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
- 또한 [9, 1이에서는 탐색기법을 적용하지 않는 영상 안정화 기법을 제안하였으나 전차에 장착된 조준경과 같이 영상의 병진 움직임이 거의 나타나지 않고 회전 움직임이 우세한 경우에만 적용할 수 있는 제한사항이 있었다. 본 논문에서는 회전 및 병진 흔들림 영상에 대한 디지털 영상안정화기법을 제시한다. 움직임 추정에서는 회전과 병진 움직임을 하나의 등가 회전모델로 표현될 수 있음을 보이고 이 등가 회전모델을 기반으로 회전각도 및 회전중심을 추정하는 방법과 추정된 값을 기준으로 움직임 보상을 함으로서 회전과 병진 흔들림이 동시에 발생하는 경우에도 적용 가능한 기법임을 확인하였다.
- 이에 본 연구에서는 이러한 제한 사항을 극복할 수 있는새로운 기법을 제안하였다.
제안 방법
- 따라서 연속된 영상프레임간의 더 많은 정보가 필요로하거나 새로운 방법으로 접근할 수밖에 없다. Change 회전과 병진 운동이 동시에 있는 경우에 대한 영상안정화 방법으로 탐색기법을 적용하였다. 먼저 탐색기법을 적용하여 회전중심을 추정하고 이를 기준으로 병진운동을 추정하였다.
- Change 회전과 병진 운동이 동시에 있는 경우에 대한 영상안정화 방법으로 탐색기법을 적용하였다. 먼저 탐색기법을 적용하여 회전중심을 추정하고 이를 기준으로 병진운동을 추정하였다. 그러나 이 방법은 몇 가지 제한사항이 있는데 탐색기법을 사용함으로써 과도한 연산시간에 의해 실시간 적용에 제한이 따르며, 더욱이 탐색영역을 이전 프레임에서 추정한 회전중심을 기준으로 설정함으로 첫 번째 영상의 경우 전체를 탐색해야 한다.
- 제안된 알고리즘을 검증하기 위해 합성영상과 실 영상에 대해 실험을 수행하였다. 합성영상에 대한 실험은 MATLAB 을 사용하였으며 실영상에 대한 실험은 DSP보드를 이용한 실험 장치를 구성하여 수행하였다.
- 제안된 알고리즘의 실효성을 입증하기 위해 인위적으로 회전과 병진운동을 포함한 두 개의 연속된 영상에 대해 추정된 회전중심과 (7), (8)에 의해 계산된 값을 다음 두 가지 경우에 대해 실험하였다.
- 여기서 k는 영상 프레임 번호이며 T는 프레임간 주기이다. 첫 번째 영상 프레임에서 회전중심은 영상중심으로 하였으며 두 번째 영상 프레임부터는 X축과 y축 방향으로 각각 勺汹=20沥(2 itkT), ycjM =15顽2 짜刀로 이동하게 하였다. 표본 영상프레임을 그림 8 에 나타내었다.
- 두 개의 연속된 영상간의 추정된 움직임을 보상하는 프레임 간 안정화 알고리즘(Frame-to-Frame Algorithm : FFA) 과기준영상에 대해 입력되는 각 영상 프레임을 안정화하는 기준 영상과 입력 프레임간 안정화 알고리즘(Frame-toReforence Algorithm : FRA)이 있다[7]. 프레임간 안정화 알고리즘은 [10] 에 제시된 방법을 이용하였으며 기준영상과 입력 프레임 간 안정화 알고리즘은 실시간 적용을 위해 반복계산이 가능하도록 제안하였다.
- 회전 및 병진 흔들림 영상에 대한 디지털 영상안정화 알고리즘을 제안하였다. 하나의 회전모델이 회전과 병진이 동시에 발생하는 모션을 수용할 수 있다는 것을 보였으며 이 결과로서 회전 및 병진 움직임이 있는 영상에 대해 회전과 병진에 대한 움직임 량을 모두 찾지 않고 회전중심 및 각도 추정만으로 만족할 만한 영상안정화를 구현할 수 있었다.
- 회전과 병진운동의 파라미터를 각각 추정하는 대신 회전운동과 병진운동을 모두 수용할 수 있는 하나의 등가 회전운동 모델을 제안한다. 회전운동과 병진운동을 추정할 수 있는 모션 모델인 (4)를 변형하여 하나의 회전 모델을 다음과 같이정의하자.
이론/모형
- 합성영상에 대한 실험은 MATLAB 을 사용하였으며 실영상에 대한 실험은 DSP보드를 이용한 실험 장치를 구성하여 수행하였다. 또한 제안된 영상 안정화의 성능을 평가하기 위해 안정화된 영상 프레임간의 최대 신호대 집음 H](Peak Signal-to-Noise Ratio: PSNR) [11]-S- 사용하였다.
- 실험을 수행하였다. 합성영상에 대한 실험은 MATLAB 을 사용하였으며 실영상에 대한 실험은 DSP보드를 이용한 실험 장치를 구성하여 수행하였다. 또한 제안된 영상 안정화의 성능을 평가하기 위해 안정화된 영상 프레임간의 최대 신호대 집음 H](Peak Signal-to-Noise Ratio: PSNR) [11]-S- 사용하였다.
성능/효과
- 적용결과와 비교하여 표 1에 나타내었다. Chang의 방법과 비교하였을 때 제안된 영상안정화 기법은 기존의 방법에 비해 상대적 성능이 우수함을 보여주고 있으며, 일부 조건에서는 적은 계산을 통해서도 기존의 전역탐색을 적용한 방법과 동등 수준의 성능을 보여준다.
- 거의 동일한 결과를 나타내고 있다. 결과적으로 제안된 회전모델 및 회전중심/회전각도 추정기법은 회전 및 병진운동이 동시에 있는 경우에 대한 영상안정화에 직접 적용이 가능한 방법으로 판명되었다.
- 하나의 회전모델이 회전과 병진이 동시에 발생하는 모션을 수용할 수 있다는 것을 보였으며 이 결과로서 회전 및 병진 움직임이 있는 영상에 대해 회전과 병진에 대한 움직임 량을 모두 찾지 않고 회전중심 및 각도 추정만으로 만족할 만한 영상안정화를 구현할 수 있었다. 또한 기존연구에서 움직임 추정을 위해 사용하는 탐색기법을 본연구에서는 적용하지 않고 구현함으로서 움직임 추정에 대한 계산 부담이 경감되어 실시간 적용성을 높였다. 제안된 FRA를 DSP보드에 구현한 결과 초당 약 16프레임의 처리속도 보였다.
- 실험결과 연속영상에 대해서도 제안된 알고리즘이 비교적 Chang의 방법에 비해 우수하였으며, Chang의 알고리즘이 갖고 있는 제한사항인 회전중심을 찾기 위해 탐색알고리즘을 사 용함에 따른 계산시간의 과다문제, 첫 번째 영상과 두 번째 영상간의 최초 회전중심을 찾기 위해 영상전체를 탐색하는 문제, 회전중심 추정오차가 탐색윈도우를 벗어나는 경우 그 다음 영상프레임부터 안정화가 되지 않는 문제 등을 고려하면 제안된 알고리즘이 실제 시스템에의 적용성이 우수하다 할 수 있다.
- 그림 10과 같이 구현하였다. 실험결과를 정리하면 입력 영상 프레임 수는 총 300프레임이며 각각의 영상프레임의 크기는 256X256 화소이고 그 중 경계효과를 없애기 위해 가장자리 20화소를 잘라 236X236 화소로 안정화하였다.
- 실험결과에서 보는 바와 같이 제안된 알고리즘은 실제 시스템에 적용 가능한 처리속도 및 성능을 보였다.
- 본 논문에서는 회전 및 병진 흔들림 영상에 대한 디지털 영상안정화기법을 제시한다. 움직임 추정에서는 회전과 병진 움직임을 하나의 등가 회전모델로 표현될 수 있음을 보이고 이 등가 회전모델을 기반으로 회전각도 및 회전중심을 추정하는 방법과 추정된 값을 기준으로 움직임 보상을 함으로서 회전과 병진 흔들림이 동시에 발생하는 경우에도 적용 가능한 기법임을 확인하였다. 제안된 기법은 움직임 추정에 과도한 연산 시간이 소요되는 탐색기법을 적용하지 않았음에도 실 영상 및 합성영상에 대한 실험결과 기존 연구결과보다 상대적으로 우수하였다.
- 또한 기존연구에서 움직임 추정을 위해 사용하는 탐색기법을 본연구에서는 적용하지 않고 구현함으로서 움직임 추정에 대한 계산 부담이 경감되어 실시간 적용성을 높였다. 제안된 FRA를 DSP보드에 구현한 결과 초당 약 16프레임의 처리속도 보였다.
- 움직임 추정에서는 회전과 병진 움직임을 하나의 등가 회전모델로 표현될 수 있음을 보이고 이 등가 회전모델을 기반으로 회전각도 및 회전중심을 추정하는 방법과 추정된 값을 기준으로 움직임 보상을 함으로서 회전과 병진 흔들림이 동시에 발생하는 경우에도 적용 가능한 기법임을 확인하였다. 제안된 기법은 움직임 추정에 과도한 연산 시간이 소요되는 탐색기법을 적용하지 않았음에도 실 영상 및 합성영상에 대한 실험결과 기존 연구결과보다 상대적으로 우수하였다.
- 8)에서 반시계방향으로 3도 회전하였을 때 국부적 움직임 벡터이며, 그림 6(b)는 (-2, 3)만큼 병진운동을 하였을 때 국부적 움직임 벡터이며, 그림 6(c) 는 그림 6(a)와 6(b)를 합성했을 때 국부적 움직임 벡터를 나타내고 있다. 제안된 알고리즘에 의해 추정한 회전중심은 (- 68.0992, 42.0661)이며 (7), (8)의해 계산한 회전중심은 (- 68.0992, 42.0661)로서 거의 동일 결과를 보였다.
- 5)에서 시계방향으로 3도 회전하였을 때 국부적 움직임 벡터5(c)는 그림 5(a)와 5(b)를 합성했을 때 국부적 움직임 벡터를 나타내고 있다. 제안된 알고리즘에 의해 추정한 회전중심은 (-1.314134, -3.484423)이며 (7), (8)의해 계산한 회전중심은 (- 1.314134, -3.484423)로서 거의 동일 결과를 보였다.이며, 그림 5(b)는 (0.
- 제안하였다. 하나의 회전모델이 회전과 병진이 동시에 발생하는 모션을 수용할 수 있다는 것을 보였으며 이 결과로서 회전 및 병진 움직임이 있는 영상에 대해 회전과 병진에 대한 움직임 량을 모두 찾지 않고 회전중심 및 각도 추정만으로 만족할 만한 영상안정화를 구현할 수 있었다. 또한 기존연구에서 움직임 추정을 위해 사용하는 탐색기법을 본연구에서는 적용하지 않고 구현함으로서 움직임 추정에 대한 계산 부담이 경감되어 실시간 적용성을 높였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.