[논문]촬영 장면 가이더를 이용한 고속 파노라마 영상 생성

김태우

문제 정의

따라서, 본 논문에서는 고속으로 파노라마 영상을 생성하기 위하여 실린더형 파노라마 생성법을 적용할 수 있는 방법을 제안한다. 이 방법은 영상 촬영시 촬영 장면 가이더(scene shot guider)와 국소 정합법을 사용하여 정합 정확도를 높이면서도 고속 정합이 가능하다.
본 논문에서는 고속 파노라마 생성 방법을 제안하였다. 이 방법은 장면 촬영 가이더(scene shot guider)를 사용함으로써 정합 파라미터의 개수를 줄여 정합 속도를 크게 향상시켰다.
본 논문에서는 단순 이동된 영상을 획득하기 위해서 촬영 장면 가이더(scene shot guider)를 설정하였다. 그림 2와 같이 첫 번째 촬영한 영상의 일부를 뷰파인더에 위치시켜 두 번째 영상을 맞추어 촬영하도록 하는 것이다.

가설 설정

본 논문의 영상정합은 전역적 정합(global matching)과 국소적 정합(local matching)[4]으로 구성된다. 전역적 정합에서는 촬영 장면 가이더를 사용하여 촬영된 두 번째 영상이 첫 번째 영상에 대해 단순 이동된 영상으로 가정한다. 정합은 템플릿 정합[1]을 사용하며, 에러 메트릭(error metric)[1]은 SAD(sum of absolute difference)[1]를 사용한다.

제안 방법

이 방법은 장면 촬영 가이더(scene shot guider)를 사용함으로써 정합 파라미터의 개수를 줄여 정합 속도를 크게 향상시켰다. 또한, 적은 수의 파라미터를 사용에 따른 정합 오차를 줄이기 위해 국소 정합법을 추가로 적용하였다. 실험에서, 제안한 방법으로 처리한 결과 640×480 크기와 320×240 크기의 24비트 칼라 영상에 대해 각각 약 0.
먼저, 불변 특징 기반 방법과 제안한 방법의 파노라마 영상의 품질을 비교하였다. 그림 3과 같이 촬영된 320×240 크기의 두 영상에 대해 그림 4(a)는 불변 특징 기반 방법에 의해 생성된 파노라마 영상이고, 그림 4 (b)는 제안한 고속 파노라마 생성 방법의 결과이다.
본 논문의 영상정합은 전역적 정합(global matching)과 국소적 정합(local matching)[4]으로 구성된다. 전역적 정합에서는 촬영 장면 가이더를 사용하여 촬영된 두 번째 영상이 첫 번째 영상에 대해 단순 이동된 영상으로 가정한다.
이 방법은 영상 촬영시 촬영 장면 가이더(scene shot guider)와 국소 정합법을 사용하여 정합 정확도를 높이면서도 고속 정합이 가능하다. 실험에서 파노라마 영상 생성에 대해 불변 특징 기반 방법과 제안한 방법으로 파노라마 영상의 품질과 처리속도를 비교하여 제안한 방법의 장점을 보여준다.
특징 벡터는 RANSAC 방법[3]과 최근방정합[2]을 이용해 정합하고, 정합 파라미터를 이용하여 두 영상을 병합한다. 이 과정에서 처리 속도를 높이기 위해 영상을 축소하고 영상의 에지(edge)를 추출하여 추출된 에지 위치에서만 특징점들을 추출함으로써 처리 속도를 개선한다.
표 1. 파노라마 영상 생성의 처리 속도 비교.

대상 데이터

기존의 불변 특징 기반 방법과 제안한 방법에 의한 파노라마 영상의 품질과 처리 속도를 비교하기 위하여 그림 3과 같이 촬영 장면 가이더가 구현된 모바일 장치의 디지털 카메라로 영상을 획득하였다. 영상은 320×240, 640×480 크기의 24비트 칼라 영상이다.
기존의 불변 특징 기반 방법과 제안한 방법에 의한 파노라마 영상의 품질과 처리 속도를 비교하기 위하여 그림 3과 같이 촬영 장면 가이더가 구현된 모바일 장치의 디지털 카메라로 영상을 획득하였다. 영상은 320×240, 640×480 크기의 24비트 칼라 영상이다. 실험은 1.

이론/모형

영상 병합은 두 영상 간의 정합 파라미터를 이용하여 하나의 큰 영상으로 병합하는 것이다. 이때, 합성될 영상들 간의 밝기값과 칼라의 불연속을 줄이기 위해서 병합점으로 거리에 비례하도록 각 영상의 화소들에 가중치를 주는 방법인 간단한 블렌딩 알고리즘(blending algorithm)[1]을 적용한다.
불변 특징 기반의 파노라마 영상 생성 방법은 먼저 병합될 두 영상을 실린더형 영상으로 변환하고, 변환된 영상에 대해 스케일 공간[2]에서 특징점을 추출하여, SIFT 불변 특징 묘사자[2]로 특징 벡터를 생성한다. 특징 벡터는 RANSAC 방법[3]과 최근방정합[2]을 이용해 정합하고, 정합 파라미터를 이용하여 두 영상을 병합한다. 이 과정에서 처리 속도를 높이기 위해 영상을 축소하고 영상의 에지(edge)를 추출하여 추출된 에지 위치에서만 특징점들을 추출함으로써 처리 속도를 개선한다.

성능/효과

표 1에 파노라마 영상 생성에 걸린 시간을 측정한 결과를 보여준다. 640×480 크기와 320×240 크기의 영상에 대해 제안한 방법은 불변 특징 방법보다 각각 94.7%, 97.2% 처리 시간이 개선되었다. 또한 촬영시 단순 이동된 형태가 아니라 약간의 촬영 오차가 생기더라도 국소적 정합을 통해 오차를 극복할 수 있다.
그림의 결과를 보면 파노라마 영상의 품질이 비슷한 것을 볼 수 있다. 그러나, 파노라마 영상 생성에 걸린 시간은 각각 약 2.753초, 약 0.156초로 제안한 방법의 처리 속도가 크게 향상된 결과를 보였다.
2% 의 처리 속도에서 크게 개선된 결과를 보였다. 또한 촬영시 단순 이동된 형태가 아니라 약간의 촬영 오차가 생기더라도 국소적 정합을 통해 오차를 줄일 수 있었다. 제안한 방법이 기존의 불변 특징 방법의 파노라마 결과에 비해 품질에 큰 저하 없이 처리 시간을 크게 향상시킬 수 있음을 보여 주었다.
또한, 적은 수의 파라미터를 사용에 따른 정합 오차를 줄이기 위해 국소 정합법을 추가로 적용하였다. 실험에서, 제안한 방법으로 처리한 결과 640×480 크기와 320×240 크기의 24비트 칼라 영상에 대해 각각 약 0.16초, 0.078초로 기존의 특징 기반 방법보다 각각 94.7%, 97.2% 의 처리 속도에서 크게 개선된 결과를 보였다. 또한 촬영시 단순 이동된 형태가 아니라 약간의 촬영 오차가 생기더라도 국소적 정합을 통해 오차를 줄일 수 있었다.
또한 촬영시 단순 이동된 형태가 아니라 약간의 촬영 오차가 생기더라도 국소적 정합을 통해 오차를 줄일 수 있었다. 제안한 방법이 기존의 불변 특징 방법의 파노라마 결과에 비해 품질에 큰 저하 없이 처리 시간을 크게 향상시킬 수 있음을 보여 주었다. 향후 모바일 단말기와 같은 처리 속도가 훨씬 느린 환경에서 활용도가 높을 것이다.

후속연구

제안한 방법이 기존의 불변 특징 방법의 파노라마 결과에 비해 품질에 큰 저하 없이 처리 시간을 크게 향상시킬 수 있음을 보여 주었다. 향후 모바일 단말기와 같은 처리 속도가 훨씬 느린 환경에서 활용도가 높을 것이다.

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

촬영 장면 가이더를 이용한 고속 파노라마 영상 생성
High Speed Panorama Image Construction Using Scene Shot Guider 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

촬영 장면 가이더를 이용한 고속 파노라마 영상 생성 High Speed Panorama Image Construction Using Scene Shot Guider 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

촬영 장면 가이더를 이용한 고속 파노라마 영상 생성
High Speed Panorama Image Construction Using Scene Shot Guider 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper