$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 효율적인 스테레오 정합을 위한 동적계획법의 역 추적 방법
A back tracing in dynamic programming for efficient the stereo matching 원문보기

한국방송공학회 2009년도 추계학술대회, 2009 Nov. 14, 2009년, pp.363 - 366  

박장호 (광운대학교 전자재료공학과) ,  최현준 (광운대학교 전자재료공학과) ,  서영호 (광운대학교 교양학부) ,  김동욱 (광운대학교 전자재료공학과)

초록
AI-Helper 아이콘AI-Helper

변이영상은 두 스테레오 영상의 시차에 의해 발생하는 각 화소의 변위를 수록한 영상이다. 이 영상은 깊이영상을 생성하여 시점 간 가상영상을 생성하는데 사용된다. 따라서 변이영상은 다시점 비디오 서비스와 직접적인 연관이 있다. 본 논문에서는 유일성(uniqueness)제약과 순차성(ordering) 제약을 사용하여 기준영상과 참조영상 사이의 관계를 이용하여 생성한 변이 공간 영상(DSI : disparity space image)으로부터 비용 행렬을 계산하여 최적의 변이 경로를 찾아가는 다이내믹 프로그래밍을 분석 하였다. 다이내믹 프로그래밍은 정밀한 변이 맵을 얻을 수 있고, 다른 방식들에 비해 연산 속도가 빠르다는 장점을 가지고 있지만, 영상의 화소값의 변화가 없는 영역에서 이전의 경로를 계속 유지하려는 성질에 때문에 발생 하는 오류확산과 가려진 (occluded) 영역에 의한 오차로 인해 정확한 경로를 찾을 수 없는 경우가 빈번히 발생 하여 에러율이 높아지는 단점을 가지고 있다. 이러한 이론을 토대로 기존의 기법들에 비하여 정확도가 우수한 기법들을 제안하였다. 개선된 역 추적 과정을 이용하여 기존의 다이내믹 프로그래밍 기반의 스테레오 정합 기법들보다 우수성이 뛰어난 결과들을 나타내었다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 역 추적 과정은 비용행렬을 생성한 다음, 역으로 추적하는 방식이라 별 의미가 없다고 많은 연구원들은 생각을 하고 있다. 본 논문에서는 보다 효율성을 높이기 위하여 영상을 채널별로 분할하고 각 채널들의 경계 정보를 이용하여 연속적인 경로 탐색에 대한 신뢰성을 확인하여 최적의 변이 값을 할당 받을 수 있도록 하였다. 그림 6은 제안한 알고리듬의 순서도를 나타낸다.
  • 본 논문에서는 역 추적에서 최종 변이정보를 할당할 때, 연속적인 경로에 대한 이웃 화소값과의 차이을 확인하며 경계 지점을 확인 후, 연속적인 경로에 대한 신뢰성을 점검하였다. 만일, 화소값과의 차이가 정해 놓은 문턱치(threshold) 이상인 경우, 그 위치의 화소들은 다른 객체간의 화소라고 인정하고 수식 (3)과 (4)를 이용하여 경로에 대한 재탐색을 실시한다.
  • 본 논문에서는 이러한 오류를 줄이기 위해 이전화소와 현재 화소와의 화소값 차이를 분석한 후, 영상의 특징점을 이용하여 역추적과정에서 변이값을 할당 시, 연속적인 변이정보에 대한 신뢰성을 점검 한다. 그리하여 보다 신뢰성이 높은 변이맵을 추출할 수 있었다.
  • 본 논문에서는 이전의 경로를 그대로 유지함으로써 발생하는 변이 정보의 오류 확산을 줄이기 위해 영상의 특징점을 이용하여 보다 정확한 변이 정보를 획득하기 위해 경로를 재탐색하는 알고리듬을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
다이내믹 프로그래밍 기반의 변이 추정 방식은 무엇인가? 본 논문에서 사용하는 다이내믹 프로그래밍 기반의 변이 추정 방식은 유일성(uniqueness)제약과 순차성(ordering) 제약을 사용하여 기준영상과 참조영상 사이의 관계를 이용하여 생성한 변이 공간 영상(DSI : disparity space image)으로부터 비용 행렬(cost matrix)을 계산하여 최적의 변이 경로를 찾아가는 방식을 말한다. 다이내믹 프로그래밍은 화소 단위의 정밀한 변이 맵을 얻을 수 있어서 다른 방식들에 비해 연산 속도가 빠르다는 장점을 가지고 있다.
깊이정보 추출 과정에서 정확한 정보를 얻는 것이 사실상 불가능한 이유는 무엇인가? 여기서 망막에 맺힌 각각 다른 물체의 상을 공학적으로 해석한 것이 스테레오 영상(stereoscopic image)이다. 그러나 깊이정보 추출 과정은 잡음, 가려진 영역(occluded region) 등으로 인한 깊이 불연속, 모호성 때문에 정확한 정보를 얻는 것은 사실상 불가능하다. 이러한 어려운 점들을 해결하기 위한 방법으로 영역 기반(area-based), 특징 기반(feature-based), 그리고 다이내믹 프로그래밍(dynamic programming)등의 연구가 진행중이다.
동적계획법은 변이 공간 영상을 생성할 때 어떤 비용함수를 사용하는가? 동적계획법은 WTA(winner-take-all) 방법과 달리, 탐색 구간에서 가장 유사성이 높은 화소를 택하는 것이 아니라, 탐색 구간에 있는 모든 화소들의 비용값을 저장을 해둔다. 변이 공간 영상을 생성할 때, 일반적으로 SSD(sum of squared differences), SAD(sum of absolute differences), MAD(mean of absolute differences)등의 비용 함수를 사용한다. 본 논문에서는 수식 (1)과 같은 SAD 비용 함수를 사용하였다.
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로