• 한국인터넷방송통신학회논문지
• /
• 제23권4호
• /
• pp.93-98
• /
• 2023

최근 들어 디스플레이 장치의 크기가 커지는 경향이 있고 스마트폰으로 사진을 촬영하는 경우가 일상화되어 있어, 높은 해상도의 사진을 스마트폰으로 촬영할 필요성이 커지고 있다. 그러나 스마트폰과 같이 카메라의 렌즈 크기가 제한된 경우에는 사진의 해상도를 높이는 것에 물리적인 한계가 있다. 본 논문은 스마트폰 카메라와 같이 작은 크기의 렌즈를 사용하는 경우에도 사진의 해상도를 높이기 위한 기술에 관한 것이다. 스마트폰을 이동시키면서 복수의 사진을 촬영하고 이 사진들을 하나의 사진으로 합성하여 해상도를 높이는 것이다. 우선적으로 2차원 사진을 대상으로 스마트폰을 수평으로 이동하면서 2장의 사진을 촬영하였다. OpenCV를 이용하여 카메라 매트릭스의 추정, 호모그패피 역변환등의 과정을 수행하였고, 한 장의 사진으로 합성하여 해상도가 향상되었다. 여러 장의 시험 사진 상의 사선이나 원호등의 부분에서 해상도가 향상되는 것을 확인하였다.

• 전자공학회논문지
• /
• 제51권4호
• /
• pp.144-159
• /
• 2014

다중의 영상을 이용하여 하나의 파노라마 영상을 제작하는 기법은 컴퓨터 비전, 컴퓨터 그래픽스 등과 같은 여러 분야에서 널리 연구되고 있다. 파노라마 영상은 하나의 카메라에서 얻을 수 있는 영상의 한계, 즉 예를 들어 화각, 화질, 정보량 등의 한계를 극복할 수 있는 좋은 방법으로서 가상현실, 로봇비전 등과 같이 광각의 영상이 요구되는 다양한 분야에서 응용될 수 있다. 파노라마 영상은 단일 영상과 비교하여 보다 큰 몰입감을 제공한다는 점에서 큰 의미를 갖는다. 현재 다양한 파노라마 영상 제작 기법들이 존재하지만, 대부분의 기법들이 공통적으로 파노라마 영상을 구성할 때 각 영상에 존재하는 특징점 및 대응점을 검출하는 방식을 사용하고 있다. 또한, 대응점을 이용한 RANSAC(RANdom SAmple Consensus) 알고리즘을 사용, Homography Matrix를 구하여 영상을 변환하는 방법을 사용한다. 본 논문에서 사용한 SURF(Speeded Up Robust Features) 알고리즘은 영상의 특징점을 검출할 때 영상의 흑백정보와 지역 공간 정보를 활용하는데, 영상의 크기 변화와 시점 검출에 강하며 SIFT(Scale Invariant Features Transform) 알고리즘에 비해 속도가 빠르다는 장점이 있어서 널리 사용되고 있다. SURF 알고리즘은 대응점 검출 시 잘못된 대응점을 검출하는 경우가 생긴다는 단점이 존재하는데 이는 RANSAC 알고리즘의 수행속도를 늦추며, 그로인해 CPU 사용 점유율을 높이기도 한다. 대응점 검출 오류는 파노라마 영상의 정확성 및 선명성을 떨어뜨리는 핵심 요인이 된다. 본 논문에서는 이러한 대응점 검출의 오류를 최소화하기 위하여 대응점 좌표 주변 $3{\times}3$ 영역의 RGB값을 사용하여 잘못된 대응점들을 제거하는 중간 필터링 과정을 수행하고, 문제해결을 시도하는 동시에 파노라마 이미지구성 처리 속도 및 CPU 사용 점유율 등의 성능 향상 결과와 추출된 대응점 감소율, 정확도 등과 관련한 분석 및 평가 결과를 제시하였다.

• 한국인터넷방송통신학회논문지
• /
• 제18권3호
• /
• pp.143-149
• /
• 2018

최근 전 지구적인 기후변화에 따른 자연재해 피해의 대규모화로 인하여 재해 모니터링과 방재 등 재난재해 분야에서 원격탐사 기술을 적용한 시스템이 구축되고 있다. 다양한 원격탐사 플랫폼 중 드론은 기술의 확산 발전으로 민간분야에서도 활발하게 활용되고 있으며, 적시성, 경제성 등의 장점으로 재난재해 분야에서의 적용이 증대되고 있다. 본 논문은 이러한 드론 기반의 재난재해 모니터링 시스템 구축의 요소 기술인, 준 실시간으로 드론 영상자료를 매핑할 수 있는 전처리 시스템 개발에 관한 것이다. 연구를 위해 컴퓨터 비전 기술 중 SURF 알고리즘을 기반으로 레퍼런스 영상과 촬영 영상 간 특징점 매칭을 통해 보정하는 시스템을 구축하였다. 연구 대상 지역은 가화강 하류 지역과 대청댐 유역으로 선정하였으며, 두 지역은 매칭을 위한 특징점이 많고 적음의 차이가 뚜렷하여 다양한 환경에서 시스템 적용 가능성을 위한 실험에 적합하다. 연구결과 두 지역의 기하보정 정확도가 0.6m와 1.7m로 각각 나타났으며 처리시간 또한 1장당 30초 내외로 나타났다. 이는 적시성을 요하는 재난재해 분야에서 본 연구의 적용 가능성이 높음을 시사한다. 그러나 레퍼런스 영상이 없거나 정확도가 낮은 경우는 보정 결과가 떨어지는 한계점이 있다.

• 방송공학회논문지
• /
• 제17권2호
• /
• pp.305-315
• /
• 2012

두 카메라 혹은 다수의 카메라에서의 컬러 보정은 이후 알고리즘의 성능 향상 및 양안식 3D 카메라에서 매우 중요한 기술이다. 최근 컬러 보정 방법들이 다수 제안되었지만 이 방법들의 결과에 대한 정확한 측정 방법이 많지 않으며 기존의 측정 방법은 두 영상이 카메라의 위치에 따른 서로 다른 장면을 가지고 있을 경우 적합하지 않을 수 있다. 본 논문에서는 컬러 보정을 위한 컬러 간의 차이 측정 기법을 제안한다. 이 기법은 대상이 되는 두 영상의 장면이 일치하지 않는 경우를 고려하여 대응점 검색을 통해 두 장면간의 같은 컬러를 가져야 하는 대응점을 찾고 이 대응점 주위의 영역으로부터 통계치를 계산하여 컬러의 차이를 계산한다. 이 경우 두 영상의 위치 변화를 하나의 기하학적 변환으로 설명하는 기존 방법에서 생길 수 있는 대응점간의 불일치를 고려할 수 있다. 또한 대응점들이 영상의 모든 영역을 포함하지 않을 수 있기 때문에 전체 영상의 통계치를 계산하여 컬러의 차이를 측정한다. 최종적인 컬러의 차이는 대응점 기반과 전체 영상 기반의 컬러 차이의 가중치의 합으로 결정되며 이 가중치는 대응점 기반의 컬러 비교가 영상 내의 얼마만큼의 영역을 포함하는지에 따라서 결정된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권2호
• /
• pp.104-109
• /
• 2010

조명반사 문제는 영상 분석에서 흔히 존재하는 문제점이며, 영상 분석에서 필요로 하는 주요 특징들을 검출하는 데 많은 어려움을 야기한다. 특히 이러한 문제점은 야간이나 우천 시에 더욱 두드러지는 것으로 알려졌다. 본 논문에서는 조명 반사에 의해 특징 분석이 어려운 영역에서 조명 반사를 제거하거나 반사되지 않은 상태로 복원하는 것을 목표로 한다. 본 논문에서는 다중 영상에서 획득된 다중 기하정보를 이용한 3차원 공간 분석과 기하학적 접근을 시도한다. 이러한 방법들에서 얻어진 정보들을 바탕으로 조명 반사가 이루어지는 영상들을 조합하여 조명 반사를 제거하는 방법을 제안한다. 조명 반사 영역을 제거하기 위하여 영상 내에서 조명 및 반사영역을 수직 히스토그램의 국부 최대값을 이용하여 추출한다. 이 후, 각 영상 내에서 도로 표면에 해당하는 영역을 추출하기 위해서 필요한 기본 행렬과 상동 관계 행렬을 다중 영상들의 대응점들을 분석하여 계산한다. 이렇게 얻어진 각 영상들의 도로표면을 기준 영상에 배치하여, 양쪽 영상에서 조명 반사가 상대적으로 적은 영역을 선택하는 방법을 취한다. 이러한 과정에 의하여 중복되지 않는 도로표면의 반사는 효과적으로 감소되었으며 도로가 가지고 있는 고유한 정보 또한 손실되지 않았다. 수집된 데이터를 이용하여 실험한 결과는 계산 속도에 비하여 뛰어난 성능을 보여주었으나 기하학적 공통 영역 부분의 복원은 상대적으로 부족한 것으로 판단되었다.

• 한국항행학회논문지
• /
• 제22권1호
• /
• pp.20-26
• /
• 2018

본 논문에서는 오인식률 감소를 위한 다중 프레임 특징점 추적 정보 기반 이동 물체 검출 및 추적 알고리즘을 제안한다. 기존의 연구에서는 이동 물체 탐지의 오인식과 추적의 속도 문제가 존재 하였다. 본 연구에서는 이를 보완하기 위해 먼저, 카메라 이동 보상과 물체의 추적을 위해 다중 프레임의 코너 특징점과 옵티컬 플로우를 계산한다. 다음으로 다중 프레임 전-후방향 추적으로 옵티컬 플로우의 추적 오류를 감소시키고, 카메라 이동 보상을 위해 호모그래피와 RANSAC 알고리즘 기반으로 추적된 코너 특징점을 배경영역과 이동 물체 후보 영역으로 구분한다. 변환된 코너 특징점들 중 RANSAC에 의해 제거되는 이상점들을 군집화하고 일정 크기 이상의 이상점 군집 영역을 이동 물체 후보군으로 구분한다. 이동 물체 후보군으로 구분된 물체는 라벨 추적 기반 데이터 상관 분석에 따라 라벨 번호를 할당하고 추적한다. 이동 물체 후보군으로 구분된 물체는 라벨 추적 기반 데이터 상관 분석에 따라 라벨 번호를 할당하고 추적한다. 본 논문에서는 제안한 알고리즘이 기존 알고리즘에 비해 Precision과 Recall 모두 향상됨을 쿼드로터 영상기반 탐지 및 추적 성능 실험으로 확인하였다.