• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.42-45
• /
• 2011

3차원 영상과 더불어 스테레오 영상의 관심이 늘어남에 따라 좌, 우 영상의 매칭을 통해 변이를 추정하는 연구가 활발하게 진행되고 있다. 본 논문에서는 변이 추정을 위해 많이 사용되는 영역 기반(Block-based)의 전체 탐색 알고리즘보다 효율적이고 계산량이 적은 변이 추정을 할 수 있도록 변이 탐색 범위를 제공해주는 방법을 제안한다. 제안되는 알고리즘은 해리스 코너 포인트 검출기를 이용하여 좌, 우 영상 각각의 특징 점을 추출한 후, 특징 점의 정보를 이용하여 스테레오 매칭을 한다. 스테레오 매칭 시 이를 히스토그램화 하여 좌, 우 영상의 변이 추정을 위한 탐색 범위를 제공한다.

• 정보처리학회논문지B
• /
• 제18B권5호
• /
• pp.265-270
• /
• 2011

본 논문에서는 이진화기반 영역분할을 이용한 3D입체영상의 밝기 보정방법을 제안한다. 제안된 방법은 입력된 좌우 3D입체영상 중 우 영상을 이진화를 통한 영역분할을 하고 크기가 작은 영역들은 제거한다. 다음 우 영상의 각 영역들에 대해 대응되는 좌 영상내의 영역을 상관계수(correlation coefficient)를 이용한 정합을 통해 추출한다. 영역단위의 매칭을 할 때 영역들 간의 겹침을 방지하기 위하여 모폴로지 필터로 영역경계에 인접한 일정부분을 제거한다. 그리고 좌우 영상의 영역 간 히스토그램 명세화를 수행함으로써 우 영상의 밝기 보정을 한다. 실험에서 좌 영상으로부터 블록단위 움직임보상으로 우 영상을 생성했을 때 제안한 방법이 블록평균 정합오차가 가장 작은 것을 확인 할 수 있었다.

• 전자공학회논문지SC
• /
• 제48권6호
• /
• pp.91-98
• /
• 2011

본 논문에서는 수중로봇에 쓰일 수 있는 카메라 영상을 기반으로 하는 인공표식물의 인식 및 추종 기법을 제안한다. 문제를 풀기 위해 제안된 방법은 인식과 추종의 두 개의 단계로 이루어져 있으며 인식단계에서는 물체의 외형에 관한 특징을 분석한 후 비선형 최적화 알고리즘을 통하여 알맞은 목표물로 분류한다. 이 후 추종 단계에서는 분류된 목표물에서 색깔 히스토그램을 추출한 후 meanshift 추종 법을 이용하여 지속적으로 추종하는 방법을 택하였다. 히스토그램 매칭 시에는 Bhattacharyya 거리를 계산하는 방법을 이용하였다. 결과적으로 제안하는 접근법은 수중로봇의 영상처리 분야에 다음과 같은 공헌을 할 것으로 기대한다. 1) 제안하는 방법은 카메라의 움직임으로 생기는 물체의 자세변화나 크기 변화에도 강인하게 대처할 수 있으며 2) 카메라 센서를 통한 방법이므로 초음파 센서 등의 기기들에 비하여 가격 경쟁력이 우수하다. 3) 또한 본 논문에서는 일반적으로 많이 쓰이는 특징 점을 기반으로 한 방법이 탁도 변화에서는 형태를 기반으로 한 방법보다 열등할 수 있음을 실험을 통하여 보였다. 4) 마지막으로 제안된 방법의 성능을 기존의 방법들과 비교하여 수치적으로 검증해 보았다.

• 한국인터넷방송통신학회논문지
• /
• 제14권3호
• /
• pp.155-162
• /
• 2014

본 논문에서는 이동차량 양상 안정화를 위한 효율적인 흔들림 보정 기법을 제안한다. 제안된 흔들림 보정 기법은 입력으로 받은 영상 이미지 프레임의 색상 분리를 통한 변환 및 분리정보에 대한 누적 히스토그램을 계산하였고, 흔들리는 차량용 영상 이미지를 보정한 결과에서 색상 정보를 맞추기 위해 히스토그램 매칭을 하였다. 본 논문에서 제안된 흔들림 보정 기법은 기존 차량 영상 안정화 기술과 비교하였을 때, 휘도 및 컬러 레벨의 비교를 통해 노이즈가 가장 적고 영상의 자연스러움이 더 뛰어난 복원 결과를 얻을 수 있었다. 또한, 흔들림 보정 기법은 메모리를 사용하지 않고 실시간으로 처리를 통해 다른 방법과 비교하여 효율성을 입증하였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 1부
• /
• pp.1057-1062
• /
• 2007

얼굴표정 인식은 심리학 연구, 얼굴 애니메이션 합성, 로봇공학, HCI(Human Computer Interaction) 등 다양한 분야에서 중요성이 증가하고 있다. 얼굴표정은 사람의 감정 표현, 관심의 정도와 같은 사회적 상호작용에 있어서 중요한 정보를 제공한다. 얼굴표정 인식은 크게 정지영상을 이용한 방법과 동영상을 이용한 방법으로 나눌 수 있다. 정지영상을 이용할 경우에는 처리량이 적어 속도가 빠르다는 장점이 있지만 얼굴의 변화가 클 경우 매칭, 정합에 의한 인식이 어렵다는 단점이 있다. 동영상을 이용한 얼굴표정 인식 방법은 신경망, Optical Flow, HMM(Hidden Markov Models) 등의 방법을 이용하여 사용자의 표정 변화를 연속적으로 처리할 수 있어 실시간으로 컴퓨터와의 상호작용에 유용하다. 그러나 정지영상에 비해 처리량이 많고 학습이나 데이터베이스 구축을 위한 많은 데이터가 필요하다는 단점이 있다. 본 논문에서 제안하는 실시간 얼굴표정 인식 시스템은 얼굴영역 검출, 얼굴 특징 검출, 얼굴표정 분류, 아바타 제어의 네 가지 과정으로 구성된다. 웹캠을 통하여 입력된 얼굴영상에 대하여 정확한 얼굴영역을 검출하기 위하여 히스토그램 평활화와 참조 화이트(Reference White) 기법을 적용, HT 컬러모델과 PCA(Principle Component Analysis) 변환을 이용하여 얼굴영역을 검출한다. 검출된 얼굴영역에서 얼굴의 기하학적 정보를 이용하여 얼굴의 특징요소의 후보영역을 결정하고 각 특징점들에 대한 템플릿 매칭과 에지를 검출하여 얼굴표정 인식에 필요한 특징을 추출한다. 각각의 검출된 특징점들에 대하여 Optical Flow알고리즘을 적용한 움직임 정보로부터 특징 벡터를 획득한다. 이렇게 획득한 특징 벡터를 SVM(Support Vector Machine)을 이용하여 얼굴표정을 분류하였으며 추출된 얼굴의 특징에 의하여 인식된 얼굴표정을 아바타로 표현하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.8-10
• /
• 2011

컬러는 영상처리 분야에서 중요한 단서로 사용될 수 있는 정보이다. 하지만 실제로 촬영한 영상의 경우에는 빛과 카메라 특성 등 다양한 요소들의 영향으로 인해 이미지 간 컬러 정보의 불일치가 빈번히 일어난다. 따라서 컬러가 다른 여러 장의 영상을 입력 영상으로 사용하는 경우, 입력 영상간 컬러를 동일하게 맞춰 주어야 한다. 이를 수행함에 있어서, 어떠한 이미지를 레퍼런스 이미지로 결정할 것인가는 매우 중요한 문제이다. 이에 본 논문에서는, 히스토그램 등화(histogram equalization) 기법을 이용하여 입력 이미지들의 비용을 결정해줌으로써, 레퍼런스 이미지를 결정하는 방법을 제시한다. 스테레오 매칭을 통해 다양한 밝기의 입력 영상에서 가장 좋은 결과를 얻을 수 있는 레퍼런스 이미지를 결정할 수 있음을 보였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(A)
• /
• pp.462-465
• /
• 2011

본 논문에서는 자동으로 꼴을 인식하는 시스템을 제안한다. 기존 연구에서 제안한 방식은 대부분 사용자가 직접 꽃의 윤곽선을 조정하는 방식을 사용하였다. 이러한 방법은 사용자 편의성 측면에서 비효율적이므로 본 연구에서 제안하는 시스템은 사용자와의 상호작용 없이 영상처리만을 이용하여 꽃을 인식할 수 있는 방법을 제시한다. 서버-클라이언트 형태로 구성된 꽃 인식 시스템은 사용자가 전송한 영상의 컬러와 경계선 정보를 기반으로 영상 내에서 꽃의 영역을 찾는다. 꽃의 영역에서 색상과 윤곽선 정보를 추출한 뒤, k-means 클러스터링과 히스토그램 매칭을 통하여 서버에 저장된 기준 이미지와 가장 일치하는 꽃을 탐색하여 사용자에게 알려준다. 100종류의 꽃에 대하여 한 종당 각각 5 가지의 영상을 가지고 실험을 한 결과, 90.8%의 인식률을 얻을 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 학술대회 논문집 정보 및 제어부문
• /
• pp.364-366
• /
• 2005

From the 90's, the image information retrieval methods have been on progress. As good examples of the methods, Conventional histogram method and merged-color histogram method were introduced. They could get good result in image retrieval. However, Conventional histogram method has disadvantages if the histogram is shifted as a result of intensity change. Merged-color histogram, also, causes more process so, it needs more time to retrieve images. In this paper, we propose an improved new method using Adaptive Color Histogram Bin Matching(AHB) in image retrieval. The proposed method has been tested and verified through a number of simulations using hundreds of images in a database. The simulation results have Quickly yielded the highly accurate candidate images in comparison to other retrieval methods. We show that AHB's can give superior results to color histograms for image retrieval.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.231-233
• /
• 2009

The object recognition is one of the major computer vision fields. The object recognition using features(SIFT) is finding common features in input images and query images. But the object recognition using feature methods has suffered of difficulties due to heavy calculations when resizing input images and query images. In this paper, we focused on speed up finding features in the images. we proposed method using block segmentation and histogram. Block segmentation used diving input image and than histogram decided correlation between each 1]lock and query image. This paper has confirmed that tile matching time reduced for object recognition since reducing block.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.304-306
• /
• 2007

Methods of Object recognition from camera image are to compare features of color. edge or pattern with model in a general way. SIFT(scale-invariant feature transform) has good performance but that has high complexity of computation. Using simple color histogram has low complexity. but low performance. In this paper we represent a model as a color cooccurrence histogram. and we improve performance using pyramid matching. The color cooccurrence histogram keeps track of the number of pairs of certain colored pixels that occur at certain separation distances in image space. The color cooccurrence histogram adds geometric information to the normal color histogram. We suggest object recognition by pyramid matching of color cooccurrence histogram.