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 영상의 이동 및 회전 변환에 불변한 원형 템플릿을 설계하고 이를 Mutual Information 기반의 유사도 계산 방법과 결합한 정합 방법을 소개한다. 먼저 원형 템플릿에 속하는 원주 위에 존재하는 화소를 이차원 이산 극좌표 행렬로 변환하여 직사각형의 이차원 형태로 재배열하는 기법을 제시하고, 이차원 이산 극좌표 행렬를 Mutual Information과 결합하여 유사도를 계산하는 방법을 이어서 소개한다.
- 본 논문에서는 영상의 이동 및 회전에 불변한 성질을 가지는 원형 템플릿 설계방법과 이를 Mutual Information을 이용한 유사도 계산에 적용하는 방법을 제안하였다. 원형 템플릿을 설계하기 위해서 제어점 주변에 원형의 템플릿 영역을 설정하고 이 영역 안에 속하는 화소들을 2차원 이산 극좌표 행렬(2D Discrete Polar Coordinate Matrix) 표현 방식을 이용해서 직사각형 형태로 재배열하였다.
제안 방법
- 기준 영상과 관측 영상의 이산 극좌표 행렬 간의 유사도를 Mutual Information을 이용해서 두 가지 유형에 속하는 10개의 제어점에 대해 계산하였다. 첫 번째 유형(Case 1)은 기준 영상과 관측 영상의 제어점 주변에 밝기 변화가 비교적 적은 경우와 두 번째 유형(Case 2)는 관측 영상의 제어점 주변에 기준 영상과 비교해서 밝기 변화 가 비교적 많이 발생한 경우이다.
- 기준 영상에 대해 회전된 관측 영상을 생성하기 위해 관측 영상을 10˚간격으로 90˚까지 회전하면서 총 9개의 회전된 관측 영상을 생성하였다. Fig.
- 2008년 6월 영상을 기준 영상으로, 2011년 3월 영상을 관측 영상으로 삼아 두 영상에서 정합에 사용할 제어점을 두 가지 유형으로 선정하였다. 먼저 기준 영상과 관측 영상의 제어점 주변에 밝기 변화가 비교적 적은 첫 번째 유형(Case 1)에서 10개의 제어점을 추출하였고, 침수로 인해 관측 영상의 제어점 주변에 기준 영상과 비교해서 밝기 변화가 비교적 많이 발생한 두 번째 유형(Case 2)에서 10개의 제어점을 추출해서 두 유형에서 총 20개의 제어점을 추출하였다(Fig. 5).
- 본 논문에서는 영상의 이동 및 회전 변환에 불변한 원형 템플릿을 설계하고 이를 Mutual Information 기반의 유사도 계산 방법과 결합한 정합 방법을 소개한다. 먼저 원형 템플릿에 속하는 원주 위에 존재하는 화소를 이차원 이산 극좌표 행렬로 변환하여 직사각형의 이차원 형태로 재배열하는 기법을 제시하고, 이차원 이산 극좌표 행렬를 Mutual Information과 결합하여 유사도를 계산하는 방법을 이어서 소개한다. 제안하는 Mutual Information 기반의 원형 템플릿의 정합 성능을 검증하기 위해 서로 다른 시기에 획득한 KOMPSAT-2 영상에 대한 실험을 통해 영상의 회전에 따른 정합 성능의 변화를 분석하였다.
- 먼저 원형 템플릿의 유효성을 확인하기 위해 영상의 회전이 없는 Fig. 5의 기준 영상과 관측 영상을 이용하여 제어점 정합을 수행하였다. Fig.
- 영상 회전에 따라 행 방향 및 열 방향 오차가 동시에 변하는 양상을 분석하기 위해서 각 영상 회전 각도에 따라 20개 제어점들의 행 방향 및 열 방향 오차의 평균을 구하였다. Fig.
- 본 논문에서는 영상의 이동 및 회전에 불변한 성질을 가지는 원형 템플릿 설계방법과 이를 Mutual Information을 이용한 유사도 계산에 적용하는 방법을 제안하였다. 원형 템플릿을 설계하기 위해서 제어점 주변에 원형의 템플릿 영역을 설정하고 이 영역 안에 속하는 화소들을 2차원 이산 극좌표 행렬(2D Discrete Polar Coordinate Matrix) 표현 방식을 이용해서 직사각형 형태로 재배열하였다. 이산 극좌표 행렬은 영상의 회전에 대해 행렬 내의 화소들의 위치가 행의 위치는 불변하고 열의 위치만 변경되어 행렬 항에서 기존 화소가 행렬 항에서 삭제되거나 새로운 화소가 추가되지 않는 성질을 가진다.
- Goshtasby (2012)는 총 11개의 대표적인 point detector 들의 위치 오차를 평가하기 위해서 하나의 실험 영상을 시계방향으로 10˚ 회전한 영상을 생성한 후에 원영상과 회전 영상에서 검출된 제어점들의 위치 오차를 비교하였다. 이 가운데 부화소 정확도 측정 방식 사용으로 인해 다른 detector보다 오차가 작게 나온 SIFT 방법을 제외한 나머지 10가지 detector들은 화소 단위의 정확도 측정 방식을 사용하여 오차를 측정하였다. 본 논문과 동일하게 화소 단위의 정확도 측정 방식을 사용한 10가지 detector 가운데 가장 작은 오차를 보인 detector는 Laws mask response 방식으로 0.
- 먼저 원형 템플릿에 속하는 원주 위에 존재하는 화소를 이차원 이산 극좌표 행렬로 변환하여 직사각형의 이차원 형태로 재배열하는 기법을 제시하고, 이차원 이산 극좌표 행렬를 Mutual Information과 결합하여 유사도를 계산하는 방법을 이어서 소개한다. 제안하는 Mutual Information 기반의 원형 템플릿의 정합 성능을 검증하기 위해 서로 다른 시기에 획득한 KOMPSAT-2 영상에 대한 실험을 통해 영상의 회전에 따른 정합 성능의 변화를 분석하였다.
대상 데이터
- 5). 2008년 6월 영상을 기준 영상으로, 2011년 3월 영상을 관측 영상으로 삼아 두 영상에서 정합에 사용할 제어점을 두 가지 유형으로 선정하였다. 먼저 기준 영상과 관측 영상의 제어점 주변에 밝기 변화가 비교적 적은 첫 번째 유형(Case 1)에서 10개의 제어점을 추출하였고, 침수로 인해 관측 영상의 제어점 주변에 기준 영상과 비교해서 밝기 변화가 비교적 많이 발생한 두 번째 유형(Case 2)에서 10개의 제어점을 추출해서 두 유형에서 총 20개의 제어점을 추출하였다(Fig.
- 실험에 사용된 영상은 일본의 동북부 센다이 지역을 촬영한 KOMPSAT-2 panchromatic 위성 영상으로 지진해일 발생 전인 2008년 6월 17일과 지진 해일 발생 후인 2011년 3월 14일에 촬영되었다(Fig. 5). 2008년 6월 영상을 기준 영상으로, 2011년 3월 영상을 관측 영상으로 삼아 두 영상에서 정합에 사용할 제어점을 두 가지 유형으로 선정하였다.
- 8은 회전된 관측 영상 가운데 30˚ 및 60˚ 회전된 예를 보인다. 정합 성능을 평가하기 위하여 관측 영상의 회전과 더불어 초기에 추출된 20개의 관측 영상의 제어점도 관측 영상 회전과 함께 회전하여 변환된 좌표를 획득하였다.
성능/효과
- 10˚간격으로 90˚까지 회전된 관측 영상에 대한 각 제어점들의 원형 템플릿 정합 오차는 Case 1의 경우가 Case 2의 경우에 비해 오차 분포가 단위 원 중심으로 보다 밀집되는 경향을 보였으며 영상 회전 각도에 따라 정합 오차 분포는 영상 회전 정도에 따라 시계 방향으로 조금씩 회전되는 경향을 보였으나, 전체 정합 오차는 영상 회전에 따라 큰 변화를 보이지 않았다. 영상 회전 각도 θr에 대해 행 방향 오차와 열 방향 오차 평균 은 영상 회전 각도에 따라 최소값은 0.
- Case 2와 같이 관측 영상의 제어점 주변에 기준 영상과 비교해서 밝기 변화가 비교적 많이 발생하고 이와 함께 관측 영상에 회전이 존재하는 경우에도 mT = 0.704화소의 결과를 보인 것은 제안한 Mutual Information 기반의 원형 템플릿 정합 기법이 변화 탐지 분야와 같이 비교 영상 간에 기하학적 회전 변환과 밝기값 변화가 존재하는 경우에도 우수한 영상 유사도 계산 방법으로 활용될 수 있음을 보여준다. 제안한 원형 템플릿 정합 기법은 재해 지역에 대한 위성 영상 또는 무인항공기 영상을 이용한 모니터링에 필요한 영상 등록 과정에 활용될 수 있으리라 기대된다.
- 이 가운데 부화소 정확도 측정 방식 사용으로 인해 다른 detector보다 오차가 작게 나온 SIFT 방법을 제외한 나머지 10가지 detector들은 화소 단위의 정확도 측정 방식을 사용하여 오차를 측정하였다. 본 논문과 동일하게 화소 단위의 정확도 측정 방식을 사용한 10가지 detector 가운데 가장 작은 오차를 보인 detector는 Laws mask response 방식으로 0.563 화소 오차를, 가장 큰 오차를 보인 detector는 Kohlmann 방식으로 1.451 화소 오차를 보였다. 가장 널리 알려진 Kichen and Rosenfield 방식은 0.
- 영상 회전 각도 θr에 대해 행 방향 오차와 열 방향 오차 평균 은 영상 회전 각도에 따라 최소값은 0.648 화소, 최대값은 0.829 화소 범위 내에서 변동하였고 영상 회전 각도 전체 구간에 대한 오차 평균 mave(θr)의 평균 mT는 0.704 화소를 보였다.
- 810을 보였다. 이와 같은 실험 결과를 영상 회전 각도 전체 구간에 대한 오차 평균이 0.704인 본 논문의 실험 결과와 직접적으로 비교하기에는 어려운 점이 있으나 본 논문에서 사용한 영상이 2년 이상의 시간 차이와 홍수 피해로 인해 제어점 주변이 지표 변화를 포함하고 있는 점을 고려할 때, 하나의 영상에 대해 회전 조건만 단순 고려한 앞의 대표적인 detector들의 성능에 비해 검출 오차 성능이 대체로 우수하다고 판단된다.
- 첫 번째 유형(Case 1)은 기준 영상과 관측 영상의 제어점 주변에 밝기 변화가 비교적 적은 경우와 두 번째 유형(Case 2)는 관측 영상의 제어점 주변에 기준 영상과 비교해서 밝기 변화 가 비교적 많이 발생한 경우이다. 정사각형 템플릿 정합 의 경우에는 총 20개의 제어점에 대해 행 방향 오차가 0.659 화소, 열 방향 오차는 0.847 화소를 보인 반면에서 원형 템플릿 정합의 경우에는 행 방향 오차가 0.647 화소, 열 방향 오차는 0.648 화소를 보여서 Case 1과 Case 2 유형 모두에서 행 방향 오차는 유사하고 열 방향 오차의 경우는 보다 작은 결과를 보였다.
- 원형 템플릿의 경우 이산 극좌표 행렬 생성시 템플릿 중심에서 가까운 일정거리 이내에서는 행렬 요소 중 일부는 인접한 행렬 요소의 밝기값과 동일한 밝기값이 중복되어 할당이 된다. 즉, 원형 템플릿 중심에서 일정 거리 이내에서는 원형 템플릿 중심에 가까울수록 화소들이 극좌표 행렬 요소에 보다 많이 포함되어 결과적으로 Mutual Information 계산 과정에서 일정 거리 이내에 속하는 화소들은 거리에 따른 가중치 효과가 반영이 되어, 거리에 따른 가중치 설정이 없는 정사각형 템플릿 정합 방법보다 다소 우수한 정합 성능이 얻어졌다고 판단된다. 한편, 두 정합 방법 모두 Case 1이 밝기 변화가 비교적 많은 Case 2보다 정합 오차가 작음을 알 수 있다.
- 802 화소 오차를 보였다. 화소 단위의 정확도 측정 방식의 10가지 detector들의 평균 위치 오차는 0.810을 보였다. 이와 같은 실험 결과를 영상 회전 각도 전체 구간에 대한 오차 평균이 0.
후속연구
- 704화소의 결과를 보인 것은 제안한 Mutual Information 기반의 원형 템플릿 정합 기법이 변화 탐지 분야와 같이 비교 영상 간에 기하학적 회전 변환과 밝기값 변화가 존재하는 경우에도 우수한 영상 유사도 계산 방법으로 활용될 수 있음을 보여준다. 제안한 원형 템플릿 정합 기법은 재해 지역에 대한 위성 영상 또는 무인항공기 영상을 이용한 모니터링에 필요한 영상 등록 과정에 활용될 수 있으리라 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.