$\require{mediawiki-texvc}$

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.

표면결함검사에서 SIFT, SURF, HOG 영상의 특징에 관한 연구
A Study on the SIFT, SURF, and HOG Features of Image in the field of Surface Defect Inspection 원문보기

한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호, 2019 Jan. 16, 2019년, pp.403 - 406  

전영민 (한국산업기술대학교 컴퓨터공학과) ,  이인행 (한국산업기술대학교 컴퓨터공학과) ,  배근빈 (한국산업기술대학교 컴퓨터공학과) ,  지홍근 (한국산업기술대학교 컴퓨터공학과) ,  배유석 (한국산업기술대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

논문에서는 스마트 공장 시스템의 표면 결함 검사 시에 영상의 특징인 SIFT, SURF, HOG 특징들을 이용하여 표면 결함 검출에 활용하는 연구를 다루었습니다. 먼저 SIFT, SURF, HOG 특징에 대하여 소개하고 실험에서 이 특징들이 사용될 수 있음을 결과를 통해 보였습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 SIFT, SURF의 경우에는 keypoint가 존재하는 경우를 결함이라고 정의하고, keypoint가 추출되지 않는 이미지를 정상이라고 정의한다. 또한 HOG의 경우에는 정상 이미지와 결함이 있는 이미지를 템플릿 매칭을 수행하기 위해서 두 이미지의 HOG descriptor를 비교할 것이다.
  • 본 논문에서는 머신비전을 이용한 표면결함검사 시스템에서 사용할수 있는 특징으로서 SIFT, SURF, HOG를 제안하였다. 또한, 제안하는 특징들에 대해 금속 표면에 존재하는 결함을 각 특징을 적용하여 검출한 결과로 검증하였다.
  • 컴퓨터가 인식하는 영상의 특징 혹은 texture 는 영상의 경계와 경계가 이루는 모양, 모양이 이루는 무늬 들을 뜻한다. 본 논문에서는 영상의 keypoint 중 코너의 검출이 뛰어난 SIFT 와 SURF, 그리고 템플릿 매칭에 이용하기 위한 HOG feature 알고리즘을 이용하여 영상의 특징을 검출해 낼 수 있음을 연구하며, 실험을 통해 SIFT, SURF, HOG feature 알고리즘을 실제 표면결함 검사에 적용해 본다.
  • SIFT 와 SURF 특징은 화면의 스케일변화와 회전변화에 강하여 결함의 변형에도 결과를 잘 도출해낼 수 있으며, HOG 특징은 히스토그램의 템플릿 매칭을 통해 정상 이미지를 학습시켜 결함의 위치를 찾아낼 수 있다. 본 논문에서는 이러한 특징 검출 알고리즘을 표면 결함 검사에서 활용하는 방법을 제시한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
Image pyramid 방식은 어떻게 적용되는가? 이를 해결하기 위해 SIFT에서는 이미지를 확대 및 축소하는 Image pyramid 방식을 사용한다. 이 방식은 SIFT 알고리즘 중 첫 번째 단계인 Scale space를 만드는 부분에서 사용된다. 이 단계는 먼저 원본 이미지를 확대 및 축소하여 4개의 이미지를 만든다. 이런 식의 이미지 확대 및 축소는 이미지 크기의 변화에 대해 불변인 관심점 들을 추출하기 위함이다. 이 후에 원본 이미지와 만들어진 이미지들에 대해 가우시안 마스크를 이용하여 점진적으로 blur 시킨다.
머신비전을 이용하여 도출하는 결함의 특징은? 머신비전을 이용한 결함 검사는 결함을 정의하고 정의된 결함을 검출하는 방법을 주로 사용해 왔다. 결함은 정상 영역과 대비해 밝기, 컬러, 윤곽 등 형상의 뚜렷한 차이를 보이며 대부분의 특징은 특이점의 특성을 표현해준다. 논문에서 알아볼 세 가지 특징 검출 알고리즘은 영상의 이러한 특징들 중 윤곽을 이용하여 코너를 검출하는 SIFT 와 SURF 알고리즘 그리고 경계선의 벡터를 히스토그램화 하여 템플릿을 생성하는 HOG알고리즘으로 이루어져 있다.
SIFT feature은 무엇인가? SIFT feature(Scale-Invariant Feature Transform feature)는 이미지의 keypoint 들을 추출하는 방법이다. SIFT 이전에는 코너점을 찾는 알고리즘 중 Harris Corner Algorithm이 있었는데, 해당 알고리즘은 이미지의 Scale이 변화하면 코너점을 제대로 찾지 못한다는 문제점을 가지고 있었다.
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