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
- 이러한 이유로 인해 최적의 임계값을 찾는 작업이 요구되고, 이러한 임계화 작업에서 가장 널리 사용되는 개념이 엔트로피이다. 따라서 본 연구에서는 최대 엔트로피개념을 사용하여 임계화 작업을 진행하고, 이를 통해 얻어진 특징 벡터들의 상호 정보량 측정을 통해 보다 개선된 융합 이미지를 생성하는 방식을 제안한다.
제안 방법
- 즉, 이미지 융합과 관련하여 Tsallis 엔트로피에 의한 전역적인 측면에서 이미지 정합 결과는 오히려 성능이 떨어지는 것이 사실이다. 따라서 본 연구에서는 최대 엔트로피에 의한 임계값을 설정하고, 이러한 임계값을 활용한 이미지 특징 추출 작업을 거쳐, 상호 정보량에 의한 이미지 융합 시스템 설계를 나타낸다((Fig. 2) 참조).
- 1) 최대 엔트로피에 의해 변환된 이미지 IA와 IB에 관해 Edge, Gradient, DCT, Wavelet 등의 방법을 적용해 특징 벡터 Af와 Bf을 추출한다.
- 3) 커널을 사용하여 특징 벡터들의 세분화를 실시하고, 세분화된 특징 값들의 최대 및 최솟값을 구하여 표준화를 실시한다.
- 이미지 융합과 관련하여 공간 영역 접근방식의 가장 큰 문제점은 블러링 이미지의 처리 문제이다. 따라서 연구에서 제안된 최대 엔트로피 기반 임계값 결정, 이를 통한 특징벡터의 상호 정보량을 통한 융합 방식의 성능을 비교하기 위해 (Fig. 3)과 같이 융합되는 이미지 가운데 하나가 블러링 이미지인 경우에 관한 시뮬레이션을 나타내기로 한다. (Fig.
- 본 연구에서는 이미지 융합과 관련하여 최대 엔트로피에 의한 이미지 히스토그램 임계화, 이를 통한 특징 벡터 추출, 그리고 특징 벡터들 간에 상호 정보량 추정을 통한 이미지 융합 과정을 제안하였다. 제안된 방법에 관한 구현은 Matlab R2011b 버전을 활용하였다.
이론/모형
- 본 연구에서는 이미지 융합과 관련하여 최대 엔트로피에 의한 이미지 히스토그램 임계화, 이를 통한 특징 벡터 추출, 그리고 특징 벡터들 간에 상호 정보량 추정을 통한 이미지 융합 과정을 제안하였다. 제안된 방법에 관한 구현은 Matlab R2011b 버전을 활용하였다. 이미지 융합과 관련된 시뮬레이션 결과 무엇보다 두드러지는 점은 블러링 이미지가 사용되는 경우에 다른 이미지 융합 처리 방식에 비해 비교적 우수한 성능을 가지는 것으로 나타났다.
성능/효과
- DCT는 복잡한 연산을 하지 않기 때문에 적용이 용이하고, 특히 사인파의 몇 가지 낮은 성분에 신호 정보를 집중시키기 때문에 덮어진 이미지를 벗기는 데 매우 효과적이다. 웨이블릿 변환에 의한 특징 추출은 시간 및 주파수 영역을 모두 취급한다는 점에서 다른 추출 기법에 비해 보다 우수한 성능을 보이지만, 모든 변환 계수들을 사용하는 관계로 많은 시간이 소요되고 종종 부정확한 결과를 나타낸다. 최대 엔트로피에 의한 임계값 설정은 다른 알고리즘에 비해 구현이 용이하고 이미지 특징 추출에 있어서 성능이 뒤지지 않는다.
- 7555로 추정되고, 이미지 맵 또한 같은 결과를 출력한다. 실험 결과에 의하면 최대 엔트로피에 의한 이미지 맵 구성은 별도의 윤곽선 특징 추출 방법을 적용한 경우와 차이가 없는 것으로 나타났다. 따라서 단순 윤곽선 특징만을 고려하여 융합 이미지를 구성하는 경우에는 최대 엔트로피 계산과 상호 정보량만으로 빠른 시간 내에 구축될 수 있음이 확인되었다.
- 실험 결과에 의하면 최대 엔트로피에 의한 이미지 맵 구성은 별도의 윤곽선 특징 추출 방법을 적용한 경우와 차이가 없는 것으로 나타났다. 따라서 단순 윤곽선 특징만을 고려하여 융합 이미지를 구성하는 경우에는 최대 엔트로피 계산과 상호 정보량만으로 빠른 시간 내에 구축될 수 있음이 확인되었다. (Fig.
- 7)은 특징 추출에 있어서 기울기 벡터를 고려한 경우에 상호 정보량에 의해 융합된 이미지맵(좌측)과 DCT 특징 추출방법에 의한 상호 정보량을 바탕으로 융합된 이미지 맵(우측)을 나타낸다. 상호 정보량은 각각 0.1435와 0.1246으로 추정되어, 상호 정보량이 현저하게 줄어드는 것으로 확인되었다. 다른 이미지를 사용한 반복실험 결과 또한 기울기 벡터 또는 DCT 방식은 블러링 이미지를 사용하여 이미지 융합을 실시하는 경우에 4배 이상 화질이 떨어지는 것으로 나타났다.
- 1246으로 추정되어, 상호 정보량이 현저하게 줄어드는 것으로 확인되었다. 다른 이미지를 사용한 반복실험 결과 또한 기울기 벡터 또는 DCT 방식은 블러링 이미지를 사용하여 이미지 융합을 실시하는 경우에 4배 이상 화질이 떨어지는 것으로 나타났다. (Fig.
- 8)의 좌측 이미지 맵은 블러링 이미지에 강한 면모를 보이는 Haar 웨이블릿 변환에 의한 특징 추출과 상호 정보량에 의한 융합 이미지 맵이다. 상호정보량은 0.1324로 DCT 방식에 의한 것보다는 높지만, Gradient에 의한 것보다는 낮게 나타났다. Daubechies,Meyer, Morlet 등의 웨이블릿 변환을 적용한 경우에도 상호 정보량은 미세한 차이만 나타냈다.
- 결론적으로 본 연구 실험 결과에 의하면, 불가피하게 블러링 이미지가 활용되는 경우에 있어서 융합 이미지생성은 어떠한 특징 추출 변환을 실시하지 않고, 본 연구에서 제안된 최대 엔트로피에 의한 임계 결정과 상호 정보량에 의한 이미지 맵 구성이 가장 바람직한 것으로 확인되었다. 블러링 이미지가 이미지 융합에 사용되지 않는 경우에 있어서도 단순 에지 추출 변환과 DCT 변환은 적용할 필요가 없는 것으로 나타났다.
- 제안된 방법에 관한 구현은 Matlab R2011b 버전을 활용하였다. 이미지 융합과 관련된 시뮬레이션 결과 무엇보다 두드러지는 점은 블러링 이미지가 사용되는 경우에 다른 이미지 융합 처리 방식에 비해 비교적 우수한 성능을 가지는 것으로 나타났다. 특히, 제안된 방법의 실험 결과 최대 엔트로피에 의한 임계화 작업은 이미지 윤곽선 추출과 관련해서는 별도의 특징 추출 작업이 필요하지 않는 것으로 확인되었다.
- 이미지 융합과 관련된 시뮬레이션 결과 무엇보다 두드러지는 점은 블러링 이미지가 사용되는 경우에 다른 이미지 융합 처리 방식에 비해 비교적 우수한 성능을 가지는 것으로 나타났다. 특히, 제안된 방법의 실험 결과 최대 엔트로피에 의한 임계화 작업은 이미지 윤곽선 추출과 관련해서는 별도의 특징 추출 작업이 필요하지 않는 것으로 확인되었다. 또한, 블러링 이미지 처리에 장점을 보이는 복잡한 웨이블릿 변환에 비해 구현이 용이하고 성능 또한 떨어지지 않는 장점을 보였다.
- 특히, 제안된 방법의 실험 결과 최대 엔트로피에 의한 임계화 작업은 이미지 윤곽선 추출과 관련해서는 별도의 특징 추출 작업이 필요하지 않는 것으로 확인되었다. 또한, 블러링 이미지 처리에 장점을 보이는 복잡한 웨이블릿 변환에 비해 구현이 용이하고 성능 또한 떨어지지 않는 장점을 보였다.
후속연구
- 이미지 융합 방식에는 각 이미지의 화소 값을 단순히 더해 평균으로 할당하는 방식과 각 이미지 화소 값을 비교하여 보다 큰 화소 값을 선택하는 방식이 보통 사용되는 기법이라 할 수 있다. 보다 세련된 이미지 융합방식으로는 이미지의 불필요한 부분들을 제거시키면서 주성분들에 해당하는 화소 값들에 가중 평균을 부여하는 방식과 이미지의 강도, 색조, 채도를 중심으로 하는 다중 해상도의 IHS 융합 이미지 생성 방식이 사용될 수도 있고, 각 원형 이미지에 관해 가우스 및 라플라스 피라미드 수준들을 적용하는 융합 방식이 적용될 수 있다. 이외에 보다 좋은 융합 이미지 생성을 위해 이산 웨이블릿 변환이 적용될 수 있으나 융합 방식의 복잡성으로 인해 많은 시간이 소요된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.