• 대한전기학회논문지:전력기술부문A
• /
• 제48권1호
• /
• pp.76-81
• /
• 1999

The degree of relative similarity between 2D patterns is obtained using Open-Ball Scheme. Open-Ball Scheme employs a method of transforming the geometrical information on 3D objects or 2D patterns into the features to measure the relative similarity for object(patten) recognition, with invariance on scale, rotation, and translation. The feature of an object is used to obtain the relative similarity and mapped into [0, 1] the interval of real line. For decades, Moment-Invariant Method has been used as one of the excellent methods for pattern classification and object recognition. Open-Ball Scheme uses the geometrical structure of patterns while Moment Invariant Method uses the statistical characteristics. Open-Ball Scheme is compared to Moment Invariant Method with respect to the way that it interprets two-dimensional patten classification, especially the paradigms are compared by the degree of closeness to human's intuitive understanding. Finally the effectiveness of the proposed Open-Ball Scheme is illustrated through simulations.

• 한국컴퓨터정보학회논문지
• /
• 제13권7호
• /
• pp.51-57
• /
• 2008

최근 컴퓨터비전이나 로봇 공학 분야에서 가격이 저렴한 웹 캠을 이용하여 입력된 2차원 영상으로부터 물체를 인식하는 연구가 활발히 이루어지고 있다. 이를 위한 연구로서 로봇이나 비전에서 물체를 찾아내는 여러 가지 방향들이 제시되고 있으며, 지속적으로 로봇은 사람과 유사한 기능을 수행할 수 있도록 설계 및 제작되고 있다. 예로서, 사람은 사과를 볼 때 사과라는 사실을 사전에 인지하고 있기 때문에 사과라고 인식하는 것처럼 로봇 또한 사물에 대한 정보를 미리 알고 있어야 한다. 그러므로 본 연구에서는 내용기반의 물체인식에 필요한 기술로서 저장이미지를 SIFT(Scale Invariant Feature Transform)알고리즘을 이용하여 물체 저장 데이터베이스를 구축하였으며, 이를 기반으로 영상을 통해 입력된 화면에 존재하는 여러 물체를 한번에 신속히 인식하는 방법을 제안하여 구현하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제60차 하계학술대회논문집 27권2호
• /
• pp.313-314
• /
• 2019

본 논문에서는 특징점 검출 알고리즘을 적용하여 ultrasound image에서 특징점을 검출하는 것과 object dectection을 위한 keypoints가 object에 올바르게 위치하는지를 검증하는 실험을 진행한다. 특징점 검출을 위한 알고리즘으로는 Scale Invariant Feature Transform(SIFT)과 Harris corner detection 을 적용하여 검증한다.

• 인터넷정보학회논문지
• /
• 제10권4호
• /
• pp.13-23
• /
• 2009

본 논문에서 우리는 위성 영상에 대하여 객체를 지역화한 접근을 제안한다. 우리의 방법은 서술 벡터에 기반한 특징 정합 방법이다. 객체를 지역화하는 방법은 SIFT(Scale Invariant Feature Transform)를 적용시킨다. 먼저, 위성영상의 키포인트를 찾고, 키포인트의 서술 벡터를 일반화한다. 그리고 서술 벡터간에 유사성을 측정하여 키포인트를 매칭시킨다. 마지막으로, 키포인트의 인접 픽셀값에 가중치를 주어 객체에서 위치를 결정한다. SIFT를 이용한 이 실험은 다양한 스케일과 어파인 변환에 대해 좋은 결과를 산출하였다. 본 논문에서 제안된 방법은 구글 어스의 위성영상을 사용하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권7호
• /
• pp.1690-1704
• /
• 2013

An affine invariant descriptor is proposed, which is able to well represent the affine covariant regions. Estimating main orientation is still problematic in many existing method, such as SIFT (scale invariant feature transform) and SURF (speeded up robust features). Instead of aligning the estimated main orientation, in this paper ellipse orientation is directly used. According to ellipse orientation, affine covariant regions are firstly divided into 4 sub-regions with equal angles. Since affine covariant regions are divided from the ellipse orientation, the divided sub-regions are rotation invariant regardless the rotation, if any, of ellipse. Meanwhile, the affine covariant regions are normalized into a circular region. In the end, the gradients of pixels in the circular region are calculated and the partition-based descriptor is created by using the gradients. Compared with the existing descriptors including MROGH, SIFT, GLOH, PCA-SIFT and spin images, the proposed descriptor demonstrates superior performance according to extensive experiments.

• 대한전자공학회논문지SP
• /
• 제48권4호
• /
• pp.12-20
• /
• 2011

본 논문은 비디오 감시 장치에 사용되는 효율적인 물체 검출 및 분류 알고리즘을 제안한다. 이전 연구는 주로 Scale Invariant Feature Transform (SIFT)나 Speeded Up Robust Feature (SURF)와 같은 특정 형태의 특징을 이용해 물체를 검출하거나 분류하였다. 본 논문에서는 물체 검출 및 분류에 상호 작용하는 알고리즘을 제안한다. 이는 로컬 패치들로부터 얻어지는 텍스쳐나 컬러 분포 같은 서로 다른 특성을 갖는 특징값을 이용해 물체의 검출 및 분류율을 높인다. 물체 검출에는 특징점들의 공간적인 클러스터링을, 이미지 표현이나 분류에는 Bag of Words 모델과 Naive Bayes 분류기를 사용한다. 실험을 통해 제안한 기법이 로컬 기술자를 사용한 물체 분류기법보다 우수한 성능을 나타냄을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제19권11호
• /
• pp.43-52
• /
• 2014

본 논문에서는 적외선 영상에서 영상 변위를 이용하여 기동 표적 영역을 탐지하고, SURF(Speeded Up Robust Features) 특징점에 대한 BAS(Beam Angle Statistics)를 이용하여 분류하는 시스템에 대하여 설명한다. 영상 기반 기술 분야에서 대표적인 대응점 정합 알고리즘인 SURF 기법은 SIFT(Scale Invariant Feature Transform) 기법에 비해 정합 속도가 매우 빠르고 비슷한 정합 성능을 보이기 때문에 널리 사용되고 있다. SURF를 이용한 대부분의 객체 인식의 경우 특징점 추출과 정합의 과정을 수행하지만, 제안하는 기법은 표적의 기동 특성을 반영하여 영상의 변위 추정을 통하여 표적의 영역을 탐지하고 SURF 특징점 들의 기하구조를 판단함으로써 표적 분류를 수행한다. 제안하는 기법은 무인 표적 탐지/인지 시스템의 초기모델 구축을 위하여 연구가 진행되었으며, 모의 표적을 이용한 가상 영상과 적외선 실 영상을 이용하여 실험한 결과 약 73~85%의 분류 성능을 확인하였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2001년도 The Pacific Aisan Confrence On Intelligent Systems 2001
• /
• pp.421-427
• /
• 2001

In this paper, a method for selection of the optimal feature vectors is proposed for the classification of closed 2D shapes using the bispectrum of a contour sequence. The bispectrum based on third order cumulants is applied to the contour sequences of the images to extract feature vectors for each planar image. These bispectral feature vectors, which are invariant to shape translation, rotation and scale transformation, can be used to represent two-dimensional planar images, but there is no certain criterion on the selection of the feature vectors for optimal classification of closed 2D images. In this paper, a new method for selecting the optimal bispectral feature vectors based on the variances of the feature vectors. The experimental results are presented using eight different shapes of aircraft images, the feature vectors of the bispectrum from five to fifteen and an weighted mean fuzzy classifier.

• 정보처리학회논문지B
• /
• 제17B권5호
• /
• pp.333-344
• /
• 2010

본 논문은 동일한 대상물을 촬영한 영상을 합성하여 파노라마 영상을 생성하는 방법에 대하여 설명한다. 디지털 카메라의 보급으로 파노라마 영상에 대한 관심이 높아지면서 다양한 방법의 파노라마 영상의 제작 방법이 연구되고 있다. 본 논문에서는 크기 및 회전 불변 특징점을 활용하여 파노라마 영상을 합성하는 방법에 대해서 제안한다. 먼저, 입력 영상들에 대해서 특징점을 추출하고, RANSAC 알고리즘을 통해 추출된 특징점을 정합한다. 정합점을 이용하여 투영 변환식을 모델링하고, 모델링된 변환식을 통하여 영상을 정렬하여 파노라마 영상을 생성한다. 제안한 알고리즘은 SURF 특징점 추출 알고리즘을 적용하여 영상의 크기 및 회전 등의 기하학적 변형에 강인하며, 처리 속도도 향상하였다. 실험에서는 기존 Harris corner 검출기나 SIFT 알고리즘을 통해 검출한 특징과 제안한 알고리즘에서 사용된 SURF 알고리즘을 비교 분석 하였고, $640{\times}480$ 크기의 영상을 이용하여 제안한 알고리즘을 통해 파노라마 영상을 합성하였다. 그 결과 파노라마 영상의 합성에 소요되는 시간은 평균0.4초로 나타났고, 기존 알고리즘에 비하여 효율적인 것으로 나타났다.

• 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.