메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이재만 (부산대학교) 김선종 (부산대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제11권 제9호(JKIIT, Vol.11, No.9)
발행연도
2013.9
수록면
39 - 46 (8page)
DOI
10.14801/kiitr.2013.11.9.39

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
본 논문에서는 수피의 질감을 분석하여 분류가 뚜렷한 패턴이 있는 종들만으로 그룹화 함으로써 분류 성능을 효과적으로 향상시킬 수 있는 방법을 제안하였다. 질감의 추출 방법은 웨이브릿 변환에 의해 분할된 4영역(LL, LH, HL, HH)에 GLCM(gray-level co-occurrence matrix)을 각각 적용하여 추출하였다. GLCM은 대표적으로 entropy, energy, inertia, variance, homogeneity, cluster prominence, maximum probability의 7가지 질감특징을 가지고 실험하였다. 웨이브릿 레벨별 성능을 분석하였으며, 특히 GLCM은 4가지 방향(0°, 45°, 90°, 135°)의 매트릭스를 각각 구성하여 분석하였다. 20종류의 수피 400장을 가지고 실험한 결과, 웨이브릿의 분할레벨은 4레벨이 우수한 성능을 보였으며, GLCM은 4방향이 모두 고려한 16x16크기로 매트릭스에서 추출된 entropy 특징으로 추출하는 것이 우수한 성능을 보였다. 20종류에 대한 68%의 성능을 얻었으며, 뚜렷한 특징으로 구성된 수피들 11종류에 대하여 93%의 성능을 얻어, 수피들의 그룹화를 잘 이용하면 효과적인 분류를 할 수 있음을 보였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 웨이브릿에 적용된 GLCM의 특징 추출
Ⅲ. 질감에 따른 수피의 그룹화
Ⅳ. 실험결과
Ⅴ. 결론
References

참고문헌 (13)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2014-560-002413292