[논문]항법 적용을 위한 수중 소나 영상 처리 요소 기법 비교 분석

신영식; 조영근; 이영준; 최현택; 김아영

doi:10.5574/ksoe.2016.30.3.214

항법 적용을 위한 수중 소나 영상 처리 요소 기법 비교 분석
Comparative Study of Sonar Image Processing for Underwater Navigation 원문보기

韓國海洋工學會誌 = Journal of ocean engineering and technology, v.30 no.3, 2016년, pp.214 - 220

신영식 (한국과학기술원 건설 및 환경공학과) , 조영근 (한국과학기술원 건설 및 환경공학과) , 이영준 (선박해양플랜트 연구소) , 최현택 (선박해양플랜트 연구소) , 김아영 (한국과학기술원 건설 및 환경공학과)

Abstract ▼ AI-Helper

Imaging sonars such as side-scanning sonar or forward-looking sonar are becoming fundamental sensors in the underwater robotics field. However, using sonar images for underwater perception presents many challenges. Sonar images are usually low resolution with inherent speckled noise. To overcome the limited sensor information for underwater perception, we investigated preprocessing methods for sonar images and feature detection methods for a nonlinear scale space. In this paper, we focus on a comparative analysis of (1) preprocessing for sonar images and (2) the feature detection performance in relation to the scale space composition.

주제어

AI 본문요약
AI-Helper

문제 정의

수중 소나 영상의 경우 광학 영상과는 달리 물체의 색 정보가 아닌 음파의 반사값을 밝기로 표현하기 때문에 전처리 기법을 통한 영상 개선의 정도를 쉽게 예측하기가 어렵다. 따라서 본 논문에서는 광학 영상의 개선을 위해 일반적으로 사용되는 기법들인 감마 보정(Gamma correction), 적응형 히스토그램 평활화(Adaptive histogram equalization)와 Median filter를 이용한 소나 영상의 개선 정도를 비교하여 그 특징을 살펴본다. 또한 기존의 특징점 검출 기법들을 선형 스케일 공간과 비선형 스케일 공간을 이용한 특징점 검출 기법들로 구분하여 소나 영상에 적용하여 그 결과를 분석하고 소나 영상에 효과적인 특징점 검출 방법을 찾는데 주력하였다.
이에 본 논문에서는 영상 처리 요소 기술 중 전처리 기술과 특징점 추출 기법에 주목한다. 저해상도 고잡음 소나 영상을 이용한 수중 환경인식을 위한 초기 연구 단계로 소나 영상에 적합한 전처리 기법에 대하여 분석하였으며 소나 영상에 적합한 특징점 검출 기법을 찾기 위해 기존의 지역 특징점 검출 기법들을 소나 영상에 적용하여 비교 분석 하였다.

제안 방법

, 2011). BRISK(Binary robust invariant scalable keypoints)는 동심원으로 구성된 구조적 샘플링 패턴을 사용하여 기술자를 기술하는 방법을 제안하였다. BRISK는 ORB의 화소 기반 비교와는 달리 각 원으로 표현되는 영역의 가우시안 스무딩 된 대표값을 사용한 방법을 제시하였다(Leutenegger et al.
따라서 본 논문에서는 광학 영상의 개선을 위해 일반적으로 사용되는 기법들인 감마 보정(Gamma correction), 적응형 히스토그램 평활화(Adaptive histogram equalization)와 Median filter를 이용한 소나 영상의 개선 정도를 비교하여 그 특징을 살펴본다. 또한 기존의 특징점 검출 기법들을 선형 스케일 공간과 비선형 스케일 공간을 이용한 특징점 검출 기법들로 구분하여 소나 영상에 적용하여 그 결과를 분석하고 소나 영상에 효과적인 특징점 검출 방법을 찾는데 주력하였다.
본 논문에서는 소나 영상의 개선을 위하여 광학영상에서 사용되는 기법들을 적용하여 개선 성능을 비교 분석하였으며 CLAHE기법과 감마 보정을 적용한 영상에서 가장 개선된 영상을 얻을 수 있음을 보였다. 또한, 소나 영상에서의 특징점 검출 기법을 비교 분석하기 위하여 가우시안 블러링을 이용하여 선형 스케일 공간을 구성하여 특징점을 검출하는 방법들과 비선형 스케일 공간에서 특징점을 검출하는 방법을 비교 분석하였다. 비선형 스케일 공간에서 특징점을 검출하는 A-KAZE를 이용하는 경우, 대상체의 경계를 보존하면서 잡을을 제거하기 때문에 저해상도 고잡음 소나영상에서 상대적으로 정확한 특징점 검출이 가능하여 영상간의 매칭에 유용함을 확인하였다.
이에 본 논문에서는 영상 처리 요소 기술 중 전처리 기술과 특징점 추출 기법에 주목한다. 저해상도 고잡음 소나 영상을 이용한 수중 환경인식을 위한 초기 연구 단계로 소나 영상에 적합한 전처리 기법에 대하여 분석하였으며 소나 영상에 적합한 특징점 검출 기법을 찾기 위해 기존의 지역 특징점 검출 기법들을 소나 영상에 적용하여 비교 분석 하였다. 수중 소나 영상의 경우 광학 영상과는 달리 물체의 색 정보가 아닌 음파의 반사값을 밝기로 표현하기 때문에 전처리 기법을 통한 영상 개선의 정도를 쉽게 예측하기가 어렵다.

대상 데이터

소나 영상을 위한 특징점 검출 기법을 적용하고 비교 분석하기위해 선박해양플랜트연구소 내 해양장비 시험용 수조에서 획득한 소나 영상을 이용하였다. 수조의 크기는 가로 5m, 세로 7m이며, 수조의 깊이 1m 아래에 물체들을 배치하여 Fig.
소나 영상에 적합한 전처리 기법을 비교 분석하기 위해서 DIDSON 소나를 이용하여 실해역에서 획득한 소나 영상을 이용하여 본문에서 언급한 전처리 기법들을 적용하고 비교 분석하였다. 소나 영상의 노이지를 제거하기위해 Median filter와 Bilateral filter를 적용해 보고 영상의 대비 향상을 위해 CLAHE와 감마 보정을 적용하였다. Fig.
정량적 분석을 위하여 텍스쳐가 풍부한 환경과 텍스쳐가 거의 없는 환경에서 연속적으로 획득한 15장의 소나 영상을 이용하여 특징점 검출 결과를 비교하여 Table 1과 Table 2에 나타내었다.

데이터처리

8의 (a)와 같이 텍스쳐가 풍부한 환경에서 획득한 소나 영상과 (b)와 같이 텍스쳐가 거의 존재하지 않는 환경에서 획득한 소나 영상을 이용하였다. 각각 15장의 연속적인 소나 영상을 이용하였으며 본문에서 언급한 특징점 검출 기법들을 모두 적용하여 최종 매칭 결과를 비교 분석하였다.
9는 본문에서 언급된 선형 스케일 공간을 구성하여 특징점을 검출하는 SIFT, BRISK, ORB 특징점 검출 기법과 비선형 스케일 공간을 구성하여 특징점을 검출하는 A-KAZE 특징점 검출 기법을 텍스쳐가 거의 없는 소나 영상에 적용한 결과이다. 극한 환경에서의 특징점 검출 성능을 나타내기 위하여 텍스쳐가 거의 없는 수조의 바닥면에서 얻은 소나 영상에 특징점 검출을 수행하였다. Fig.
소나 영상에 적합한 전처리 기법을 비교 분석하기 위해서 DIDSON 소나를 이용하여 실해역에서 획득한 소나 영상을 이용하여 본문에서 언급한 전처리 기법들을 적용하고 비교 분석하였다. 소나 영상의 노이지를 제거하기위해 Median filter와 Bilateral filter를 적용해 보고 영상의 대비 향상을 위해 CLAHE와 감마 보정을 적용하였다.

이론/모형

최근에는 연산속도를 개선하기 위하여 이진 기술자를 이용하는 특징점 검출 기법들이 제안되었다. 특징점 검출과 특징 기술자의 연산 속도를 개선하기 위하여 발표되었던 FAST(Features from accelerated segment test)와 BRIEF(Binary robust independent elementary features)를 활용한 ORB(Oriented FAST and rotated BRIEF)의 경우, 선형 스케일 공간을 구성한 후 FAST 코너 검출 기법을 이용하여 특징점을 검출하고 BRIEF 기술자를 이용하여 객체의 크기와 회전 등의 변화에 불변이면서도 연산 효율이 높은 특징점 검출 기법으로 활용되었다(Rublee et al., 2011). BRISK(Binary robust invariant scalable keypoints)는 동심원으로 구성된 구조적 샘플링 패턴을 사용하여 기술자를 기술하는 방법을 제안하였다.

성능/효과

본 논문에서는 소나 영상의 개선을 위하여 광학영상에서 사용되는 기법들을 적용하여 개선 성능을 비교 분석하였으며 CLAHE기법과 감마 보정을 적용한 영상에서 가장 개선된 영상을 얻을 수 있음을 보였다. 또한, 소나 영상에서의 특징점 검출 기법을 비교 분석하기 위하여 가우시안 블러링을 이용하여 선형 스케일 공간을 구성하여 특징점을 검출하는 방법들과 비선형 스케일 공간에서 특징점을 검출하는 방법을 비교 분석하였다.
또한, 소나 영상에서의 특징점 검출 기법을 비교 분석하기 위하여 가우시안 블러링을 이용하여 선형 스케일 공간을 구성하여 특징점을 검출하는 방법들과 비선형 스케일 공간에서 특징점을 검출하는 방법을 비교 분석하였다. 비선형 스케일 공간에서 특징점을 검출하는 A-KAZE를 이용하는 경우, 대상체의 경계를 보존하면서 잡을을 제거하기 때문에 저해상도 고잡음 소나영상에서 상대적으로 정확한 특징점 검출이 가능하여 영상간의 매칭에 유용함을 확인하였다. 위의 연구 결과를 수중 로봇의 항법 및 영상 정합에 적용하여 기존보다 개선되는 결과를 얻어 낼 수 있을 것으로 기대된다.
텍스쳐가 풍부한 환경에서 특징점 검출을 수행한 결과 스펙클 노이즈에서 검출되는 특징점들 때문에 ORB 기법이 가장 많은 특징점들을 검출하였고 평균 NNDR(Nearest neighbor distance ratio) 매칭 개수에서도 가장 많은 특징점을 검출하였음을 확인 할 수 있다. 하지만 검출된 특징점 검출 개수 대비 인라이어 개수 측면에서 보았을 때 A-KAZE에서 가장 뛰어난 성능을 보였다.

후속연구

비선형 스케일 공간에서 특징점을 검출하는 A-KAZE를 이용하는 경우, 대상체의 경계를 보존하면서 잡을을 제거하기 때문에 저해상도 고잡음 소나영상에서 상대적으로 정확한 특징점 검출이 가능하여 영상간의 매칭에 유용함을 확인하였다. 위의 연구 결과를 수중 로봇의 항법 및 영상 정합에 적용하여 기존보다 개선되는 결과를 얻어 낼 수 있을 것으로 기대된다.
특히 원형 마커의 경우에는 원본 영상에서 노이즈로 인해 마커의 정확한 방향 등을 파악하기 어려웠던 반면 (b)의 경우에는 육안으로도 마커의 방향 및 마커의 내부 공백의 모서리 등 특징 부분을 쉽게 파악할 수 있다. 이러한 영상의 개선을 통해 소나 영상을 이용한 마커 인식, 특징점 검출 등에 영상 기반 알고리즘을 적용하기가 용이해 질 것으로 기대된다.

참고문헌 (17)

Alcantarilla, P.F., Bartoli, A., Davison, A.J., 2012. KAZE Features. In Computer Vision-ECCV 2012. Springer Berlin Heidelberg, 214-227.
Alcantarilla, P.F., Solutions, T., 2011. Fast Explicit Diffusion for Accelerated Features in Nonlinear Scale Spaces. IEEE Transactions on Pattern Analysis Machine Intelligence, 34(7), 1281-1298.
Aykin, M.D., Negahdaripour, S., 2012. On Feature Extraction and Region Matching for Forward Scan Sonar Imaging. In Oceans, 2012. IEEE, 1-9.
Bay, H., Tuytelaars, T., Van Gool, L., 2006. Surf: Speeded up Robust Features. In Computer Vision-ECCV 2006. Springer Berlin Heidelberg, 404-417.
Belcher, E., Hanot, W., Burch, J., 2002. Dual-frequency Identification Sonar (DIDSON). In Underwater Technology, 2002. Proceedings of the 2002 International Symposium on. IEEE, 187-192.
Hover, F.S., Eustice, R.M., Kim, A., Englot, B., Johannsson, H., Kaess, M., Leonard, J.J., 2012. Advanced Perception, Navigation and Planning for Autonomous in-Water Ship Hull Inspection. The International Journal of Robotics Research, 31(12), 1445-1464.

상세보기
Hurtós, N., Ribas, D., Cufi, X., Petillot, Y., Salvi, J., 2015. Fourierbased Registration for Robust Forwardlooking Sonar Mosaicing in Lowvisibility Underwater Environments. Journal of Field Robotics, 32(1), 123-151.

상세보기
Johannsson, H., Kaess, M., Englot, B., Hover, F., Leonard, J., 2010. Imaging Sonar-aided Navigation for Autonomous Underwater Harbor Surveillance. In Intelligent Robots and Systems (IROS), 2010 IEEE/RSJ International Conference on. IEEE, 4396-4403.
Kim, K., Neretti, N., Intrator, N., 2004. Acoustic Camera Image Mosaicing and Super-resolution. In OCEANS'04. MTTS/IEEE TECHNO-OCEAN'04. IEEE, 653-658.
Leutenegger, S., Chli, M., Siegwart, R.Y., 2011. November. BRISK: Binary Robust Invariant Scalable Keypoints. In Computer Vision (ICCV), 2011 IEEE International Conference on. IEEE, 2548-2555.
Lowe, D.G., 2004. Distinctive Image Features from Scaleinvariant Keypoints. International journal of computer vision, 60(2), 91-110.

상세보기
Negahdaripour, S., Aykin, M.D., Sinnarajah, S., 2011. Dynamic Scene Analysis and Mosaicing of Benthic Habitats by fs Sonar Imaging-issues and Complexities. In OCEANS 2011. IEEE, 1-7.
Negahdaripour, S., Firoozfam, P., Sabzmeydani, P., 2005. On Processing and Registration of Forward-scan Acoustic Video Imagery. In Computer and Robot Vision, 2005. Proceedings. The 2nd Canadian Conference on. IEEE, 452-459.
Ridao, P., Carreras, M., Ribas, D., Garcia, R., 2010. Visual Inspection of Hydroelectric Dams using an Autonomous Underwater Vehicle. Journal of Field Robotics, 27(6), 759-778.

상세보기
Rublee, E., Rabaud, V., Konolige, K., Bradski, G., 2011. ORB: an Efficient Alternative to SIFT or SURF. In Computer Vision (ICCV), 2011 IEEE International Conference on. IEEE, 2564-2571.
Shin, Y.S., Lee, Y., Choi, H.T., Kim, A., 2015. Bundle Adjustment from Sonar Images and SLAM Application for Seafloor Mapping. In OCEANS'15 MTS/IEEE Washington. IEEE, 1-6.
Tomasi, C., Manduchi, R., 1998. Bilateral Filtering for Gray and Color Images. In Computer Vision, 1998. Sixth International Conference on. IEEE, 839-846.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증