A Compensation for Distortion of Stereo-scopic Camera Image Using Neuro-Fuzzy Inference System

뉴로-퍼지 추론시스템을 이용한 입체 영상 카메라의 왜곡 영상 보정

  • Received : 2010.05.01
  • Accepted : 2010.06.14
  • Published : 2010.06.30

Abstract

In this paper, this study restores the distorted image to its original image by compensating for the distortion of image from a fixed-focus camera lens. The various developments and applications of the imaging devices and the image sensors used in a wide range of industries and expanded use, but due to the needs of the small size and light weight of the camera, the distortion from acquiring images of the distorted curvature of the lens tends to affect many. In particular, the three-dimensional imaging camera, each different distortion of left and right lens cause the degradation of three-dimensional sensitivity and left-right image distortion ratio. we approached the way of generalizing the approximate equations to restore each part of left-right camera images to the coordinators of the original images. The adaptive Neuro-Fuzzy Inference System is configured for it. This system is divided from each membership function and is inferred by 1st order Sugeno Fuzzy model. The result is that the compensated images close to the left, right original images. Using low-cost and compact imaging lens by which also determine the exact three-dimensional image-sensing capabilities and will be able to expect from this study.

본 논문은 카메라의 고정 초점방식 렌즈를 통해 얻은 영상의 왜곡을 보상하여 왜곡된 이미지 좌표에서 본래의 좌표를 갖는 원영상으로 복원하는 연구이다. 이미지 센서의 다양한 영상 기기 발달과 활용으로 다방면의 산업분야에 확대 이용되고 있으나, 카메라의 소형화와 경량화 필요로 인해 렌즈의 굴곡에 의한 수신 영상의 왜곡이 영향을 미치는 경향이 많다. 특히, 입체 영상 카메라 응용 기기인 경우 좌, 우측 렌즈의 서로 다른 왜곡으로 입체감 저하 및 좌우 이미지 왜곡 등이 수반된다. 좌, 우측 카메라 수신 영상의 각 부분별로 본래의 좌표로 환산하는 근사식을 세우고 이들을 종합하는 방식으로 접근했다. 적응 뉴로-퍼지 추론시스템을 구성하여 소속 함수를 통해 분할하고 1차 Sugeno fuzzy 모델식으로 추정하여 좌, 우측 본래의 영상에 근접한 결과를 얻었다. 이로서 저가이며 소형 렌즈를 활용한 영상으로도 정확한 입체 영상 센싱 기능과 판별을 기대할 수 있게 된다.

Keywords

References

  1. Neural Fuzzy Systems -Chin-Teng Lin, C.S. George Lee
  2. Neuro-Fuzzy and Soft Computing - J.S.R. Jang, C.T. Sun, E. Mizutani
  3. J.-S. Roger Jang. ANFIS: Adaptive-Network-based Fuzzy Inference Systems. IEEE Transactions on Systems, Man, and Cybernetics , May 1993 https://doi.org/10.1109/21.256541
  4. S. Sha, F. Palmieri, and M. Datum. Optimal filtering algorithms for fast learning in feedforward neual networks. Neural Networks, 1992 https://doi.org/10.1016/S0893-6080(05)80139-X
  5. R.J. William and D. Zipser. A learning algorithm for continually running fully recurrent neural networks. Neural Computation, 1989 https://doi.org/10.1162/neco.1989.1.2.270