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
- 본 논문에서는 잡음이 많은 환경에서의 적외선 연속 영상에서 칼만 필터와 평균 이동 알고리즘을 이용하여 이동표적의 소멸과 생성 시에도 추적이 카븗한 다중 소형 표적을 추적하는 알고리즘을 제안한다.
- 본 논문은 적외선 연속 영상에서 배경 추정 필터와 칼만 필터, , 평균 이동 알고리즘을 사용하여 다중 소형 표적의 위치를 추적하는 시스템을 제안하였다. 여러가지 배경 추정 필터의 성능을 비교하여 판단하였고, 칼만 필터와 후보 표적의 분류를 , 이용하여 표적의 소멸과 생성 시에도 표적의 추적이 가능하며 위치 추적의 발산이 없도록 하였다.
제안 방법
- 후보 표적의 오류검출 판단 즉, 표적의 신뢰도(C1,C2 평가는 간단한 경우로 다음과 같이 하였다. 후보 표적이 연속으로 두 번 이상 "추적되어온 후보 표적(Xf)"으로 분류 될 경우 표적으로 분류하였으며, 연속으로 두 번 이상 "오류로 검출된 후보 표적(XQ"으로 분류될 경우 오류 검출로 분류하였으며, 신뢰도 %는 사용하지 않았다.
- 스템에서 필요한 배경 추정 필터의 성능을 비교한다. 배경 추정 필터의 성능은 각각의 배경 추정 '필터로 계산된 배경 영상과 원 영상과의 차연산 (difference calculation) 결과에서 표적 영역의 차연산 평균값과 표적 영역을 제외한 영역의 차연산 평균값을 비교하여 판단한다. 그림 3은 소형 표적을 가지는 적외선 해상 영상 10장에 대한 차연산 결과에서 표적 영역의 평균값과 표적 영역을 제외한 평균값 두 가지를 나타내었다.
- 생성된 히스토그램 모델과 A-1 시간에 생성된 기준 히스토그램모델과의 유사도를 NCC를 이용하여 측정한다. 이때 NCC 는 식(14)를 사용한다.
- 이를 위해 기존의 필터들을 도입하여 활용한다. 선형 확산 필터, 비등방성 확산 필터, 최우도 필터, 평균 이동 필터, 2차원 LMS 필터 등을 배경추정에 적용해 보고 비교함으로써 필터의 성능을 판단한다. 비교된 필터 중 가장 우수한 성능의 필터를 도입하여 이것을 다중 표적 추적을 위한 한 프레임에서의 후보 표적 검출에 사용한다.
- 실험에서는 우선 실제 적외선 해상 정지 영상을 사용해서 각각의 배경 추정 필터를 사용한 후, 원영상과의 차영상에서 SNR을 구하였고, 평균 이동 필터가 가장 높은 SNR로 상대적으로 좋은 성능을 보였다. 실제 적외선 해상 연속 영상에서의 실험읊 제안한 시스템과 칼만 필터만 사용한 경우, 평균 이동 알고리즘만 사용한 경우를 비교하였다. 제안한 시스템이 상대적으로 가장 낮은 추적 위치 오차를 보였고 추적 위치의 발산 없이 안정적으로 추적이 수행되는 것을 확인하였다.
- 또한, 차연산 결과에서 표적 영역을 제외한 영역을 잡음으로 볼 수 있어, 그림 3에서 (a)와 (b)의 비율을 SNR(Signal to Noise Ratio)로 볼 수 있다. 실험 결과에서는 평균 이동 필터(MSF)가 가장 높은 SNR을 보였으므로 상대적으로 우수하다고 판단이 되었고, 물체 추적 과정 중한 프레임에서의 표적 후보 검출 필터로 사용하였다.
- 추적하는 시스템을 제안하였다. 여러가지 배경 추정 필터의 성능을 비교하여 판단하였고, 칼만 필터와 후보 표적의 분류를 , 이용하여 표적의 소멸과 생성 시에도 표적의 추적이 가능하며 위치 추적의 발산이 없도록 하였다. 또한 평균 이동 알고리즘으로 최종 표적 검출 위치를 보정함으로서 비교적 낮은 추적 위치 오류를 가지도록 하였고, 표적 모델의 업데이트로 지속적인 추적이 가능하게 하였다.
- Adjustment)으로 이루어진다. 이 시스템은 정지 영상에서 검출한 표적의 위치와 칼만 필터로 예측한 위치의 세부 조정을 하여 표적 추적 시스템의 안정성을 높인다. 표적들의 위치를 세부조정 하는 단계는 우선 입력 영상 (Fk)과 표적의 위치(#)를 이용하며 식(13)에 의해 국부 적 히스토그램 모델들을 생성한다.
- 이러한 잡음을 해결하기 위해 정지영상에서 획득한 표적 위치를 이용하여 연속 영상에서 표적을 추적하는 연구가 진행되었다[5-8]. 이러한 연구들은 연숔 영상에서 잡음의 불규칙성을 이용하기 위해서 기존의 추적 기법들을 사용하였다. 사용된 추적기법들 중에는 칼만 필테9]와 확장 칼만 필테 10], 입자 필테 11] 등이 있다.
- 이를 위해 기존의 필터들을 도입하여 활용한다. 선형 확산 필터, 비등방성 확산 필터, 최우도 필터, 평균 이동 필터, 2차원 LMS 필터 등을 배경추정에 적용해 보고 비교함으로써 필터의 성능을 판단한다.
- 이시스템은 정지 영상에서 후보 표적을 검출한 결과 중에서 오류 검출을 제거하는 역할을 하며 연속영상에서 표적들의 연계를 한다. 표적들의 연계란 k번째 영상에서 검출된 임의의 i번째 표적과 k+1번째 영상에서 검출된 임의의 i번째 표적이 상응되는 것인지 판단하는 것이다.
- 배경 추정 결과를 비교 분석하기 위해 차 영상에 대해 표적영역과 표. 적영역을 제외한 영역의 평균값을 구하여 서로의 성능을 비교한다. 여기서 성능이 가장 우수한 필터를 다중 표적 추적을 위한 표적 후보 검출을 위한 필터로 사용한다.
- 적외선 정지 영상에서 클러터가 많은 환경의 소형 표적을 검출하기 위해 본 연구에서는 영상의 배경추정을 먼저 수행한다. 이를 위해 기존의 필터들을 도입하여 활용한다.
- 사용된 영상은 4개의 소형 표적들을 가지는 적외선 해상 영상으로 1초당 1장의 정지 영상을 가지는 30장의 연속 영상이다. 제안하는 시스템은 새로운 표적이 생성될 때와 소멸될 때의 처리가 가능하나 비교대상들은 불가능함으로 표적의 소멸 또는 생성이 없는 연속 영상을 사용하였다. 제안하는 시스템에서 배경 추정 필터의 부분은 실험에서 상대적으로 좋은 성능을 보인 평균 이동 필터를 사용하였다.
대상 데이터
- 사용하였을 때를 구현하여 비교하였다. 사용된 영상은 4개의 소형 표적들을 가지는 적외선 해상 영상으로 1초당 1장의 정지 영상을 가지는 30장의 연속 영상이다. 제안하는 시스템은 새로운 표적이 생성될 때와 소멸될 때의 처리가 가능하나 비교대상들은 불가능함으로 표적의 소멸 또는 생성이 없는 연속 영상을 사용하였다.
데이터처리
- 이 필터는 윈도우의 가중치에 의해서 결과 영상의 화소를 예측한다. 예측된 화소는 원하던 결과와 비교하여 오차를 계산한다. 이 오차의 계산은 식(9)와 같이 표현된다.
- 제안하는 시스템은 새로운 표적이 생성될 때와 소멸될 때의 처리가 가능하나 비교대상들은 불가능함으로 표적의 소멸 또는 생성이 없는 연속 영상을 사용하였다. 제안하는 시스템에서 배경 추정 필터의 부분은 실험에서 상대적으로 좋은 성능을 보인 평균 이동 필터를 사용하였다. 후보 표적의 오류검출 판단 즉, 표적의 신뢰도(C1,C2 평가는 간단한 경우로 다음과 같이 하였다.
- 제안하는 전체 추적 시스템의 추적 성능을 비교하기 위해서 1차 칼만 필터만 사용하였을 때와 평균 이동 알고리즘만 사용하였을 때를 구현하여 비교하였다. 사용된 영상은 4개의 소형 표적들을 가지는 적외선 해상 영상으로 1초당 1장의 정지 영상을 가지는 30장의 연속 영상이다.
성능/효과
- 그림 5는 각각의 추적 시스템으로 추적하였을 시에 4가지 표적에 대한 위치 오차를 평균한 값이다. 1차 칼만 필터의 경우에는 추적 위치의 발산이 없어 상대적으로 높은 안정성을 보이는 반면에 높은 추적 위치 오차를 보였다. 평균 이동 알고리즘의 경우에는 19번째 영상부터 하나의 표적 추적의 위치가 발산하여 하늘의한 지점에 수렴됨으로 전체적으로 높은 추적 위치 오차를 보였다.
- 여러가지 배경 추정 필터의 성능을 비교하여 판단하였고, 칼만 필터와 후보 표적의 분류를 , 이용하여 표적의 소멸과 생성 시에도 표적의 추적이 가능하며 위치 추적의 발산이 없도록 하였다. 또한 평균 이동 알고리즘으로 최종 표적 검출 위치를 보정함으로서 비교적 낮은 추적 위치 오류를 가지도록 하였고, 표적 모델의 업데이트로 지속적인 추적이 가능하게 하였다. 실험에서는 우선 실제 적외선 해상 정지 영상을 사용해서 각각의 배경 추정 필터를 사용한 후, 원영상과의 차영상에서 SNR을 구하였고, 평균 이동 필터가 가장 높은 SNR로 상대적으로 좋은 성능을 보였다.
- 또한 평균 이동 알고리즘으로 최종 표적 검출 위치를 보정함으로서 비교적 낮은 추적 위치 오류를 가지도록 하였고, 표적 모델의 업데이트로 지속적인 추적이 가능하게 하였다. 실험에서는 우선 실제 적외선 해상 정지 영상을 사용해서 각각의 배경 추정 필터를 사용한 후, 원영상과의 차영상에서 SNR을 구하였고, 평균 이동 필터가 가장 높은 SNR로 상대적으로 좋은 성능을 보였다. 실제 적외선 해상 연속 영상에서의 실험읊 제안한 시스템과 칼만 필터만 사용한 경우, 평균 이동 알고리즘만 사용한 경우를 비교하였다.
- 평균 이동 알고리즘의 경우에는 19번째 영상부터 하나의 표적 추적의 위치가 발산하여 하늘의한 지점에 수렴됨으로 전체적으로 높은 추적 위치 오차를 보였다. 제안한 시스템의 경우에는 18번째 영상을 제외하고는 가장 낮은 추적 위치 오차를 보였으며 추적 위치가 발산하지 않고 상대적으로 높은 안정성을 보였다.
- 실제 적외선 해상 연속 영상에서의 실험읊 제안한 시스템과 칼만 필터만 사용한 경우, 평균 이동 알고리즘만 사용한 경우를 비교하였다. 제안한 시스템이 상대적으로 가장 낮은 추적 위치 오차를 보였고 추적 위치의 발산 없이 안정적으로 추적이 수행되는 것을 확인하였다.
- 차연산 결과 영상에서 표적 영역에서의 차이의 평균 값이 대체로 높게 나타나고 이 값들이 배경 영역에서의 값들과 차이가 클수록 배경 추정 필터의 성능은 좋다고 판단할 수 있다. 또한, 차연산 결과에서 표적 영역을 제외한 영역을 잡음으로 볼 수 있어, 그림 3에서 (a)와 (b)의 비율을 SNR(Signal to Noise Ratio)로 볼 수 있다.
- 1차 칼만 필터의 경우에는 추적 위치의 발산이 없어 상대적으로 높은 안정성을 보이는 반면에 높은 추적 위치 오차를 보였다. 평균 이동 알고리즘의 경우에는 19번째 영상부터 하나의 표적 추적의 위치가 발산하여 하늘의한 지점에 수렴됨으로 전체적으로 높은 추적 위치 오차를 보였다. 제안한 시스템의 경우에는 18번째 영상을 제외하고는 가장 낮은 추적 위치 오차를 보였으며 추적 위치가 발산하지 않고 상대적으로 높은 안정성을 보였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.