본 논문에서는 산업 현장에서 비전기술을 이용한 객체의 검사나 분류에 사용되는 빠르고 효율적인 최소 사각형 근사화 방법을 대해서 소개한다. 주어진 객체의 최소 사각형 근사를 위해서 객체의 전체 외곽선을 사용하지 않고 n 개로 샘플링된 에지 점들에 대해서만 각도 히스토그램을 생성하고 이를 이용하여 객체의 장축과 단축을 계산한다. 최종 근사 사각형을 찾기 위해 이전 단계에서 얻어진 장축과 단축을 중심으로 하는 4개의 모서리점을 갖는 사각형을 찾는다. 이후에, 잡음에 의한 오차를 줄이기 위해 첫 번째 사각형의 각도를-1∼+1로 변형하여 추가적으로 2개의 후보 사각형을 생성한 후, 3개의 추정된 사각형과 원본 영상의 외곽선의 매칭 정도를 측정하여 오류가 최소화 되는 사각형을 최종 사각형 영역으로 선택한다. 제안된 방법을 몇 개의 실험데이터에 대해 실험한 결과 기존의 방법에 비해 빠르고 효율적인 최소 사각형 근사가 가능하였다.

논문에서는 하천 수위 감지용 CCD카메라에서 입력된 동영상에서 다리 기둥 영역과 물 영역을 구분하여 수위를 감지하는 방법을 제안한다. 하천 영상에서는 다리 기둥이 있고 그 사이로 강물이 흐르기 때문에, 물이 흐르는 부분에서만 강한 움직임이 발생하게 된다. 따라서, 본 논문에서는 optical flow를 사용하여 강물의 움직임을 감지하고 움직임이 감지된 픽셀들을 Y축으로 투영시켜 움직임 누적 히스토그램을 생성한다. 이후, 생성된 움직임 누적 히스토그램에 대해 K-means 군집화를 적용 시킨다. 단순히 기둥 영역과 물 영역을 구분하기 위해서는 K=2인 K-means 군집화를 수행하면 되지만, 기둥 영역과 물보라가 심한 부분, 물이 잔잔하게 흐르는 부분으로 나누기 위해서 K=3인 K-means 군집화를 수행한다. K-means 군집화에 의해 3개의 군집으로 나뉜 히스토그램에서 위쪽 첫 번째 군집과 두 번째 군집의 경계를 검출하면 그 부분이 곧 하천의 수위가 된다. 본 논문에서는 K=2, K=3일 경우의 K-means 군집화를 사용한 방법과 기존의 CCD카메라 기반의 수위감지알고리즘을 비교 실험하였고, 실험 결과 기존의 연구보다 움직임백터와 K-means 군집화 방법을 결합한 방법이 가장 좋은 성능을 보여 주었다.

본 논문에서는 MPEG-7 시각 기술자를 조합하고, 유사도 수행에서 초기 중요도 가중치를 고려한 관심영역(ROI: Region-Of-Interest) 기반의 의료 영상 검색 기법을 제안한다. 의료 영상에서 의미 없는 배경 부분을 제거하고, 영역 추출의 처리 시간을 줄이는 관심 윈도우(AW: Attention Window)를 생성하여 관심 영역 분할을 수행한다. 또한 인간 시각에 부합하도록 검색 성능을 향상시키기 위하여 유사도를 비교하는 영역에 대한 초기 가중치를 설정하여 특징 벡터 거리를 계산하였다. 실험에서 제안된 기법은 의료 영상을 효과적으로 찾아내며, 조합된 특징과 가중치를 이용한 유사도 측정으로 검색 성능이 향상됨을 보여준다.

본 논문에서는 MPEG-7 서술자 (descriptor) 들을 이용하여 바이오 동영상들의 특징을 분석하고， 각 서술자별 검색 효율을 비교한다. 바이오 동영상 검색을 위해 MPEG-7의 칼라 (color) ，텍스쳐 (texture) 그리고，모션 (motion) 서술자들을 이용하여 바이오 동영상들로부터 특정 값을 추출하고， 추출된 원소들의 분산과，가설 검증을 이용하여 바이오 동영상의 특징을 분석하였으며，바이오 동영상 검색에 효율적인 소틀을 찾을 수 있었다. 또한 검색 실험을 통하여 각 서술자들의 바이오 동영상에 대한 검색 효율을 비교하였으며，끝으로 서술자들의 적용 가능 여부를 확인하였다.