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 유사도가 높은 코너 정합쌍을 선택하고 선택된 코너 정합쌍을 이용하여 삼각망 기반 지역 변환을 수행하는 영상 등록 방법을 제안하였다. 코너 검출기로 추출한 코너에 대해 Pearson’s correlation coefficient를 이용하여 1차 코너 정합쌍을 구하고 좌우 일관성 검사를 통과한 코너 정합쌍을 2차 정합쌍으로 선정하였다.
제안 방법
- 더불어 관측 영상의 특징점에서 설정한 정합 템플릿과 기준 영상의 탐색 영역 내의 정합 템플릿간의 유사도를 계산한 후에 탐색 영역 내에서 유사도가 최대가 되고 미리 설정한 정합 임계값보다 큰 경우에만 1차 정합쌍으로 결정한다. 1차 정합쌍 가운데 오정합 화소를 줄이기 위해 좌우 일관성 검사(Left-Right Consistency, LRC)를 수행한다. 즉, 관측 영상의 특징점 pS (i, j)에 대해 1차 정합된 기준 영상의 화소 pR (k, l)를 중심으로 하는 정합 템플릿을 설정하고 관측 영상의 탐색 영역에서 1차 정합 방식과 동일하게 2차 정합을 수행하여 유사도가 최대이고 정합 임계값보다 큰 정합 후보점 #를 찾는다.
- 코너 검출기로 추출한 코너에 대해 Pearson’s correlation coefficient를 이용하여 1차 코너 정합쌍을 구하고 좌우 일관성 검사를 통과한 코너 정합쌍을 2차 정합쌍으로 선정하였다. 2차 정합쌍 가운데 글로벌 변환 오차가 이상치 임계값보다 작은 경우에 최종 정합쌍으로 선정하고 이들 최종 정합쌍을 이용하여 삼각망 기반 지역 변환을 수행하여 영상 등록을 수행하였다.
- 관측 영상 및 기준 영상에서 총 20개의 정합 제어점을 수작업으로 추출하고, 변환된 각 관측 영상과 기준 영상에서 이들 정합 제어점의 위치 오차를 계산하였다. Table3은 Fig.
- 본 논문에서는 먼저 영상 등록에 사용되는 특징점 검출 방법, 특징점 정합 방법, 과대 정합 오차 정합쌍 제거 방법을 소개하고 삼각망 기반 지역 변환 방법을 이어서 소개한다. 제안한 영상 등록 방법의 성능을 검증하기 위해 KOMPSAT-2 영상을 이용하여 영상 등록 오차를 분석하였다.
- 본 논문에서는 식 (3)의 코너 응답 함수를 이용하여 각 화소의 코너 응답을 계산하고 영상 전체에 코너가 분포하도록 일정 크기 영역 안에서 최대 코너 응답 값을 가지는 화소를 코너로 검출한다.
- Ye and Shan(2014)는 1차 영상 등록 단계에서 RANSAC 방법으로 과도한 정합 오차를 먼저 제거한 후에 2차 정밀 영상 등록 단계에서는 앞의 연구와 마찬가지로 영상 변환 과정에서 최소자승법을 적용하여 과도한 변환오차를 가지는 정합쌍을 제외한 나머지 정합쌍으로 TIN을 구성하였다. 본 연구에서는 correlation 기반의 1, 2차 코너 정합을 통해 정합쌍을 구한 후에 영상 변환 단계에서는 RANSAC 기반의 글로벌 변환을 이용하여 이상치(outlier)를 제거한 후에 TIN을 구성하는 방법을 제안한다.
- RANSAC 기반의 글로벌 어파인 변환 계수는 관측 영상 및 기준 영상을 단 하나의 변환 계수로 두 영상의 변환을 기술하기 때문에 영상 내의 위치에 따라 글로벌 어 파인 변환 계수로 충분히 기술되지 못하는 영역이 존재하고 이런 영역의 화소들은 변환 오차를 수반하게 된다. 하나의 글로벌 변환 계수 대신에 영상 내의 지역적 위치에 따라 다른 변환 계수를 적용하기 위하여 앞서 획득한 최종 정합쌍을 사용해서 관측 영상 및 기준 영상에서 DelaunayTIN을 구성한다.
대상 데이터
- 실험에 사용된 영상은 2010년 6월 22일과 2012년 10월 14일에 아프리카 Chad의 수도 N’Djamena를 촬영한 1m 해상도의 KOMPSAT-2 panchromatic 영상이다(Fig. 1).
데이터처리
- 관측 영상 IS에서 검출된 특징점에 대응되는 기준 영상 IR의 특징점을 검출하기 위해 식 (4)와 같이 정의되는 Pearson’s correlation coefficient를 이용하여 두 특징점의 유사도를 계산한다.
- 본 논문에서는 먼저 영상 등록에 사용되는 특징점 검출 방법, 특징점 정합 방법, 과대 정합 오차 정합쌍 제거 방법을 소개하고 삼각망 기반 지역 변환 방법을 이어서 소개한다. 제안한 영상 등록 방법의 성능을 검증하기 위해 KOMPSAT-2 영상을 이용하여 영상 등록 오차를 분석하였다.
- 코너 검출기로 추출한 코너에 대해 Pearson’s correlation coefficient를 이용하여 1차 코너 정합쌍을 구하고 좌우 일관성 검사를 통과한 코너 정합쌍을 2차 정합쌍으로 선정하였다.
성능/효과
- 이상치 임계값을 적용한 삼각망 기반 지역 변환의 영상 등록 오차는 정합 템플릿 크기가 증가함에 따라 대체로 감소하는 경향을 보이다가 일정 크기 이후에서는 점차 증가하는 경향을 보였으나 RANSAC 기반 글로벌 변환 보다는 항상 작은 오차 범위를 유지하였다. 특히 정합창틀의 크기 ST가 11에서 17의 범위에 속할 때, 이상치 임계값을 적용한 모든 경우에 최대 0.
- 7은 이상치 임계값이 TO = 1, 2, 4일 때의 삼각망 기반 지역 변환의 영상 등록 오차와 RANSAC 기반 글로벌 변환의 영상 등록 오차의 변화를 보여준다. 이상치 임계값이 TO = 3일 때의 앞의 결과에 유사하게 정합 템플릿의 크기가 다양하게 변하는 조건에서 삼각망 기반 지역 변환이 RANSAC 기반 글로벌 변환에 비해 상대적으로 작은 영상 등록 오차를 보였으며 정합 템플릿 크기 ST가 11에서 17의 범위에 속할 때, 보다 작은 영상 등록 오차를 보임을 알 수 있다.
- 350이 되고 이후 점차 증가하는 경향을 보인다. 정합 템플릿의 크기가 다양하게 변하는 조건에서 삼각망 기반 지역 변환이 RANSAC 기반 글로벌 변환에 비해 상대적으로 작은 영상 등록 오차를 보였으며 적절한 정합 템플릿 크기가 선택이 되면 보다 작은 영상등록 오차를 보임을 알 수 있다.
- 7, 정합 템플릿 크기 ST = 17, 이상치 임계값이 TO = 1, 2, 3, 4일 때의 결과를 보여준다. 좌우 일관성 검사를 적용한 후 2차 정합쌍으로 결정된 961개의 코너 가운데 이상치 임계값 TO = 1보다 작은 최종 정합쌍 코너의 개수는 363개(37.77%)가 얻어 졌고 이상치 임계값이 증가함에 따라 최종 정합쌍에 포함되는 코너의 개수가 증가하게 되여 보다 조밀한 삼각망이 생성되었다(Table 2).
- 영상 전체적으로 기하학적 차이와 분광학적 차이가 많이 존재함을 볼 수 있으며 정합된 코너 주변으로도 관측 영상과 기준 영상의 밝기값 차이가 많이 발생한 코너들을 볼 수 있다. 총 15,716개의 초기 코너점에 대해 좌우 일관성 검사를 적용하기 전에는 1,457개(9.27%)가 정합되었으며, 좌우 일관성 검사를 적용한 후에는 961개(6.11%)의 코너점이 최종 정합되었다(Table 1).
- 이상치 임계값을 적용한 삼각망 기반 지역 변환의 영상 등록 오차는 정합 템플릿 크기가 증가함에 따라 대체로 감소하는 경향을 보이다가 일정 크기 이후에서는 점차 증가하는 경향을 보였으나 RANSAC 기반 글로벌 변환 보다는 항상 작은 오차 범위를 유지하였다. 특히 정합창틀의 크기 ST가 11에서 17의 범위에 속할 때, 이상치 임계값을 적용한 모든 경우에 최대 0.771에서 최소 0.350의 오차를 보여 RANSAC 기반 글로벌 변환의 최소 오차 1.060보다 더 작은 영상 등록 오차를 보였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.