Earticle

In this paper, we propose a FACET-based feature point extraction method and an image registration method for image fusion based on multi-sensors. The most important part of image registration in image fusion is the extraction of feature points in IR and VIS images. The proposed method of extracting feature points uses the FACET-based filter in an IR image and uses Harris corner detector in a VIS image because it is difficult to find common characteristics and correlations in the IR and VIS images. The proposed method of image registration consists of 5 stages: 1) extraction of the feature points, 2) detection of correspondence points by using mutual information (MI), 3) a 2D projective transformation, 4) interpolation to integers of a pixel coordination, 5) a similar measurement by using normalized mutual information (NMI). The final outcome of the fusion image expresses a pseudo color based on hue (H), saturation (S), and intensity (I). Experimental results showed that the proposed method provides robust and accurate registration results. The expression of a pseudo color image after image fusion showed methods for enhanced target detection.

In this paper, we propose a efficient feature point extraction method that can solve the problem of performance degradation by introducing a preprocessing process when extracting feature points by utilizing the characteristics of 360-degree realistic media. 360-degree realistic media is composed of images produced by two or more cameras and this image combining process is accomplished by extracting feature points at the edges of each image and combining them into one image if they cover the same area. In this production process, however, the stitching process where images are combined into one piece can lead to the distortion of non-seamlessness. Since the realistic media of 4K-class image has higher resolution than that of a general image, the feature point extraction and matching process takes much more time than general media cases.

One of critical issues in dealing with 360-degree realistic contents is the performance degradation in searching and recognition process since they support up to 4K UHD quality and have all image angles including the front, back, left, right, top, and bottom parts of a screen. To solve this problem, in this paper, we propose an efficient search and comparison method for 360-degree realistic contents. The proposed method first corrects the distortion at the less distorted regions such as front, left and right parts of the image excluding severely distorted regions such as upper and lower parts, and then it extracts feature points at the corrected region and selects the representative images through sequence classification. When the query image is inputted, the search results are provided through feature points comparison. The experimental results of the proposed method shows that it can solve the problem of performance deterioration when 360-degree realistic contents are recognized comparing with traditional 2D contents.

세계적으로 1500 종 이상이 분포하고 있는 해삼은 오랫동안 여러 나라에서 중요한 수산 자원으로 취급되어져 왔고 개체군 보존관리 보호종에 속하는 고부가가치 품종이다. 해삼에 관한 연구는 음식과 추출물의 효능에 관한 것이 대부분이며, 아직까지 해삼 특징 식별에 대한 연구는 이루어지지 않고 있다. 이에 본 연구는 고부가가치 품종인 해삼을 대량으로 포획하기 위하여 해삼의 특징점 추출을 위한 경계 검출 알고리즘을 제안하였으며 향후 해삼 인식 프로그램에 많은 도움이 되리라 생각한다.

The sea cucumber, which is distributed over 1,500 species worldwide, is a highly value-added variety that has been considered an important source of marine resources in many countries for a long period of time. Most of the research on sea cucumbers involves the effectiveness of food and its extractions; however, there was no research on the extraction of sea cucumbers. In response, this research suggested a boundary detection algorithm to extract the special spot of sea cucumbers Therefore, in order to capture a large quantity of high value-added in sea cucumbers and we believe that they will be a great help to the sea cucumber recognition program in the future.

동해안의 갯녹음 현상이 현재 진행 중이며 심화한 암반의 면적이 $170.54km^2$로 동해안 전체 암반 면적의 61.7%에 달하는 것으로 나타났다. 갯녹음의 주원인이자 패류 양식어장에 크게 피해를 주는 것으로 알려진 성게의 퇴치 방법은 지속적으로 연구되어 왔으나 성게를 이용한 음식이나 재활용에 대한 연구가 주를 이루며 아직 성게 인식에 대한 연구는 이루어지지 않고 있다. 이에 본 연구는 바다의 해적인 성게를 대량으로 포획하기 위하여 성게의 특징점 추출을 위한 적응적 경계검출을 제안하였으며 향후 성게 인식프로그램에 많은 도움이 되리라 생각한다.

The albinism phenomenon of the East Sea is now in progress, and the area of the intensified bedrock has reached up to 61.7% of the whole bedrock area of the East Sea. The methods to eradicate the sea urchin that is known as the main cause of albinism and that influences huge damage on the selfish farm have been continuously studied but they have focused on the food using the sea urchin and recycling and the research on the recognition of the sea urchin has not been performed yet. Therefore, this study suggested the adaptive boundary detection to extract the characteristics of the sea urchin in order to catch the sea urchin in quantity that is the pirate of the sea, and it is believed to help the sea urchin recognition program a lot in the future.

본 논문은 Gabor 웨이브렛 변환을 이용하여 무표정을 포함한 표정영상에서 얼굴의 주요 요소들의 경계선을 추출한 후, FCM 군집화 알고리즘을 적용하여 무표정 영상에서 저차원의 대표적인 특징점을 추출한다. 무표정 영상의 특징점들은 표정영상의 특징점들을 추출하기 위한 템플릿으로 사용되어지며, 표정영상의 특징점 추출은 무표정 영상의 특징점과 동적 연결모형을 이용하여 개략적인 정합과 정밀한 정합 과정의 두단계로 이루어진다. 본 논문에서는 Gabor 웨이브렛과 FCM 군집화 알고리즘을 기반으로 동적 연결모형을 이용하여 표정영상에서 특징점들을 자동으로 추출할 수 있음을 제시한다. 본 연구결과는 자동 특징추출을 이용한 차원모형기반 얼굴 표정인식[1]에서 얼굴표정의 특징점을 자동으로 추출하는 데 적용되었다.

This Paper extracts the edge of main components of face with Gator wavelets transformation in facial expression images. FCM(Fuzzy C-Means) clustering algorithm then extracts the representative feature points of low dimensionality from the edge extracted in neutral face. The feature-points of the neutral face is used as a template to extract the feature-points of facial expression images. To match point to Point feature points on an expression face against each feature point on a neutral face, it consists of two steps using a dynamic linking model, which are called the coarse mapping and the fine mapping. This paper presents an automatic extraction of feature-points by dynamic linking model based on Gabor wavelets and fuzzy C-means(FCM) algorithm. The result of this study was applied to extract features automatically in facial expression recognition based on dimension[1].

본 논문에서는 단일 모바일 디바이스의 움직임을 통해 3차원 특징점을 추출하는 방법에 대해 소개한다. 단안 카메라를 이용해 카메라 움직임에 따라 2D 영상을 획득하고 Baseline을 추정한다. 특징점 기반의 스테레오 매칭을 진행한다. 특징점과 디스크립터를 획득하고 특징점을 매칭한다. 매칭된 특징점을 이용해 디스패리티를 계산하고 깊이값을 생성한다. 3차원 특징점은 카메라 움직임에 따라 업데이트 된다. 마지막으로 장면 전환 검출을 이용하여 장면 전환시 특징점을 리셋한다. 위 과정을 통해 특징점 데이터베이스에 평균 73.5%의 저장공간 추가 확보를 할 수 있다. TUM Dataset의 Depth Ground truth 값과 RGB 영상으로 제안한 알고리즘을 적용하여 3차원 특징점 결과와 비교하여 평균 26.88mm의 거리 차이가 나는것을 확인하였다.

In this paper, we introduce a method of extracting three-dimensional feature points through the movement of a single mobile device. Using a monocular camera, a 2D image is acquired according to the camera movement and a baseline is estimated. Perform stereo matching based on feature points. A feature point and a descriptor are acquired, and the feature point is matched. Using the matched feature points, the disparity is calculated and a depth value is generated. The 3D feature point is updated according to the camera movement. Finally, the feature point is reset at the time of scene change by using scene change detection. Through the above process, an average of 73.5% of additional storage space can be secured in the key point database. By applying the algorithm proposed to the depth ground truth value of the TUM Dataset and the RGB image, it was confirmed that the\re was an average distance difference of 26.88mm compared with the 3D feature point result.

본 논문에서는 ultrasound image Right Parasagittal Liver에 edge detection을 적용한 후, 특징점 검출 알고리즘인 Scale Invarient Feature Transfom(SIFT)를 이용하여 특징점의 위치를 살펴보도록 한다. edge detection 알고리즘으로는 Canny edge detection과 Prewitt edge detection을 적용하기로 한다.

본 논문에서는 스케치 보정을 위한 계층적 지식 기반 잡음 제거 방법을 제안한다. 제안하는 잡음 제거 방법은 방향 정보, 후보 영역간의 내적, 갈고리 잡음영역 검출이라는 세 개의 계층적 휴리스틱(heuristic) 방법으로 구성된다. 첫 번째 단계에서 방향정보를 이용하여 특징점 후보들이 검출되고, 두 번째 단계에서는 각 후보들 사이의 벡터 간 내적을 이용하여 부적절한 후보들이 제거되며, 세 번째 단계에서는 갈고리모양의 잡음영역을 검출하여 근거리에 모여있는 특징점들을 병합한다. 실험을 통해 제안하는 방법이 잡음에 민감한 실제 응용 환경에 적합하며 효율적임을 보였다.

최근 실감형 미디어에 대한 관심이 증폭되고 있으며 제조, 교육, 의료, 국방 등에 분야에서 기존 산업과 융합하여 많은 연구가 진행되고 있으며 MPEG에서도 이러한 실감형 미디어 기술에 대한 자체적인 표준화가 진행 중에 있다. 하지만 실감형 미디어에 대한 제작기술과 디스플레이기술에 대한 이슈는 있으나 콘텐츠 보호에 대한 기술 연구는 활발하게 진행되지 않고 있다. 더구나 실감형 미디어가 최근 웹하드, 토렌트 등에서 불법 유출 되고 있어 이에 대응한 저작권기술연구가 필요하다. 본 논문은 MPEG 산하에서 표준화가 진행되는 실감형 미디어 지원 포맷인 OMAF 구조를 설명하고 이에 대한 기술적 특징을 활용하여 특징점으로 활용될 수 있는 이미지 영역에 대한 선택 방안을 제안한다.

본 논문에서는 의료 영상 중에서 성대 운동의 불규칙적인 움직임을 판단하여 자동으로 진단 파라미터를 구하는 비디오스트로보키모그래피(Videostrobokymography) 시스템에서 관심 영역을 추출하는 방법을 소개하고자 한다. CCD카메라에 의해 촬영된 영상은 비디오 테이프에 저장된 후 이미지 캡쳐 보드에서 그레이 이미지(gray-level)로 변환되어 저장된다. 입력된 영상은 움직이는 영상을 촬영한 것이므로 관심 영역의 위치가 각 프레임마다 다르다. 또한 실제로 입력된 성대영상들이 점진적인 농도 변화를 보이기 때문에 에지에 의해 영역을 추출하는 일반적인 영역 추출방법은 사용하기 어렵다. 본 논문에서는 두 번의 단계를 통하여 관심 영역을 추출하고 있다. 첫 번째는 입력된 영상에서 노이즈를 제거한 후 각 프레임에서 영상의 최소 에너지를 구한다. 두 번째로 농도 변화 값을 특징 값으로 이용하는 분할-합병 알고리즘(Split-merge Algorithm)을 적용하여 관심 영역을 추출하였다. 제안한 알고리즘을 19명의 성대 영상에 적용하여 분석한 결과 성대의 관심 영역을 추출할 수 있었다. 그리고, 영상의 에너지 값을 이용하는 스네이크 알고리즘(Snake Algorithm)에 적용하여 비교해본 결과 본 연구에서 제안하는 스네이크 알고리즘보다 좋은 성능을 보임을 확인할 수 있었다. 본 연구에서 제안하는 관심 영역 추출 방법은 동적인 변화를 보이는 영상에서 관심 영역을 추출할 수 있을 뿐 아니라 계산 량이 적어 200x280크기의 이미지를 초당 약 40프레임에 대한 관심 영역을 추출할 수 있는 장점이 있다.

지문 인식 시스템의 인식을 위한 등록점으로 융선의 단점과 분기점에 관하여 연구하였다. 원 지문 영상은 전처리 과정을 거치게 되면서 잘못된 특징점을 포함하게 되며 이는 지문 인식 시스템의 효율성을 감소시키는 원인이 될 수 있다. 따라서 세선화된 지문 영상으로부터 후보 특징점을 추출한 후 연결성 탐색 정보를 이용하여 의사 특징점을 제거할 수 있는 알고리즘을 제안한다.

본 논문에서는 지문 인식 시스템의 인식을 위한 등록점으로 융선의 단점과 분기점에 관하여 연구하였다. 원 지문 영상은 전처리 과정을 거치게 되면서 잘못된 특징점을 포함하게 되며 이는 지문 인식 시스템의 효율성을 감소시키는 원인이 될 수 있다. 이 논문에서는 세선화된 지문 영상으로부터 후보 특징점을 추출한 후 연결성 탐색 정보를 이용하여 의사 특징점을 제거할 수 있는 알고리즘을 제안한다.

의료 영상정합기법의 표면정보 기반 영상정합에서는 일반적으로 두 모달리티에서 추출된 표면 윤곽선 사이의 거리를 최소화함으로써 매칭이 이루어진다. 동일한 뇌를 대상으로 취득되지만 서로 다른 정보를 제공하는 두 모달리티는 관심 영역의 윤곽선 표면 특성이 서로 유사하다. 그러므로 다중 모달리티 영상정합에서 표면거리와 함께 표면의 특성을 고려하여 두 영상을 매칭하는 방법이 정합 결과의 정확도를 향상시킬 수 있다. 본 연구에서는 영상의 경계선으로부터 특징점을 추출하는 새로운 방법과 CT 뇌 영상정합에 대하여 프러크러스티즈 분석을 사용하는 새로운 정합방법을 제안한다. 최소제곱법을 이용한 보통의 프로크러스티즈 분석과 로버스트 추정량으로 알려져 있는 LMS(least median of squares), S-추정량, M-추정량과 RM-추정량을 이용한 정합에서의 또 다른 결과를 비교하고 우월성을 평가한다.

Within medical imaging techniques surface registration methods generally minimize the surface distance between two modalities. The features of two modalities acquired from one subject are similar. So it is meaningful to match two surfaces based on optimization of surface distance. In this sturdy, we propose a new method which extract the feature points from the boundary of image and the registration method using the full ordinary Procrustes analysis for CT brain image. We show the result of registration by LS OPA and M OPA, LMS OPA, S OPA, RM OPA known as the robust estimators, and then we compare the result of methods and evaluate a superiority.

얼굴 인식은 여러 분야에서의 활발한 연구를 통해 많은 발전이 있었고, 현재도 활발한 연구가 진행되고 있다. 최근 들어 물체 인식에 주로 사용되어온 특징점 추출 알고리즘이 얼굴 인식에도 적용되고 있다. 본 논문은 대표적인 특징점 추출 알고리즘인 SURF를 이용한다. 사람은 얼굴의 형태 및 구조가 유사하므로 물체를 인식하는 경우보다 분별력이 떨어지기 때문에 SURF를 이용한 얼굴인식의 정확도는 낮은 편이다. 이를 개선하고자 본 논문에서는 SURF를 통해 추출한 특징점에서 Gabor 웨이블릿 변환을 사용해 기술어를 추출하는 얼굴 인식 방법을 제안한다. 실험 결과에서 제안하는 방법이 기존 SURF 기반의 얼굴 인식에 비해 정확도가 약 23% 향상된 것을 확인하였다.

Face recognition has been actively studied and developed in various fields. In recent years, interest point extraction algorithms mainly used for object recognition were being applied to face recognition. The SURF(Speeded Up Robust Features) algorithm was used in this paper which was one of typical interest point extraction algorithms. Generally, the interest points extracted from human faces are less distinctive than the interest points extracted from objects due to the similar shapes of human faces. Thus, the accuracy of the face recognition using SURF tends to be low. In order to improve it, we propose a face recognition algorithm which performs interest point extraction by SURF and the Gabor wavelet transform to extract descriptors from the interest points. In the result, the proposed method shows around 23% better recognition accuracy than SURF-based conventional methods.

본 논문에서는 대표적인 특징점 추출 알고리즘인 SURF (Speeded Up Robust Features)와 얼굴인식에서 널리 쓰이는 Gabor 기술어를 이용한 얼굴 인식 방법을 소개한다. SURF 기반 영상인식 방법은 특징점을 찾고 해당 특징점에서 기술어를 추출한 후, 정합을 수행한다. 본 논문에서는 SURF 를 통해 추출한 특징점에서 Gabor 웨이블릿 변환을 사용해 기술어를 추출하는 얼굴인식 방법을 제안한다. 잘 알려진 ORL 데이터베이스에서의 실험에서 제안한 방법이 기존 SURF 기반의 얼굴 인식 방법에 비해 더 높은 얼굴 인식 성능을 보여줄 뿐 아니라 정합시간을 포함한 처리 속도면에서도 더 우수한 성능을 보였다. 이러한 실험 결과를 통하여 제안하는 방법이 SURF 보다 얼굴 인식에 적합함을 확인할 수 있었다.

본 논문은 SAR 영상에서 객체를 추출하는 새로운 방법으로 특징점 기반 분할 히스토그램 기법을 제안한다. 제안하는 방법은 영상 히스토그램에서 객체로 추정될 수 있는 영역을 세밀하게 추출하기 위해 영상에서 특징점을 추출한 후, 특징점의 밝기를 기준으로 히스토그램을 분할한다. 분할 히스토그램이 배경과 객체 성분을 모두 포함하고 있을 경우 해당 영역의 혼합 확률밀도함수가 교차되는 임계점을 계산한다. 계산된 임계점을 기준으로 현재 영역이 전체 영상에서 차지하는 비율을 비교하여 배경과 객체 여부를 판단한다. 제안하는 방법은 무인 감시 정찰 시스템 등 다양한 응용 기술에 활용될 수 있을 것으로 기대한다.

본 연구에서는 할선법과 모멘트의 고정점 알고리즘 독립성분분석을 이용하여 영상의 특징을 추출하는 기법을 제안하였다. 여기서 할선법은 독립성분 상호간의 정보를 최소화하기 위한 목적함수의 최적화 과정에서 요구되는 1차 미분에 따른 계산을 간략화하기 위함이고, 모멘트는 최적화 과정에서 발생하는 발진을 억제하여 보다 빠른 학습을 위함이다. 제안된 기법을 $256{\times}256$ 픽셀의 10개 지문영상에서 선택된 각각 10,000개의 3가지 영상패치들을 대상으로 적용한 결과, 제안된 기법은 뉴우턴법이나 할선법의 알고리즘 보다도 빠른 특징추출 속도가 있음을 확인하였다 한편 추출된 $16{\times}16$ 펙셀의 160개 독립성분 기저벡터 각각은 영상 각각에 포함된 공간적인 주파수 특성과 방향성을 가지는 경계 특성이 잘 드러나는 국부적인 특징들임을 확인하였다.