신뢰도 공간에 기반한 스테레오 정합 기법

A New Stereo Matching Method based on Reliability Space

  • Lee, Seung-Tae (Department of Electrical Engineering, Soongsil University) ;
  • Han, Young-Joon (Department of Electrical Engineering, Soongsil University) ;
  • Hahn, Hern-Soo (Department of Electrical Engineering, Soongsil University)
  • 투고 : 2010.06.30
  • 발행 : 2010.11.25

초록

본 논문에서는 2차원 이미지로 부터 3차원 정보를 획득하기 위한 신뢰도 공간(reliability space)에 기반 한 스테레오 정합기법을 제안한다. 일반적으로 기존의 기법들은 정확도가 높은 경우 연산 량이 많아 속도가 느려지는 문제를 안고 있다. 따라서 논문에서는 정확도는 유지하면서 속도를 높이는 기법을 구현하고자 다음과 같은 방법을 제안하였다. 먼저 스테레오 영상에서 모든 화소를 비교하기 위해 변이 공간 영상(disparity space image)을 생성하고 이 값의 분석을 통해 신뢰도 공간을 생성한다. 이어서 변이에 따른 신뢰도 공간의 비교를 통해서 변이 지도를 작성하였다. 또한 보조적으로 컬러 에지를 참조하여 각 영역의 경계를 확실히 분류함을 통해서 국부적으로 발생하는 영역 경계 오류를 일정 부분 개선하였다. 제안된 스테레오 정합 기법은 다양한 실험을 통하여 기존의 기법과 비교함으로써 그 성능을 입증하였다. 그 결과 제안된 기법의 연산 비용이 약 31.6%가량 개선됨을 확인할 수 있었다. 또한 연산 비용 감소에도 불구하고 영상의 품질에 있어서 기존과 대등한 성능을 나타내는 것을 확인할 수 있었다.

In this paper, A new stereo matching method based on reliability space is proposed to acquire 3D information from 2D image. In conventional stereo matching methods, speed is sacrificed to achieve high accuracy. To increase the matching speed while maintaining a high accuracy, this paper proposes this stereo matching method. It first makes the disparity space image for comparing all of the pixels on the stereo images. Then it produce reliability space through analyzing this value. and, By comparing the reliability space according to disparity, it makes disparity map. Moreover, the parts that make regional boundary errors are corrected by classifying the boundary of each region with the reference to color edge. The performance of the proposed stereo matching method is verified by various experiments. As a result, calculation cost is reduced by 30.6%, while the image quality of proposed method has similar performance with the existing method.

키워드

참고문헌

  1. D. Scharstein, R. Szeliski, "A taxonomy and evaluation of dense two-frame stereo correspondence algorithms," IEEE Trans. Pattern Analysis and Machine Intelligences, Vol.25, No.8, PP.993-1008, Aug. 2003. https://doi.org/10.1109/TPAMI.2003.1217603
  2. C. Young-Sheng, H. Yi-ping, F. Chiou-Shann, "Fast Block Matching Algorithm Based on the Winner-Update Strategy," IEEE Trans. Image Process, Vol.10, No.8, Aug. 2001.
  3. K. Czarnecki, S. Helsen, "Feature-based survey of model transformation approaches," IBM Systems Journal, Vol.45, No.3, 2006.
  4. P. H. S. Torr, A. Criminisi, "Dense Stereo Using Pivoted Dynamic Programming," Microsoft Research, MSR-TR-2002-51, 2002.
  5. Y. Boykov, O. Veksler, R. Zabih, "Fast Approximate energy minimization via graph cuts," IEEE TPAMI, Vol.23, No.11, PP. 1222-1239, Nov. 2001. https://doi.org/10.1109/34.969114
  6. J Sun, NN Zheng, HY Shum, "Stereo matching using belief propagation," IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol.25, No.7, Jul. 2003.
  7. C. Keskin, A. Erkan, L. Akarun, "Real time hand tracking and 3D gesture recognition for interactive interfaces using HMM," ICANN/ICONIPP, 2003.
  8. S. S. Intille, A.F. Bobick, "Large Occlusion stereo," International Journal of Computer Vision, Vol.33, No.3, PP.181-200, 1999. https://doi.org/10.1023/A:1008150329890
  9. H. Hirschmuller, "Improvements in real-time correlation based stereo vision," In IEEE Workshop on Stereo and Multi baseline Vision, 2001.