DOI QR코드

DOI QR Code

Moving Object Preserving Seamline Estimation

이동 객체를 보존하는 시접선 추정 기술

  • 곽문성 (울산과학기술원 전기전자컴퓨터공학부) ;
  • 이찬혁 (울산과학기술원 전기전자컴퓨터공학부) ;
  • 이희경 (한국전자통신연구원 실감미디어연구실) ;
  • 정원식 (한국전자통신연구원 실감미디어연구실) ;
  • 양승준 (울산과학기술원 전기전자컴퓨터공학부)
  • Received : 2019.09.23
  • Accepted : 2019.11.20
  • Published : 2019.11.30

Abstract

In many applications, images acquired from multiple cameras are stitched to form an image with a wide viewing angle. We propose a method of estimating a seam line using motion information to stitch multiple images without distortion of the moving object. Existing seam estimation techniques usually utilize an energy function based on image gradient information and parallax. In this paper, we propose a seam estimation technique that prevents distortion of moving object by adding temporal motion information, which is calculated from the gradient information of each frame. We also propose a measure to quantify the distortion level of stitched images and to verify the performance differences between the existing and proposed methods.

다수의 카메라를 이용하여 취득된 영상을 정합 하여 하나의 넓은 시야각을 가지는 영상을 합성하는 기술이 많은 영역에서 사용되고 있다. 영상의 정합 영역 내에 이동 객체가 등장한 경우 객체의 왜곡 없이 영상을 정합 하기 위하여 움직임 정보를 이용하는 시접선 추정 방법을 제안한다. 기존 시접선 추정 기반 기술들은 영상 외곽선 정보와 시차 등을 이용하여 에너지 함수를 형성하고 시접선을 추정하는 방법을 사용하여 왔으나, 본 논문에서는 프레임 별 외곽선 정보를 이용하여 움직임 정보를 계산하고, 이를 에너지 함수에 반영하여 영상 정합 시 이동 객체의 왜곡을 방지하는 시접선 추정 기술을 제안한다. 또한, 정합 영상의 왜곡 정도를 정량화 할 수 있는 지표를 제안하여 기존 기술과 제안된 방법의 성능 차이를 검증한다.

Keywords

References

  1. L. Juan and O. Gwun, "SURF applied in panorama image stitching", IEEE 2010 2nd international conference on image processing theory, tools and applications, p. 495-499, July, 2010.
  2. Y. Li, Y. Wang, W. Huang and Z. Zhang, "Automatic image stitching using SIFT", IEEE 2008 International Conference on Audio, Language and Image Processing, pp. 568-571, July, 2008.
  3. W. Y. Lin, S. Liu, Y. Matsushita, T. T. Ng and L. F. Cheong, "Smoothly varying affine stitching", IEEE Conference on Computer Vision and Pattern Recognition 2011, pp. 345-352, June, 2011.
  4. C.H. Chang, Y. Sato, and Y.Y. Chuang, "Shape-preserving half-projective warps for image stitching", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 3254-3261, 2014.
  5. J. Zaragoza, T. J. Julio, M.S. Brown and D. Suter, "As-projective-as-possible image stitching with moving DLT", Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 2339-2346, 2013.
  6. S. Avidan and A. Shamir, "Seam carving for content-aware image resizing", ACM Transactions on graphics (TOG), Vol. 26, No. 3, p. 10, 2007. https://doi.org/10.1145/1276377.1276390
  7. S. Goferman, L. Zelinik-Manor, and A. Tal, "Context-aware saliency detection", IEEE transactions on pattern analysis and machine intelligence, Vol. 34, No. 10, pp. 1915-1926, 2011. https://doi.org/10.1109/TPAMI.2011.272
  8. B. He and S. Yu, "Parallax-robust surveillance video stitching", Sensors, Vol. 15, No. 7, 2015.
  9. J. Gao, Y. Li, T. J. Chin and M. S. Brown, "Seam-Driven Image Stitching", In Eurographics (Short Papers), pp. 45-48, May, 2013.
  10. C. Herrmann C. Wang, R. Strong Bowen, E. Keyder and R. Zabih, "Object-centered image stitching", Proceedings of the European Conference on Computer Vision (ECCV), pp. 821-835, 2018.
  11. N. Li, T. Liao and C. Wang, "Perception-based seam cutting for image stitching", Signal, Image and Video Processing, Vol 12, No. 5, p967-974, 2018. https://doi.org/10.1007/s11760-018-1241-9