Abstract
By calculating the differences between two images, which are captured with the same scene at different time, we can detect a set of outliers, such as occluding objects due to moving vehicles. To reduce the influence from the different intensity properties of the images, a simple technique that reruns the regression, which is based on the polynomial regression model, is employed. For a robust detection of outliers, the image difference is normalized by the noise variance. Hence, an accurate estimate of the noise variance is very important. In this paper, using an empirically obtained correction constant is proposed. Numerical analysis using both synthetic and real images are also shown in this paper to show the robust performance of the detection algorithm.
동일한 위치에서 같은 장면을 담고 있지만 서로 다른 시간에 획득된 두 영상의 차를 구하여 이상점의 집합을 검출할 수 있다. 이때 영상들의 서로 다른 밝기 특성에 의한 영향을 줄이기 위하여 다항식 회귀모델에 근거하여 반복적으로 회귀분석을 적용하여 밝기 보정을 하고, 서로 다른 분산의 영향을 줄여서 강인한 검출을 수행하기 위하여 영상 차를 잡음의 분산을 사용하여 정규화 한 잔차(residual)를 사용한다. 따라서 잡음분산의 정확한 추정은 강인한 이상 물체 검출에 매우 중요하다. 본 논문에서는 정확한 추정을 위하여, 실험적으로 구하는 교정상수의 도입을 제안하였으며, 여러 합성 영상에 적용하여 그 성능이 우수함을 확인하였으며, 실제 영상에 적용하여 임의의 문턱 값 선정에도 강인하게 동작하는 이상 물체 검출 알고리듬을 제안하였다.