Cited time in webofscience Cited time in scopus

Full metadata record

DC Field Value Language
dc.contributor.author 권순 ko
dc.contributor.author 이충희 ko
dc.contributor.author 이종훈 ko
dc.contributor.author 문병인 ko
dc.contributor.author 이용환 ko
dc.date.accessioned 2018-02-05T04:13:33Z -
dc.date.available 2018-02-05T04:13:33Z -
dc.date.created 2018-01-17 -
dc.date.issued 2011-04 -
dc.identifier.citation 전자공학회논문지 - SD, v.48, no.4, pp.6 - 13 -
dc.identifier.issn 1229-6368 -
dc.identifier.uri http://hdl.handle.net/20.500.11750/5686 -
dc.description.abstract 정규상호상관 기반의 이미지 유사도 비교방법은 조명차 등에 강인한 특성이 있어 널리 사용되어 왔으나, 비효율적인 연산구조로 인해 실시간 연산을 요구하는 임베디드 시스템과 같은 응용분야에서는 적용하는 데 한계가 있었다. 본 논문에서는 효율적 연산방법을 통해 실시간 이미지 유사도 비교가 가능한 정규상호상관 기반의 하드웨어 연산구조를 제안한다. 제안된 구조는 적분이미지 기반의 윈도우 연산 방법을 사용하여 정규상호상관 함수의 윈도우 영역의 합 연산과정을 효율적으로 처리한다. 이를 위해 화소 입력과 동시에 적분이미지 생성이 가능한 구조와 메모리 효율적인 부분화 적분이미지 방법을 적용하여 적분이미지 생성과정에서의 부담을 최소화 한다. -
dc.language Korean -
dc.publisher 대한전자공학회 -
dc.subject Similarity measure -
dc.subject Normalized Cross Correlation -
dc.subject Box-filtering -
dc.subject Segmented integral image -
dc.subject Similarity measure -
dc.subject Normalized Cross Correlation -
dc.subject Box-filtering -
dc.subject Segmented integral image -
dc.title 고속 영상 유사도 분석을 위한 효율적 하드웨어 구조 -
dc.title.alternative Efficient Hardware Architecture for Fast Image Similarity Calculation -
dc.type Article -
dc.type.local Article(Domestic) -
dc.type.rims ART -
dc.description.journalClass 2 -
dc.identifier.kciid ART001548315 -
dc.contributor.nonIdAuthor 문병인 -
dc.contributor.nonIdAuthor 이용환 -
dc.identifier.citationVolume 48 -
dc.identifier.citationNumber 4 -
dc.identifier.citationStartPage 6 -
dc.identifier.citationEndPage 13 -
dc.identifier.citationTitle 전자공학회논문지 - SD -
dc.description.isOpenAccess N -
dc.contributor.affiliatedAuthor 권순 -
dc.contributor.affiliatedAuthor 이충희 -
dc.contributor.affiliatedAuthor 이종훈 -

qrcode

  • twitter
  • facebook
  • mendeley

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE