Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography (한국측량학회지)

Korean Society of Surveying, Geodesy, Photogrammetry and Cartography (한국측량학회)
권호 표지

Robust Optical Flow Detection Using 2D Histogram with Variable Resolution

가변 분해능을 가진 2차원 히스토그램을 이용한 강건한 광류검출

  • Published : 2005.03.01
Download PDF
⟨ Previous Next ⟩

Abstract

The proposed algorithm is to achieve the robust optical flow detection which is applicable for the case that the outlier rate is over 80%. If the outlier rate of optical flows is over 30%, the discrimination between the inliers and outlier with the conventional algorithm is very difficult. The proposed algorithm is to overcome such difficulty with three steps of grouping algorithm; 1) constructing the 2D histogram with two axies of the lengths and the directions of optical flows. 2) sorting the number of optical flows in each bin of the two-dimensional histogram in the descending order and removing some bins with lower number of optical flows than threshold. 3) increasing the resolution of the two-dimensional histogram if the number of optical flows in a specific bin is over 20% and decreasing the resolution if the number of optical flows is less than 10%. Such processing is repeated until the number of optical flows falls into the range of 10%-20% in all the bins. The proposed algorithm works well on the different kinds of images with many of wrong optical flows. Experimental results are included.

두 영상에서 정확한 광류를 얻고자 할 경우, 잘못 정합된 광류의 수가 전체의 80%이상일 경우에도, 정합이 잘된 광류만을 빠르고 안정적으로 추출하는 방법을 제안하였다. 제안한 방법은 다음과 같은 단계로 구성된 그룹화 알고리즘이다. 1)광류의 방향과 길이성분으로 구성된 2차원 히스토그램을 구성한 후, 2)2차원 히스토그램에서 광류수가 높은 그룹들부터 내림차 순으로 정리한 후 각 그룹에서 광류수가 적은 그룹은 제거한다. 또, 3)선택된 그룹들의 광류수가 20% 이상일때는 히스토그램의 분해율를 증가 시키고, 10% 이하일 경우에는 히스토그램의 분해율을 감소시켜서 위 과정을 반복한다. 선택된 그룹들의 광류수가 10%에서 20%사이에 올 때까지 이 반복을 계속한다. 제안한 알고리즘을 잘못된 광류가 많이 포함된 다양한 종류의 영상에 대해서 적용한 결과 강건하게 정합이 되어 잘못된 광류를 제거할 수 있었다. 이 논문은 이에 대한 실험결과를 포함하였다.

Keywords

References

  1. 이진덕, 최용진 (2001), CCTV 유형 CCD 카메라를 이용한 근거리 산업사진측량의 정확도, 한국측량학회지, 제 19권, 제 3호, pp. 283-290
  2. 장호식, 서동주, 이종출 (2003), 비데오 영상을 이용한 석조 문화재 위치해석, 한국측량학회지, 제 21권, 제 4호, pp. 355-363
  3. Adelson, E. H. and J. R. Bergen, 1985, Spatiotemporal energy models for the perception of motion, Journal of Optical Society of America, A, Vol. 2, No.2, pp. 284-299 https://doi.org/10.1364/JOSAA.2.000284
  4. Haralick, R.M. et al., 1988, Pose estimation from corresponding point data. IEEE Tr. SMC, 19(6):1426-1446, Nov
  5. Harris, G., 1987, Determination of Ego-Motion From Matched Points, Proc. Alvey Vision Conf, Cambridge UK
  6. Horn BKP, Schunck BG, 1981, Determining Optical Flow, Artificial Intelligence 1981, pp. 185-203
  7. Kearney, J. K., W. B. Thompson, and D. L. Boley, 1987, Optical flow estimation: An error analysis of Gradient-based methods with local optimization, IEEE Tr. on PAMI, Vol. 9, No.2, pp. 229-244
  8. Kitchen, L., and A. Rosenfeld, 1982, Gray Level Corner Detection, Pattern Recognition Letters, pp. 95-102
  9. Mokhatarianm, Farzin, and Riku Suomela, 1998, Robust Image Comer Detection Through Curvature Scale Space, IEEE Tr. on PAMI, Vol. 12
  10. Rousseeuw, P. J., 1984, Least median of squares regression. Journal of American Statistics Association, 79:871-880 https://doi.org/10.2307/2288718
  11. Smith, S.M. and J. M. Brady, 1995, Real-Time Motion Segmentation and Shape Tracking, IEEE Tr. on PAMI, Vol. 17, No.8
  12. Smith, S.M., and J.M. Brady, 1997. SUSAN - a new approach to low level image processing. In IJCV, 23(1), pp. 45-78 https://doi.org/10.1023/A:1007963824710