초록 ▼

과제 기간 젓 1년차에서는 커널 회귀 기반의 3D 복원 기술을 개발하였다. 커널 회귀 기법은 최근 영상처리 분야에서 많이 주목받고 있으며 데이터로부터 직접 모델을 추정하는 비모수 통계기법이다. 우선, 모든 영상 프레임의 각 픽셀의 초점 수준을 계산하기 위해 초점 연산자를 적용하여 초점값 볼륨을 얻는다. 강건성을 향상 시키기 위해서 초점값 볼륨의 각 프레임에 커널 회귀를 적용한다. 커널 회귀의 핵심은 데이터로부터 함수를 추정하는 것이다. 커널 회귀로 계산된 깊이값은 물체 표면의 작은 패치 내에서 매우 유사한 값을 갖는다. 하지만, 노

과제 기간 젓 1년차에서는 커널 회귀 기반의 3D 복원 기술을 개발하였다. 커널 회귀 기법은 최근 영상처리 분야에서 많이 주목받고 있으며 데이터로부터 직접 모델을 추정하는 비모수 통계기법이다. 우선, 모든 영상 프레임의 각 픽셀의 초점 수준을 계산하기 위해 초점 연산자를 적용하여 초점값 볼륨을 얻는다. 강건성을 향상 시키기 위해서 초점값 볼륨의 각 프레임에 커널 회귀를 적용한다. 커널 회귀의 핵심은 데이터로부터 함수를 추정하는 것이다. 커널 회귀로 계산된 깊이값은 물체 표면의 작은 패치 내에서 매우 유사한 값을 갖는다. 하지만, 노이즈가 가미된 픽셀값들은 깊이값에 오류를 야기시키며 깊이맵에서 스파이크 형태의 잡음을 형성한다. 따라서 초기 깊이 값들에 또 한번 커널 회귀를 적용하여 최종 깊이맵을 얻어 노이즈를 제거했다. 그리고 Total Variation를 이용한 focus measure 결합에 관한 연구를 진행하였다. 일반적으로 shape form focus 방법은 물체의 깊이맵을 생성하는데 필요한 초점의 품질을 측정하기 위하여 하나의 focus measure를 사용하지만, 서로 다른 focus measure를 다양한 조건에 맞추어 적용할 수 있다. 그리고 하나의 focus measure를 이용하여 정확한 3D 형상을 복원 하는 것은 어렵다. 본 연구에서는 total variation을 이용한 focus measure를 제안하여 여러 가지 focus measure를 이용하여 생성된 다양한 깊이 값을 결합하여 3D 형상복원을 하여 정밀도를 높였다.
다음으로 2년차에서는 주성분 분석 (PCA) 기반 3D 형상 복원 기술을 개발하였다. PCA 기술은 순서적으로 포커스 값들을 계산한다. PCA는 확률적 과정으로 데이터에 있어서 최대 변화의 방향을 알려준다. 이미지 시퀀스는 광축의 방향에서 카메라로부터 떨어져서 대상물을 이동시키는 것으로부터 얻어진다. 각각의 픽셀은 7개의 인근 픽셀의 벡터로 구성되며, 벡터는 x,y 그리고 z방향의 픽셀을 포함한다. P(i,j,k)는 이미지 볼륨 I(x_i,y_j,z_k)의 픽셀이고, V(i,j,k)는 벡터이다. z방향에 모든 Z벡터들을 모아서 Z*7차원의 매트릭스를 얻고 매트릭스 M(i,j)와 공분산 행렬 C를 구하며 이때 그들의 고유 벡터들은 SVD방법을 사용하여 계산된다. 그리고 T와 변압된 데이터 F를 구하게 되는데, F의 칼럼들은 주성분 또는 특징으로 알 수 있다. 이 특징의 분석은 1번째 주성분이 포커스 값들에 관하여 더 구별할 수 있는 능력을 제공하는 것을 보여준다. 그러므로 P(i,j) 픽셀을 위한 depth 값은 1번째 성분에 최대 절댓값의 위치의 위치를 정하는 것으로 계산된다. 그리고 Guided Filtering을 이용한 3D 복원 기술을 개발했다. 이 연구에서는 Guided Image Filtering 기술을 이용하여 image focus volume을 효과적으로 개선하여 좀 더 정확한 3D depth map을 얻도록 하였다. 우선, image focus volume은 기존의 focus measure 방법을 이용하여 계산한다. 그리고 image focus volume의 각 레이어를 guided filtering을 이용하여 filtering을 시킨다. 이 연구에서는 초기에 구한 image focus volume으로부터 얻은 영상을 all-in-focus image로써 이용한다. 최종적으로 필터링된 image focus volume을 이용하여 개선된 3D depth map을 얻었다.
그리고 3년차에서는 잡음 제거 기술에 대한 연구를 수행하였다. 이전 연구와는 달리 3D 형상 복원에 있어서의 노이즈에 대한 영향에 관한 연구이다. 또한 원영상에 잡음을 추가하여 새로운 초점 연산자에 대한 강인성과 정밀성을 연구했다. 미세 물체의 형상을 복원하는데 있어 초점 정도를 계산하는 Focus measure는 texture 또는 edge 정보에 기반한다. 하지만 미세 물체의 영상 획득 과정에서 발생한 다양한 형태의 잡음 또는 Focus measure 연산자의 잡음은 복원된 최종 형상의 정밀도에 영향을 끼친다. 영상 획득 과정에서 발생한 잡음을 제거하기 위한 방법으로써 smoothing filter를 적용할 수 있으나, 이 경우에는 젓요한 정보를 갖는 texture와 edge 정보를 잃는 경우가 생긴다. 따라서 본 연구에서는 젓요한 edge 정보 및 texture를 유지하면서 잡음을 제거할 수 있는 Filter를 디자인하였다. Focus measure 연산자에 기인한 잡음의 경우, Focus measure 연산자를 적용하여 얻는 Focus measure 볼륨에 averaging filter를 적용하였다. 이를 통해 노이즈를 억제하여 3D 형상복원의 정밀도를 높였다.
(출처:요약문 3p)

목차 Contents

• 표지 ... 1
• 목차 ... 2
• Ⅰ. 연구결과 요약문 ... 3
• Ⅱ. 연구내용 및 결과 ... 4
• 1. 연구과제의 개요 ... 4
• 2. 국내외 기술개발 현황 ... 4
• 3. 연구수행 내용 및 결과 ... 4
• 4. 목표 달성도 및 관련 분야에의 기여도 ... 6
• 5. 연구결과의 활용계획 ... 6
• 6. 연구과정에서 수집한 해외과학기술정보 ... 6
• Ⅲ. 연구성과 ... 7
• 끝페이지 ... 11