• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.829-831
• /
• 2022

포인트 클라우드 콘텐츠는 움직임이 있는 콘텐츠를 연속된 프레임에 3 차원 위치정보와 대응하는 색상으로 기록한 데이터이다. 강체 포인트 클라우드 데이터를 정합하기 위해서는 고전적인 방법이지만 강력한 ICP 정합 알고리즘을 사용한다. 그러나 국소적인 모션 벡터가 있는 비 강체 포인트 클라우드 콘텐츠는 기존의 ICP 정합 알고리즘을 통해서는 프레임 간 정합이 불가능하다. 본 논문에서는 비 강체 포인트 클라우드 콘텐츠를 지역적 확률 모델을 사용하여 프레임 간 포인트의 쌍을 맺고 개별 포인트 간의 모션벡터를 구해 정합 하는 방법을 제안한다. 정합 대상의 데이터를 2 차원 투영을 하여 구조화시키고 정합 할 데이터를 투영하여 후보군 포인트를 선별한다. 선별된 포인트에서 깊이 값 비교와 좌표 및 색상 유사도를 측정하여 적절한 쌍을 찾아준다. 쌍을 찾은 후 쌍으로 모션 벡터를 더하여 정합을 수행하면 비 강체 포인트 클라우드 콘텐츠 데이터에 대해서도 정합이 가능해진다.

• 한국멀티미디어학회논문지
• /
• 제16권9호
• /
• pp.1057-1066
• /
• 2013

손가락 관절문(FKP, finger-knuckle-print)을 이용한 개인 인증은 손가락 관절부에 나타나는 주름의 특징을 이용하는 것으로, 텍스처의 방향 정보가 중요한 특징이 된다. 본 논문에서는 SIFT 알고리즘을 이용하여 특징점들을 추출하고, 벡터 유사도 정합을 통해 FKP를 효과적으로 인증할 수 있는 방법을 제안하다. 벡터는 질의 영상에서 추출한 특징점과 이에 대응되는 참조 영상의 특징점을 연결하는 방향 벡터로 정의된다. 국소적인 특징점 쌍으로부터 방향 벡터를 생성하기 때문에 방향 벡터 자체는 국소적인 특징만을 나타내지만, 두 영상 간에 존재하는 다른 벡터들 간의 유사도를 비교함으로써 전역적인 특징으로 확장되는 장점이 있다. 실험결과 제안하는 방법은 기존의 방향코드를 이용한 다양한 방식에 비하여 우수한 성능을 나타내었다.

• 한국정보통신학회논문지
• /
• 제21권5호
• /
• pp.960-966
• /
• 2017

제안 논문에서는 의료영상 이미지를 입력받아 병변 추출이 가능한 알고리즘을 제안한다. 의료영상 이미지의 병변을 추출하기 위해 SIFT 알고리즘을 이용해 특징점들을 추출한다. 특징점의 강도를 높이기 위해 벡터 유사도를 이용해 입력 영상과 병변이미지를 정합하고 병변을 추출한다. 벡터 유사도 정합을 통해 빠르게 병변을 도출할 수 있다. 국소적인 특징점 쌍으로부터 방향 벡터를 생성하기 때문에 방향 자체는 국소적인 특징만을 나타내지만 두 영상 간에 존재하는 다른 벡터들 간의 유사도를 비교하고 전역적인 특징으로 확장될 수 있는 장점을 갖는다. 또한 병변 정합 오류율은 평균 1.02%, 처리속도는 특징점 강도 정보를 사용하지 않을 때보다 약 40%가 향상됨을 실험을 통해 보였다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2005년도 추계학술대회 논문집
• /
• pp.182-185
• /
• 2005

스테레오 영상에서 동일점을 찾는 과정은 스테레오 비전 시스템의 전체 성능에 가장 중요한 영향을 미치는 요소이다. 특히 동일점을 찾기 위해 두 화소의 유사도를 측정하는 많은 방법들이 있으나 기존의 대부분의 연구에서는 주로 화소의 밝기값이나 화소의 그레디어트 크기 등과 같이 한 두 가지의 특징값에 기초하여 유사도를 측정한다. 본 연구에서는 다수의 특징 요소를 이용하여 정합하는 다차원특징벡터 정합의 성능을 향상시키는 효과적인 정합 창틀 구현 방법을 제안한다. 깊이 불연속이 존재하는 항공영상을 실험에 사용하였으며 깊이 불연속에 강건한 정합 성능을 보임을 실험 결과를 통해 확인할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제10권2호
• /
• pp.1-10
• /
• 2005

본 논문에서는 연속적인 레인지(range) 영상 자료로부터 동작 벡터를 추출하는 새로운 블록 정합 알고리즘을 제안한다. 본 논문에서 제안된 알고리즘은 단일 특징을 사용하지 않고 다중 특징인 명암값, 색상, 레인지 특징의 세 가지 특징을 통합한 정합 유사 함수를 정의하며, 엔트로피를 이용하여 각 특징의 기여도를 구한 후 이를 가중치의 형태로 정합 유사 함수에 적용한다. 그리고 제안된 알고리즘은 고정된 블록 템플릿을 사용하지 않고 가변적인 크기의 블록 템플릿을 사용한다. 제안한 블록 정합에서는 먼저 작은 정합 템플릿으로 블록 정합을 시작한다. 만일 정합 정도가 좋지 않으면 정합 템플릿의 크기를 조금 확장한 후 본 논문에서 정의한 정합기준이 만족하거나 사전에 정의된 최대 블록 크기에 도달할 때까지 블록정합을 반복한다. 실험에서는 본 논문에서 제안한 블록 정합 알고리즘과 기존의 다른 알고리즘의 성능을 비교 분석하여 제안한 알고리즘의 우수함을 보인다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권10호
• /
• pp.1054-1061
• /
• 2000

영상 정합은 물리적으로 유사한 영상 내의 영역들을 기하학적으로 일치시키는 처리이며 지형 정보, 영상검색, 원격탐사, 의료영상 등의 많은 영상처리 응용에서 사용된다. 영상 정합에 관한 연구는 주로 회전, 크기, 위치 등의 인자 추출에 소요되는 시간과 정확성에 중점을 두어 왔다. 본 연구에서는 영상의 특징 점들에 대한 일차 고유벡터의 방향 분포를 히스토그램으로 표현하고 이를 비교 분석함으로써 정합하는 방법을 제안한다. 일차 고유벡터를 이용함으로써 특징 묘사의 단순성을 제공하고. 히스토그램을 이용하여 정합 인자를 미리 추정함으로써 정합 인자 추출 시 목적함수의 연산에 소요되는 비용을 현저하게 줄였다. 본 연구의 결과를 평가하기 위해 제안한 방식을 일반 영상과 ICG(IndoCyanine Green)망막 영상에 적용한 결과를 보여주고 목적함수의 연산횟수와 시간 복잡도를 기존의 방법들과 비교하였다.

• 한국정보통신학회논문지
• /
• 제15권9호
• /
• pp.2007-2012
• /
• 2011

블록정합에서 방대한 계산을 줄이기 위해, 본 논문은 탐색영역에서 탐색점을 제한하는 고속 블록정합 알고리즘을 제안한다. 대부분의 움직임 벡터가 탐색영역 중심부에 위치하고, 정합오차가 최적의 유사블록을 향해 단조감소한다는 사실에 근거하여 제안된 알고리즘은 단계 사이에 정합패턴을 1 화소 단위로 이동하고, 이전 단계들에서 결정된 유사블록들로부터 최적의 유사블록을 향한 움직임을 예측하고, 탐색점들의 움직임을 움직임 방향에 대해 ${\pm}45^{\circ}C$로 제한한다. 그 결과 불필요한 탐색점을 제거할 수 있었고 블록정합 계산을 줄일 수 있었다. 기존 유사 고속 알고리즘과 비교하여 제안된 알고리즘은 큰 움직임을 갖는 영상에서 미미한 화질 저하를 발생시키지만 보통 움직임을 갖는 영상에서 동등한 화질을 유지하고, 반면에 그들의 블록정합 계산을 적게는 20% 많게는 67%를 줄여 주었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권11호
• /
• pp.1115-1122
• /
• 2000

기존의 블록 정합 알고리즘인 FS(Full Search) 알고리즘은 정확한 움직임 벡터를 구할 수 있으나 요구되는 계산량이 많다. 반면에 국부 탐색을 하는 고속 블록 정합 알고리즘은 FS보다 빠른 탐색을 할 수 있으나 FS 보다 정합 오차가 크다. 본 연구는 전역탐색을 하는 유전자 알고리즘에 빠른 탐색을 하는 블록 정합 알고리즘인 NTSS(New Three Ste Search)알고리즘을 제안한다. 제안한 방법에서 각 염색체는 움직임 벡터를 표현하며 초기 염색체는 탐색 공간의 중심 탐색점 가까이에 고정적으로 발생시키고 각 염색체는 MSE(Mean Square Error)값으로 평가된다. 평가된 염색체 중 작은 MSE값을 가지는 염색체가 NTSS의 탐색점 수만큼 다음 세대의 탐색점으로 선택된다. 선택된 염색체는 세대를 거치면서 돌연변이 연산과 교배연산이 행해지고 이 때 돌연변이 연산의 크기는 NTSS의 탐색 단계 크기가 된다. 제안한 세대 수 만큼 반복 후 최소의 MSE 값을 가지는 유전자가 해당 블록의 움직임 벡터가 된다. 시뮬레이션 결과 제안한 방법을 가장 우수한 성능을 가지는 FS와 유사한 MSE 값을 얻을 수 있었고 동시에 FS에서 요구되는 계산량에 비해 많은 계산량을 줄일 수 있었다.

• 한국차세대컴퓨팅학회논문지
• /
• 제15권5호
• /
• pp.64-74
• /
• 2019

비강체 정합은 임상적 필요성은 높으나 계산 복잡도가 높고, 정합의 정확성 및 강건성을 확보하기 어려운 분야이다. 본 논문은 비지도 학습 환경에서 3차원 뇌 자기공명 영상 데이터에 딥러닝 네트워크를 이용한 비강체 정합 기법을 제안한다. 서로 다른 환자의 두 영상을 입력받아 네트워크를 통하여 두 영상 간의 특징 벡터를 생성하고, 변위 벡터장을 만들어 기준 영상에 맞추어 다른 쪽 영상을 변형시킨다. 네트워크는 U-Net 형태를 기반으로 설계하여 정합 시 두 영상의 전역적, 지역적인 차이를 모두 고려한 특징 벡터를 만들 수 있고, 손실함수에 균일화 항을 추가하여 3차원 선형보간법 적용 후에 실제 뇌의 움직임과 유사한 변형 결과를 얻을 수 있다. 본 방법은 비지도 학습을 통해 임의의 두 영상만을 입력으로 받아 단일 패스 변형으로 비강체 정합을 수행한다. 이는 반복적인 최적화 과정을 거치는 비학습 기반의 정합 방법들보다 빠르게 수행할 수 있다. 실험은 50명의 뇌를 촬영한 3차원 자기공명 영상을 가지고 수행하였고, 정합 전·후의 Dice Similarity Coefficient 측정 결과 평균 0.690으로 정합 전과 비교하여 약 16% 정도의 유사도 향상을 확인하였다. 또한, 비학습 기반 방법과 비교하여 유사한 성능을 보여주면서 약 10,000배 정도의 속도 향상을 보여주었다. 제안 기법은 다양한 종류의 의료 영상 데이터의 비강체 정합에 활용이 가능하다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권12호
• /
• pp.1193-1201
• /
• 2000

본 논문에서는 탐색 영역과 특징의 가중치를 동적으로 조절하여 블록 단위의 움직임 벡터를 추출하는 활동적 블록 정합 알고리듬을 제안한다. 본 논문에서 제안하는 알고리듬은 탐색 영역의 중심 위치를 결정하기 위해 시간에 따른 블록의 동작 변화는 작다고 가정한다. 그리고 탐색 영역의 크기는 공간적으로 인접한 블록들의 신뢰도에 따라 조절된다. 또한 본 논문에서 제안하는 알고리듬은 다중 특징을 사용하는 블록 정합 알고리듬으로 블록 정합 시 특징의 기여 정도를 나타내는 가중치를 블록 안에서 각 특징이 가지는 구분력에 따라 자동으로 설정하는 정합 유사 함수를 사용한다. 실험 결과는 본 논문에서 제안한 블록 정합 알고리듬이 기존의 알고리듬 보다 정확하게 움직임 벡터를 추출함을 보여준다.