선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그래서 본 논문에서는 개선된 지표를 얻기 위해 입력영상의 RGB 세 채널을 모두 고려한 컬러기반의 HOS 지도를 작성하는 방법을 제안한다. 개선된 HOS 지도를 얻기 위해서는 RGB 입력 영상의 각 채널에 대해서 픽셀당 4차 모멘트를 각기 계산한다.
- 그러나 이러한 영상의 컬러 정보나 세기 정보에 기반한 영역 병합은 우리의 관심 영역인 포커스 된 영역과 그렇지 않은 흐릿한 배경 영역을 하나의 영역으로 만들 가능성도 있다. 다음 절에서는 단순하면서도 효율적으로 모션 예측에 의해서 추정한 관심 영역의 크기를 제한하는 방법을 소개한다.
- 영상 픽셀의 밝기나 텍스처를 고려하는 기존의 영상 추출 방법과는 달리 낮은 피사계 심도 영상의 포커스 정보는 사용자의 도움 없이 자동으로 관심 영역(001: object-of -interest)을 추출하는데 중요한 역할을 한다. 본 논문은 기존의 낮은 피사계 심도를 가진 정지 영상에서 관심 영역을 추출하는 방법에 대한 연구[1]를 낮은 피사계 심도의 동영상으로 확장해서 포커스 된 비디오 객체를 효율적으로 추출하는 것을 목적으로 한다.
- 본 논문은 낮은 파사계 심도의 동영상 데이타를 이용하여 사용자의 도움 없이 비디오 객체만을 고속의 효율적인 방법으로 추출해 내는 알고리즘을 제안하였다. 정확한 영상 분할을 위해 기존에 제안했던 방법[1]을 개선하여 동영상 데이타의 첫 번째 프레임에 적용해 비디오객체 분할을 위한 모델을 설정하였다.
- 비디오 객체를 추적하려면 프레임 간의 대웅되는 관심 영역의 상관 관계를 규명하는 것이 그 바탕이 된다. 먼저 물체 추적을 하기 위하여 이전 프레임의 주어진 모델을 가지고 현재 프레임에서 그 물체가 위치할 대략적인 영역을 추정하는 모션 예측 과정을 필요로 한다.
- 우리는 이러한 영상 분할 방법을 낮은 피사계 심도를 갖는 동영상 데이타로 확장하여 비디오 객체를 기반으로 하는 멀티미디어 응용 분야에 효과적으로 적용하고자 한다. 동영상은 정지 영상의 집합이므로, 낮은 피사계 심도 동영상의 매 프레임마다 기존의 낮은 피사계심도를 가진 정지 영상에서 관심 영역을 추출하는 방법[1]을 적용하여 의미 있는 관심영역인 비디오 객체를 추출할 수 있다.
- 이번 절에서는 의미 있는 동영상 객체를 추출하기 위해서 사용자가 추출할 모델을 직접 설정하는 과정 없이 자동으로 분할하는 알고리즘에 대해 알아본다. 우선 첫번째 프레임에서 주어진 동영상을 분할하기 위한 초기모델을 설정하기 위해 그림 2(a)와 같이 포커스 된 하나 이상의 관심 영역을 추출한다.
가설 설정
- 영상에 대략적인 모션 예측, P; (d) 거리 변환된 (distance transformed) 영상, DT, 영상의 세기가 밝을수록 모델에서부터 거리가 멀다 (e) DT(x, y)로부터 구해진 1차 예측된 관심 영역, D; (f) D의 영역에 대하여 컬러 기반의 HOS 지도 작성 (g) 영역 채우기 기법과 후처리 과정을 수행하여 얻은 최종 OOI.
- 그래서 피사계 심도가 낮은 영상에서 확실하게 포커스 된 부분은 그렇지 않은 영역보다 높은 주파수 성분을 갖는다는 가정은 주파수의 크기를 비교함으로써 포커스 된 선명한 영역과 그렇지 않은 영역을 구분하는 단서를 제공해준다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.