KR100815160B1 - Lineal feature extraction apparatus using Bayesian Hough transform and its method - Google Patents

Lineal feature extraction apparatus using Bayesian Hough transform and its method Download PDF

Info

Publication number
KR100815160B1
KR100815160B1 KR1020060052743A KR20060052743A KR100815160B1 KR 100815160 B1 KR100815160 B1 KR 100815160B1 KR 1020060052743 A KR1020060052743 A KR 1020060052743A KR 20060052743 A KR20060052743 A KR 20060052743A KR 100815160 B1 KR100815160 B1 KR 100815160B1
Authority
KR
South Korea
Prior art keywords
bayesian
image
transform
hop
edge
Prior art date
Application number
KR1020060052743A
Other languages
Korean (ko)
Other versions
KR20070061152A (en
Inventor
차지훈
정원식
안상우
김규헌
홍진우
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Publication of KR20070061152A publication Critical patent/KR20070061152A/en
Application granted granted Critical
Publication of KR100815160B1 publication Critical patent/KR100815160B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/40—Picture signal circuits
    • H04N1/407—Control or modification of tonal gradation or of extreme levels, e.g. background level
    • H04N1/4076—Control or modification of tonal gradation or of extreme levels, e.g. background level dependent on references outside the picture
    • H04N1/4078—Control or modification of tonal gradation or of extreme levels, e.g. background level dependent on references outside the picture using gradational references, e.g. grey-scale test pattern analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
    • B60R2300/804—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for lane monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

1. 청구범위에 기재된 발명이 속한 기술분야1. TECHNICAL FIELD OF THE INVENTION

본 발명은 베이시안 호프 변환을 이용한 선형 특징 추출 장치 및 그 방법에 관한 것임.The present invention relates to a linear feature extraction apparatus and method using Bayesian hop transform.

2. 발명이 해결하려고 하는 기술적 과제2. The technical problem to be solved by the invention

본 발명은 모수 공간에서 피크점으로 표시되는 부분이 명확하게 드러날 수 있는 베이시안 호프 변환을 이용하여 선형 특징을 더욱 정밀하게 추출할 수 있는, 베이시안 호프 변환을 이용한 선형 특징 추출 장치 및 그 방법을 제공하는데 그 목적이 있음.The present invention provides an apparatus and method for extracting linear features using a Bayesian hop transform, which can extract linear features more precisely by using a Bayesian hop transform, in which the part indicated by the peak point in the parameter space can be clearly revealed. The purpose is to provide.

3. 발명의 해결방법의 요지3. Summary of Solution to Invention

본 발명은, 베이시안 호프 변환을 이용한 선형 특징 추출 장치에 있어서, 영상 이미지를 획득하기 위한 이미지 획득 수단; 상기 이미지 획득 수단에서 획득한 영상 이미지에서 그레이(gray) 스케일로 엣지를 추출하여 이미지로 변환하기 위한 엣지 추출 수단; 상기 엣지 추출 수단에서 추출/변환한 그레이 이미지에 대해 베이시안 호프 변환(Bayesian Hough transform)을 수행하여 모수 공간(parameter space)으로 변환하기 위한 베이시안 호프 변환 수단; 상기 베이시안 호프 변환 수단에 의해 변환된 모수 공간(parameter space)에 표시된 피크점을 검출하기 위한 피크점 검출 수단; 및 상기 피크점 검출 수단에서 검출한 피크점으로부터 선형 특징을 추출하기 위한 선형 특징 추출 수단을 포함하되, 상기 베이시안 호프 변환 수단은, 상기 엣지 추출 수단에서 추출/변환한 엣지 부분의 그레이 이미지를 호프 변환하는 과정에서 베이시안 확률을 곱하여 모수 공간을 변환시키는 것을 특징으로 함.According to an aspect of the present invention, there is provided a linear feature extraction apparatus using a Bayesian hop transform, comprising: image acquisition means for acquiring a video image; Edge extraction means for extracting an edge on a gray scale from an image image acquired by the image acquisition means and converting the edge into an image; Bayesian hop transform means for transforming into a parameter space by performing a Bayesian Hough transform on the gray image extracted / transformed by the edge extracting means; Peak point detection means for detecting a peak point indicated in a parameter space converted by the Bayesian hop transform means; And linear feature extraction means for extracting linear features from the peak points detected by the peak point detection means, wherein the Bayesian hop transform means hops a gray image of the edge portion extracted / converted by the edge extraction means. In the transformation process, the parameter space is transformed by multiplying the Bayesian probabilities.

4. 발명의 중요한 용도4. Important uses of the invention

본 발명은 영상 이미지에서 선형 특징을 추출하는 기술 분야 등에 이용됨.The present invention is used in the technical field of extracting linear features from video images.

영상 이미지, 선형 특징 추출, 베이시안 호프 변환, 모수 공간, 베이시안 확률 Image Image, Linear Feature Extraction, Bayesian Hope Transform, Parameter Space, Bayesian Probability

Description

베이시안 호프 변환을 이용한 선형 특징 추출 장치 및 그 방법{Lineal feature extraction apparatus using Bayesian Hough transform and its method}Linear feature extraction apparatus using Bayesian Hough transform and its method

도 1은 본 발명에 따른 베이시안 호프 변환을 이용한 선형 특징 추출 장치의 일실시예 구성도,1 is a block diagram of an embodiment of a linear feature extraction apparatus using a Bayesian hop transform according to the present invention,

도 2는 본 발명에 따른 베이시안 호프 변환을 이용한 선형 특징 추출 방법에 대한 일실시예 흐름도,2 is a flowchart illustrating a linear feature extraction method using a Bayesian hop transform according to the present invention;

도 3 및 도 4는 호프 변환을 통한 선형 특징 추출 과정을 설명하기 위한 그래프,3 and 4 are graphs for explaining a linear feature extraction process through hop transform,

도 5는 엣지 및 바탕 픽셀의 확률 밀도 함수 그래프의 일예시도이다.5 is an example of a probability density function graph of edge and background pixels.

* 도면의 주요 부분에 대한 부호의 설명* Explanation of symbols for the main parts of the drawings

11 : 이미지 획득부 12 : 엣지 추출부11: image acquisition unit 12: edge extraction unit

13 : 베이시안 호프 변환부 14 : 피크점 검출부13: Bayesian hop converter 14: Peak point detector

15 : 선형 특징 추출부15: linear feature extraction unit

본 발명은 베이시안 호프 변환을 이용한 선형 특징 추출 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 베이시안(Bayesian) 확률 이론과 호프 변환 이론을 결합하여 선형 특징을 더욱 정밀하게 추출할 수 있는, 베이시안 호프 변환을 이용한 선형 특징 추출 장치 및 그 방법에 관한 것이다.The present invention relates to an apparatus and method for extracting linear features using a Bayesian hop transform, and more particularly, to extract Bayesian probability theory and hop transform theory more precisely. An apparatus and method for extracting linear features using cyan hop transform are provided.

일반적으로 영상 이미지에서 선형 특징을 추출하는 방식은 여러 가지 면에서 유용한 쓰임새를 가진다. 예를 들어, 도로 영상을 촬영하고, 이 촬영한 영상 중에서 선형 특징이 있는 차선 등의 이미지를 추출하여 이를 이용함으로써, 차량의 차선이탈을 경고하는 기술 분야에 이용이 가능하다. 그리고 고화질 티브이(HDTV) 영상 신호를 디지털 멀티미디어 방송(DMB)용 신호로 변환할 때 원래 고화질 티브이(HDTV) 영상 신호에 포함되어 있던 부가 데이터 등의 손실을 막기 위해 영상 신호 중에서 텍스트를 추출하여 별도로 처리할 수도 있는데, 방송 컨텐츠에서 텍스트는 주로 선형 특징이 있는 그래픽 객체에 포함되어 있기 때문에 이러한 경우에 이용하기 위하여 선형 특징을 효과적이고 정밀하게 추출할 필요가 있다.In general, the method of extracting linear features from video images has many useful uses. For example, by taking a road image, and extracting an image of a lane having a linear feature from the taken image and using it, it can be used in the technical field to warn the lane departure of the vehicle. When converting a high definition TV (HDTV) video signal into a digital multimedia broadcasting (DMB) signal, text is extracted from the video signal and processed separately to prevent loss of additional data originally included in the high definition TV (HDTV) video signal. In the broadcast content, since the text is mainly included in the graphic object having the linear feature, it is necessary to extract the linear feature effectively and precisely for use in such a case.

한편, 영상 이미지에서 선형 특징을 추출할 때에 주로 사용하는 방법은 호프 변환(Hough Transform) 방식이다.On the other hand, the Hough Transform (Hough Transform) method is mainly used when extracting the linear feature from the video image.

미국특허 제6,111,993호에는 일반적인 호프 변환 방식을 개선한 일례가 개시되어 있다. 상기 선행 특허에는 보우팅 영역(voting area)을 제한하고 조합 호프 변환(combinatorial Hough transform)을 수행함으로써 처리 효율을 저하시키지 않 고 작은 라인 세그먼트를 효과적으로 추출하는 방법이 개시되어 있다.US Pat. No. 6,111,993 discloses an example of an improvement in a general hop transform scheme. The prior patent discloses a method for effectively extracting small line segments without degrading processing efficiency by limiting the voting area and performing a combinatorial Hough transform.

그러나 호프 변환 단독으로는, 이미지 영역의 선형 부분이 피크점으로 표시되는 모수 공간(parameter space)에서 피크 부분을 명확하게 표시하기 어려운 문제점이 있어서, 실제 적용 시 선형 특징 추출에 있어서 에러 발생 소지가 다분히 존재하고 있다.However, the hop transform alone has a problem in that it is difficult to clearly display the peak portion in the parameter space where the linear portion of the image region is represented by the peak point. It exists.

본 발명은 상기 문제점을 해결하기 위하여 제안된 것으로, 모수 공간에서 피크점으로 표시되는 부분이 명확하게 드러날 수 있는 베이시안 호프 변환을 이용하여 선형 특징을 더욱 정밀하게 추출할 수 있는, 베이시안 호프 변환을 이용한 선형 특징 추출 장치 및 그 방법을 제공하는데 그 목적이 있다.The present invention has been proposed to solve the above problem, and the Bayesian hop transform can be extracted more precisely by using a Bayesian hop transform that can clearly display the part indicated by the peak point in the parameter space. An object of the present invention is to provide a linear feature extraction apparatus and a method thereof.

본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.Other objects and advantages of the present invention can be understood by the following description, and will be more clearly understood by the embodiments of the present invention. It will also be appreciated that the objects and advantages of the present invention may be realized by the means and combinations thereof indicated in the claims.

상기 목적을 달성하기 위한 본 발명의 장치는, 베이시안 호프 변환을 이용한 선형 특징 추출 장치에 있어서, 영상 이미지를 획득하기 위한 이미지 획득 수단; 상기 이미지 획득 수단에서 획득한 영상 이미지에서 그레이(gray) 스케일로 엣지를 추출하여 이미지로 변환하기 위한 엣지 추출 수단; 상기 엣지 추출 수단에서 추출/변환한 그레이 이미지에 대해 베이시안 호프 변환(Bayesian Hough transform)을 수행하여 모수 공간(parameter space)으로 변환하기 위한 베이시안 호프 변환 수단; 상기 베이시안 호프 변환 수단에 의해 변환된 모수 공간(parameter space)에 표시된 피크점을 검출하기 위한 피크점 검출 수단; 및 상기 피크점 검출 수단에서 검출한 피크점으로부터 선형 특징을 추출하기 위한 선형 특징 추출 수단을 포함하되, 상기 베이시안 호프 변환 수단은, 상기 엣지 추출 수단에서 추출/변환한 엣지 부분의 그레이 이미지를 호프 변환하는 과정에서 베이시안 확률을 곱하여 모수 공간을 변환시키는 것을 특징으로 한다.In accordance with an aspect of the present invention, there is provided a linear feature extraction apparatus using a Bayesian hop transform, comprising: image acquisition means for acquiring a video image; Edge extraction means for extracting an edge on a gray scale from an image image acquired by the image acquisition means and converting the edge into an image; Bayesian hop transform means for transforming into a parameter space by performing a Bayesian Hough transform on the gray image extracted / transformed by the edge extracting means; Peak point detection means for detecting a peak point indicated in a parameter space converted by the Bayesian hop transform means; And linear feature extraction means for extracting linear features from the peak points detected by the peak point detection means, wherein the Bayesian hop transform means hops a gray image of the edge portion extracted / converted by the edge extraction means. In the transforming process, the parameter space is transformed by multiplying the Bayesian probabilities.

한편, 상기 목적을 달성하기 위한 본 발명의 방법은, 베이시안 호프 변환을 이용한 선형 특징 추출 방법에 있어서, 영상 이미지를 획득하는 단계; 상기 획득한 영상 이미지에서 그레이(gray) 스케일로 엣지를 추출하여 이미지로 변환하는 단계; 상기 추출/변환한 그레이 이미지에 대해 베이시안 호프 변환(Bayesian Hough transform)을 수행하여 모수 공간(parameter space)으로 변환하는 베이시안 호프 변환 단계; 상기 베이시안 호프 변환 단계에서 변환된 모수 공간(parameter space)에 표시된 피크점을 검출하는 단계; 및 상기 검출한 피크점으로부터 선형 특징을 추출하는 단계를 포함하되, 상기 베이시안 호프 변환 단계는, 상기 추출/변환한 엣지 부분의 그레이 이미지를 호프 변환하는 과정에서 베이시안 확률을 곱하여 모수 공간을 변환시키는 것을 특징으로 한다.On the other hand, the method of the present invention for achieving the above object, in the linear feature extraction method using the Bayesian hop transform, obtaining a video image; Extracting an edge on a gray scale from the obtained video image and converting the edge into an image; A Bayesian Hough transform step of performing a Bayesian Hough transform on the extracted / converted gray image to a parameter space; Detecting a peak point indicated in a parameter space transformed in the Bayesian hop transform step; And extracting a linear feature from the detected peak point, wherein the Bayesian hop transform step converts the parameter space by multiplying a Bayesian probability in the process of hop transforming a gray image of the extracted edge portion. It is characterized by.

삭제delete

상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명 이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명하기로 한다.The above objects, features and advantages will become more apparent from the following detailed description taken in conjunction with the accompanying drawings, whereby those skilled in the art may easily implement the technical idea of the present invention. There will be. In addition, in describing the present invention, when it is determined that the detailed description of the known technology related to the present invention may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted. Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명에 따른 베이시안 호프 변환을 이용한 선형 특징 추출 장치의 일실시예 구성도이다.1 is a block diagram of an embodiment of a linear feature extraction apparatus using a Bayesian hop transform according to the present invention.

도 1에 도시된 바와 같이, 본 발명에 따른 베이시안 호프 변환을 이용한 선형 특징 추출 장치는, 영상 이미지를 획득하기 위한 이미지 획득부(11), 상기 이미지 획득부(11)에서 획득한 영상 이미지에서 그레이(gray) 스케일로 엣지를 추출하여 이미지로 변환하기 위한 엣지 추출부(12), 상기 엣지 추출부(12)에서 추출/변환한 그레이 이미지에 대해 베이시안 호프 변환(Bayesian Hough transform)을 수행하여 모수 공간(parameter space)으로 변환하기 위한 베이시안 호프 변환부(13), 상기 베이시안 호프 변환부(13)에 의해 변환된 모수 공간(parameter space)에 표시된 피크점(피크 지점)을 검출하기 위한 피크점 검출부(14), 및 상기 피크점 검출부(14)에서 검출한 피크점으로부터 선형 특징을 추출하기 위한 선형 특징 추출부(15)를 포함한다.As shown in FIG. 1, the linear feature extraction apparatus using the Bayesian hop transform according to the present invention includes an image acquirer 11 for acquiring an image image and an image image obtained by the image acquirer 11. An edge extractor 12 for extracting an edge with a gray scale and converting the image into an image, and performing a Bayesian Hough transform on the gray image extracted / converted by the edge extractor 12 A Bayesian hop transform unit 13 for converting to a parameter space, and a peak point (peak point) displayed in the parameter space converted by the Bayesian hop transform unit 13 A peak point detector 14 and a linear feature extractor 15 for extracting linear features from the peak points detected by the peak point detector 14 are included.

여기서, 상기 이미지 획득부(11)는 카메라 등과 같은 촬영 장치를 통해 촬영된 이미지를 선형 특징 추출을 위해 획득하는 부분이다.Here, the image acquisition unit 11 is a part for obtaining an image captured by a photographing device such as a camera for linear feature extraction.

그리고 상기 엣지 추출부(12)는 소벨(Sobel) 마스크, 프르윗(prewitt) 마스크, 로버트(Roberts) 마스크, 라플라시안(Laplacian) 마스크, 및 캐니(Canny) 마스크 등을 이용하여 영상 이미지 중에서 그레이(gray) 스케일로 엣지를 추출하여 이 미지로 변환한다.The edge extractor 12 may use a Sobel mask, a prewitt mask, a Roberts mask, a Laplacian mask, and a Canny mask in a gray image. ) Extract the edges to scale and convert them to images.

이때, 종래의 호프 변환을 이용한 선형 특징 추출 방식에 있어서는 검출된 엣지에 대해서 이진화(binarization)를 수행하여 이진 이미지(binary image)를 사용하였다. 그러나 본 발명에 의한 베이시안 호프 변환을 이용한 선형 특징 추출 방식에 있어서는, 상기와 같은 이진 이미지는 베이시안 호프 변환을 수행할 픽셀을 구분하는 용도로만 사용하고, 베이시안 확률을 구하기 위해서는 그레이 이미지의 픽셀 값을 그대로 사용한다.In this case, in the conventional linear feature extraction method using the hop transform, a binary image is used by performing binarization on the detected edge. However, in the linear feature extraction method using the Bayesian hop transform according to the present invention, the above binary image is used only to distinguish the pixels to be subjected to the Bayesian hop transform, and to obtain the Bayesian probability, the pixel of the gray image is used. Use the value as it is.

상기와 같이 추출된 엣지 부분의 그레이 이미지는 베이시안 호프 변환부(13)로 전달되어 이미지 도메인에서 파라미터 도메인으로 변환된다. 즉, 상기 베이시안 호프 변환부(13)는 그레이 이미지(엣지 이미지)에 대해 베이시안 호프 변환(Bayesian Hough transform)을 수행하여 모수 공간(parameter space)으로 변환한다. 이에 대한 상세한 설명은 후술하기로 한다.The gray image of the edge portion extracted as described above is transferred to the Bayesian hop converter 13 to be converted from the image domain to the parameter domain. That is, the Bayesian Hough transform unit 13 performs a Bayesian Hough transform on the gray image (edge image) to convert it into a parameter space. Detailed description thereof will be described later.

상기와 같이 베이시안 호프 변환을 거쳐 변환된 모수 공간(parameter space)에 표시된 피크점(피크 지점)을 피크점 검출부(14)에서 검출한 후, 다시 베이시안 호프 변환의 역변환(파라미터 도메인에서 이미지 도메인으로 변환)을 수행함으로써, 그레이 이미지 중에서 선형 부분이 추출되어 출력된다.The peak point (peak point) displayed in the parameter space converted through the Bayesian hop transform as described above is detected by the peak point detector 14, and then inversely transformed by the Bayesian hop transform (the image domain in the parameter domain). The linear portion of the gray image is extracted and output.

도 2는 본 발명에 따른 베이시안 호프 변환을 이용한 선형 특징 추출 방법에 대한 일실시예 흐름도이다.2 is a flowchart illustrating a linear feature extraction method using a Bayesian hop transform according to the present invention.

먼저, 이미지 획득부(11)가 영상 이미지를 획득한다(21).First, the image acquisition unit 11 acquires a video image (21).

이후, 엣지 추출부(12)가 상기 이미지 획득부(11)에서 획득한 영상 이미지에 서 그레이(gray) 스케일로 엣지를 추출하여 이미지로 변환한다(22).Thereafter, the edge extractor 12 extracts an edge on a gray scale from the video image acquired by the image acquirer 11 and converts the edge to an image (22).

이후, 베이시안 호프 변환부(13)가 상기 엣지 추출부(12)에서 추출/변환한 그레이 이미지에 대해 베이시안 호프 변환(Bayesian Hough transform)을 수행하여 모수 공간(parameter space)으로 변환한다(23).Subsequently, the Bayesian Hough transform unit 13 performs Bayesian Hough transform on the gray image extracted / converted by the edge extractor 12 to convert it into parameter space (23). ).

여기서, 호프 변환에 대해 좀더 상세하게 살펴보면 다음과 같다.Here, the hop transform will be described in more detail.

도 3의 좌측 그래프에 도시되어 있는 바와 같이, 2차원 이미지에 존재하는 직선은 극좌표계(polar coordinate)에서

Figure 112006041130931-pat00001
와
Figure 112006041130931-pat00002
의 두 개의 변수로 표현이 가능하다. 이를 표현하는 수식은 다음의 [수학식 1]과 같다.As shown in the left graph of FIG. 3, the straight lines present in the two-dimensional image are in polar coordinates.
Figure 112006041130931-pat00001
Wow
Figure 112006041130931-pat00002
It can be represented by two variables of. Equation expressing this is shown in Equation 1 below.

Figure 112006041130931-pat00003
Figure 112006041130931-pat00003

예를 들어, 도 3의 우측 그래프에서 특정 지점 (

Figure 112006041130931-pat00004
)을 지나는 많은 (
Figure 112006041130931-pat00005
,
Figure 112006041130931-pat00006
)를 모수 공간(parameter space)에 표시하면, 도 4의 우측에 도시된 바와 같이 특정한 점
Figure 112006041130931-pat00007
을 지나는 사인 곡선으로 표시된다. 따라서 도 4의 좌측 그래프에 도시된 바와 같이 이미지 공간에서 한 직선상의 모든 점들에 대하여 상기 과정을 거치면, 도 4의 우측 그래프에 도시된 바와 같이 하나의 점
Figure 112006041130931-pat00008
을 지나는 무수하게 많은 곡선으로 표현된다. 즉, 어떤 엣지 이미지를 호프 변환하여 표시한 모수 공간에서 표시되는 곡선이 가장 많이 교차하는 지점의 (
Figure 112006041130931-pat00009
,
Figure 112006041130931-pat00010
)가 이미지 공간 에서의 직선을 표시한다는 것을 알 수 있다.For example, in the graph on the right side of FIG.
Figure 112006041130931-pat00004
A lot ()
Figure 112006041130931-pat00005
,
Figure 112006041130931-pat00006
) In the parameter space, a specific point as shown on the right side of FIG.
Figure 112006041130931-pat00007
It is represented by a sine curve passing through it. Therefore, as shown in the left graph of FIG. 4, when the above process is performed for all the points on a straight line in the image space, one point is illustrated in the right graph of FIG. 4.
Figure 112006041130931-pat00008
It is represented by a myriad of curves passing through it. In other words, in the parameter space displayed by the hop transform of an edge image,
Figure 112006041130931-pat00009
,
Figure 112006041130931-pat00010
We can see that) represents a straight line in image space.

다음으로, 본 발명에 의한 베이시안 호프 변환(Bayesian Hough transform)을 이용한 선형 특징 추출 방법에 대해서 좀더 상세히 살펴보면 다음과 같다.Next, the linear feature extraction method using the Bayesian Hough transform according to the present invention will be described in more detail.

통상의 호프 변환에서는 양자화된 모수 공간을 모두 "0"으로 초기화시킨 후, 이미지 공간에서 한 점에 해당하는 모수 공간의 모든 양자화된 (

Figure 112006041130931-pat00011
,
Figure 112006041130931-pat00012
)에 "1"씩 더하는 과정을 거치는데 반하여, 본 발명에 의한 베이시안 호프 변환에서는 상기 양자화된 모수 공간을 모두 "1"로 초기화시킨 후 이미지 공간에서 한 점에 해당하는 모수 공간의 모든 양자화된 (
Figure 112006041130931-pat00013
,
Figure 112006041130931-pat00014
)에 베이시안 확률을 곱하여 모수 공간을 변화시킨다. 즉, 본 발명에 의한 베이시안 호프 변환 과정에서는 상기 엣지 부분의 그레이 이미지를 호프 변환하는 과정에서 베이시안 확률을 곱하여 모수 공간을 변환시킨다.In a typical hop transform, all quantized parameter spaces are initialized to "0", and then all quantized (
Figure 112006041130931-pat00011
,
Figure 112006041130931-pat00012
In the Bayesian hop transform according to the present invention, the quantized parameter space is initialized to "1", and then all quantized values of the parameter space corresponding to one point in the image space are initialized. (
Figure 112006041130931-pat00013
,
Figure 112006041130931-pat00014
) Is multiplied by the Bayesian probability to change the parameter space. That is, in the Bayesian hop transform process according to the present invention, the parameter space is transformed by multiplying the Bayesian probability in the process of hop transforming the gray image of the edge portion.

상기 베이시안 확률을 구하는 수식은 다음의 [수학식 2]와 같다.The equation for obtaining the Bayesian probability is as shown in Equation 2 below.

Figure 112006041130931-pat00015
Figure 112006041130931-pat00015

상기 [수학식 2]는 통상 가능도비(likelihood ratio)라 불리며, 하나의 그레이 이미지 픽셀 값이 엣지 픽셀일 확률과 바탕 픽셀일 확률의 비를 의미하고, 각 기호의 의미는 다음과 같다.Equation 2 is commonly referred to as a likelihood ratio, and means a ratio of a probability that one gray image pixel value is an edge pixel and a background pixel, and the meaning of each symbol is as follows.

Figure 112006041130931-pat00016
: 그레이 이미지 픽셀 값
Figure 112006041130931-pat00016
: Gray image pixel value

Figure 112006041130931-pat00017
: 그레이 이미지 픽셀 값
Figure 112006041130931-pat00018
에 대한 가능도비(likelihood ratio)
Figure 112006041130931-pat00017
: Gray image pixel value
Figure 112006041130931-pat00018
Likelihood ratio for

Figure 112006041130931-pat00019
: 그라운드 트루쓰(Ground Truth)
Figure 112006041130931-pat00019
Ground Truth

Figure 112006041130931-pat00020
: 이미지 픽셀
Figure 112006041130931-pat00021
을 엣지 픽셀이라 가정할 경우의 확률
Figure 112006041130931-pat00020
: Image pixel
Figure 112006041130931-pat00021
The probability of assuming edge pixel

Figure 112006041130931-pat00022
: 이미지 픽셀
Figure 112006041130931-pat00023
을 바탕 픽셀이라 가정할 경우의 확률
Figure 112006041130931-pat00022
: Image pixel
Figure 112006041130931-pat00023
Is a probability that assumes the background pixel

상기 두 확률 값

Figure 112006041130931-pat00024
및
Figure 112006041130931-pat00025
은 일반적으로 엣지 및 바탕 픽셀을 특징하는 대표적인 확률 밀도 함수(probability density function)를 사용한다. 이러한 확률 밀도 함수들의 그래프가 일실시예로 도 5에 도시되어 있다. 도 5는 특정 이미지를 대상으로 한 일실시예이며, 입력 이미지의 특성에 따라 확률 밀도 함수는 변형이 가능하다.The two probability values
Figure 112006041130931-pat00024
And
Figure 112006041130931-pat00025
Generally uses a representative probability density function that characterizes edge and background pixels. A graph of these probability density functions is shown in FIG. 5 in one embodiment. 5 is a diagram illustrating an example of targeting a specific image, and a probability density function may be modified according to characteristics of an input image.

이후, 피크점 검출부(14)가 상기 베이시안 호프 변환부(13)에 의해 변환된 모수 공간(parameter space)에 표시된 피크점(피크 지점)을 검출한다(24).Thereafter, the peak point detector 14 detects the peak point (peak point) indicated in the parameter space converted by the Bayesian hop transform unit 13 (24).

이후, 선형 특징 추출부(15)가 상기 피크점 검출부(14)에서 검출한 피크점으로부터 선형 특징을 추출한다(25). 이때, 전술한 상기 베이시안 호프 변환 과정과 반대 과정으로 역변환을 수행함으로써, 그레이 이미지 중에서 선형 부분이 추출되어 출력되게 된다. 이러한 역변환 과정은 상기 수학식들을 역으로 변환하여 수행시키는 것으로, 당업자가 쉽게 실시할 수 있으므로 더 이상 상세히 설명하지 않기로 한다.Thereafter, the linear feature extractor 15 extracts the linear feature from the peak point detected by the peak point detector 14 (25). In this case, the inverse transform is performed in a reverse process to the above-described Bayesian hop transform process, so that a linear portion is extracted from the gray image and output. This inverse transformation process is performed by inverting the above equations, which will be easily performed by those skilled in the art, and thus will not be described in detail.

상기와 같은 베이시안 호프 변환을 사용하여 모수 공간(parameter space)을 구성할 경우, 기존의 호프 변환과 비교해 보았을 때 피크점을 훨씬 더 확연하게 표 시할 수 있으므로, 선형 특징 추출을 수행할 때에 매우 효율적인 방법으로 기능을 할 수 있다.When the parameter space is constructed using the Bayesian hop transform as described above, the peak point can be displayed more clearly compared to the conventional hop transform. Therefore, when performing linear feature extraction, It can function in an efficient way.

상술한 바와 같은 본 발명의 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 형태로 기록매체(씨디롬, 램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다. 이러한 과정은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있으므로 더 이상 상세히 설명하지 않기로 한다.As described above, the method of the present invention may be implemented as a program and stored in a recording medium (CD-ROM, RAM, ROM, floppy disk, hard disk, magneto-optical disk, etc.) in a computer-readable form. Since this process can be easily implemented by those skilled in the art will not be described in more detail.

이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.The present invention described above is capable of various substitutions, modifications, and changes without departing from the technical spirit of the present invention for those skilled in the art to which the present invention pertains. It is not limited by the drawings.

상기와 같은 본 발명은, 영상에서 선형 특징을 추출함에 있어서 종래의 호프 변환 방법보다 진일보한 베이시안 호프 변환 방법을 사용함으로써, 효과적으로 선형 특징을 추출할 수 있는 효과가 있다.The present invention as described above has the effect of effectively extracting linear features by using a Bayesian hop transform method that is more advanced than the conventional hop transform method in extracting linear features from an image.

즉, 본 발명은 모수 공간에서 피크점으로 표시되는 부분이 명확하게 드러날 수 있는 베이시안 호프 변환을 이용하여 선형 특징을 더욱 정밀하게 추출할 수 있는 효과가 있다.That is, the present invention has an effect of extracting linear features more precisely by using a Bayesian hop transform in which a portion represented by a peak point in parameter space can be clearly revealed.

Claims (10)

삭제delete 베이시안 호프 변환을 이용한 선형 특징 추출 장치에 있어서,In the linear feature extraction apparatus using a Bayesian hop transform, 영상 이미지를 획득하기 위한 이미지 획득 수단;Image acquiring means for acquiring a video image; 상기 이미지 획득 수단에서 획득한 영상 이미지에서 그레이(gray) 스케일로 엣지를 추출하여 이미지로 변환하기 위한 엣지 추출 수단;Edge extraction means for extracting an edge on a gray scale from an image image acquired by the image acquisition means and converting the edge into an image; 상기 엣지 추출 수단에서 추출/변환한 그레이 이미지에 대해 베이시안 호프 변환(Bayesian Hough transform)을 수행하여 모수 공간(parameter space)으로 변환하기 위한 베이시안 호프 변환 수단;Bayesian hop transform means for transforming into a parameter space by performing a Bayesian Hough transform on the gray image extracted / transformed by the edge extracting means; 상기 베이시안 호프 변환 수단에 의해 변환된 모수 공간(parameter space)에 표시된 피크점을 검출하기 위한 피크점 검출 수단; 및Peak point detection means for detecting a peak point indicated in a parameter space converted by the Bayesian hop transform means; And 상기 피크점 검출 수단에서 검출한 피크점으로부터 선형 특징을 추출하기 위한 선형 특징 추출 수단을 포함하되,Linear feature extracting means for extracting linear features from the peaks detected by said peak detecting means; 상기 베이시안 호프 변환 수단은,The Bayesian hop conversion means, 상기 엣지 추출 수단에서 추출/변환한 엣지 부분의 그레이 이미지를 호프 변환하는 과정에서 베이시안 확률을 곱하여 모수 공간을 변환시키는 것을 특징으로 하는 베이시안 호프 변환을 이용한 선형 특징 추출 장치.In the process of hop transforming the gray image of the edge portion extracted / converted by the edge extracting means, the feature space is transformed by multiplying the Bayesian probability to transform the parameter space. 제 2 항에 있어서,The method of claim 2, 상기 베이시안 호프 변환 수단은,The Bayesian hop conversion means, 이진 이미지를 이용하여 베이시안 호프 변환을 수행할 픽셀을 구분하고, 그레이 이미지의 픽셀 값을 이용하여 베이시안 확률을 구하는 것을 특징으로 하는 베이시안 호프 변환을 이용한 선형 특징 추출 장치.A linear feature extraction apparatus using a Bayesian Hough Transform, comprising: dividing pixels to be subjected to a Bayesian Hough transform by using a binary image and obtaining a Bayesian probability by using pixel values of a gray image. 제 3 항에 있어서,The method of claim 3, wherein 상기 베이시안 확률은,The Bayesian probability is 하나의 그레이 이미지 픽셀 값이 엣지 픽셀일 확률과 바탕 픽셀일 확률의 비인 것을 특징으로 하는 베이시안 호프 변환을 이용한 선형 특징 추출 장치.An apparatus for extracting linear features using a Bayesian hop transform, wherein one gray image pixel value is a ratio between a probability of being an edge pixel and a probability of being a base pixel. 제 4 항에 있어서,The method of claim 4, wherein 상기 베이시안 확률은,The Bayesian probability is 다음의 [수학식]과 같이 구하는 것을 특징으로 하는 베이시안 호프 변환을 이용한 선형 특징 추출 장치.Linear feature extraction apparatus using the Bayesian hop transform, characterized in that obtained by the following [Equation]. [수학식][Equation]
Figure 112006041130931-pat00026
Figure 112006041130931-pat00026
Figure 112006041130931-pat00027
: 그레이 이미지 픽셀 값
Figure 112006041130931-pat00027
: Gray image pixel value
Figure 112006041130931-pat00028
: 그레이 이미지 픽셀 값
Figure 112006041130931-pat00029
에 대한 가능도비(likelihood ratio)
Figure 112006041130931-pat00028
: Gray image pixel value
Figure 112006041130931-pat00029
Likelihood ratio for
Figure 112006041130931-pat00030
: 그라운드 트루쓰(Ground Truth)
Figure 112006041130931-pat00030
Ground Truth
Figure 112006041130931-pat00031
: 이미지 픽셀
Figure 112006041130931-pat00032
을 엣지 픽셀이라 가정할 경우의 확률
Figure 112006041130931-pat00031
: Image pixel
Figure 112006041130931-pat00032
The probability of assuming edge pixel
Figure 112006041130931-pat00033
: 이미지 픽셀
Figure 112006041130931-pat00034
을 바탕 픽셀이라 가정할 경우의 확률
Figure 112006041130931-pat00033
: Image pixel
Figure 112006041130931-pat00034
Is a probability that assumes the background pixel 삭제delete 베이시안 호프 변환을 이용한 선형 특징 추출 방법에 있어서,In the linear feature extraction method using a Bayesian hop transform, 영상 이미지를 획득하는 단계;Obtaining a video image; 상기 획득한 영상 이미지에서 그레이(gray) 스케일로 엣지를 추출하여 이미지로 변환하는 단계;Extracting an edge on a gray scale from the obtained video image and converting the edge into an image; 상기 추출/변환한 그레이 이미지에 대해 베이시안 호프 변환(Bayesian Hough transform)을 수행하여 모수 공간(parameter space)으로 변환하는 베이시안 호프 변환 단계;A Bayesian Hough transform step of performing a Bayesian Hough transform on the extracted / converted gray image to a parameter space; 상기 베이시안 호프 변환 단계에서 변환된 모수 공간(parameter space)에 표시된 피크점을 검출하는 단계; 및Detecting a peak point indicated in a parameter space transformed in the Bayesian hop transform step; And 상기 검출한 피크점으로부터 선형 특징을 추출하는 단계를 포함하되,Extracting linear features from the detected peak points, 상기 베이시안 호프 변환 단계는,The Bayesian hop transform step, 상기 추출/변환한 엣지 부분의 그레이 이미지를 호프 변환하는 과정에서 베이시안 확률을 곱하여 모수 공간을 변환시키는 것을 특징으로 하는 베이시안 호프 변환을 이용한 선형 특징 추출 방법.The method for extracting linear features using a Bayesian hop transform, wherein the parameter space is transformed by multiplying a Bayesian probability in the process of hop transforming the gray image of the extracted edge part. 제 7 항에 있어서,The method of claim 7, wherein 상기 베이시안 호프 변환 단계는,The Bayesian hop transform step, 이진 이미지를 이용하여 베이시안 호프 변환을 수행할 픽셀을 구분하고, 그레이 이미지의 픽셀 값을 이용하여 베이시안 확률을 구하는 것을 특징으로 하는 베이시안 호프 변환을 이용한 선형 특징 추출 방법.A method for extracting linear features using a Bayesian hop transform, comprising: dividing pixels to be subjected to a Bayesian hop transform using a binary image and obtaining a Bayesian probability using pixel values of a gray image. 제 8 항에 있어서,The method of claim 8, 상기 베이시안 확률은,The Bayesian probability is 하나의 그레이 이미지 픽셀 값이 엣지 픽셀일 확률과 바탕 픽셀일 확률의 비인 것을 특징으로 하는 베이시안 호프 변환을 이용한 선형 특징 추출 방법.A linear feature extraction method using a Bayesian hop transform, wherein one gray image pixel value is a ratio between a probability of being an edge pixel and a probability of being a base pixel. 제 9 항에 있어서,The method of claim 9, 상기 베이시안 확률은,The Bayesian probability is 다음의 [수학식]과 같이 구하는 것을 특징으로 하는 베이시안 호프 변환을 이용한 선형 특징 추출 방법.A linear feature extraction method using a Bayesian hop transform, which is obtained by the following Equation. [수학식][Equation]
Figure 112006041130931-pat00035
Figure 112006041130931-pat00035
Figure 112006041130931-pat00036
: 그레이 이미지 픽셀 값
Figure 112006041130931-pat00036
: Gray image pixel value
Figure 112006041130931-pat00037
: 그레이 이미지 픽셀 값
Figure 112006041130931-pat00038
에 대한 가능도비(likelihood ratio)
Figure 112006041130931-pat00037
: Gray image pixel value
Figure 112006041130931-pat00038
Likelihood ratio for
Figure 112006041130931-pat00039
: 그라운드 트루쓰(Ground Truth)
Figure 112006041130931-pat00039
Ground Truth
Figure 112006041130931-pat00040
: 이미지 픽셀
Figure 112006041130931-pat00041
을 엣지 픽셀이라 가정할 경우의 확률
Figure 112006041130931-pat00040
: Image pixel
Figure 112006041130931-pat00041
The probability of assuming edge pixel
Figure 112006041130931-pat00042
: 이미지 픽셀
Figure 112006041130931-pat00043
을 바탕 픽셀이라 가정할 경우의 확률
Figure 112006041130931-pat00042
: Image pixel
Figure 112006041130931-pat00043
Is a probability that assumes the background pixel
KR1020060052743A 2005-12-08 2006-06-12 Lineal feature extraction apparatus using Bayesian Hough transform and its method KR100815160B1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020050120123 2005-12-08
KR20050120123 2005-12-08

Publications (2)

Publication Number Publication Date
KR20070061152A KR20070061152A (en) 2007-06-13
KR100815160B1 true KR100815160B1 (en) 2008-03-19

Family

ID=38357087

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060052743A KR100815160B1 (en) 2005-12-08 2006-06-12 Lineal feature extraction apparatus using Bayesian Hough transform and its method

Country Status (1)

Country Link
KR (1) KR100815160B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111913065A (en) * 2020-07-17 2020-11-10 上海电机学院 Bayesian network transformer state evaluation method based on Pair-Copula

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6111993A (en) * 1997-01-16 2000-08-29 Honda Giken Kogyo Kabushiki Kaisha Straight line detecting method
US6111933A (en) * 1997-01-29 2000-08-29 U.S. Philips Corporation X-ray device including a piezoelectric transformer
JP2001209795A (en) * 2000-01-26 2001-08-03 Sanyo Electric Co Ltd Method for extracting character
EP1251465A2 (en) * 2001-04-18 2002-10-23 The Board Of Regents Of The University Of Wisconsin Systems Motor vehicle occupant detection system employing ellipse shape models and bayesian classification
KR20050004701A (en) * 2003-06-30 2005-01-12 마이크로소프트 코포레이션 System and methods for determining the location dynamics of a portable computing device
KR20060044605A (en) * 2004-03-23 2006-05-16 마이크로소프트 코포레이션 Radiometric calibration from a single image

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6111993A (en) * 1997-01-16 2000-08-29 Honda Giken Kogyo Kabushiki Kaisha Straight line detecting method
US6111933A (en) * 1997-01-29 2000-08-29 U.S. Philips Corporation X-ray device including a piezoelectric transformer
JP2001209795A (en) * 2000-01-26 2001-08-03 Sanyo Electric Co Ltd Method for extracting character
EP1251465A2 (en) * 2001-04-18 2002-10-23 The Board Of Regents Of The University Of Wisconsin Systems Motor vehicle occupant detection system employing ellipse shape models and bayesian classification
KR20050004701A (en) * 2003-06-30 2005-01-12 마이크로소프트 코포레이션 System and methods for determining the location dynamics of a portable computing device
KR20060044605A (en) * 2004-03-23 2006-05-16 마이크로소프트 코포레이션 Radiometric calibration from a single image

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
An Optimal Bayesian Hough Transform for Line Detection(1999, IEEE) *

Also Published As

Publication number Publication date
KR20070061152A (en) 2007-06-13

Similar Documents

Publication Publication Date Title
Patel et al. Optical character recognition by open source OCR tool tesseract: A case study
US6393150B1 (en) Region-based image binarization system
EP3016383B1 (en) Method, device, and system for pre-processing a video stream for subsequent motion detection processing
CN104933668B (en) A kind of processing method of the reversible water mark based on local positioning and Alattar integer transform
WO2005048191A3 (en) Object detection in images
US9275279B2 (en) Image processing apparatus and image processing method
CN110991310B (en) Portrait detection method, device, electronic equipment and computer readable medium
Kumar et al. Near lossless image compression using parallel fractal texture identification
US9167129B1 (en) Method and apparatus for segmenting image into halftone and non-halftone regions
KR100815160B1 (en) Lineal feature extraction apparatus using Bayesian Hough transform and its method
JP6160138B2 (en) Moire removal method for pattern recognition, moire removal apparatus and program using this method
JP3655110B2 (en) Video processing method and apparatus, and recording medium recording video processing procedure
Nandy et al. An analytical study of different document image binarization methods
KR20110023279A (en) Method for tracking object in multi-camera system and apparatus thereof
Kim et al. Robust watermarking in curvelet domain for preserving cleanness of high-quality images
CN104980765B (en) A kind of plain text frame monitoring method
Xu et al. Camera-model identification using markovian transition probability matrix
KR102180478B1 (en) apparatus AND method for DETECTING CAPTION
Baraiya et al. An introduction of image fusion techniques
KR20210128605A (en) Method and Apparatus for Image Transform
KR101705876B1 (en) Method for detecting pedestrian candidate and method for recognizing pedestrian using the same
JP7106672B2 (en) Image processing device, control method and control program
Kim et al. Document capturing method with a camera using robust feature points detection
JP2006003993A (en) License plate recognition device
Tien et al. Noise reduction approach for LSB matching revisited

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Re-publication after modification of scope of protection [patent]
FPAY Annual fee payment

Payment date: 20110228

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20111208

Year of fee payment: 18