[논문]적응적 움직임 추정영역 선택을 사용한 영상안정화 성능개선

김동균; 이진희; 유윤종; 백준기

[국내논문] 적응적 움직임 추정영역 선택을 사용한 영상안정화 성능개선
Improving Performance of Digital Image Stabilization using Adoptive motion estimation Area selection 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.45 no.5 = no.323, 2008년, pp.18 - 24

김동균 (중앙대학교) , 이진희 (중앙대학교) , 유윤종 (중앙대학교) , 백준기 (중앙대학교)

초록
AI-Helper

본 논문은 적웅적 움직임 추정영역 선택을 사용한 디지털 영상안정화의 성능개선에 대한 새로운 방법을 제시한다. 움직임 추정을 위한 후보영역을 선정하고 그 중에서 제안하는 두 가지 방법인 다중 영상 참조와 윤곽에너지 판별을 통해 최종 움직임 추정영역을 선택한다. 정해진 영역에서 움직임을 추정하고 보상한다. 실험을 통해 제안하는 방법이 영상안정화의 성능을 향상 시킴을 보인다.

Abstract ▼ AI-Helper

In this paper we propose a novel method which improves digital image stabilization performance using adoptive selection of motion estimation area. Candidate area for motion estimation is decided and through two processes, multi image reference and edge energy distinction, final motion estimation area is selected. Then Motion estimation and compensation is following in selected area. Experimental results show that proposed method improves performance of digital image stabilization.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 영상안정화 성능을 획기적으로 개선하기 위해서 움직임 추정영역 선택에 대한 새로운 방법을 제시한다. 영상의 움직임을 추정할 때, 객체의 움직임은 무시하고 배경의 움직임만을 찾아내는 것이 이상적인데, 이 조건이 만족되더라도 다른 이유로 움직임을 추정하기 힘든 영역이라고 판단되면 해당 영역을 추가로 제외함으로써 최종 움직임 벡터의 정확도를 높인다.
후보영역은 많으면 많을수록 더 좋은 성능을 보이지만 계산량이 많아지기 때문에 영상 내에 고루 분포될 수 있는 정도의 적당한 수를 택해야 성능과 속도를 고루 갖출 수 있다. 이제 이렇게 정해진 후보영역에서 어떻게 객체 혹은 형태 없는 배경을 구별해낼 것인지 알아본다.

가설 설정

시간상으로 뒤에 위치한 프레임을 움직임 벡터만큼 반대 방향으로 평행이동 했을 때 인접한 두 프레임은 흔들림을 느낄 수 없는 움직임 영상이 되고 이를 안정화 되었다고 한다. 본 논문에서는 움직임 벡터를 촬상면과 평행한 이동으로 제한하여 가정한다.

제안 방법

이렇게 영역이 정해지게 되면 움직임을 추정하고 그 움직임 벡터를 보상해주면 알고리즘이 완성된다. 다음 절에서 실험을 통해 알고리즘의 성능을 기존 방식들과 비교하여 평가한다.
본 논문에서 제안하는 움직임 추정영역 선택은 위의 과정 중에 움직임을 추정할 영역의 후보영역을 먼저 충분히 확보한 뒤 그 중에서 조건에 맞는 영역을 선택하는 것이다. 이 때 후보영역으로 사용될 곳을 정할 필요가 있는데 고려할 점은 위치와 개수, 크기 등이 있다.
본 논문에서는 영상안정화에서 필요한 움직임 추정영역의 선택에 대한 새로운 방법을 세시했다, 제안된 방법은 영상의 인접 두 프레임뿐 아니라 일정시간 떨어져 있는 프레임을 참조함으로써 색체의 움직임을 분리하고 에지 에너지를 이용하여 형태가 없는 영역의 움직임 또한 분리할 수 있다. 이러한 방법을 통해 기존의 영상 안정화 기술을 한층 안정적으로 향상시킬 수 있다, 본 연구의 향후 연구과제는 에지 에너시의 이용을 정규화하여 좀 더 절대적인 기준을 가지N 것에 있다 그리고 위상상관을 이용한 움직임주성을 화소의 단위보다도 작은 단위로 추정하여 n 보상 또한 화소보다 작은 단위로 할 수 있는 것이匸" 이는 계산량의 증가를 가져오는데, 이 부분의 연구가 필요한 상황이다.
후보영역들을 보인다. 이제 이 24개의 후보영역에서 앞 절에서 제안한 두 가지 방법을 이용하여 움직임 추정영역을 선택한다.
일반적인 영상안정화 방법과 제안하는 움직임 추정영역 선택 방법이 추가된 영상안정화 방법의 비교를 위해 먼저 움직임 추정영역의 선택 과정을 실험을 통해 보인다.

대상 데이터

영상에서 특정 형태가 있어야 위상상관을 이용한 움직임 추정이 가능한데 움직임 추정영역의 크기가 작아지면 이와 같은 형태가 없을 가능성이 높아지고 위상 상관의 정확도가 떨어지게 된타. 후보영역의 개수는 전체 영상의 크기에 따라 적응적으로 정해지는데 4 절에서 소개될 실험에서는 1跄)x800의 영상에서 세로 4 개 가로 6개 총 24개의 영상을 사용하였다. 후보영역은 많으면 많을수록 더 좋은 성능을 보이지만 계산량이 많아지기 때문에 영상 내에 고루 분포될 수 있는 정도의 적당한 수를 택해야 성능과 속도를 고루 갖출 수 있다.

데이터처리

그림 10. 일반적인 방법과 제안하는 방법의 실험 결과 비교. (a)는 원영상의 현재프레임이고, (b)는 이전 프레임과 현재 프레임의 차분, (c)는 일반적인 방법으로 안정화하여 차분한 영상 (d)는 제안하는 방법으로 안정화하여 차분한 영상이다.

이론/모형

이러한 경우 위상 상관도 정합을 이용한 움직임 추정이 불가능하다고 할 수 있다. 이것의 영향을 제거하기 위해 본 논문에서는 윤곽 에너지를 이용한다. 윤곽 에너지란 윤곽 필터를 통해 취득한 윤곽영상에서 윤곽으로 선택된 화소의 개수를 모두 합한 것을 말한다.

후속연구

또한 분리할 수 있다. 이러한 방법을 통해 기존의 영상 안정화 기술을 한층 안정적으로 향상시킬 수 있다, 본 연구의 향후 연구과제는 에지 에너시의 이용을 정규화하여 좀 더 절대적인 기준을 가지N 것에 있다 그리고 위상상관을 이용한 움직임주성을 화소의 단위보다도 작은 단위로 추정하여 n 보상 또한 화소보다 작은 단위로 할 수 있는 것이匸" 이는 계산량의 증가를 가져오는데, 이 부분의 연구가 필요한 상황이다.

참고문헌 (7)

S. Ko, S. Lee, S. Jeon, and E. Kang, "Fast digital image stabilizer based on gray-coded bitplane matching," IEEE Trans. Consumer Electronics, vol. 45, pp. 598-603, 1999

상세보기
J. Paik, Y. Park, and D. Kim, "An adaptive motion dicision system for digital image stabilizer based on edge pattern matching," IEEE Trans. Consumer Electronics, vol. 38, pp.607-615, 1992

상세보기
K. Uomori, A. Morimura, H. Ishii, and Y. Kitamura, "Automatic image stabilization system by full-digital signal processing," IEEE Trans. Consumer Electronics, vol. 36, pp. 510-519, 1990

상세보기
F. Vella, A. Castorina, Massimo, and G. Messina, "Digital image stabilization by adaptive block motion vectors filtering," IEEE Trans. Consumer Electronics, vol. 48, pp. 796-801, 2002

상세보기
S. Erturk, "Digital Image Stabilization with Sub-Image Phase Correlation Based Global Motion Estimation," IEEE Trans. Consumer Electronics, vol. 49, pp. 1320-1325, 2003

상세보기
A. Oppenheim, A. Willsky and S. Hamid Nawab, "Signals and Systems", Prentice Hall, 1997
O. Kwon, J. Shin, and J. Paik, "Video stabilization using Kalman filter phase correlation matching," Proc. ICIAR 2005, LNCS, vol. 3656, pp. 141-148, September 2005

저자의 다른 논문 :

LOADING...

원문 보기

ScienceON 원문보기

원문 URL 링크

DBPia : 저널

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

이 논문과 함께 이용한 콘텐츠

[논문] 딥러닝을 활용한 흔들림 영상 안정화 알고리즘

저작권 관리 안내

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

저장형식

Text(ASCII format)
Excel format
RefWorks Direct Export
RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley

메일정보

받는사람 (필수): @
보내는사람 (선택): @
제목
내용: KISTI 검색결과 이메일 서비스

안내

총 건의 자료가 검색되었습니다.

다운받으실 자료의 인덱스를 입력하세요. (1-10,000)

검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다.

데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요)

다운로드 파일은 UTF-8 형태로 저장됩니다.
파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오.

Text(ASCII format)
Excel format

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

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

연합인증