$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

시계열 데이터 기반의 부분 노이즈 제거 윤곽선 이미지 매칭
Partial Denoising Boundary Image Matching Based on Time-Series Data

정보과학회논문지 = Journal of KIISE, v.41 no.11, 2014년, pp.943 - 957  

김범수 (강원대학교 정보통신연구소) ,  이상훈 (강원대학교 정보통신연구소) ,  문양세 (강원대학교 컴퓨터과학과)

초록
AI-Helper 아이콘AI-Helper

윤곽선 이미지 매칭에서 이미지의 노이즈를 제거하는 것은 직관적이고 정확한 매칭을 위해 매우 중요한 요소이다. 본 논문에서는 윤곽선 이미지 매칭에서 부분 노이즈를 허용하는 문제를 시계열 도메인에서 다룬다. 이를 위해, 먼저 부분 노이즈 제거 시계열(partial denoising time-series)을 정의하여 이미지 도메인이 아닌 시계열 도메인에서 매칭 문제를 신속하게 해결하는 방법을 제안한다. 다음으로, 두 윤곽선 이미지, 즉 질의 시계열과 데이터 시계열에서 구성된 부분 노이즈 제거 시계열들 간에 가질 수 있는 최소거리인 부분 노이즈 제거 거리(partial denoising distance)를 제시한다. 본 논문에서는 이를 두 윤곽선 이미지 간의 유사성 척도로 사용하여 윤곽선 이미지 매칭을 수행한다. 그러나, 부분 노이즈 제거 거리를 측정하기 위해서는 매우 많은 계산이 빈번하게 발생하므로, 본 논문에서는 부분 노이즈 제거 거리의 하한을 구하는 방법을 제안한다. 마지막으로, 부분 노이즈 제거 윤곽선 이미지 매칭의 질의 방식에 따라 범위 질의 매칭과 k-NN 질의 매칭을 각각 제안한다. 실험 결과, 제안한 부분 노이즈 제거 윤곽선 이미지 매칭은 성능을 수 배에서 수십 배까지 향상시킨 것으로 나타났다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Removing noise, called denoising, is an essential factor for the more intuitive and more accurate results in boundary image matching. This paper deals with a partial denoising problem that tries to allow a limited amount of partial noise embedded in boundary images. To solve this problem, we first d...

주제어

#시계열 데이터베이스   #윤곽선 이미지 매칭   #시계열 매칭   #부분 노이즈 제거  

참고문헌 (28)

  1. R. Agrawal, C. Faloutsos, and A. Swami, "Efficient Similarity Search in Sequence Databases," Proc. the 4th Int'l Conf. on Foundations of Data Organization and Algorithms, Chicago, Illinois, pp. 69-84, Oct. 1993. 

  2. C. Faloutsos, M. Ranganathan, and Y. Manolopoulos, "Fast Subsequence Matching in Time-Series Databases," Proc. Int'l Conf. on Management of Data, ACM SIGMOD, Minneapolis, Minnesota, pp. 419-429, May 1994. 

  3. M.-S. Gil, Y.-S. Moon, and B.-S. Kim, "Linear Detrending Subsequence Matching in Time-Series Databases," IEICE Trans. on Information and Systems, Vol. E94-D, No. 4, pp. 917-920, Apr. 2011. 

    상세보기 crossref

  4. W.-S. Han, J. Lee, Y.-S. Moon, S.-W. Hwang, and H. Yu, "A New Approach for Processing Ranked Subsequence Matching Based on Ranked Union," Proc. Int'l Conf. on Management of Data, ACM SIGMOD, Athens, Greece, pp. 457-468, Jun. 2011. 

  5. Y.-S. Moon, B.-S. Kim, M. S. Kim, and K.-Y. Whang, "Scaling-Invariant Boundary Image Matching Using Time-Series Matching Techniques," Data & Knowledge Engineering, Vol. 69, No. 10, pp. 1022-1042, Oct. 2010. 

    상세보기 crossref

  6. M. S. Kim, K.-Y. Whang, and Y.-S. Moon, "Horizontal Reduction: Instance-Level Dimensionality Reduction for Similarity Search in Large Document Databases," Proc. the 28th IEEE Int'l Conf. on Data Engineering(ICDE), Washington, DC, pp. 1061-1072, Apr. 2012. 

  7. B.-S. Kim, Y.-S. Moon, M.-J. Choi, and J. Kim, "Interactive Noise-Controlled Boundary Image Matching Using the Time-Series Moving Average Transform," Multimedia Tools and Applications, Jun. 2013 (published online). 

  8. H. Liu, G. Frishkoff, R. Frank, and D. Dou, "Sharing and Integration of Cognitive Neuroscience Data: Metric and Pattern Matching across Heterogeneous ERP Datasets," Neurocomputing, Vol. 92, pp. 156-169, Sept. 2012. 

    상세보기 crossref

  9. M. Vlachos, Z. Vagena, P. S. Yu, and V. Athitsos, "Rotation Invariant Indexing of Shapes and Line Drawings," Proc. of ACM Conf. on Information and Knowledge Management, Bremen, Germany, pp. 131-138, Oct. 2005. 

  10. Y.-S. Moon and J. Kim, "Efficient Moving Average Transform-Based Subsequence Matching Algorithms in Time-Series Databases," Information Sciences, Vol. 177, No. 23, pp. 5415-5431, Dec. 2007. 

    상세보기 crossref

  11. Y.-S. Moon, K.-Y. Whang, and W.-S. Han, "General Match: A Subsequence Matching Method in Time- Series Databases Based on Generalized Windows," Proc. Int'l Conf. on Management of Data, ACM SIGMOD, Madison, Wisconsin, pp. 382-393, Jun. 2002. 

  12. W.-S. Han, J. Lee, Y.-S. Moon, and H. Jiang, "Ranked Subsequence Matching in Time-Series Databases," Proc. the 33rd Int'l Conf. on Very Large Data Bases, Vienna, Austria, pp. 423-434, Sept. 2007. 

  13. M. Vlachos, G. Kollios, and D. Gunopulos, "Discovering Similar Multidimensional Trajectories," Proc. the 18th IEEE Int'l Conf. on Data Engineering( ICDE), San Jose, California, pp. 673-684, Feb./Mar. 2002. 

  14. R. H. Shumway and D. S. Stoffer, Time Series Analysis and Its Applications: With R Examples(Ed. 2), Springer Texts in Statistics, 2006. 

  15. K. W. Chu and M. H. Wong, "Fast Time-Series Searching with Scaling and Shifting," Proc. ACM SIGACT-SIGMOD-SIGART Symp. on Principles of Database Systems, Philadelphia, Pennsylvania, pp. 237-248, May 1999. 

  16. D. Rafiei and A. O. Mendelzon, "Querying Time Series Data Based on Similarity," IEEE Trans. on Knowledge and Data Engineering, Vol. 12, No. 5, pp. 675-693, Sept./Oct. 2000. 

    상세보기 crossref

  17. W.-K. Loh, S.-W. Kim, and K.-Y. Whang, "A Subsequence Matching Algorithm that Supports Normalization Transform in Time-Series Databases," Data Mining and Knowledge Discovery, Vol. 9, No. 1, pp. 5-28, Jul. 2004. 

    상세보기 crossref

  18. W. K. Pratt, Digital Image Processing, 4th Ed., Eastman Kodak Company, Rochester, New York, 2007. 

  19. C.-H. Lin and W.-C. Lin, "Image Retrieval System Based on Adaptive Color Histogram and Texture Features," The Computer Journal, Vol. 54, No. 7, pp. 1136-1147, Jul. 2011. 

    상세보기 crossref

  20. M. N. Do, "Wavelet-Based Texture Retrieval Using Generalized Gaussian Density and Kullback-Leibler Distance," IEEE Trans. on Image Processing, Vol. 11, No. 2, pp. 146-158, Feb. 2002. 

    상세보기 crossref

  21. X.-Y. Wang, Y.-J. Yu, and H.-Y. Yang, "An Effective Image Retrieval Scheme Using Color, Texture and Shape Features," Computer Standards & Interfaces, Vol. 33, No. 1, pp. 59-68, Jan. 2011. 

    상세보기 crossref

  22. P. Suetens, P. Fua, and A. J. Hanson, "Computational Strategies for Object Recognition," ACM Computing Surveys, Vol. 24, No. 1, pp. 5-62, Mar. 1992. 

    상세보기 crossref

  23. D. Z. Zhang and G. Lu, "Review of Shape Representation and Description Techniques," Pattern Recognition, Vol. 37, No. 1, pp. 1-19, Jul. 2003. 

  24. R. C. Gonzalez and R. E. Woods, Digital Image Processing, 3rd Ed., Prentice Hall, New Jersey, 2008. 

  25. S. Belongie and J. Malik, "Matching with Shape Contexts," Proc. IEEE Workshop on Content based Access of Image and Video Libraries (CBAIVL- 2000), Hilton Head Island, South Carolina, pp. 20-26, Jun. 2000. 

  26. M. B. Holte, T. B. Moeslund, and P. Fihl, "View-Invariant Gesture Recognition using 3D Optical Flow and Harmonic Motion Context," Computer Vision and Image Understanding, Vol. 114, No. 12, pp. 1353-1361, Dec. 2010. 

    상세보기 crossref

  27. G. Mori and J. Malik, "Estimating Human Body Configuration Using Shape Context Matching," Proc. the 7th European Conference on Computer Vision, Copenhagen, Denmark, pp. 666-680, May 2002. 

  28. Yefeng Zheng, http://www.umiacs.umd.edu/zhengyf/PointMatching.htm 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로