[논문]히스토그램 변형 및 K-means 분류 기반 동적 범위 개선 기법

차수람; 김정태; 김민석

doi:10.5909/jeb.2011.16.6.1047

히스토그램 변형 및 K-means 분류 기반 동적 범위 개선 기법
Automatic Dynamic Range Improvement Method using Histogram Modification and K-means Clustering 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.16 no.6, 2011년, pp.1047 - 1057

차수람 (이화여자대학교 전자공학과) , 김정태 (이화여자대학교 전자공학과) , 김민석 (하이닉스 반도체)

초록
AI-Helper

본 논문에서는 K-means clustering 알고리즘을 이용하여 영상을 cluster로 나눈 후 각 cluster에 대하여 히스토그램 변형기법을 적용하여 만든 밝기 변환 함수로 영상의 동적 범위를 확장시키는 방법과 히스토그램 변형에 필요한 파라미터를 자동으로 조절하는 방법을 제안한다. 제안하는 방법은 기존의 전역적 히스토그램 변형기법의 한계점인 지역적 밝기 개선이 어렵다는 단점을 극복할 수 있을 뿐 아니라 밝기 변환함수의 파라미터를 자동적으로 조절할 수 있어서 수동 조절 없이 고성능의 화질 개선이 가능하다. 제안하는 방법이 기존 방법에 비해 성능이 우수함은 시뮬레이션 및 실험을 통해 입증하였다.

Abstract ▼ AI-Helper

In this paper, we propose a novel tone mapping method that implements histogram modification framework on two local regions that are classified using K-means clustering algorithm. In addition, we propose automatic parameter tuning method for histogram modification. The proposed method enhances local details better than the global histogram method. Moreover, the proposed method is fully automatic in the sense that it does not require intervention from human to tune parameters that are involved for computing tone mapping functions. In simulations and experimental studies, the proposed method showed better performance than existing histogram modification method.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 영상의 전역적 히스토그램으로 tone map-ping을 하는 알고리즘의 한계점을 극복하고 기존 히스토그램 평활화 방법의 문제점인 파라미터 조절을 자동으로 수행하는 알고리즘을 제안한다. 제안하는 알고리즘은 Kmeans clustering 알고리즘 [21]을 이용하여 영상을 두 개의 cluster로 나눈 후, 각 cluster에 대하여 히스토그램 변형기법을 적용하여 만든 밝기 변환 함수로 영상의 동적 범위를 증가시킨다.
기존의 방법인 전역적 히스토그램 변형기법은 히스토그램 평활화의 한계점인 과도한 밝기 변화를 조절할 수 있는 장점을 갖지만 지역적으로 밝기 개선이 어렵다는 단점을 가진다. 이러한 문제점을 해결하기 위하여 본 논문에서는 K-means clustering 알고리즘을 이용하여 영상을 두 개의 cluster로 나눈 후, 각 cluster에 대한 히스토그램에 히스토그램 변형기법을 적용하여 만든 밝기 변환 함수로 영상의 동적 범위를 증가시키는 방법을 제안했으며, 이는 기존의 전역적 히스토그램 변형기법의 한계점을 보완함을 실험을 통해 확인하였다. 또한 제안하는 방법은 각 cluster의 히스토그램에 대한 히스토그램 변형기법의 파라미터를 지역 영상의 평균 값, 분산, 엔트로피를 이용하여 자동적으로 조절할 수 있는 장점을 가진다.
히스토그램 변형기법의 한계점을 보완하기 위하여 본 논문에서는 그림 2의 블록 다이어그램과 같이 표현되는 tone mapping 알고리즘을 제안한다. 제안하는 방법은 동적 범위가 좁은 RGB 입력 채널의 영상을 PCA (Principal Component Analysis) 좌표로 변환하여 밝기 (luminance) 영상과 색차 (chrominance) 영상을 얻고, 밝기 영상에 lumi- nance 프로세싱 알고리즘을 적용하고 색차 영상에 chromi- nance 프로세싱을 한 후 역 PCA 변환을 함으로써 동적 범위가 확장된 영상을 얻는다.

제안 방법

. 따라서 본 논문에서는 RGB 채널의 영상을 밝기, 색차 영상의 좌표계로 변환 후, 밝기 영상에 대하여 매핑함수를 만들어 픽셀의 값을 매핑하여 동적 범위를 증가시킨다. 이때, 밝기 영상과 색차 영상으로 나누는 다양한 변환 중 채널간의 중복되는 정보를 없애 상관성을 0에 가까이만드는 PCA 변환을 사용하였다.
색상을 보존하면서 컬러를 보정하는 방법 중 [22]의 선행연구는 색상 에러를 최소화 하지만 Y 가 0 일때, luminance의 gain값이 무한대에 가까워져 이에 따른 chrominance 보정을 고려하지 않았다. 따라서 본 논문에서는 [22]의 선행 연구에서 제안된 방법을 사용하고 Y 가 0일 때를 고려하여 식 (11)과 같이 chrominance 프로세싱을 수행한다.
또한 λk 값을 구할 때, cluster의 평균 밝기뿐만 아니라 분산의 값이 작을수록 동적 범위가 좁은 것이라 가정하여, 조절 인자 c라는 파라미터에 의해 평균과 분산 중 중요하게 생각하는 비율로 평균 밝기와 분산의 결합하여 λk 식을 설계함으로써 밝은 영역 중 대비 (contrast)가 낮은 경우의 영상에서도 동적 범위도 확장시킬 수 있도록 하였다.
제안하는 알고리즘은 Kmeans clustering 알고리즘 [21]을 이용하여 영상을 두 개의 cluster로 나눈 후, 각 cluster에 대하여 히스토그램 변형기법을 적용하여 만든 밝기 변환 함수로 영상의 동적 범위를 증가시킨다. 또한 각 히스토그램에 대한 히스토그램 변형기법의 파라미터를 cluster 내의 영상의 평균 값, 분산, 엔트로피를 이용하여 자동적으로 조절 할 수 있도록 한다.
또한 히스토그램 변형기법에서 파라미터 튜닝은 주관적인 관점에서 영상이 가장 잘 개선되도록 파라미터를 수동적으로 조절하였고, 제안하는 방법의 컨트롤 파라미터 c는 0.5로 두어 λ 를 구할 때 평균과 분산의 중요도가 같다고 여겼으며 영상에 따라 자동적으로 구한 λk 와 γk 로 실험하였다.
본 논문에서는 특정 cluster에 대한 평균 밝기 (mean), 분산 (variance), 엔트로피 (entropy)를 이용하여 밝기 조절 파라미터 λk 와 γk를 자동적으로 조절 할 수 있도록 식 (8)과 같은 조절 기법을 제안한다.
실험영상에 대하여 기존의 히스토그램 변형기법과 제안하는 방법을 적용한 실험결과는 그림 5에서 그림 8과 같다. 비교 알고리즘인 히스토그램 변형기법과 제안하는 방법 모두 PCA로 변환하여 밝기 영상에 대한 매핑함수를 구하고 색차 영상에 대하여 chrominance 프로세싱을 하였다. 또한 히스토그램 변형기법에서 파라미터 튜닝은 주관적인 관점에서 영상이 가장 잘 개선되도록 파라미터를 수동적으로 조절하였고, 제안하는 방법의 컨트롤 파라미터 c는 0.
따라서 본 논문에서는 RGB 채널의 영상을 밝기, 색차 영상의 좌표계로 변환 후, 밝기 영상에 대하여 매핑함수를 만들어 픽셀의 값을 매핑하여 동적 범위를 증가시킨다. 이때, 밝기 영상과 색차 영상으로 나누는 다양한 변환 중 채널간의 중복되는 정보를 없애 상관성을 0에 가까이만드는 PCA 변환을 사용하였다. YCbCr, YUV 등의 변환은 영상에 의존하지 않고 독립적인 (independent) 변환 행렬을 가지는 반면 PCA변환은 영상의 고유벡터 (eigenvector)가 변환 행렬이 되기 때문에 영상에 따라 의존적인 변환 행렬을 가지는 특징을 갖는다^[1].
이때, 평균 밝기에 대하여 선형적인 비례 관계로 λk 값을 정하지 않고 중간 밝기인 0.5 값에 대하여 대칭 형태를 가지는 sigmoid 함수를 이용하였다.
히스토그램 변형기법의 한계점을 보완하기 위하여 본 논문에서는 그림 2의 블록 다이어그램과 같이 표현되는 tone mapping 알고리즘을 제안한다. 제안하는 방법은 동적 범위가 좁은 RGB 입력 채널의 영상을 PCA (Principal Component Analysis) 좌표로 변환하여 밝기 (luminance) 영상과 색차 (chrominance) 영상을 얻고, 밝기 영상에 lumi- nance 프로세싱 알고리즘을 적용하고 색차 영상에 chromi- nance 프로세싱을 한 후 역 PCA 변환을 함으로써 동적 범위가 확장된 영상을 얻는다.

데이터처리

제안하는 방법과 기존의 방법에 대한 성능을 주관적인 평가 외에 객관적인 지표로 비교하기 위하여 결과 영상의 엔트로피(entropy), AMBE (Absolute Mean Brightness Error), EME (Measure of Enhancement) 값을 구하였다^[14][23-24]. 엔트로피는 히스토그램의 분포가 uniform해 지는 정도는 나타내는 지표이고, AMBE는 입력 영상과 결과 영상을 블록으로 나눈 후, 각각 블록에 대한 평균 밝기 차이의 평균을 나타낸 것으로 결과 영상이 입력 영상의 평균 밝기를 보존하는 정도에 대한 지표로, 동적 범위 개선으로 인하여 발생하는 artifact 정도를 측정하는 방법이다 ^[14].

이론/모형

본 논문에서는 영상의 전역적 히스토그램으로 tone map-ping을 하는 알고리즘의 한계점을 극복하고 기존 히스토그램 평활화 방법의 문제점인 파라미터 조절을 자동으로 수행하는 알고리즘을 제안한다. 제안하는 알고리즘은 Kmeans clustering 알고리즘 [21]을 이용하여 영상을 두 개의 cluster로 나눈 후, 각 cluster에 대하여 히스토그램 변형기법을 적용하여 만든 밝기 변환 함수로 영상의 동적 범위를 증가시킨다. 또한 각 히스토그램에 대한 히스토그램 변형기법의 파라미터를 cluster 내의 영상의 평균 값, 분산, 엔트로피를 이용하여 자동적으로 조절 할 수 있도록 한다.

성능/효과

이로부터 두 방법 모두 획득한 영상보다 uniform한 히스토그램을 가지는 결과 영상을 생성함을 알 수 있다. 동적 범위의 개선 정도를 나타내는 수치인 EME 결과는 제안하는 방법이 히스토그램 변형기법에 비해 월등히더 높음을 확인할 수 있고 이는 히스토그램 변형기법에 비해 동적 범위 개선의 성능이 우수함을 증명한다. 또한 AMBE의 평균적인 수치 결과를 보면 히스토그램 변형기법에 비해 획득한 영상의 AMBE 값이 현저히 낮아 원 영상의 평균 밝기 값을 더 잘 보존함을 확인 할 수 있고 이로부터 제안하는 방법이 동적 범위를 더 효과적으로 개선시키면서 기존의 히스토그램 변형 기법에 비해 artifact를 적게 발생시킴을 알 수 있다.
동적 범위의 개선 정도를 나타내는 수치인 EME 결과는 제안하는 방법이 히스토그램 변형기법에 비해 월등히더 높음을 확인할 수 있고 이는 히스토그램 변형기법에 비해 동적 범위 개선의 성능이 우수함을 증명한다. 또한 AMBE의 평균적인 수치 결과를 보면 히스토그램 변형기법에 비해 획득한 영상의 AMBE 값이 현저히 낮아 원 영상의 평균 밝기 값을 더 잘 보존함을 확인 할 수 있고 이로부터 제안하는 방법이 동적 범위를 더 효과적으로 개선시키면서 기존의 히스토그램 변형 기법에 비해 artifact를 적게 발생시킴을 알 수 있다.
이러한 문제점을 해결하기 위하여 본 논문에서는 K-means clustering 알고리즘을 이용하여 영상을 두 개의 cluster로 나눈 후, 각 cluster에 대한 히스토그램에 히스토그램 변형기법을 적용하여 만든 밝기 변환 함수로 영상의 동적 범위를 증가시키는 방법을 제안했으며, 이는 기존의 전역적 히스토그램 변형기법의 한계점을 보완함을 실험을 통해 확인하였다. 또한 제안하는 방법은 각 cluster의 히스토그램에 대한 히스토그램 변형기법의 파라미터를 지역 영상의 평균 값, 분산, 엔트로피를 이용하여 자동적으로 조절할 수 있는 장점을 가진다. 제안하는 방법에서는 K-means 기법으로 전체 영상을 2개의 cluster로 나누었지만 한 영상 안에 동적 범위가 다양할 경우에 cluster 개수를 증가시키면 지역적 개선 효과를 더욱 증가시킬 수 있을 것으로 예상된다.
마지막으로 그림 8의 결과를 보면 히스토그램 변형기법은 나뭇잎의 밝기를 조절 하지 못하는 결과를 보인다. 이에 비해 제안하는 방법은 구름의 동적 범위를 보존하면서 나뭇잎 영역의 밝기를 개선했다는 점에서 지역적인 밝기 개선이 가능함을 실험을 통해 확인할 수 있었다.
표 1을 보면 제안하는 방법과 히스토그램 변형기법의 엔트로피의 수치는 평균적으로 획득한 영상에 비해 높음을 알 수 있다. 이로부터 두 방법 모두 획득한 영상보다 uniform한 히스토그램을 가지는 결과 영상을 생성함을 알 수 있다.
이에 비해 제안하는 방법은 어두운 영역과 밝은 영역에 대하여 히스토그램을 변형하는 파라미터를 다르게 적용할 수 있도록 파라미터를 설계하였기 때문에 어두운 영역의 동적범위를 확장시키면서도 밝은 영역의 동적 범위가 줄어드는 것을 막을 수 있음을 그림 5의 (d) 또는 (g)의 영상으로 알 수 있다. 한편, 제안하는 방법에 대한 다양한 실험 영상의 결과를 보면, 그림 6의 배경의 창틀 부분에서 히스토그램 변형기법의 결과는 동적 범위가 감소하여 바래어 보이는 결과를 보이며 제안하는 방법은 원본의 배경 영역의 동적범위를 최대한 보존할 수 있었다. 그림 7의 결과에서는 히스토그램 변형기법과 제안하는 방법 모두 배경의 동적 범위는 개선하지만 호랑이의 무늬에서 제안하는 방법이 히스토그램 변형기법보다 동적 범위의 개선의 정도가 높음을 알 수 있다.

후속연구

전역적 히스토그램 평활화 기법의 단점인 지역적으로 밝기 개선이 이루어지지 않는다는 문제점을 극복하기 위하여 제안하는 luminance 프로세싱 알고리즘은 K-means clustering 알고리즘을 이용하여 밝기 영상을 두 cluster로 나눈 후 두 cluster의 히스토그램에 히스토그램 변형기법을 적용하여 만든 밝기 변환 함수로 영상의 동적 범위를 증가시킨다. 그러므로 전 영역의 동적 범위가 비슷한 경우뿐만 아니라 획득한 영상에서 동적 범위가 서로 다른 영역이 존재할 경우, 보다 고성능의 동적 범위 개선을 수행할 수 있으며 이는 기존 전역적 히스토그램 변형기법의 한계점을 보완한다.
이때, uniform한 히스토그램의 누적분포함수는 입출력에 대한 매핑 함수의 기울기가 1인 선형 (linear) 그래프이므로 밝기를 변환하지 않는 것을 의미하기 때문에 획득한 영상의 히스토그램과 결합하는 비율을 조절함으로 영상 개선의 정도를 조절할 수 있다. 또한 획득한 영상이 어느 일정 범위의 밝기만 가지고 있어 히스토그램의 분포가 어느 구간에서 피크 (peak) 현상이 발생하는 경우, uniform한 히스토그램의 적용 정도를 증가시켜도 과잉 개선을 방지하는데 한계점을 가진다. 이 경우에는 히스토그램을 스무딩 (smoothing)하여 히스토그램의 분포를 넓힌 후 누적분포함수를 만들면 피크 현상을 완화시킬 수 있다.
또한 제안하는 방법은 각 cluster의 히스토그램에 대한 히스토그램 변형기법의 파라미터를 지역 영상의 평균 값, 분산, 엔트로피를 이용하여 자동적으로 조절할 수 있는 장점을 가진다. 제안하는 방법에서는 K-means 기법으로 전체 영상을 2개의 cluster로 나누었지만 한 영상 안에 동적 범위가 다양할 경우에 cluster 개수를 증가시키면 지역적 개선 효과를 더욱 증가시킬 수 있을 것으로 예상된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	동적 범위란 무엇인가?	디지털 영상장치로부터 획득한 정지영상이나 동영상으로부터 가시세계를 보다 실감 있게 표현하기 위해서는 인간이 장면을 인지하는 그대로 표현할 수 있는 영상장치가 요구되지만 디지털 영상장치는 실제 인간의 시각 인지 시스템(Human Visual System, HVS)보다 동적범위 (DR: Dynamic Range)가 현저히 작기 때문에 사실적인 장면을 표현하기에 한계점이 있다. 동적 범위란 어두운 영역과 밝은 영역간의 비(ratio)를 나타내며, 일반적인 사람의 눈의 동적 범위가 0~10000cd/㎡ (cd/㎡: 단위 면적당 광도)라면카메라 센서는 약 0~100cd/㎡를 가진다[1].
	히스토그램 도메인에서 밝기 변환 함수를 구하는 방법으로 어떤 것들이 있는가?	기존의 연구들은 retinex 이론을 기반으로 하되 반사성분을 다양하게 설계하여 성능을 개선하는 방향으로 수행되고 있다[6-11]. 한편, 히스토그램 도메인에서 밝기 변환 함수 (tone mapping function)를 구하는 방법은 감마 보정, 히스토그램 평활화 등이 있다. 또한 기존의 히스토그램 평활화의 문제점인 과도한 밝기 변화 (over-enhancing)를 보완하는 방법으로 bi-HE (bi Histogram Equalization)[12], DSHE (dualistic sub-image histo- gram equalization)[13], MMBEBHE (Minimum Mean Brightness Error Bi-Histogram Equalization)[14] 그리고 히스토그램 변형기법 (HM: histogram modification)[15] 등이 있다.
	여러 장의 입력 영상으로 동적범위를 확장하는 방법의 단점은 무엇인가?	먼저 여러 장의 입력 영상으로 동적범위를 확장하는 방법은 노출시간을 다르게 하여 여러 장의 영상을 획득한 후 픽셀 단위 또는 영역 단위로 정합 (fusion) 하는 방법을 수행한다[3-5]. 이 방법의 경우는 여러 장의 입력 영상을 획득해야 한다는 점에서 실시간으로 처리하기에 어려움이 따른다. 한 장의 입력영상으로 동적범위를 확장하는 방법 중에는 공간 도메인에서 처리하는 retinex 알고리즘[1], 히스토그램 도메인에서 수행하는 tone mapping 알고 리즘 등이 있다[18].

참고문헌 (24)

L. Meylan and S. Susstrunk, "High dynamic range image rendering with a Retinex-based adaptive filter," IEEE Transactions on Image Processing, vol. 15, no. 9, pp. 2820-2830, 2006.

상세보기
김광현, 한영준, " 블록기반 지역 명암대비 개선을 통한 전역 명암대비 향상 기법", 전자공학회 논문지 제 45권 SC편 제 1호, 2008.

원문보기 상세보기
P. E. Debevec and J. Malik, "Recovering High Dynamic Range Radiance Maps from Photographs,", ACM SIGGRAPH Conference, pp. 369-378, Aug, 1997.
F. Durand and J. Dorsey, "Fast Bilateral Filtering for the Display of High-Dynamic-Range Images," ACM Transactions on Graphics, vol. 21, pp. 257-266, Jul, 2002.

상세보기
R. Raskar, A, Ilie and J. Yu, "Image Fusion for Context Enhancement and Video Surrealism," In Proceedings of Non-Photorealistic Animation and Rendering, pp. 85-95, 2005.
D. H Brainard and B. A. Wandell, "Analysis of the retinex theory of color vision," Optical Society of America, vol. 3, no. 10, pp. 1651-1661, Oct. 1986.

상세보기
D. J. Jobson, Z. Rahman, G. A. Woodell, "A Multiscale Retinex for Bridging the Gap Between Color Images and the Human Observation of Scenes," IEEE Transactions on Image Processing, vol. 6, no. 7, pp. 965-976, Jul. 1997.

상세보기
D. H Choi, "Color Image Enhancement based on Single-Scale Retinex with a JND-Based Nonlinear Filter," IEEE International Symposium on Circuits and System, pp. 3948-3951, May 2007.
R. P. Kovaleski and M.. M.. Oliveira, " High-quality brightness enhancement functions for real-time reverse tone mapping," The Visual Computer, pp. 539-547, 2009.
M. Bertalmio, V. Caselles and E. Provenzi, "Issues About Retinex Theory and Contrast Enhancement," International Journal of Computer Vision, vol. 83, pp. 101-119, 2009.

상세보기
J. Wang, D, Xu, C.Lang and B. Li, "An Adaptive Tone Mapping Method for Displaying High Dynamic Range Images," Journal of Information Sceience and Engineering, vol. 26, pp. 977-990, 2010.
Y. T. Kim, "Contrast Enhancement Using Brightness Preserving Bi-Histogram Equalization," IEEE Transactions on Consumer Electronics, vol. 43, pp. 1-8, Feb, 1997.

상세보기
Y. Wan, Q. Chen and B.M. Zhang, " Image Enhancement Based on Equal Area Dualistic Sub-Image Histogram Equalization Method," IEEE Transactions on Broadcast and Television Receivers, vol. 45, pp. 68-75, Feb, 1999.
S.D. Chen and A. R. Ramli, " Minimum Mean Brightness Error Bi-Histogram Equalization in Contrast Enhancement," IEEE Transactions on Consumer Electronics, vol. 49, pp. 1310-1319, Nov, 2003.

상세보기
T. Arici, S. Dikbas and Y. Altunbasak, " A Histogram Modification Framework and Its Application for Image Contrast Enhancement," IEEE Transactions on Image Processing, vol. 18, pp. 1921-1935, 2009.

상세보기
S. Shimoyama, M. Igarashi, M. Ikebe and J. Motohisa, "Local Adaptive Tone Mapping with Composite Multiple Gamma Functions," IEEE International Conference on Image Processing, pp. 3153-3156, Nov, 2009.
J. Kim, L. Kim and S. Hwang, "An Advanced Contrast Enhancement Using Partially Overlapped Sub-Block Histogram Equalization," IEEE Transcations on Circuits and Systems for Video Technology, vol. 11, pp. 475-484, 2001.

상세보기
J. W. Lee, R. H. Prak and S. K. Chang, "Local Tone Mapping using K-means Algorithm and Automatic Gamma Setting," IEEE International Conference on Consumer Electronics, pp. 209-217, 2011.
G. Krawczyk, K. Myszkowski and H. Seidel, "Perceptual Effects in Real-time Tone Mapping," SCCG, 2005.
R. C. Gonzalez and R. E. Woods, "Digital Image Processing using MATLAB, Prentice Hall, 2004.
J. B. MacQueen, "Some Methods for calssification and Analysis of Multivariate Observations." Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability, University of California Press, pp. 281-297.
T. Masato, I. Akira, S. Tetsuaki "High Dynamic Range Rendering for YUV Images with a Constraint on Perceptual Chroma Preservation" IEEE International Conference on Image Processing, pp. 1817-1820, 2009.
A. Beghdali and A. L. Negrate, "Contrast enhancement technique based on local detection of edges," Computer Vision Graphics and Image Processing, vo. 46, no. 2, pp. 162-174, May, 1989.

상세보기
S.Agaian, K. Panetta and A. Grigoryan, "Transform-based image enhancement algorithms with performance measure," IEEE Transactions on Image Proecssing, vol. 10, no. 3, pp. 367-382, Mar, 2001.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증