선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 접근은 영역간극단적 차별을 통한 특징 추출로 정보를 획득해야 하는 영상의 경우보다 효과가 있었다. 본 연구는 관측 탁본 영상을 대상으로 이 방식을 적용하여 그 성능을 실험을 통해 확인하였다. 이와 같은 접근을 통해 탁본 영상에 대한 문자인식을 후속연구로 남긴다.
- 만약 이들을 고려한 동일 특성으로의 군집 형성이 베사 주가 제시한 조건들을 만족한다면 ICM방식의 한계를 보완한 알고리즘 개발이 가능하다. 본 연구에서는 기하학적 분포 특성이 뚜렷한 영상에 대하여 ICM적 접근을 벡터 평면으로 변형하여 기하학적 구도에 부합하면서도 화소 집단의 확률적 유사성으로 영역을 차별적으로 식별하는 새로운 알고리즘을 소개한다. 대상 영상은 금석학에서 사용하는 탁본(拓本) 영상이다.
- 이와 같은 체계는 현재 고려중인 화소를 중심으로 u (개) 방향으로 기하학적 블록들을 확장하여 각 瓦에 따른 心개) 화소들의 확률적 분포 특성을 분석한 다음, 이를 다시 전체 n(G)=u (개) 로 확대하여 종합적인 확률분포를 구하고자 함이다. 벡터적 복수 방향으로의 다단계적 접근은 종래의 ICM 방식에서 결여되었던 영상 내 영역 형성의 군집성향을 추정하는데 유리한 단서를 제공한다.
- 다음 단계에서는 추정치들의 상호 관련성을 판별하여 그림 1에서 제시하고 있는 바와 같은 영역에의 부합을 결정한다. 일 단계에서 현재 고려 중인 화소의 배열 상 위치를 종래의 ICM 방식과 같이 인접화소군의 중심에 위치시키지 않고 극단에 두며, 또한 2 단계에서 그 지점을 그들의 집합 G 의 중심에 위치케 함은 제 m장 1 절에서 언급한 바와 같이 영역 경계부에 위치하고 있는 화소들의 귀속을 명확히 함으로 궁극적으로는 종래의 ICM 방식의 문제였던 과/부족 평활화(over and under smcwthing) 현상을 개선하고 원하는 정보를 영역판별을 통해 추출하고자 함이다.
가설 설정
- 1. The idea of geometric fittings.
- 가정 1은 관측영상 각 화소의 색도가 원영상에 대하여 조건부 독립임을 의미하고, 가정 2는 원영상 X/가주 어진 P(的)와 함께 지엽의 존적 (locally dependent) 인 MRFCMarkov random field)라는 뜻인 동시에, 현재 고려 중인 화소의 색도가 오직 인접화소들의 색도에 의해 결정될 수 있음을 말한다. 이는 결국 MAP(Maximum a posteriori)적 접근이라 할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.