초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

임의의 입력 영상을 이해함에 있어서 코너점은 디지털 영상의 중요한 정보가 집중되어 있기 때문에 형태를 분석하는데 있어 중요한 요소이다. 본 논문은 영상의 중요한 정보 요소인 코너점을 보다 정확하게 추출하기 위하여 Farzin Mokhtarian과 Riku Suomela가 제안한 CSS(Curvature Scale Space) 방법에 기초한 다면체 모델 방법을 이용한 새로운 알고리즘을 제안하고자 한다.

임의의 입력 영상을 이해함에 있어서 코너점은 디지털 영상의 중요한 정보가 집중되어 있기 때문에 형태를 분석하는데 있어 중요한 요소이다. 본 논문은 영상의 중요한 정보 요소인 코너점을 보다 정확하게 추출하기 위하여 Farzin Mokhtarian과 Riku Suomela가 제안한 CSS(Curvature Scale Space) 방법에 기초한 다면체 모델 방법을 이용한 새로운 알고리즘을 제안하고자 한다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 따라서 본 논문에서는 CSS 모델을 기본으로 하여 Facet Model 방법을 이용한 새로운 Corner 검출 방법을 제안하고자 한다. Facet Model을 직접 적용함으로써 기존의 계산식을 적 용해 코너점을 검출하는 방법보다는 효율적으로 코너점이 검출 될 것이다.
• 본 논문에서는 지금까지 제안되어 왔던 다양한 Mask 기법을 통하여 이진화 및 세션화 과정올 통하여 새로운 기법을 이용하여 효율적이고 정확한 코너 검출 방법을 제안하고자 하였다. Facet Model을 직접 적용함으로써 기존의 계산식을 적용해 코 너점을 검출하는 알고리즘보다는 좀 더 효율적으로 코너점을 검출할 수 있도록 한 것이다.

제안 방법

• 본 논문에서는 지금까지 제안되어 왔던 다양한 Mask 기법을 통하여 이진화 및 세션화 과정올 통하여 새로운 기법을 이용하여 효율적이고 정확한 코너 검출 방법을 제안하고자 하였다. Facet Model을 직접 적용함으로써 기존의 계산식을 적용해 코 너점을 검출하는 알고리즘보다는 좀 더 효율적으로 코너점을 검출할 수 있도록 한 것이다.
• 에지 추 출에 사용되는 Mask는 3X3의 Sobel Mask를 사용하였고, 블 록 이진화를 수행하기 위해서 동적 이진화 기법을 사용하였으며, 이때 적용한 임계치 값은 140으로 하였다, 실험 수행 시 임계치 값이 M0일 때 본 논문에서는 가장 좋은 추출 결과를 얻을 수 있었기 때문이다. 그리고 에지 추출 결과물을 통해 세 션화 과정을 거쳐 코너점 검출을 하였다. 본 논문에서 제안한 코너점 검출을 위해서는 기존의 계산식을 적용하는 방법과는 다르게 Facet Model을 직접 적용하는데, 그림2의 24가지 Facet mod시을 Mask(3×3, 5X5, 7x7)화하여 에지 추출 후 세션화 된 영상의 왼쪽 상단부터 영상의 끝 부분까지 반복하여 Facet Mod이 Mask가 적용되어 코너점을 검출하게 된다.
• 최 E 들어 이러한 방법뚤율 개선시켜 Farzin Mokhfarian과 Riku Suom이a는 CSSCCurvature Scale Space) 방법을 제안하였다[7L 이 방법윤 컴퓨터 영상처리의 코너점 검출 방법 중 가장 진보된 방법으로 코너점 검츨을 위하여 1차적으로 Canny 탐지기를 사용하여 특징을 추출햬 낸 다. 그리고 코너점 검출을 위해 2개의 근접한 윤곽선들 사이의 공간들과 T-교차점 코너를 발견하여 코너점들 검출한다. 곡뷸 의 최대한도는 높온 스케일에서 얻어지게 되고 코너의 위치는 위치측정을 향상시키기 위해 다양하면서 좀 더 낮은 범위에서 편성되어진다.
• 본 논문에 적용될 Facet Mod이은 모두 24가지로 다면체 모델의 일반적인 형태로 나타낼 수 있다. 대부분의 모델이 3각형 이상의 2차원 내지는 3차원 형태의 도형으로 구성되어 있기 때문에 3각형에서부터 12각형의 도형을 분석하여 코너각으로 검출될 수 있는 요소를 선정해야 하는데, 본 논문에 적용한 모 델은 3각형에서부터 12각형의 도형에서 나타날 수 있는 일반적인 형태이다, 12각형 이상의 도형은 우리가 일반적인 요소로 나타날 수 있는 확률이 매우 회박하므로 본 논문에서는 12각 형 이상의 검출 형태는 배제하였다. 그림2는 본 논문에서 코너 점 추출에 적용된 Facet Model 24가지를 보여주고 있다.
• 그리고 에지 추출 결과물을 통해 세 션화 과정을 거쳐 코너점 검출을 하였다. 본 논문에서 제안한 코너점 검출을 위해서는 기존의 계산식을 적용하는 방법과는 다르게 Facet Model을 직접 적용하는데, 그림2의 24가지 Facet mod시을 Mask(3×3, 5X5, 7x7)화하여 에지 추출 후 세션화 된 영상의 왼쪽 상단부터 영상의 끝 부분까지 반복하여 Facet Mod이 Mask가 적용되어 코너점을 검출하게 된다. 이 방법은 다른 알고리즘에 비해 매우 효율적이라는 장점이 있다.
• 에지 추출에 사용되는 알고리즘은 기존의 방법올 그대로 사용하였다. 에지 주출을 하기 이전에 먼저 입력 영상 의 잡음제거를 위하여 median filtering을 사용하였다. 에지 추 출에 사용되는 Mask는 3X3의 Sobel Mask를 사용하였고, 블 록 이진화를 수행하기 위해서 동적 이진화 기법을 사용하였으며, 이때 적용한 임계치 값은 140으로 하였다, 실험 수행 시 임계치 값이 M0일 때 본 논문에서는 가장 좋은 추출 결과를 얻을 수 있었기 때문이다.

이론/모형

• 본 논문에서는 Facet Model 방법을 이용한 Corner 검출 방법을 제시하였다. 지금까지 보다 명확한 코너점 검출을 위하여 다양한 알고리즘이 구현되어 왔다.
• 따라서 이러한 단점을 피하기 위해 영상정보의 톡징 추출을 용이하게 하는 전처리 과 정이 팔요하다. 본 논문에서는 노이즈(noise) 제거틀 위해 보간 법과 메디안 필터링(median filtering)을 사용하였다. 또한 입 력된 영상은 그레이 레벨로 구성되므로 이것울 그대로 사용하 면 배경과 기본 요소간의 구별하기 어려운 부분이 발생할 수 있다* 따라서 배경곽 기본 요소간의 농담치에 대한 히스토그램 (histogram)을 이응하여 임계치 값을 선택한다.
• 입력 영상을 통하여 먼저 에지 추출 을 수행한다. 에지 추출에 사용되는 알고리즘은 기존의 방법올 그대로 사용하였다. 에지 주출을 하기 이전에 먼저 입력 영상 의 잡음제거를 위하여 median filtering을 사용하였다.

성능/효과

• 그림4의 (a), (b)는 평 면 입체도형이다. 그림에서와 같이 (a), (b)에 대한 실험은 CSS 알고리즘보다 Facet Mod이 알고리즘이 모두 미검출과 오검출 에 대해 우수한 결과를 얻을 수 있었다. 같은 방법으로 오목한 입체도형의 경우에도 우수한 추출 결과를 얻을 수 있었다.
• 같은 방법으로 오목한 입체도형의 경우에도 우수한 추출 결과를 얻을 수 있었다. 그러나 Facet Model 알고리즘이 CSS 알고리즘보다 검출율은 우수한 반면 잡음에는 오히려 민감함을 알 수 있었다.
• 넷째, 코너탐지기는 잡음에 강하게 만들어야 한다.
• 다섯째, 코너탐지기는 효율적이어야 한다.
• 본 논문에 적용될 Facet Mod이은 모두 24가지로 다면체 모델의 일반적인 형태로 나타낼 수 있다. 대부분의 모델이 3각형 이상의 2차원 내지는 3차원 형태의 도형으로 구성되어 있기 때문에 3각형에서부터 12각형의 도형을 분석하여 코너각으로 검출될 수 있는 요소를 선정해야 하는데, 본 논문에 적용한 모 델은 3각형에서부터 12각형의 도형에서 나타날 수 있는 일반적인 형태이다, 12각형 이상의 도형은 우리가 일반적인 요소로 나타날 수 있는 확률이 매우 회박하므로 본 논문에서는 12각 형 이상의 검출 형태는 배제하였다.
• 실험 결과에서 보는 바와 같이 본 논문에서 제안한 코너점 검출 알고리즘이 기존의 코너점 검출 알고리즘보다 효율성면에서 보다 진보된 알고리즘임을 증명할 수 있다.

후속연구

• 따라서 본 논문에서는 CSS 모델을 기본으로 하여 Facet Model 방법을 이용한 새로운 Corner 검출 방법을 제안하고자 한다. Facet Model을 직접 적용함으로써 기존의 계산식을 적 용해 코너점을 검출하는 방법보다는 효율적으로 코너점이 검출 될 것이다.
• 그러나 이 방법은 Facet Model을 직접 적용함으로써 잡음에 민감하다는 문제를 안고 있다. 그러나 차후 에지주출 연산자를 변형한다든지, 제안한 Facet Model의 Mask 크기를 변경하는 등의 문제가 보완이 돤다면 코너점 검출에 있어서 향상된 알고 리즘으로 제시될 수 있으리라 본다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기