$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

낮은 피사계 심도 영상에서 관심 물체의 효율적인 추출 방법

An Efficient Object Extraction Scheme for Low Depth-of-Field Images

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.9 no.9, 2006년, pp.1139 - 1149  

박정우 (삼성전자 기술 총괄팀) ,  이재호 (한국정보통신대학교(ICU) 영상정보처리연구실) ,  김창익 (한국정보통신대학교(ICU))

초록
AI-Helper 아이콘AI-Helper

본 논문은 낮은 피사계 심도 영상(low depth-of-field image)에 대해 사용자의 도움 없이 포커스 된 관심 영역을 고속으로 추출하는 효율적인 방법을 제안한다. 우리는 입력 영상에 존재하는 고주파 성분을 HOS(higher order statistics) 계산을 함으로써 영상의 포커스 된 영역을 찾아내는 중요한 지표로 활용한다. 본 논문에서 제안하는 방법은 크게 4가지 단계로 구분할 수 있다. 첫 번째 단계에서는 기존 연구[1] 방법과 동일하게 모든 화소에 관해 HOS 지도를 계산하고 블록화한다. 두 번째 단계에서는 블록화 된 HOS를 이용하여 포커스 된 물체가 존재하는 후보 관심 영역을 대략적으로 구한다. 이후 관심 영역 내부에 존재하는 구멍(hole)을 제거하기 위해 구멍(hole) 추적 및 제거 연산을 수행한다. 마지막으로 최종 관심 후보 영역에서 배경 부분의 화소만 제거하여 포커스 된 관심 물체만을 섬세하게 추출한다. 제안하는 방법은 기존 방법[1]에 비해 정지 영상에서 고속으로 관심 영역을 추출하므로 추후 알고리즘의 변형 없이 낮은 피사계 심도의 동영상에 확장 적용하여 관심 영역을 실시간으로 추출할 수 있다. 본 논문에서 제안하는 방법은 가상 현실(VR)이나 실감 방송, 비디오 인덱싱 시스템과 같은 여러 응용 분야에 효과적으로 적용될 수 있고, 이러한 유용성은 실험 결과를 통해 보였다.

Abstract AI-Helper 아이콘AI-Helper

This paper describes a novel and efficient algorithm, which extracts focused objects from still images with low depth-of-field (DOF). The algorithm unfolds into four modules. In the first module, a HOS map, in which the spatial distribution of the high-frequency components is represented, is obtaine...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 즉, 영상 내에서 포커스 된 물체는 높은 HOS 값을 가지고, 그 물체 내에서 가장 높은 HOS 값이 존재한다. 그래서 다음 절에서 정규화되지 않은 HOS。施帳의 속성을 이용하여 블록 기반의 HOS 지도를 만들고, 이를 바탕으로 영상에서 포커스된 관심 영역을 검출하는 방법에 대해서 알아본다.
  • 영상에서 관심 물체가 존재할 후보 영역을 검출할 때, 그림 6-(d) 의 나비 그림처럼 구멍이 포함될 경우 포커스된 물체를 제대로 추출할 수 없다. 그래서 앞 절의 블록 단위의 후보 관심 영역을 추출한 후에 그 영역 내에 구멍의 존재 여부를 파악한다. 그래서 만약 이 영역 내에 구멍이 존재한다면 그것을 추적하여 제거하는 과정을 수행한다.
  • 하지만 필터의 사용을 위해 요구되는 많은 계산량으로 인해 고속으로 관심 영역을 추출하거나 동영상 정보를 다루기가 어렵다. 본 논문에서는 낮은 피사계 심도의 정지 영상을 다룰 때, 기존 연구[1, 7, 8]에서 사용했던 계산량이 높은 모폴로지 필터의 사용을 피하고, 영상을 블록화하여 처리해주는 방법을 제안함으로써 고속으로 포커스된 관심 영역을 추출하는 것을 목표로 삼는다.
  • 본 논문은 낮은 피사계 심도 영상에서 블록화된 HOSbiock 지도를 사용하여 고속으로 포커스 된 관심 영역만을 추출하는 알고리즘을 제안하였다. 본 논문에서 제안한 알고리즘은 HOS 지도에서 관심 영역을 제외한 주변 잡음을 제거하는 기존방법[1, 7] 대신, HOSonginal 특징을 이용하여 영상의 관심물체가 존재하는 후보영역만을 고려함으로써 주변 잡음에 강인하고, 영상을 블록 단위로 처리하기 때문에 고속으로 관심 영역 분할이 가능하다.
  • 이 절에서는 기존 연구[1, 7, 8] 방법과 다르게 잡음을 제거하지 않고 포커스 정보가 포함된 블록화된 관심 영역을 찾는 방법에 대해서 알아본다. 우리는 3.
  • 실제로 이러한 약점은 고속으로 관심 영역을 추출하는 응용 프로그램이나 실시간으로 동영상을 다루는데 큰 제한 사항으로 작용한다[1, 7, 8]. 이 절에서는 낮은 피사계 심도의 정지 영상이나 동영상 데이터에서 고속으로 포커스된 관심 영역을 추출하기 위해서 기존 연구[1]에서 소개했던 모폴로지 필터 대신 화소 기반의 HOS 지도를 블록화하여 처리하는 방법에 대해 설명한다.
  • 낮은 피사계 심도의 입력 영상에 대해서 고속으로 포커스된 영역의 추출이 가능하다면, 정지 영상뿐만 아니라 동영상을 다루는 여러가지 멀티미디어 시스템에도 쉽게 확장하여 적용할 수 있다. 이 절에서는 영상에서 고속으로 관심 영역을 검출하기 위해 기존 연구[1, 8]에 사용한 모폴로지 필터(morphological filters by reconstruction)를 사용하지 않고, HOS 지도를 블록화하여 이를 바탕으로 영상의 포커스가 존재하는 후보 영역을 고속으로 찾는 방법에 대해 설명 한다.

가설 설정

  • 식 (3) 과 같이 영상에 저 역 통과 필터 (low pass filter)를 적용하여 높은 주파수를 가진 부분을 제거하는 결과는 낮은 피사계 심도 영상에서 포커스 되지 않은 흐릿한 영역으로 나타낼 수 있다. 그래서 피사계 심도가 낮은 영상에서 확실하게 포커스된 부분은 그렇지 않은 영역보다 높은 주파수 성분을 가진다는 가정은 주파수의 크기를 비교함으로써 포커스된 선명한 영역과 그렇지 않은 영역을 구분하는 단서를 제공해준다.
본문요약 정보가 도움이 되었나요?

저자의 다른 논문 :

관련 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트