Earticle

초록

한국어

지역 패턴을 정확하게 부호화 하는 방법은 텍스처 분류 연구에 매우 중요한 요소다. 하지만 기존 널리 연구된 LBP기반 방 법들은 잡음에 취약한 근본적인 문제점이 있다. 최근 표정인식 분야에서 에지반응 값과 방향 정보를 활용한 LDP방법이 제안 되었다. LDP방법은 LBP보다 잡음에 강하고 더 많은 정보를 코드에 수용할 수 있는 장점이 있지만 텍스처 분류에 적용하기에 는 치명적인 회전 변화에 민감한 단점이 있다. 본 논문에서는 LDP 방법에 회전 불변 특성을 결합하고 기존 LDP가 가지고 있 던 부호 정보를 수용하지 않은 단점과 밝기 값 차이가 적은 영역에서 의미 없는 코드가 생성되는 단점을 극복한 새로운 지역 패턴 부호화 방법인 Rotation Invariant Local Directional Pattern 방법을 제안한다. 본 논문에서 제안된 방법의 텍스처 분류 성능을 입증하기 위해 널리 사용되는 UIUC, CUReT 데이터 셋에서 텍스처 분류를 수행했다. 그 결과 제안된 RILDP방법이 기존 방법보다 우수한 성능을 보여주었다.

영어

Accurate encoding of local patterns is a very important factor in texture classification. However, LBP based methods w idely studied have fundamental problems that are vulnerable to noise. Recently, LDP method using edge response and dire ction information was proposed in facial expression recognition. LDP is more robust to noise than LBP and can accommod ate more information in it's pattern code, but it has drawbacks that it is sensitive to rotation transforms that are critical to texture classification. In this paper, we propose a new local pattern coding method called Rotation Invariant Local Direc tional Pattern, which combines rotation-invariant transform to LDP. To prove the texture classification performance of the proposed method in this paper, texture classification was performed on the widely used UIUC and CUReT datasets. As a result, the proposed RILDP method showed better performance than the existing methods.

목차

요약
 ABSTRACT
 1. 서론
 2. 관련 연구
  2.1 Local Directional Pattern(LDP)
 3. Rotation Invariant Local Directional Pattern (RILDP)
  3.1 텍스처 분류에서 LDP의 문제점
  3.2 Rotation Invariant Local Directional Pattern 생성 방법
 4. RILDP특징 벡터 생성
 5. 실험 결과
  5.1 텍스처 분류용 데이터 셋 및 실험환경
  5.2 텍스처 분류 실험 결과
 6. 결론
 참고문헌

저자

• 이태환 [ Tae Hwan Lee | 경희대학교 전자정보대학 컴퓨터 공학과 ]
• 채옥삼 [ Chae Ok Sam | 경희대학교 전자정보대학 컴퓨터 공학과 ] 교신저자

참고문헌