영상처리 및 패턴인식 배움터

1장 디지털 영상처리의 개요

1.1 디지털 영상처리란? 15
1.2 영상처리 기술들 15
1.3 영상처리 단계 18
1.4 디지털 영상처리 시스템 19
1.5 영상처리 응용분야 20

2장 디지털 영상

2.1 영상의 디지털화 25
2.1.1 1차원 신호의 디지털화 25
2.1.2 2차원 신호의 디지털화 27
2.1.3 동영상의 디지털화 29
2.2 디지털 영상의 종류 30
2.3 색모델(Color Model) 33
2.3.1 RGB(Red Green Blue) 색모델 34
2.3.2 CMY(Cyan Magenta Yellow) 색모델 35
2.3.3 HSI(Hue Saturation Intensity) 색모델 37
2.3.4 YIQ, YUV, YCbCr 색모델 39

3장 화소 점 처리

3.1 영상 대수 43
3.1.1 산술 연산 43
3.1.2 논리 연산 45
3.2 단일 영상의 화소 점 처리 46
3.2.1 영상 반전(Image Negative) 47
3.2.2 이진화(Binalization) 48
3.2.3 명암 대비 변환 48
3.2.4 로그 변환 (Log Transformation) 49
3.2.5 명암도 분할(Gray-Level Slicing) 50
3.2.6 중간 제거 및 통과 51
3.2.7 광도 보정 51
3.2.8 비트 플레인 분할(Bit Plane Slicing) 52
3.2.9 히스토그램(Histogram) 53
3.2.10 히스토그램 수평이동(Histogram Sliding)과 히스토그램 확장
(Histogram Stretching) 55
3.2.11 히스토그램 균등화(Histogram Equalization) 57
3.2.12 히스토그램 명세화(Histogram Specification) 60
3.3 다중 영상의 화소 점 처리 64
3.3.1 영상 결합(Image Combination) 64
3.3.2 영상 합성(Image Composition) 66

4장 화소 그룹 처리

4.1 필터와 컨볼루션 71
4.2 선형 공간 필터 75
4.2.1 저주파 통과 필터 (Lowpass Filter) 77
4.2.2 고주파 통과 필터 (Highpass Filter) 79
4.2.3 에지 검출(Edge Detection) 84
4.2.4 컬러 영상에 대한 선형 공간 필터 적용 방법 90
4.3 비선형 공간 필터 91
4.3.1 중간값 필터(Median Filter) 91
4.3.2 최소/최대 필터 (Min/Max Filter) 92

5장 기하학적 변환

5.1 기하학적 변환의 사상 방법 97
5.1.1 전방향 사상(Forward Mapping) 97
5.1.2 역방향 사상(Reverse Mapping) 100
5.2 기하학적 변환 종류 101
5.2.1 선형 기하학적 변환 101
5.2.2 비선형 기하학적 변환 103
5.3 재표본 추출 105
5.3.1 하향 표본 추출을 위한 저주파 통과 필터링 105
5.3.2 상향 표본 추출을 위한 화소 보간법 106

6장 영상 변환

6.1 푸리에 변환 112
6.1.1 주파수의 세계 113
6.1.2 푸리에 급수(Fourier Series) 114
6.1.3 이산 푸리에 변환(DFT: Discrete Fourier Transform) 115
6.1.4 푸리에 스펙트럼(Fourier Spectrum) 116
6.1.5 영상 스펙트럼 117
6.1.6 고속 푸리에 변환(FFT: Fast Fourier Transform) 118
6.1.7 주파수 영역에서의 필터 120
6.2 이산 코사인 변환 128
6.3 웨이블릿 130
6.3.1 웨이블릿이란? 130
6.3.2 연속 웨이블릿과 이산 웨이블릿 131
6.3.3 이산 척도구성함수와 다행상도 분석 132
6.3.4 필터 뱅크와 부대역 부호화 136
6.4 주성분 분석 138
6.5 허프 변환 145

7장 영상 복원

7.1 영상의 열화 모델 155
7.2 잡음 모델 157
7.3 공간 영역 필터 통한 잡음 제거 162
7.3.1 순위 필터(Order Filter) 162
7.3.2 평균 필터(Average Filter) 162
7.3.3 적응 필터(Adaptive Filter) 164
7.4 주파수 필터 통한 잡음 제거 165
7.4.1 대역 중지 필터(Band Reject Filter) 165
7.4.2 대역 통과 필터(Band Pass Filter) 167
7.5 열화 필터 통한 영상 복원 168
7.5.1 역필터(Inverse Filter) 168
7.5.2 워너 필터(Wiener Filter) 170

8장 수학적 형태학

8.1 기본 아이디어 173
8.1.1 이동(Translation) 173
8.1.2 반사(Reflection) 174
8.2 팽창과 침식 175
8.2.1 팽창(Dilation) 175
8.2.2 침식(Erosion) 178
8.2.3 팽창과 침식의 관계 181
8.3 열림과 닫힘 182
8.3.1 열림(Opening) 182
8.3.2 닫힘(Closing) 184
8.3.3 열림과 닫힘 사이의 관계 185
8.4 적중과 비적중 변환 187
8.5 형태학적 알고리즘들 189
8.5.1 영역 채움(Region Filling) 189
8.5.2 연결 요소들(Connected Components)의 추출 190
8.5.3 골격(Skeletonization) 191
8.6 명암도 형태학 193
8.6.1 명암도 팽창 197
8.6.2 명암도 침식 199
8.6.3 명암도 팽창과 침식의 관계 201
8.7 명암도 열림과 닫힘 및 응용 202

9장 영상 압축

9.1 정보 이론 및 평가 척도 215
9.2 무손실 부호화 208
9.2.1 가변 길이 부호화 208
9.2.2 연속 길이 부호화(RLC: Run-Length Coding) 211
9.2.3 사전 방식(Dictionary Technique) 213
9.2.4 무손실 예측 부호화(Lossless Predictive Coding) 214
9.3 손실 부호화 216
9.3.1 절단 부호화(Truncation Coding) 216
9.3.2 양자화 부호화(Quantization Coding) 217
9.3.3 손실 예측 부호화(Lossy Predictive Coding) 222
9.3.4 변환 부호화(Transform Coding) 224
9.3.5 부대역 부호화(Subband Coding) 229

10장 영상 분할

10.1 영상 분할 기본 개념 235
10.2 영상 분할 방법 236
10.2.1 입력 공간에서 군집화에 의한 방법 236
10.2.2 특징 공간에서 군집화에 의한 방법 240
10.2.3 에지를 이용한 영상 분할 246

11장 패턴 인식과 특징들

11.1 패턴과 인식과정 253
11.2 패턴 표현과 특징 257
11.2.1 외부적 특성으로의 표현 257
11.2.2 내부적 특성으로의 표현 264
11.2.3 질감(Texture)의 표현 270

12장 결정 함수

12.1 결정 함수 개요 277
12.2 선형 결정 함수 278
12.2.1 두 클래스 분리 279
12.2.2 다중 클래스(multiclass) 분리 280
12.3 일반화 결정 함수 284
12.4 최소 거리 분류기 287

13장 군집화

13.1 군집화 개요 293
13.2 계층적 군집화 295
13.2.1 응집형 군집화(Agglomerative Clustering) 296
13.2.2 분리형 군집화(Divisive Clustering) 302
13.3 분할 군집화 303
13.3.1 k 평균 알고리즘 303
13.3.2 Isodata 알고리즘 304

14장 통계적 분류기

14.1 통계적 식별 규칙 311
14.2 정규분포 패턴에 대한 식별 함수 315

15장 구조 해석적 패턴 인식

15.1 구문론적 패턴 인식 개요 327
15.2 형식 언어와 형식 문법 329
15.3 구문 해석 331
15.3.1 하향식 파싱(Top Down Parsing) 332
15.3.2 상향식 파싱(Bottom Up Parsing) 334
15.3.3 유한 오토마타(Finite Automata) 334
15.4 문법 추론 336

16장 신경망

16.1 인공 신경망 모델 343
16.2 신경망의 유형 345
16.2.1 단층/다층 신경망 346
16.2.2 순방향/순환 신경망 346
16.3 신경망의 활성화 함수253 347
16.3.1 항등 함수 및 경사 함수 347
16.3.2 계단 함수 348
16.3.3 시그모이드 함수 349
16.4 신경망 학습 349
16.4.1 단층 퍼셉트론 학습 350
16.4.2 최소제곱 오차 학습 354
16.4.3 오차 역전파 학습(Error back-propagation learning) 356
16.5 신경망 구조 359

17장 유전 알고리즘

17.1 유전 알고리즘 363
17.2 문제의 표현 365
17.3 선택 연산 366
17.4 교배 연산 368
17.5 변이 연산 370
17.6 대치 연산 371
17.7 최적화 문제와 목적 함수 371

● 찾아보기(Index) 375