본 논문은 14~20대 국회 고용보험 관련 법률안 318건을 대상으로 의 원·정부의 입법관심 정책영역과 정책영역별 입법결과를 분석했다. 한 법 률 전체를 동일 정책영역으로 간주하는 기존 연구와는 달리 본 논문은 정책과정모형, 사회보험분석틀을 수정 및 보완하여 의안원문의 개별 개 정안을 정책영역별로 분류했다. 분석결과, <정책의제>에서 의원·정부의 입법관심이 가장 높은 정책영역은 실업급여사업이었고 정부의 이념적 성 향이 정책 입안에도 드러났다. 고용안정·직업능력개발사업은 경제상황에 따라 의원·정부의 입법관심이 증감했고, 모성보호사업은 정부보다 의원이 더 높은 입법관심을 보였다. 입법결과의 경우 정부는 고용안정·직업능력 개발사업의 정책 수에서 의원을 앞섰는데, 실업급여사업과 모성보호사업 은 정부안 가결률이 높고 입법성공 정책 수는 의원안에서 더 많았다. <행정체계>의 전체 정책영역에서 정부 정책안의 입법 성공률이 의원안보 다 더 높고 특히 재정정책은 정부가 주된 입법주체임을 확인했다. 결론 적으로 정책영역에 따라 법률적 변화를 견인하는 입법주체가 다르다는 점과 의원·정부의 입법관심 영역과 입법성공 가능성을 고려해 입법논의 가 이뤄진다면 효율적일 것이다.

피부색 정보는 컬러 영상에 포함된 얼굴 영역 또는 피부색 영역을 검출하는데 있어 중요한 요소이다. 일반적으로 피부색 정보로부터 통계 피부색 모델을 이용하여 피부색 영역을 검출한다. 하지만 영상에 피부색에 해당하는 색이 포함되어 있는 컬러 영상에서는 일반적인 통계 피부색 모델만으로 정확한 피부색영역을 검출할 수 없다. 따라서 본 논문에서는 다른 피부색 부분이 포함되어 있는 다양한 컬러 영상에서피부색 영역만을 정확히 검출하기 위한 방법을 제안한다. 먼저 RGB, YCbCr, HSI 피부컬러 모델을 기반으로 각 모델을 이용한 피부색 검출율을 가중치로 사용하여 얼굴 후보 영역을 설정하였다. 또한 영상내의 피부색 영역이외의 부분을 제거하기 위하여 영상에서의 관심영역을 계산하여 얼굴 후보 영역과 관심영역을 동시에 만족하는 피부색을 찾음으로써 피부색을 배경으로 가지는 컬러영상에서 정확한 피부색검출을 수행하였다. 실험 결과 제안한 방법이 유사한 피부색을 포함한 영상에서 우수한 피부색 검출 성능을 보였다.

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.

영상 처리에서 전경 이미지 추출은 움직이는 대상이나 객체를 인식하려는 경우에 주로 응용 된다. 게임에서 전경 이미지에 포함되는 객체들은 주로 캐릭터와 NPC(Non Player Character), 아이템 등이 될 수 있다. 이 객체들은 플레이어들의 이동, 공격, 방어, 수집의 대상이 되는 객체 들로 플레이어들의 주요 관심 대상이 될 수 있다. 본 연구는 이러한 배경에서, 플레이어들의 관 심 영역을 추출하기 위한 연구이다. 이를 위해, 첫째, 전경 이미지를 추출한다. 둘째, 추출한 전 경 이미지를 일정시간 누적시켜서 히트맵(Heat Map) 이미지를 결과 이미지로 보여준다. 마지막 으로 마우스 트랙킹 프로그램을 이용하여 마우스 이동 영역을 검출하고 히트맵 이미지와 비교 함으로써 플레이어의 관심 영역을 유도할 수 있다.