논문에서는 지식 표현의 한 방법으로 제안된 온톨로지를 이용하여 영상을 이해하는 시스템을 제안한다. 온톨로지란 특정 영역에서 정의된 개념들과 개념들이 가지고 있는 속성 및 관계에 대한 지식 표현 방법이다. 이러한 온톨로지를 활용한 영상 이해 시스템 구성을 위해서는 영상에서 검출된 저 수준의 화소값 정보와 온톨로지로 표현된 고 수준의 지식 정보 사이의 격차를 제거하여야 한다. 이를 위해서 본 논문에서는 객체 온톨로지를 정의하고 정의된 객체 온톨로지에 기반하여 영상을 인식하는 시스템을 구성한다. 그리고 영상으로부터 의미적 정보를 검출하기 위하여 영상내에 존재하는 객체들 사이의 관계 속성을 정의하고 정의된 속성을 활용한 영상 해석을 통해서 의미적 정보를 검출하는 알고리즘을 제안한다. 제안한 기법들의 타당성을 검증하기 위해서 본 논문에서는 특정 영역에 대해서 객체 온톨로지를 구성하고 구성된 객체 온톨로지를 기반으로 영상 인식에 대한 모의실험을 수행한다. 또한 본 논문에서 제안한 관계 속성의 효용성을 확인하기 위하여 다수의 객체로 구성된 영상을 해석하는 모의실험을 수행하며, 최종적으로 정의된 관계 속성에 기반한 온톨로지 추론을 이용하여 영상으로부터 의미적 정보를 검출하는 모의실험과 얼굴 영상에 대한 분류 및 검색 모의실험을 통해서 제안 기법의 효용성을 확인한다.
디지털 영상 장치의 발전과 컴퓨터 시스템의 발달로 인해서 영상 처리에 대한 부하가 줄어들면서 디지털 영상 처리에 대한 관심 및 활용 분야가 점차 확대되고 있다. 또한 인터넷과 같은 통신 시스템의 발달로 인해서 다양한 형태의 디지털 영상 자료가 폭발적으로 증가하고 있으며, 이에 따라 디지털 영상 자료를 필터링 하고 사용자가 원하는 영상 자료를 검색해 줄 수 있는 영상 시스템에 관한 필요성이 요구되고 있다. 그리고 로봇, 자동차 등과 같은 다양한 무인 시스템에서 인간의 시각 능력을 대신할 영상 처리에 대한 비중이 증가되고 있는 추세이다. 그러나 기존의 영상 이해 시스템은 영상에 포함된 객체 및 영상이 가지고 있는 의미적 정보를 인간과 같이 해석하는데 있어서 그 한계성이 있다. 이와 같은 한계성을 극복하기 위해서 학습에 의한 방법, 통계적 정보에 의한 방법 등 다양한 영상 해석을 위한 응용 기법들이 제안되었다. 그럼에도 불구하고 기존의 기법들은 그 적용분야와 목적에 따라서 유사한 영상에 대한 많은 양의 학습이 요구되거나, 각기 다른 구조의 지식 베이스를 가지고 있으므로 범용적 영상 이해 시스템을 구축하는 것이 불가능하다. 따라서 이와 같은 문제점을 해결하기 위해서 본 논문에서는 지식 표현의 한 방법으로 제안된 온톨로지를 이용하여 영상을 이해하는 시스템을 제안한다. 온톨로지란 특정 영역에서 정의된 개념들과 개념들이 가지고 있는 속성 및 관계에 대한 지식 표현 방법이다. 이러한 온톨로지를 활용한 영상 이해 시스템 구성을 위해서는 영상에서 검출된 저 수준의 화소값 정보와 온톨로지로 표현된 고 수준의 지식 정보 사이의 격차를 제거하여야 한다. 이를 위해서 본 논문에서는 객체 온톨로지를 정의하고 정의된 객체 온톨로지에 기반하여 영상을 인식하는 시스템을 구성한다. 그리고 영상으로부터 의미적 정보를 검출하기 위하여 영상내에 존재하는 객체들 사이의 관계 속성을 정의하고 정의된 속성을 활용한 영상 해석을 통해서 의미적 정보를 검출하는 알고리즘을 제안한다. 제안한 기법들의 타당성을 검증하기 위해서 본 논문에서는 특정 영역에 대해서 객체 온톨로지를 구성하고 구성된 객체 온톨로지를 기반으로 영상 인식에 대한 모의실험을 수행한다. 또한 본 논문에서 제안한 관계 속성의 효용성을 확인하기 위하여 다수의 객체로 구성된 영상을 해석하는 모의실험을 수행하며, 최종적으로 정의된 관계 속성에 기반한 온톨로지 추론을 이용하여 영상으로부터 의미적 정보를 검출하는 모의실험과 얼굴 영상에 대한 분류 및 검색 모의실험을 통해서 제안 기법의 효용성을 확인한다.
With the development of digital image equipment and computer systems, there has been increasing interest in the application areas of digital image processing. Moreover, the development of Web-based communication systems has resulted in an explosive growth of digital image data on the Internet. There...
With the development of digital image equipment and computer systems, there has been increasing interest in the application areas of digital image processing. Moreover, the development of Web-based communication systems has resulted in an explosive growth of digital image data on the Internet. Therefore, there is an urgent need for image systems that allow users to filter and search digital image data according to their requirements. Moreover, with the increasing applications of unmanned systems such as robots and automobile systems, it has become increasingly important to develop digital image processing techniques that can replace the ability of human vision. Classical image understanding systems have an inherent limitation: they cannot interpret the information contained in images in the same manner as humans can. To overcome this limitation, various image understanding systems such as learning-based systems and statistic-based systems have been proposed. However, it is not possible to construct general purpose systems using the above mentioned application systems, because these systems require image learning methods depending on the target systems and/or application fields, and/or these systems have different knowledge base structures. In this paper, we propose an image understanding system based on ontology, which is a formal representation of a set of concepts, relations, and properties in a specific domain. To apply ontology to image understanding systems, the semantic gap between low-level image features and high-level concepts has to be reduced. To reduce this gap, object ontology is defined and image understanding systems based on object ontology are proposed. Moreover, to extract semantic information from an image, relation properties are defined, and an algorithm to interpret the image using the defined properties is proposed. To verify our proposed method, objet ontology in a specific domain is constructed and image recognition experiments are performed on the basis of the constructed object ontology. Moreover, to show the effectiveness of the proposed relation properties, the image interpretation experiments are performed using images including a number of objects. Finally, the effectiveness of the proposed method is shown through experiments involving the extraction of semantic information from images using ontology inference based on the defined relation properties, and classification and search experiments on face images.
With the development of digital image equipment and computer systems, there has been increasing interest in the application areas of digital image processing. Moreover, the development of Web-based communication systems has resulted in an explosive growth of digital image data on the Internet. Therefore, there is an urgent need for image systems that allow users to filter and search digital image data according to their requirements. Moreover, with the increasing applications of unmanned systems such as robots and automobile systems, it has become increasingly important to develop digital image processing techniques that can replace the ability of human vision. Classical image understanding systems have an inherent limitation: they cannot interpret the information contained in images in the same manner as humans can. To overcome this limitation, various image understanding systems such as learning-based systems and statistic-based systems have been proposed. However, it is not possible to construct general purpose systems using the above mentioned application systems, because these systems require image learning methods depending on the target systems and/or application fields, and/or these systems have different knowledge base structures. In this paper, we propose an image understanding system based on ontology, which is a formal representation of a set of concepts, relations, and properties in a specific domain. To apply ontology to image understanding systems, the semantic gap between low-level image features and high-level concepts has to be reduced. To reduce this gap, object ontology is defined and image understanding systems based on object ontology are proposed. Moreover, to extract semantic information from an image, relation properties are defined, and an algorithm to interpret the image using the defined properties is proposed. To verify our proposed method, objet ontology in a specific domain is constructed and image recognition experiments are performed on the basis of the constructed object ontology. Moreover, to show the effectiveness of the proposed relation properties, the image interpretation experiments are performed using images including a number of objects. Finally, the effectiveness of the proposed method is shown through experiments involving the extraction of semantic information from images using ontology inference based on the defined relation properties, and classification and search experiments on face images.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.