Algorithms for histogram equalization in image enhancement and link prediction in social networks
저자
발행사항
서울 : 서울대학교 대학원, 2017
학위논문사항
학위논문(박사)-- 서울대학교 대학원 : 전기·컴퓨터공학부 2017. 2
발행연도
2017
작성언어
영어
주제어
DDC
621.3 판사항(22)
발행국(도시)
서울
기타서명
화질 개선을 위한 히스토그램 평활화 및 소셜 네트워크에서의 링크 예측 알고리즘
형태사항
x, 74 p. : 삽화 ; 26cm
일반주기명
참고문헌 수록
DOI식별코드
소장기관
Data processing method is exploited to obtain the expected results by processing and analyzing the input data. In this research, we have focused on processing image and social network data in the area of image processing and social network analysis respectively by using data processing method. Gray-level context-driven histogram equalization and community-adaptive link prediction are proposed for image processing and social network analysis respectively. The abstractions of these two data processing methods are as follows.
First, histogram equalization, which redefines the distribution of gray-levels in an image, is an important step in image processing to enhance the image quality. Until now, numerous histogram equalization techniques have been proposed, among which the majority of them have focused on solving the problem of how the gray-levels in the histogram of an input image should be properly partitioned so that the image produced by collecting all equalization results for the partitioned sub-histograms leads to the quality enhancement of the image. However, the partition based equalization methods have an inherent limitation of not being able to equalize a sub-histogram crossing a partition boundary, which is the main cause of image distortion. In this work, we propose a gray-level context-driven histogram equalization method to overcome this limitation. In short, rather than constraining disjoint mapping ranges of the gray-levels among the partitions, we devise two enabling techniques: (1) a mapping range for each gray-level with no range-disjoint constraint and (2) a mapping distance between two adjacent gray-levels to make a full exploitation of mapping flexibility of gray-levels. We formulate the histogram equalization problem integrating the two techniques into a flow optimization problem in a specially designed structure of a network, and solve it globally and efficiently. In addition, we seamlessly combine the factor of power consumption into our network flow optimization formulation to make an easy trade-off between image quality and power saving.
Second, Link prediction is one of hot research topics in social network analysis. Link prediction problem is to find a small set of node pairs in the networks that are not directly connected, but will be very likely to be connected in the future. To improve the prediction accuracy, many works have attempted to consider the community information, if available, in the social network structure. One common strategy of the prior community-aware link prediction algorithms is that they devised a sort of unified link prediction formulation that simply includes a premium term to express whether a link is structurally in the same community or not. However, since the formulation of the premium term relies on the structural formation of communities only, it cannot take into account the fact that the communities in different social networks, though they form almost identical community structures, can make different levels of influence on the link prediction. To cope with this limitation, we propose an adaptive approach, in which we use two separate link predictions depending on inter or intra-links in community, and then balance the links based on the degree of community influence on link prediction.
In conclusion, through experiments with the diverse datasets, it is shown that our proposed gray-level context-driven histogram equalization and community-adaptive link prediction are able to achieve much more improved performance compared to previous data processing methods in each of the image processing and social network analysis area.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)