• 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.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2009년도 학술대회
• /
• pp.493-496
• /
• 2009

마커리스 추적 기술은 명시적 마커의 부착없이 실시간으로 카메라의 자세를 획득하게 해, 증강 현실 애플리케이션에서의 활용성이 높아지고 있다. 본 논문에서는 마커리스 증강 현실책인 디지로그북에 적합한 새로운 비전기반 페이지 인식 및 추적 방법을 제안한다. 제안된 방법은 페이지의 직교 영상만을 요구하며, 긴 학습 과정이 필요없고 실시간으로 동작한다. 실시간 페이지 인식은 페이지의 비교 우선 순위 평가 함수와 SIFT (Scale Invariant Feature Transform) 설명자를 활용하여 두 단계로 수행된다. 또한, 멀티 코어 프로그래밍을 이용하여 프레임간 특징점 추적과 페이지 인식을 분리해, 25fps ~ 30fps 의 카메라 추적 실시간성을 보장한다. 제안된 알고리즘은 향후 다수의 객체를 추적하는 증강 현실 애플리케이션에 확장될 수 있다.

• 한국멀티미디어학회논문지
• /
• 제15권5호
• /
• pp.569-576
• /
• 2012

This paper presents an x-ray medical image panorama system which can overcome the smallness of the images that exist on a source computer during remote medical processing. In the system, after the standard medical image format DICOM is converted to the PC standard image format, a MSR algorithm is used to enhance X-ray images of low quality. Then SURF and Multi-band blending are applied to generate a panoramic image. Also, this paper evaluates the proposed SURF based system through the average gray value error and image quality criterion with X-ray image data by comparing with a SIFT based system. The results show that the proposed system is superior to SIFT based system in image quality.

• Journal of Information Processing Systems
• /
• 제15권1호
• /
• pp.67-90
• /
• 2019

Accurate detection, tracking and analysis of human movement using robots and other visual surveillance systems is still a challenge. Efforts are on to make the system robust against constraints such as variation in shape, size, pose and occlusion. Traditional methods of detection used the sliding window approach which involved scanning of various sizes of windows across an image. This paper concentrates on employing a state-of-the-art, hierarchical graph based method for segmentation. It has two stages: part level segmentation for color-consistent segments and object level segmentation for category-consistent regions. The tracking phase is achieved by employing SIFT keypoint descriptor based technique in a combined matching and tracking scheme with validation phase. Localization of human region in each frame is performed by keypoints by casting votes for the center of the human detected region. As it is difficult to avoid incorrect keypoints, a consensus-based framework is used to detect voting behavior. The designed methodology is tested on the video sequences having 3 to 4 persons.

• 대한전자공학회논문지SD
• /
• 제45권6호
• /
• pp.49-59
• /
• 2008

본 논문에서는 SIFT(Scale Invariant Feature Transform) 알고리즘을 임베디드 환경에서 실시간으로 처리하기 위해 가장 연산량이 많은 특징점 위치 결정 단계를 고정 소수점 모델로 설계 및 분석하고 그에 근거한 하드웨어 구조를 제안한다. SIFT 알고리즘은 객체의 꼭지점이나 모서리와 같이 색상 성분의 차가 심한 구역에서 얻어진 특징점 주위 픽셀의 벡터성분을 추출하는 알고리즘으로, 현재 얼굴인식, 3차원 객체 인식, 파노라마, 3차원 영상 복원 작업의 핵심 알고리즘으로 연구 되고 있다. 본 알고리즘에 대한 최적의 하드웨어 구현을 위해 특징점 위치(Keypoint Localization)와 방향(Orient Assignment)에 대한 정확도, 오차율을 사용하여 고정 소수점 모델에서 각 중요 변수들의 비트 크기를 결정 한다. 얻어진 고정 소수점 모델은 원래의 부동 소수점 모델과 비교했을 때 정확도 93.57%, 오차율 2.72%의 결과를 보이며, 고정 소수점 모델은 부동 소수점 모델과 비교하여 제거된 특징점의 대부분이 두 영상에서 추출된 특징점 끼리의 매칭과정에서 불필요한 객체의 모서리 영역에 몰려있음을 확인했다. 고정 소수점 모델링 결과 ARM 400MHz 환경에서 약 3시간, Pentium Core2Duo 2.13GHz 환경에서 약 15초의 연산시간을 갖는 부동 소수점 모델이 동일한 환경에서 약 1시간과 10초의 연산시간을 가지며, 최적화된 고정 소수점 모델을 하드웨어로 구현 시 $10{\sim}15\;frame/sec$의 성능을 보일 것으로 예상한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제26권5호
• /
• pp.30-42
• /
• 2022

최근, 국내의 도심지와 수도권을 잇는 급행철도 사업, 간선도로 및 고속도로의 지중화 사업 등과 같이 교통 인프라 건설이 활발하게 추진되고 있으며 국토의 효율적인 활용을 위하여 지하 터널 및 산 터널의 시공이 활발해지고 있다. 터널 시공이 늘어남에 따라 콘크리트 구조물의 노후화로 인한 안전진단, 유지보수 및 관리의 필요성도 증대되고 있다. 본 논문에서는 인력에 의한 외관조사의 단점을 해결하고 터널 안전점검의 자동화를 위하여 터널 스캐닝영상을 통한 안전점검을 제시한다. 터널 스캐닝영상을 통한 안전점검은 기존 인력에 의한 외관조사에 비해 조사기간과 인력을 크게 줄일 수 있으며 조사자의 안전사고와 교통체증에 따른 사회적 비용을 절감할 수 있다는 장점이 있다. 터널 스캐닝영상 기반 안전점검을 위해서는 터널 스캐닝영상의 접합을 통하여 평면전개 이미지를 생성하는 것이 핵심이다. 본 연구에서는 터널 스캐닝영상 기반 안전점검의 필수기술인 터널 스캐닝 다중 촬영 영상 접합에 적합한 알고리즘에 대한 성능평가를 진행하였다. 터널이미지 접합에 유리한 알고리즘을 찾기 위하여 OpenCV에서 제공하는 특징점 검출 및 매칭 알고리즘 중 실수기술자와 높은 정확도를 갖는 SIFT, 이진기술자를 갖고 연산속도가 빠른 ORB, BRISK 총 3가지 알고리즘을 비교 분석하고자 한다. 터널이미지는 크게 콘크리트부, 조명부와 타일부로 나누어 터널이미지의 특성을 반영하였다. 터널이미지 접합에 유리한 알고리즘은 특징점 검출 개수, 연산속도, 특징점 매칭의 정확성, 영상접합 결과를 종합하여 판별하였다. 접합성능은 SIFT알고리즘이 가장 좋았으며 ORB, BRISK도 짧은 연산시간과 준수한 성능을 보였다. 연산시간보다 정확도가 중요시되는 정밀한 평면전개 이미지 생성에 SIFT가 활용될 수 있고 ORB와 BRISK도 준수한 접합결과를 보여줘 대용량 영상에서 빠른 영상처리 속도가 요구되는 작업이 필요할 경우 사용될 수 있는 가능성을 확인했다.

• 한국통신학회논문지
• /
• 제40권11호
• /
• pp.2271-2283
• /
• 2015

본 논문에서는 조명 변화에 강인한 상호 정보량 기반의 스테레오 정합 기법을 제안한다. 일반적으로 다양한 조명 조건에서 취득한 스테레오 영상은 좌우 영상 간에 컬러의 변화가 발생하기 때문에 정확한 스테레오 정합점을 찾는 것이 쉽지 않다. 이 경우, 컬러를 보정하는 작업을 우선 수행하는 것이 일반적이다. 그러나, 좌우 스테레오 영상에 대해서는 컬러 값을 동일하게 보정하는 작업도 시점 차이로 인한 좌우 영상의 변화로 인해서 좌우 영상에 대한 정합 정보가 요구되므로 쉽지 않다. 본 논문에서는 다양한 조명 조건에서 취득한 영상에 강인한 스테레오 정합 기법을 제안한다. 이를 위해서 선형적인 관계를 갖는 로그-색도 (log-chromaticity) 컬러 공간으로 변형을 수행하였고, 이 컬러 공간에서 상호 정보량에 기반한 새로운 스테레오 정합 비용 (cost)을 제안하였다. 제안하는 비용은 가중치가 적용된 상호 정보량과 SIFT (Scale Invariant Feature Transform) 묘사 벡터의 정보를 화소 (pixel)마다 적응적으로 결합한다. 또한, 보다 정확한 변위 지도 예측을 위해서 세그먼트 기반의 평면 제한 조건도 제안하는 비용에 포함되었다. 다양한 실험 데이터에 대해서 테스트한 결과, 제안하는 방법이 기존의 방법들에 비해서 보다 정확한 변위 지도 결과를 얻는 것을 확인하였다.

• 한국통신학회논문지
• /
• 제41권3호
• /
• pp.317-327
• /
• 2016

영상에서 의미 있는 특징점(feature point)의 추출은 제안하는 기법의 성능과 직결되는 문제이다. 특히 나무나 사람 등에서의 가려짐 영역(occlusion region), 하늘과 산 등 객체가 아닌 배경에서 추출되는 특징점들은 의미없는 특징점으로 분류되어 정합과 인식 기법의 성능을 저하시키는 원인이 된다. 본 논문에서는 한 장 이상의 멀티 프레임을 이용하여 건물 인식에 필요한 특징점을 분류하여 인식과 정합단계에서 기존의 일반적인 건물 인식 기법의 성능을 향상시키기 위한 새로운 기법을 제안한다. 먼저 SIFT(scale invariant feature transform)를 통해 일차적으로 특징점을 추출한 후 잘못 정합 된 특징점은 제거한다. 가려짐 영역에서의 특징점 분류를 위해서는 RANSAC(random sample consensus)을 적용한다. 분류된 특징점들은 정합 기법을 통해 구하였기 때문에 하나의 특징점은 여러 개의 디스크립터가 존재하고 따라서 이를 통합하는 과정도 제안한다. 실험을 통해 제안하는 기법의 성능이 우수하다는 것을 보였다.

• 융합신호처리학회논문지
• /
• 제12권1호
• /
• pp.26-32
• /
• 2011

This paper proposes a new method to process panoramic image stitching using SURF(Speeded Up Robust Features). Panoramic image stitching is considered a problem of the correspondence matching. In computer vision, it is difficult to find corresponding points in variable environment where a scale, rotation, view point and illumination are changed. However, SURF algorithm have been widely used to solve the problem of the correspondence matching because it is faster than SIFT(Scale Invariant Feature Transform). In this work, we also describe an efficient approach to decreasing computation time through the homography estimation using RANSAC(random sample consensus). RANSAC is a robust estimation procedure that uses a minimal set of randomly sampled correspondences to estimate image transformation parameters. Experimental results show that our method is robust to rotation, zoom, Gaussian noise and illumination change of the input images and computation time is greatly reduced.

• 방송공학회논문지
• /
• 제26권1호
• /
• pp.26-38
• /
• 2021

본 논문에서는 원격 탐사 영상에 대한 특징 기반 영상 정합 (Image Registration) 방법의 고속화를 위한 딥러닝 기반 특징점 필터링 방법인 DLKF (Deep Learning Keypoint Filtering)를 제안한다. 기존의 특징 기반 영상 정합 방법의 복잡도는 특징 매칭 (Feature Matching) 단계에서 발생한다. 이 복잡도를 줄이기 위하여 본 논문에서는 특징 매칭이 영상의 구조물에서 검출된 특징점으로 매칭되는 것을 확인하여 특징점 검출기에서 검출된 특징점 중에서 구조물에서 검출된 특징점만 필터링하는 방법을 제안한다. DLKF는 영상 정합을 위하여 필수적인 특징점을 잃지 않으면서 그 수를 줄이기 위하여 구조물의 경계와 인접한 특징점을 보존하고, 서브 샘플링 (Subsampling)된 영상을 사용한다. 또한 영상 분할 (Image Segmentation) 방법을 위해 패치 단위로 잘라낸 영상을 다시 합칠 때 생기는 영상 패치 경계의 잡음을 제거하기 위하여 영상 패치를 중복하여 잘라낸다. DLKF의 성능을 검증하기 위하여 아리랑 3호 위성 원격 탐사 영상을 사용하여 기존 특징점 검출 방법과 속도와 정확도를 비교하였다. SIFT 기반 정합 방법을 기준으로 SURF 기반 정합 방법은 특징점의 수를 약 18% 감소시키고 속도를 약 2.6배 향상시켰지만 정확도가 3.42에서 5.43으로 저하되었다. 제안하는 방법인 DLKF를 사용하였을 때 특징점의 수를 약 82% 감소시키고 속도를 약 20.5배 향상시키면서 정확도는 4.51로 저하되었다.