Abstract
In this paper, we propose new smoothing filters, i.e., occluding patterns that can accurately correct disparities of occluded areas in the estimated disparity map. An image is composed of several layers and each layer presents similar disparity. Furthermore, the distribution of the estimated disparities has a specific direction around the boundary of the occlusion, and this distribution presents the different direction with respect to the left- and the right-based disparity map. However, typical smoothing filters, such as mean filter and median filter, did not take into account those characteristic. So, they can decrease some error, but they cannot guarantee the accuracy of the corrected disparity. On the contrary, occluding patterns can accurately correct disparities of occluded areas because they consider both the characteristic that occlusion occurs and the characteristic that disparities of the occlusion are ranged, from estimated disparity maps with respect to the left and the right images. We made experiments on occluding patterns with some real stereo image set, and as a result, we can correct disparities of occluded areas more accurately than typical smoothing filters did.
본 논문에서 우리는 추정된 시차지도에서 가려짐 영역의 시차를 교정하는 새로운 스무딩 필터인 가려짐 패턴 (occluding patterns)을 제안한다. 영상은 몇 개의 계층으로 구성되어 있고, 각각의 계층은 유사한 시차를 나타낸다. 그리고 추정된 시차들은 가려짐 영역의 경계 주변에서 특정한 방향성을 갖고 분포하며, 이러한 시차 분포의 방향성은 좌우 시차지도에 대해서 서로반대이다. 그러나 평균값 필터 또는 중간값 필터와 같은 기존의 스무딩 필터는 이러한 시차의 분포 특성을 고려하지 않고 스무딩을 수행하기 때문에 오차는 줄일 수 있으나, 교정된 시차의 정확성은 보장되지 않았다. 이와 반대로, 본 논문에서 제안하는 가려짐 패턴은 좌우 영상에서 각각 추정된 시차지도에 대해서 가려짐 영역이 발생하는 특성과 가려짐 영역에서의 시차 분포 특성을 함께 고려하여 정확하게 가려짐 영역의 시차를 교정한다. 본 논문에서 제안한 가려짐 패턴은 다양한 실험 영상에 적용하여 실험하였고, 그 결과 기존의 스무딩 방법에 비해서 정확하게 시차를 교정하는 것을 확인하였다.
