• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.300-304
• /
• 2020

본 논문에서는 원격 탐사 영상 정합에서 정확도는 유지하면서 특징점 매칭 (Matching) 복잡도를 줄이기 위해 입력 영상을 전처리하는 구조물 검출 네트워크를 이용한 원격 탐사 영상 정합 방법을 제안한다. 영상 정합의 기존 방법은 입력 영상에서 특징점을 추출하고 설명자 (Descriptor)를 생성한다. 본 논문에서 제안하는 방법은 입력 영상에서 특징점 매칭에 영향을 미치는 구조물만 추출하여 새로운 영상을 만들어 특징점을 추출한다. 추출된 특징점은 필터링 (Filtering)을 거쳐 원본 영상에 매핑 (Mapping)되어 설명자를 생성하여 특징점 매칭 속도를 향상시킨다. 또한 구조물 검출 네트워크에서 학습 영상과 시험 영상의 특성의 차이로 생기는 성능 저하 문제를 개선하기 위해 히스토그램 매핑 기법을 이용한다. 아리랑 3 호가 획득한 원격 탐사 영상에 대한 실험을 통해 제안하는 방법은 정확도를 유지하면서 계산 시간을 SURF 보다 87.5%, SIFT 보다 92.6% 감소시킬 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.288-291
• /
• 2020

기존의 스티칭 사용되어 온 특징점 추출 방법들은 영상의 고주파 영역과 저주파 영역에 따라 빈도수가 다르다는 특징이 있고, 이러한 특징점 빈도수의 불균일성 없이, 일정한 간격으로 분포하는 특징점 매칭하는 계층적 탐색 기반 매칭 방법을 제안한다. 이는 스티칭 영상의 화질 개선뿐만 아니라 3D VR 영상의 화질개선에서도 효과를 줄 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• pp.306-308
• /
• 2012

본 논문은 특징 클러스터에 대한 묘사에 기반한 새로운 특징 기반 영상 정합을 제안한다. 추출되는 특징들을 모두 동등하게 처리하는 기존 방법은 반복 패턴이 존재하는 영상에서는 매칭이 종종 실패하거나 적은 일치점만을 제공한다. 그 이유는 서로 닮아 있는 반복 패턴들로 인해 기하학적으로 일관되지 않은 매칭점들이 발생하거나 거리 비율 테스트를 통과하지 못하기 때문이다. 이에 반해 제안하는 방법은 더 많은 수의 일치점들을 발견할 수 있다. 이를 위해 제안하는 방법은 먼저 추출된 특징들을 반복 패턴으로부터 온 것들과 그렇지 않은 두드러진 특징들로 분리한다. 그런 후 support vector data description을 이용하여 각 반복 패턴들을 묘사한다. 동일하지 않은 영상이 매칭되는 경우를 제거하고 기하학적으로 일관된 일치점들을 제공하기 위해 매칭된 쌍에 대한 기하학적인 단서가 추가된다. 실험을 통해 제안하는 방법은 반복 패턴으로부터 추출된 특징들에 대해 일치점을 제공함으로써 더 많은 수의 일치점을 제공하게 되어 더 정확한 영상 정합을 수행한다는 것을 증명하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.563-566
• /
• 2022

본 논문에서는 증강현실에서 객체 증강 시, 특징점과 GPS를 이용하여 증강 위치를 효율적으로 보간할 수 있는 ICP(Iterative closest point) 매칭 기법을 제안한다. 다양한 환경에서 제한받지 않고 객체를 증강하기 위해 일반적으로 마커리스(Markerless) 방식을 사용하며, 대표적으로 평면 검출과 페이스 검출을 사용한다. 이는 현실과 자연스러운 동기화를 위한 것으로 계산은 작지만, 인식의 범위가 넓기 때문에 증강 위치에 대한 오차가 존재한다. 이러한 작은 오차는 특정 산업에서는 치명적일 수 있으며, 특히 건설이나 의료시설에서 발생하면 큰 사고로 이어진다. 객체를 증강 시킬 때 해당 환경에 대한 점 구름(Point cloud)을 수집하여 데이터베이스에 저장한다. 본 논문에서는 관측되는 점 구름과의 오차를 줄이기 위해 ICP 매칭 기법을 사용하며, 실린더 기반의 각도 보간을 이용하여 계산량을 줄인다. 결과적으로 특징점과 GPS를 이용하여 ICP 매칭 기법을 통해 효율적으로 처리함으로써, 증강 위치에 대한 정확도가 개선된 증강 방식을 보여준다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.79-80
• /
• 2024

인공지능과 디지털 변환의 추세가 소매업계에서 온라인으로의 전환을 가속화하고 있다. 이러한 변화에 부응하여 본 논문에서는 O2O(Online-to-Offline) 상점을 위한 상품명 인식 기술을 제안한다. 제안하는 방법은 이미지 내 특징점과 이들 주변의 픽셀 정보를 포함하는 특징 디스크립터를 활용하여 상품 이미지와 진열대 사진을 비교하는 것에 초점을 맞춘다. 사용된 주요 알고리즘은 SURF와 BFMatcher, KnnMatch 방법으로, 이들은 각각 이미지의 특징점을 탐지하고 매칭하는 데 사용된다. 실험을 통해 적절한 임계값을 설정하여 높은 신뢰도의 매칭 결과를 선별하는 방법을 제시하였으며, 이를 통해 O2O 상점에서 상품 관리와 인식을 향상시키는 데 기여할 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• fall
• /
• pp.97-99
• /
• 2021

본 논문에서는 딥러닝 기반 특징점 필터링 방법을 이용한 원격 탐사 영상에 대한 영상 정합 (Image Registration) 고속화 방법을 제안한다. 기존의 특징 기반 영상 정합 방법의 복잡도는 특징 매칭 (Feature Matching) 단계에서 발생한다. 이 복잡도를 줄이기 위하여 본 논문에서는 특징 매칭이 영상의 인공구조물에서 검출된 특징점으로 매칭되는 것을 확인하여 특징점 검출기에서 검출된 특징점 중에서 인공구조물에서 검출된 특징점만 필터링하는 방법을 제안한다. 딥러닝 기반 특징점 필터링은 영상 정합을 위하여 필수적인 특징점을 잃지 않으면서 그 수를 줄이기 위하여 인공구조물의 경계와 인접한 특징점을 보존하고, 축소한 영상을 사용하며, 영상 분할(Image Segmentation) 방법의 결과에서 생기는 영상 패치 경계의 잡음을 제거하기 위하여 영상 패치를 중복하여 잘라 냄으로써 정합 속도와 정확도를 향상시킨다. 영상 정합 고속화 방법을 의 성능을 검증하기 위하여 아리랑 3 호 위성 원격 탐사 영상을 사용하여 기존 특징점 추출 방법과 속도와 정확도를 비교하였다. 딥러닝 기반 영상 정합 방법을 기준으로 하여 비교하였을 때 특징점의 수를 약 82% 감소시키면서 속도를 약 9.17 배 향상시켰지만 정확도가 0.985 에서 0.855 으로 저하되었다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.37 no.5
• /
• pp.470-475
• /
• 2009

This paper is the study which is head tracker using pattern matching. Proposal algorithm obtains initial attitude of head tracker using pattern matching. Optical head tracker consists of infrared LEDs(features) which are attached helmet as pattern, stereo infrared cameras. Proposal algorithm analyzes patterns by error rate of feature distance and estimates feature characteristic number. Initial attitude of head tracker is obtained to compare map data and feature characteristic number.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.847-850
• /
• 2022

최근 가상 현실(Virtual Reality), 파노라마(Panorama) 영상 등에 관한 관심과 수요가 증가함에 따라 고해상도 영상을 얻기 위한 영상 스티칭(Image Stitching)에 관한 연구가 활발하게 진행되고 있다. 영상 스티칭은 다수의 영상을 하나의 영상으로 합성해 카메라의 좁은 시야각 문제를 해결함으로써 사용자에게 몰입감과 현장감을 제공할 수 있는 기술이다. 영상 스티칭에 있어 특징점 추출 및 매칭 과정의 정확도는 스티칭 영상의 품질을 결정짓는 핵심적인 요소이지만, 기존의 특징점 추출 및 매칭 방법은 밝기가 어둡고 선명도가 낮은 영상의 스티칭에서 정확도가 저하될 수 있고 생성된 스티칭 영상의 품질 또한 저하될 수 있다는 제한 사항이 있다. 이에 본 논문에서는 앞선 제한적 영상에 대하여 특징점 추출 및 매칭의 정확도를 높여 스티칭 영상의 품질을 높이기 위하여 SuperPoint와 SuperGLUE를 활용한 입력 영상의 밝기 적응형 영상 스티칭 방법을 제안하고자 한다.

• The Journal of the Korea Contents Association
• /
• v.12 no.6
• /
• pp.9-20
• /
• 2012

In computer vision, it is very important to obtain reliable corresponding feature points. However, we know it is not easy to find the corresponding feature points exactly considering by scaling, lighting, viewpoints, etc. Lots of SIFT methods applies the invariant to image scale and rotation and change in illumination, which is due to the feature vector extracted from corners or edges of object. However, SIFT could not find feature points, if edges do not exist in the area when we extract feature points along edges. In this paper, we present a new placement method of marker to improve the performance of SIFT feature detection and matching between different view of an object or scene. The shape of the markers used in the proposed method is formed in a semicircle to detect dominant direction vector by SIFT algorithm depending on direction placement of marker. We applied De Bruijn sequence for the markers direction placement to improve the matching performance. The experimental results show that the proposed method is more accurate and effective comparing to the current method.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.73-75
• /
• 2019

360°VR 영상은 카메라에서 촬영된 여러 영상들을 이어 붙이는 작업인 스티칭(Stitching)을 통하여 만들 수 있다. 스티칭은 영상들을 이어 붙이기 위해 각 영상의 특징점을 추출하는 특징점 추출, 특징점간 유사도를 비교하여 유사한 특징점끼리 매칭시키는 특징점 매칭, 특징점 매칭 과정에서 획득한 호모그래피 매트릭스를 이용한 이미지 와핑, 각 영상 간의 부자연스러운 경계선을 제거하는 블렌딩 과정을 거친다. 고품질의 360°VR 영상을 획득하기 위해서는 영상의 개수를 증가시킬 필요가 있고, 이로 인해 스티칭 과정에서 소요되는 시간이 증가한다. 본 논문에서는 카메라 센서 정보를 이용해 유사한 영상끼리 클러스터링하여, 한번에 스티칭이 진행되는 영상의 수를 감소시키고, 멀티 스레드를 이용하여 각 그룹의 스티칭을 병렬적으로 진행한 뒤, 최종적으로 스티칭하여 최종 360°VR 영상을 획득하는 과정을 제안한다.