$\require{mediawiki-texvc}$

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.

SURF 알고리즘을 이용한 직교식 스테레오 카메라 영상의 칼라 불균형 보정 방법
Color balancing of the half-mirror-based stereo image by using SURF algorithm 원문보기

한국방송공학회 2011년도 추계학술대회, 2011 Nov. 12, 2011년, pp.133 - 136  

이예홍 (연세대학교 전기전자공학과) ,  신형철 (연세대학교 전기전자공학과) ,  손광훈 (연세대학교 전기전자공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 SURF 알고리즘을 이용한 직교식 스테레오 카메라 영상의 칼라 불균형 보정 방법 제안한다. 제안 방법에서는 SURF 알고리즘을 이용하여 스테레오 좌, 우 영상의 대응점을 찾은 후, 찾은 대응점들의 칼라 보정 벡터를 영상 획득 모델을 기반으로 계산한다. 영상 전체에서 다양한 칼라 대응점 정보를 추출하기 위하여 본 논문에서는 분할영상을 이용하여 칼라 대응점 정보를 추출한다. 추출된 대응점 정보는 초기 칼라 보정 벡터로 변환할 수 있으며 좌, 우 영상의 모든 픽셀에 대하여 색정보가 가장 유사한 대응점의 보정 벡터를 사용하여 칼라 불균형을 보정한다. 초기 보정 벡터를 이용한 칼라 불균형 보정 후 존재하는 노이즈을 제거하기 위하여 유사한 색공간에 위치한 칼라 보정 벡터에 가우시안 필터를 적용한다. 실험 결과로 원본 영상과 보정된 영상의 칼라 히스토그램을 비교하였으며, 분할 영역의 수에 따른 보정 결과도 비교 제시하였다. 실험 결과는 제안한 방법이 직교식 스테레오 카메라 영상에 효과적인 칼라 불균형 보정 방법임을 보여준다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 하지만 좌, 우 영상의 칼라 불균형 정도가 매우 큰 경우, 이러한 보정 벡터들이 타당할 수 있으며, 충분한 수의 샘플을 확보하지 못할 수 있기 때문에 한계가 있다. 따라서 본 논문은 노이즈 제거를 위하여 보정 벡터의 크기가 매우 큰 샘플들을 사용하지 못하도록 제한함과 동시에 보정 벡터들에 대하여 색공간에서 가우시안 필터링을 하는 방법을 제안한다. 가우시안 필터는 대표적인 저역 통과 필터로써 영상 처리에 사용할 경우 영상의 고주파 성분을 제거하기 때문에 전체적으로 스무딩(smoothing)되는 효과가 있다.
  • 본 논문에서는 직교식 스테레오 카메라 시스템으로 획득한 스테레오 영상의 칼라 불균형을 보정하는 방법을 제안하였다. 제안한 방법은 충분히 칼라 대응점 샘플을 얻기 위하여 한쪽 영상을 분할하여 SURF 알고리즘을 적용하였다.
  • 본 논문에서는 직교식 스테레오 카메라 시스템으로 획득한 스테레오 영상의 칼라 불균형을 보정하는 방법을 제안한다. 제안하는 방법에서는 분할 영상을 이용한 SURF 알고리즘을 이용하여 좌, 우 영상의 대응점들을 찾아내고, 대응점들의 색 정보를 이용하여 전체 영상의 칼라 불균형을 보정한다.
  • 이렇게 된다면 다양한 색정보의 샘플을 모을 수 없게 되고, 영상 전체 영역에서 좋은 보정 결과를 얻을 수 없다. 이러한 문제를 해결하기 위하여, 본 논문에서는 그림 5와 같이 좌, 우 영상 중 한 영상을 일정한 간격으로 분할하고, 각각의 분할면 안에서 일정한 수의 대응점을 찾아내는 방법을 제안한다. 그림 6은 제안한 방법으로 샘플을 추출한 결과를 보여주고 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
카메라와 대상 객체의 거리가 가까울수록 무엇을 조정해야 하는가? 이전의 3D 콘텐츠의 피로도 연구에 따르면, 카메라와 대상 객체의 거리가 가까울수록 스테레오 카메라의 좌,우 카메라 간의 거리(baseline distance) 또한 가까워져야 할 필요성이 있으며, 그렇지 않을 경우, 시청자에게 불편한 입체감을 유발하게 된다.[1, 2] 하지만 크기가 큰 렌즈를 사용하는 스테레오 카메라의 경우 baseline distance를 좁게 하기가 쉽지 않다.
하프미러 기반의 직교식 스테레오 시스템을 통해 무엇을 구현할 수 있는가? 이러한 문제점을 해결하기 위해 사용되는 대표적인 시스템이 바로 하프미러 기반의 직교식 스테레오 시스템이다. 이 시스템은 빛의 일부는 반사시키고, 일부는 투과시키는 하프미러를 이용해 카메라 두 대를 수직으로 배치할 수 있게 함으로써 좁은 baseline distance를 구현할 수 있게 해준다. 하프미러를 투과한 빛은 우측 카메라에, 반사된 빛은 좌측 카메라에 의해 촬영되는 원리이다.
SURF 알고리즘을 이용한 직교식 스테레오 카메라 영상의 칼라 불균형 보정 방법은 어떻게 동작하는가? 본 논문에서는 SURF 알고리즘을 이용한 직교식 스테레오 카메라 영상의 칼라 불균형 보정 방법 제안한다. 제안 방법에서는 SURF 알고리즘을 이용하여 스테레오 좌, 우 영상의 대응점을 찾은 후, 찾은 대응점들의 칼라 보정 벡터를 영상 획득 모델을 기반으로 계산한다. 영상 전체에서 다양한 칼라 대응점 정보를 추출하기 위하여 본 논문에서는 분할영상을 이용하여 칼라 대응점 정보를 추출한다. 추출된 대응점 정보는 초기 칼라 보정 벡터로 변환할 수 있으며 좌, 우 영상의 모든 픽셀에 대하여 색정보가 가장 유사한 대응점의 보정 벡터를 사용하여 칼라 불균형을 보정한다. 초기 보정 벡터를 이용한 칼라 불균형 보정 후 존재하는 노이즈을 제거하기 위하여 유사한 색공간에 위치한 칼라 보정 벡터에 가우시안 필터를 적용한다. 실험 결과로 원본 영상과 보정된 영상의 칼라 히스토그램을 비교하였으며, 분할 영역의 수에 따른 보정 결과도 비교 제시하였다.
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