• 한국컴퓨터정보학회논문지
• /
• 제13권4호
• /
• pp.51-58
• /
• 2008

본 논문에서 스케일 불변 특징 분포를 이용한 장소 모델링과 실제 입력되는 특징을 추출하여 데이터베이스에 저장된 장소모델을 비교하여 장소를 인식하는 방법을 제안한다. 제안된 방법에서 모든 장소는 각각 다른 장소와 확실히 구별되는 고유한 특징들의 분포로 표현 가능하다고 가정한다. 제안된 방법은 각 장소마다 전역정보를 사용하며, 하나의 장소는 하나의 장소모델로 표현된다. 따라서 장소의 인식을 위해 비교 대상이 되는 장소의 수가 증가하여도, 장소인식을 위한 시간의 복잡도가 기하급수적으로 증가하지 않는다는 장점을 가진다. 제안된 방법의 성능을 검증하기 위한 실험으로 인식에 사용된 특징의 수와 입력영상의 수를 변화시키며 실험을 수행하였고, 실험을 통해 기존의 방법보다 공간적, 시간적인 면에서 제안된 방법이 효율적임을 입증하였다. 제안된 방법은 로봇의 자율항해, 시각장애인의 도움이 시스템, 웨어러블 컴퓨팅 분야 등, 다양한 분야에 활용도가 있으리라 기대한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2008년도 제39차 동계학술발표논문집 16권2호
• /
• pp.193-196
• /
• 2009

여러 개의 영상으로부터 스케일, 조명, 시점 등의 환경변화를 고려하여 대응점을 찾는 일은 쉽지 않다. SURF는 이러한 환경변화에 불변하는 특징점을 찾는 알고리즘중 하나로서 일반적으로 성능이 우수하다고 알려진 SIFT와 견줄만한 성능을 보이면서 속도를 크게 향상시킨 알고리즘이다. 하지만 SURF는 그레이공간 상의 정보만 이용함에 따라 컬러공간상에 주어진 많은 유용한 특징들을 활용하지 못한다. 본 논문에서는 강인한 컬러특정정보를 포함하는 확장된 SURF알고리즘을 제안한다. 제안하는 방법의 우수성은 다양한 조명환경과 시점변화에 따른 영상을 SIFT와 SURF 그리고 제안하는 컬러정보를 적용한 SURF알고리즘과 비교 실험을 통해 입증하였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.795-800
• /
• 2008

카메라로 입력되는 영상에서 객체를 인식하기 위한 노력은, 기존의 컴퓨터 비전분야에서 좋은 이슈로 연구되고 있다. 영상 내부에 등장하는 객체를 인식하고 해당 객체를 포함하고 있는 전체 이미지에서 현재 영상의 위치를 인식하기 위해서는, 영상 내에 등장할 객체에 대한 트레이닝이 필요하다. 본 논문에서는 영상에 등장할 객체에 대해서, 특징 점을 검출(feature detection)하고 각 점들이 가지는 픽셀 그라디언트 방향의 벡터 값들을 그 이웃하는 벡터 값들과 함께 DoG(difference-of-Gaussian)함수를 이용하여 정형화 한다. 이는 추후에 입력되는 영상에서 검출되는 특징 점들과 그 이웃들 간의 거리나 스케일의 비율 등의 파리미터를 이용하여 비교함으로써, 현재 특징 점들의 위치를 추정하는 정보로 사용된다. 본 논문에서는 광역의 시설 단지를 촬영한 인공위성 영상을 활용하여 시설물 내부에 존재는 건물들에 대한 초기 특징 점들을 검출하고 데이터베이스로 저장한다. 트레이닝이 마친 후에는, 프린트된 인공위성 영상내부의 특정 건물을 카메라를 이용하여 촬영하고, 이 때 입력된 영상의 특징 점을 해석하여 기존에 구축된 데이터베이스 내의 특징 점과 비교하는 과정을 거친다. 매칭되는 특징 점들은 DoG로 정형화된 벡터 값들을 이용하여 해당 건물에 대한 위치를 추정하고, 3차원으로 기 모델링 된 건물을 증강현실 기법을 이용하여 영상에 정합한 후 가시화 한다.

• 디지털콘텐츠학회 논문지
• /
• 제19권9호
• /
• pp.1787-1793
• /
• 2018

그림자는 자연 경관에서 관찰되는 일반적인 현상이지만 물체 인식, 특징 검출 및 장면 분석등과 같은 영상 분석에 부정적인 영향을 미치는 요소이므로 디지털 영상에 포함된 그림자 처리는 디지털 영상 분석 과정에서 필수적으로 고려되어야 한다. 본 논문에서는 단일 자연 영상에 포함된 그림자를 검출하고 제거하기 위한 특징 요소 중의 하나인 1D 불변 영상의 획득을 위한 기존 방법들에 대해 기술하고, 선형 회귀 기반의 1D 불변 영상 획득 방법을 제안하였다. 제안하는 방법은 RGB 칼라 영상의 각 채널 간의 밴드 비의 로그를 계산한 후 선형 회귀를 통해 그레이스케일 영상 라인을 획득하고, 최종 1D 불변 영상은 밴드 비의 로그 영상들을 추정된 그레이스케일 영상 라인으로 투영시켜 획득하였다. 실험 결과, 제안하는 방법이 기존의 엔트로피 최소화 기반의 투영 각도를 계산하는 방법보다 계산 복잡도가 낮았으며, 1D 불변 영상을 이용한 그림자가 검출 및 제거가 효과적으로 수행됨을 보였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.222-225
• /
• 2011

영상 매칭은 컴퓨터 비전에서 중요한 기초 기술 중에 하나이다. 하지만 스케일, 회전, 조명, 시점변화에 강인한 대응점을 찾는 것은 쉬운 작업이 아니다. 이러한 문제점을 보안하기 위해서 스케일 불변 특징 변환(Scale Invariant Feature Transform) 고속의 강인한 특징 추출(Speeded up robust features) 알고리즘등에 제안되었지만, 시점 변화에 있어서 취약한 문제점을 나타냈다. 본 논문에서는 이런 문제점을 해결하기 위해서 시점 변화에 강인한 알고리즘을 제안하였다. 시점 변화에 강인한 영상매칭을 위해서 원본 영상과 질의 영상간 유사도 높은 특징점들의 호모그래피 변환을 이용해서 질의 영상을 원본 영상과 유사하게 보정한 뒤에 매칭을 통해서 시점 변화에 강인한 알고리즘을 구현하였다. 시점이 변화된 여러 영상을 통해서 기존 SIFT,SURF와 성능과 수행 시간을 비교 함으로서, 본 논문에서 제안한 알고리즘의 우수성을 입증 하였다.

• 한국정보과학회논문지:데이타베이스
• /
• 제36권6호
• /
• pp.446-454
• /
• 2009

다양한 영역 검출 및 형태 특징 추출 방법 중에서 MSER과 SIFT를 응용한 방법들이 컴퓨터비전 분야에 많이 사용된다. 하지만 기존의 SIFT를 이용한 특징 추출 방법은 자기 변화에 민감한 특성을 지니며, MSER 방법은 이미지의 크기 변화에 민감하고, 이미지 유사성 검색에 그대로 적용하기에는 어려움이 많다. 본 논문에서는 스케일 피라미드, MSER 그리고 어파인(affine) 정규화 과정 등을 이용한 영역 특징 서술자를 제안한다. 제안한 방법은 어파인 정규화 방법과 스케일 피라미드를 사용하기 때문에 이미지의 크기, 회전 및 자기 변화에 불변하다. 다양한 이미지들을 이용하여 실험하고, 실험 결과에서 제안한 방법이 SIFT, PCA-SIFT, CE-SIFT 그리고 SURF 방법에 비해서 각각 20%, 38%, 11%, 24% 이상 좋은 이미지 검색 성능을 보이고 있다.

• 전기전자학회논문지
• /
• 제9권1호
• /
• pp.7-18
• /
• 2005

로봇이 자율주행을 하는데 있어 중요한 요소는 로봇 스스로 위치를 추정하고 동시에 주위 환경에 대한 지도를 작성하는 것이다 본 논문에서는 스케일 불변 특정을 이용한 비전 기반 위치 추정 및 매핑 알고리즘을 제안한다. 로봇에 어안렌즈가 부착된 카메라를 천정을 바라볼 수 있도록 부착하여 스케일 불변 특정을 갖는 고급의 영상 특정을 구하여 맹 빌딩과 위치 추정을 수행한다. 먼저, 전처리 과정으로 어안렌즈를 통해 입력된 영상을 카메라 보정을 행하여 축방향 왜곡을 제거하고 레이블링과 컨벡스헐을 적용하여 천정영역과 벽영역으로 분할한다 최초 맵 빌딩시에는 분할된 영역에 대해 특정점을 구하고 맵 데이터베이스에 저장한다. 맵 빌딩이 종료될 때까지 연속하여 입력되는 영상에 대해 특정점들을 구하고 이미 작성된 맵과 매칭되는 점들을 찾고 매칭되지 않은 점들에 대해서는 기존의 맴에 추가하는 과정을 반복한다. 위치 추정은 맵 빌딩과정에서 매칭되는 점들을 찾을 때 동시에 수행되어 진다. 그리고 임의의 위치에서 기존의 작성된 맵과 매칭되는 점들을 찾음으로서 위치 추정이 행해지며 동시에 기존의 맵 데이터베이스의 특정점들을 갱신하게 된다. 제안한 방법은 $50m^2$의 영역에 대해 맵 빌딩을 2 분내에 수행할 수 있었으며, 위치의 정확도는 ${\pm}13cm$, 위치에 대한 로봇의 자세(각도)는 ${\pm}3$도의 오차를 갖는다.

• 한국지능시스템학회논문지
• /
• 제21권4호
• /
• pp.442-448
• /
• 2011

이동 로봇의 위치인식 기술을 위하여 SLAM(Simultaneous Localization and Mapping)에 관한 많은 연구가 진행되고 있다. 본 논문에서는 시야각이 넓은 어안렌즈를 장착한 단일 카메라를 사용하여 천장의 특징점을 이용한 자기위치 인식에 관한 방안을 제시한다. 여기서는 어안렌즈 기반의 비전 시스템이 가지는 왜곡 영상의 보정, SIFT(Scale Invariant Feature Transform) 기반의 강인한 특징점을 추출하여 이전 영상과 이동한 영상과의 정합을 통해 최적화된 영역 함수를 도출하는 과정, 그리고 기하학적 적합모델 설계 등을 제시한다. 제안한 방법을 실험실 환경 및 복도 환경에 적용하여 그 유용성을 확인한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 학술대회 논문집 정보 및 제어부문
• /
• pp.625-627
• /
• 2005

Existent distance measurement that use camera is method that use both Stereo Camera and Monocular Camera, There is shortcoming that method that use Stereo Camera is sensitive in effect of a lot of expenses and environment variables, and method that use Monocular Camera are big computational complexity and error. In this study, reduce expense and error using Monocular Camera and I suggest algorithm that measure distance, Extract features using scale Invariant features Transform(SIFT) for distance measurement, and this measures distance through features matching and geometrical analysis, Proposed method proves measuring distance with wall by geometrical analysis free wall through feature point abstraction and matching.

• 문화기술의 융합
• /
• 제6권4호
• /
• pp.767-776
• /
• 2020

GcGAN은 기하학적 일관성을 유지하며 영상 간 스타일을 변환하는 딥러닝 모델이다. 그러나 GcGAN은 회전이나 반전(flip) 등의 한정적인 기하 변환으로 영상의 형태를 보존하기 때문에 영상의 세밀한 형태 정보를 제대로 유지하지 못하는 단점을 가지고 있다. 그래서 본 연구에서는 이런 단점을 개선한 새로운 영상 간 변환 기법인 MSGcGAN(Multi-Scale GcGAN)을 제안한다. MSGcGAN은 GcGAN을 확장한 모델로서, 다중 스케일의 영상을 동시에 학습하여 스케일 불변 특징을 추출함으로써, 영상의 의미적 왜곡을 줄이고 세밀한 정보를 유지하는 방향으로 영상 간 스타일 변환을 수행한다. 실험 결과에 의하면 MSGcGAN은 GcGAN보다 정량적 정성적 측면에서 모두 우수하였고, 영상의 전체적인 형태 정보를 잘 유지하면서 스타일을 자연스럽게 변환함을 확인할 수 있었다.