$\require{mediawiki-texvc}$

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.

강인한 광학 영상 정합 알고리즘
Robust Matching Algorithm for Optical Images 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.59 no.8, 2010년, pp.1471 - 1476  

양한진 (군산대학교 전자정보공학부) ,  주영훈 (군산대학교 제어로봇공학과)

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes the robust matching algorithm of the optical images. To do this, we propose two algorithms, that is, matching algorithms when the silhouette of images is detected and when it is not detected. Also, we propose the method for detecting the matching template and non-matching templat...

주제어

#Optical images   #Silhouette abstraction matching   #Stitching   #Matching template   #Coefficient of correlation  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 광학 영상을 정합하는 방법은 위에서 설명된 바와 같이 특징 기반 영상 정합과 영역 기반 영상 정합이 있는데, 경계를 추출하여 경계 및 에지 값을 이용하거나 뚜렷한 경계를 찾을 수 없어 표면의 기울기나 특징을 이용하는 방법이 있다. 본 논문에서는 두 가지 방법을 이용하여 강인한 광학 영상 정합 알고리즘을 제안한다. 제안하는 시스템은 그림 4와 같다.
  • 본 논문에서는 미세 측정 광학기에 의하여 획득한 광학영상들의 정합을 위해 경계를 추출하여 정합하는 방법과 경계를 추출하지 못하는 영상에 대한 보다 강인한 광학 영상정합 알고리즘을 제안하였다. 즉, 경계가 추출되는 영상에 대해서는 각각의 영상으로부터 중첩된 부분의 일부를 템플릿으로 결정하고, 미분법에 의하여 정합점을 검출함으로써 두 영상을 정합하는 방법을 제안하였고, 경계가 추출되지 못하는 영상에 대해서는 스티칭 기법을 이용하여 정합을 하는 방법을 제안하였다.
  • 본 논문에서는 정합 방법의 변경 시점을 두 영상의 정합 과정에서 상관도를 찾는 시점으로 한다. 템플릿 정합 방법은 두 벡터의 내적에 의하는데,
  • 상기 문제를 해결하기 위해, 본 논문에서는 이러한 두 가지 방법의 결합을 위해 경계를 추출하여 정합하는 방법과 경계를 추출하지 못하는 영상에 대한 광학 영상 정합 알고리즘을 제안한다. 본 논문에서 제안한 방법은 측정 장비를 통하여 얻어진 데이터를 측정 템플릿(template)으로 설정하여 실루엣을 추출하고, 추출된 영상의 상관도에 따라 두 정합 기법을 이용하여 정합함으로써 영상 간의 연속화를 진행할 수 있는 장점이 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
현재 개발된 정밀 검사 장비는 측정 방법에 따라 어떻게 나눌 수 있는가? 현재 개발된 정밀 검사 장비는 측정 방법에 따라 비젼 검사기(vision inspection)와 광학 검사기(optical inspection)로나뉜다. 측정 방법이 다름에 따라 영상 처리의 방법도 측정 방법과 측정 대상물의 종류, 측정 범위 등 영상의 특성에 따라 다르게 적용된다[2].
영상 정합을 크게 네 단계로 어떻게 나눌 수 있는가? 영상 정합은 그림 1과 같이 크게 네 단계로 구분하여 설명할 수 있다. 첫 번째 단계로 특징 추출(feature detection) 단계이다. 영상을 정합하기 위하여 영상 내의 특징을 추출함으로써 영상 간의 유사도를 측정하기 위한 전처리 과정이라고 할 수 있다. 두 번째 단계는 특징을 정합(feature matching)시키는 단계이다. 추출된 특징을 이용하여 영상 간의 유사도를 판별하여 정합시키는 단계이다. 세 번째 단계는 변환 모델 추정(transform model estimation) 단계이다. 영상 픽셀의 일대일 매칭방식으로 전체적인 영상의 변환 또는 변형을 추정한다. 마지막 단계는 영상 재구성(image resampling and transformation) 단계이다. 이 단계에서는 픽셀간의 관계에 따른 영상의 정합 좌표를 구하였다면, 결과를 토대로 정합된 영상을 얻을 수 있다. 
영상 정합이란? 최근 기술의 발달로 영상 미디어가 다양화 되어감에 따라 영상을 기반으로 하는 기계의 사용은 광학 및 의료 분야 등 여러 분야에서 폭 넓게 응용되고 있다. 그 중 영상 정합은 공간 좌표가 서로 다른 영상에서 연관관계를 쉽게 파악하기 위하여 동일 좌표계로 정렬하는 것으로 서로 정합(mapping)되는 기하학적 변환을 찾는 과정이라 할 수 있다. 사용자가 하나의 대상에 대한 다각적인 영상들을 각각 해석하기 위해서는 이상 부분에 대한 좌표변환을 미리 머릿속에서 수행해야 한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. 홍헬렌, "의료분야에서의 영상정합 연구", 한국정보과학회논문지, Vol. 23, No. 10, pp. 61-67. 2005, 12. 

  2. X. N. Cui and H. I. Kim, "Metal Pad Discolored Image Classification Algorithm using Geometric Texture Information", Journal of Institute of Control, Robotics and Systems, Vol. 16, No. 5, pp. 469-475, 2010, 6. 

    원문보기 상세보기 crossref

  3. 김승희, 남시병, 임해진, "실시간 영상처리를 위한 향상된 영역 경계 검출," 한국컴퓨터정보학회논문지, Vol. 14, No. 1, pp. 99-106, 2009, 1. 

    원문보기 상세보기

  4. 김수겸, 박중순, 최정희, "에지의 구조적 영역정보를 이용한 에지검출," 한국마린엔지니어링학회지, Vol. 24, No. 2, pp. 232-239, 2000, 3. 

  5. D. H. Vallard and C. M. Brown, Computer Vision, Prentice-Hall, 1982. 

  6. S. Sarker and K. L. Boyer, "On Optimal Infinite Inpulse Response Edge Detection Filters", IEEE Trans. on PAMI, Vol. 13, No. 11, pp. 699-714, 1986, 11. 

  7. K. S. Fu and J. Mui, "A Survey on Image Segmentation", Pattern Recognition, Vol. 13, No. 1, pp. 3-16, 1981, 1. 

    상세보기 crossref

  8. H. L. Tan and S. B. Gelfand, "Minimization Approach to Edge Detection Using Simulated Annealing", IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 14, No. 1, 1991, 1. 

  9. B. Z. J. Flusser, "Image Registration Methods: Aa Survey", Image and Vision Computing, Vol. 21, No. 11, pp. 977-1000, 2003, 6. 

    상세보기 crossref

  10. Z. Li, Y. Yang, and W. Jiang, "Multi-scale Morphologic Tracking Approach for Edge Detection", IEEE 4th Inter. Conf. on Image and Graphics, pp.358-362, 2007, 8. 

  11. S. S. Wilson, "Vector Morphology and Iconic Neural Networks", IEEE Trans. on System, Man, and Cybernetics, Vol. 19, No. 6, pp. 456-470, 1989, 11. 

  12. J. Canny, "A Computational Approach to Edge Detection", IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 8, No. 6, pp. 679-698, 1986, 6. 

  13. C. C. Kang and W. J. Wang, "A Novel Edge Detection Method Based on the Maximizing Objective Function," Pattern Recognition, Vol. 40, No. 2, pp. 609-618. 2007, 2. 

    상세보기 crossref

  14. D. Sherman and S. Peleg, "Stereo by Incremental Matching of Contours", IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 12, No. 11, 1990, 11. 

  15. 김승우 외, "광간섭에 의한 극초정밀 삼차원 측정기술", [KOSEF] 특정연구개발사업/원자력연구개발사업 학술기사, 한국과학기술원, pp.87, 1999. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
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

맨위로