The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Panoramic Image Composition Algorithm through Scaling and Rotation Invariant Features

크기 및 회전 불변 특징점을 이용한 파노라마 영상 합성 알고리즘

  • 권기원 (국립금오공과대학교 컴퓨터공학부) ;
  • 이해연 (국립금오공과대학교 컴퓨터공학부) ;
  • 오득환 (국립금오공과대학교 컴퓨터공학부)
  • Received : 2010.03.09
  • Accepted : 2010.06.07
  • Published : 2010.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper addresses the way to compose paronamic images from images taken the same objects. With the spread of digital camera, the panoramic image has been studied to generate with its interest. In this paper, we propose a panoramic image generation method using scaling and rotation invariant features. First, feature points are extracted from input images and matched with a RANSAC algorithm. Then, after the perspective model is estimated, the input image is registered with this model. Since the SURF feature extraction algorithm is adapted, the proposed method is robust against geometric distortions such as scaling and rotation. Also, the improvement of computational cost is achieved. In the experiment, the SURF feature in the proposed method is compared with features from Harris corner detector or the SIFT algorithm. The proposed method is tested by generating panoramic images using $640{\times}480$ images. Results show that it takes 0.4 second in average for computation and is more efficient than other schemes.

본 논문은 동일한 대상물을 촬영한 영상을 합성하여 파노라마 영상을 생성하는 방법에 대하여 설명한다. 디지털 카메라의 보급으로 파노라마 영상에 대한 관심이 높아지면서 다양한 방법의 파노라마 영상의 제작 방법이 연구되고 있다. 본 논문에서는 크기 및 회전 불변 특징점을 활용하여 파노라마 영상을 합성하는 방법에 대해서 제안한다. 먼저, 입력 영상들에 대해서 특징점을 추출하고, RANSAC 알고리즘을 통해 추출된 특징점을 정합한다. 정합점을 이용하여 투영 변환식을 모델링하고, 모델링된 변환식을 통하여 영상을 정렬하여 파노라마 영상을 생성한다. 제안한 알고리즘은 SURF 특징점 추출 알고리즘을 적용하여 영상의 크기 및 회전 등의 기하학적 변형에 강인하며, 처리 속도도 향상하였다. 실험에서는 기존 Harris corner 검출기나 SIFT 알고리즘을 통해 검출한 특징과 제안한 알고리즘에서 사용된 SURF 알고리즘을 비교 분석 하였고, $640{\times}480$ 크기의 영상을 이용하여 제안한 알고리즘을 통해 파노라마 영상을 합성하였다. 그 결과 파노라마 영상의 합성에 소요되는 시간은 평균0.4초로 나타났고, 기존 알고리즘에 비하여 효율적인 것으로 나타났다.

Keywords

References

  1. Wikipedia, “Panorama,” http://en.wikipedia.org/wiki/Panorama.
  2. R. Szeliski, “Image Alignment and Stitching: A Tutorial1,” Now Publishers 2006, ISBN 1933019042, 9781933019048, pp.120.
  3. S. T. Suen, E. Y. Lam, and K. K. Wong, “Photographic stitching with optimized object and color matching based on image derivatives,” Optics Express, Vol.15, 2007, pp.7689-7696. https://doi.org/10.1364/OE.15.007689
  4. M. Brown and D. G. Lowe, “Recognising Panoramas,” Proc. of IEEE International Conference on Computer Vision, 2003, pp.1218-1227. https://doi.org/10.1109/ICCV.2003.1238630
  5. M Brown, and D. G. Lowe, “Automatic panoramic image stitching using invariant features,” International Journal of Computer Vision, Vol.74(1), 2007, pp.59-73. https://doi.org/10.1007/s11263-006-0002-3
  6. M Brown, R. I. Hartley, and D Nister, “Minimal Solutions for Panoramic Stitching,” Proc. of IEEE International Conference on Computer Vision and Pattern Recognition, 2007. https://doi.org/10.1109/CVPR.2007.383082
  7. D. G. Lowe, “Distinctive Image Features from Scale-Invariant Keypoints,” International Journal of Computer Vision, Vol. 60(2), 2004, pp.91-110. https://doi.org/10.1023/B:VISI.0000029664.99615.94
  8. J. Beis and D. G. Lowe, “Shape indexing using approximate nearest-neighbor search in high-dimensional spaces,” Proc. of International Conference on Computer Vision and Pattern Recognition, 1997, pp.1000-1006. https://doi.org/10.1109/CVPR.1997.609451
  9. M. Byrod, M. Brown, and K. Atrom, “Minimal Solutions for Paoramic Stitching with Radial Distortion,” Proc. of IEEE International Conference on Computer Vision and Pattern Recognition, 2008, pp.1-8. https://doi.org/10.1109/CVPR.2007.383082
  10. M. A. Fischler and R. C. Bolles, “Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography,” Communications of the ACM, Vol.24(6), 1981, pp.381-395. https://doi.org/10.1145/358669.358692
  11. P. H. S. Torr, and A. Zisserman, “MLESAC: a new robust estimator with application to estimating image geometry,” Computer Vision and Image Understanding, Vol.78(1), 2000, pp.138-156. https://doi.org/10.1006/cviu.1999.0832
  12. H. Bay, A. Ess, T. Tuytelaars, and L. V. Gool, “Speeded Up Robust Features (SURF),” Computer Vision and Image Understanding, Vol.110(3), 2008, pp.346-359. https://doi.org/10.1016/j.cviu.2007.09.014
  13. A. Criminisi, I. Reid, and A. Zisserman, “A Plane Measuring Device,” http://www.robots.ox.ac.uk/~vgg/presentations/bmvc97/criminispaper/