KR101417498B1 - 무인 항공기 획득 영상을 이용하는 영상 처리 장치 및 방법 - Google Patents

무인 항공기 획득 영상을 이용하는 영상 처리 장치 및 방법 Download PDF

Info

Publication number
KR101417498B1
KR101417498B1 KR1020120150442A KR20120150442A KR101417498B1 KR 101417498 B1 KR101417498 B1 KR 101417498B1 KR 1020120150442 A KR1020120150442 A KR 1020120150442A KR 20120150442 A KR20120150442 A KR 20120150442A KR 101417498 B1 KR101417498 B1 KR 101417498B1
Authority
KR
South Korea
Prior art keywords
image
descriptor
foreground region
extracting
aircraft
Prior art date
Application number
KR1020120150442A
Other languages
English (en)
Other versions
KR20140081091A (ko
Inventor
김중욱
구삼옥
이상근
김용호
정수웅
Original Assignee
한국항공우주연구원
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 한국항공우주연구원 filed Critical 한국항공우주연구원
Priority to KR1020120150442A priority Critical patent/KR101417498B1/ko
Publication of KR20140081091A publication Critical patent/KR20140081091A/ko
Application granted granted Critical
Publication of KR101417498B1 publication Critical patent/KR101417498B1/ko

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
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치가 제공된다. 상기 영상 처리 장치는 상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리하여 전경 영역을 추출하는 추출부, 상기 전경 영역의 특징을 추출하여 디스크립터를 생성하는 생성부 및 상기 디스크립터를 데이터베이스와 비교하여 상기 객체의 정보를 검색하는 검색부를 포함한다. 또한, 상기 영상 처리 장치는 상기 전경 영역에 대해 전처리를 수행하여 상기 디스크립터 생성의 용이성과 정확성을 높이는 전처리부를 더 포함한다.

Description

무인 항공기 획득 영상을 이용하는 영상 처리 장치 및 방법{VIDEO PROCESSING APPARATUS AND METHOD USING THE IMAGE FROM UAV}
영상을 처리하는 장치 및 방법에 연관되며, 보다 특정하게는 무인 항공기에서 촬영되는 영상을 분석하여 해역에서 선박을 구분할 수 있는 영상 처리 장치 및 방법에 연관된다.
지금까지의 무인 항공기는 주로 군사용으로 개발되었으나, 최근에는 미국에서 무인기를 민간 용도로 사용할 수 있도록 허용하는 법률이 발효될 예정이고, 이로 인해 향후에는 민간 분야에서의 무인 항공기의 사용이 기대되고 있다. 민간 분야에서 무인 항공기의 용도는 구조, 산불 감시, 항공 사진 촬영 등이 될 수 있으며 특히, 영상 분야에서의 폭발적인 수요가 예상되고 있다.
우리 나라는 삼면이 바다로 둘러 쌓여있으며, 해상에서의 사고가 빈번하게 발생하고 있다. 특히 서해의 경우에는, 중국 어선들의 불법 조업이 날로 증가하면서 국내 어민들은 이로 인한 어획고 급감을 토론하고 있다. 이와 같은 문제는 국가적으로 해결해야 할 과제로 남아 있으며 또한, 국가와 국가 간의 외교 문제가 발생할 수 있는 중대한 문제가 될 수 있다.
따라서, 무인 항공기에서 촬영한 영상을 분석하고 우리 해역에서 불법으로 조업 중인 외국 국적의 배를 구분할 수 있는 검색 시스템이 요구된다.
일측에 따르면, 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치가 제공된다. 상기 영상 처리 장치는 상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리하여 전경 영역을 추출하는 추출부, 상기 전경 영역의 특징을 추출하여 디스크립터를 생성하는 생성부 및 상기 디스크립터를 데이터베이스와 비교하여 상기 객체의 정보를 검색하는 검색부를 포함할 수 있다.
일실시예에 따르면, 상기 추출부는 상기 추출된 전경 영역을 미리 지정되는 크기로 정규화하여 제공할 수 있다.
일실시예에 따르면, 상기 영상 처리 장치는 상기 전경 영역에 대해 전처리를 수행하여 상기 디스크립터 생성의 용이성과 정확성을 높이는 전처리부를 더 포함할 수 있다.
일실시예에 따르면, 상기 전처리는 노이즈 제거, 영상의 밝기 리매핑 중 적어도 하나를 포함할 수 있다.
일실시예에 따르면, 상기 전처리는 상기 밝기 리매핑을 포함하고, 상기 전처리부는 상기 전경 영역의 대표 밝기를 추정하여 상기 대표 밝기 값이 0.4 이하인 경우 상기 밝기 리매핑을 수행할 수 있다.
일실시예에 따르면, 상기 생성부는 상기 전경 영역의 적분 영상을 생성하는 제1 처리부, 상기 적분 영상을 근사화 헤시안 검출기에 적용하여 적어도 하나의 특징점을 추출하는 제2 처리부 및 상기 적어도 하나의 특징점에 대해 SURF (Speed Up Robust Features) 알고리즘을 이용하여 상기 디스크립터를 생성하는 제3 처리부를 포함할 수 있다.
일실시예에 따르면, 상기 검색부는 상기 디스크립터를 상기 데이터베이스와 비교하는 경우, 다중 임계치 방법을 이용하여 매칭 결과를 추출할 수 있다.
일실시예에 따르면, 상기 검색부는 상기 다중 임계치 방법을 이용하는 경우 복수 개의 임계치에서 중복 결과가 있는 경우와 중복 결과가 없는 경우 각각에 대한 트리를 구성하여 영상 매칭을 검증하여 상기 매칭 결과의 정확도를 높일 수 있다.
다른 일측에 따르면, 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 방법이 제공된다. 상기 영상 처리 방법은 상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리하여 전경 영역을 추출하는 단계, 상기 전경 영역의 특징을 추출하여 디스크립터를 생성하는 단계 및 상기 디스크립터를 데이터베이스와 비교하여 상기 객체의 정보를 검색하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 추출하는 단계는 상기 추출된 전경 영역을 미리 지정되는 크기로 정규화하여 제공할 수 있다.
일실시예예 따르면, 상기 영상 처리 방법은 상기 전경 영역에 대해 전처리를 수행하여 상기 디스크립터 생성의 용이성과 정확성을 높이는 전처리 단계를 더 포함할 수 있다.
일실시예에 따르면, 상기 전처리 단계는 노이즈 제거 단계, 영상의 밝기 리매핑 단계 중 적어도 하나를 포함할 수 있으며, 상기 밝기 리매핑 단계는 상기 전경 영역의 대표 밝기를 추정하여 상기 대표 밝기 값이 0.4 이하인 경우 상기 밝기 리매핑을 수행할 수 있다.
일실시예에 따르면, 상기 디스크립터를 생성하는 단계는 상기 전경 영역의 적분 영상을 생성하고, 상기 적분 영상을 근사화 헤시안 검출기에 적용하여 적어도 하나의 특징점을 추출하여, 상기 적어도 하나의 특징점에 대해 SURF (Speed Up Robust Features) 알고리즘을 이용하여 상기 디스크립터를 생성할 수 있다.
일실시예에 따르면, 상기 검색하는 단계는 상기 디스크립터를 상기 데이터베이스와 비교하는 경우, 다중 임계치 방법을 이용하여 매칭 결과를 추출할 수 있다.
도 1은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치의 블록도이다.
도 2는 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에 포함되는 생성부의 블록도이다.
도 3은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에서 객체를 추출하는 실시예의 도면이다.
도 4는 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치의 전처리 과정에서 밝기 리매핑을 수행하는 실시예의 도면이다.
도 5는 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에서 특징점의 추출을 수행하는 실시예의 도면이다.
도 6은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에서 다중 임계치를 이용하여 유사도를 측정하는 실시예의 도면이다.
도 7은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에서 트리를 이용하여 유사도를 측정하는 실시예의 도면이다.
도 8은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 방법의 흐름도이다.
도 9는 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 방법의 전처리 방법을 나타내는 흐름도이다.
이하에서, 일부 실시예들을, 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 관례, 새로운 기술의 출현 등에 따라 달라질 수 있다.
또한 특정한 경우는 이해를 돕거나 및/또는 설명의 편의를 위해 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.
군사용이 아닌 민간 분야에서 무인 항공기의 용도는 인명 구조, 산불 감시, 항공 사진 촬영 등으로 다양할 수 있으며 특히, 영상 분야에서의 수요가 클 것으로 예상된다.
현대의 컴퓨터와 통신 기술이 발달함에 따라 영상 및 비디오 등을 중심으로 멀티미디어 정보에 대한 서비스 요구 또한 증대되고 있다. 높은 수준의 멀티미디어 정보에 대한 서비스를 제공하기 위해 멀티미디어 검색 기술에 대한 연구도 증가되고 있다. 멀티미디어를 검색하는 방법에는 텍스트 기반(Text-based) 검색 방법과 내용 기반 영상 검색(CBIR)(Contents Based Image Retrieval) 방법이 있다.
상기 텍스트 기반 검색 방법은 해당 영상에 대해서 파일이름, 주제 등을 키워드로 정하고 이를 색인으로 사용한다. 상기 텍스트 기반 검색 방법은 사용자가 키워드를 정하기 때문에 제한된 범위 내에서는 효율적인 검색이 가능하다. 그러나, 대용량의 멀티미디어에서는 사용자가 일일이 색인을 첨가해야 하기 때문에 시간과 비용이 많이 들고, 상기 색인을 첨가하는데 있어서 색인을 부여하는 사용자의 관점과 검색자의 관점이 다르면, 검색 효율이 떨어진다. 이와 같은 문제점으로, 텍스트기반 검색은 멀티미디어 정보의 특성을 제대로 표현하지 못하기 때문에 현대의 멀티미디어 검색에는 적절하지 못하다.
그러나, 상기 내용 기반 영상 검색은 영상 내의 특징 정보인 컬러(Color), 질감(Texture), 형태(Shape) 등을 자동으로 추출하고, 이것을 색인으로 이용하여 검색을 수행할 수 있다. 초기의 영상 검색은 연구용으로 사용되었으며, 대표적인 시스템으로는 콜롬비아 대학의 VisualSEEK, IBM社 QBIC의 등이 있다.
본 발명과 유사한 방법으로, 영상 검색 방법 중 형태(shape) 정보를 이용한 방법이라고 할 수 있다. 상기 형태 검색은 영역 기반(Region based)과 외곽선 기반(Contour based)을 이용한 방법으로 나눌 수 있다.
상기 영역 기반 검색은 이진영상(binary image)의 영역 정보를 이용한 방법이라고 할 수 있고, 형태 특징에 대한 자세한 정보를 표현 할 수 있는 장점이 있다. 그러나, 정보 추출시간이 많이 필요하며, 스케일(scale)등 변형에 민감하여 전혀 다른 검색 결과를 도출 하는 문제점이 있다.
상기 외곽선 기반 검색은 이진영상에서의 외곽선 정보를 방향 또는 길이 등을 이용하는 방법이다. 이러한 외곽선 기반 검색은 외곽선 정보만을 이용하여 객체를 이루는 영역에 관계없이 형태정보를 기술 할 수 있기 때문에 외곽선이 전혀 다른 두 객체에 대해서도 구분이 가능하다. 그러나, 복잡한 외곽선의 경우 구분이 힘들고, 내부 정보를 전혀 반영하지 못하여 낮은 검색 성능을 도출한다.
최근에는 국부적 특징점(local feature)관련 연구가 진행이 되고 있다. 상기 국부적 특징점은 영상에서의 국부적인 특성을 고려하여 최소 한 개 이상의 특징점이 추출이 된다. 추출된 각각의 특징점은 디스크립터(descriptor)로 정의될 수 있다. 이러한 특징들은 종래의 방법들과 달리, 국부적인 특성이 반영되어 있고, 스케일 및 회전에 강건한 특징을 갖는 장점이 있다.
도 1은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치(100)의 블록도이다. 영상 처리 장치(100)는 추출부(110), 전처리부(120), 생성부(130) 및 검색부(140)를 포함할 수 있다.
일실시예에 따른 추출부(100)는 상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리하여 전경 영역을 추출할 수 있으며, 상기 추출된 전경 영역이 데이터 베이스에 저장된 크기와 같은 수준이 되도록 미리 지정되는 크기로 정규화(Normalize)할 수 있다. 생성부(130)는 상기 전경 영역의 특징을 추출하여 디스크립터(Descriptor)를 생성하고, 검색부(140)는 상기 디스크립터를 데이터베이스와 비교하여 상기 객체의 정보를 검색할 수 있다. 여기서 상기 항공기는 유인 항공기가 될 수도 있고, 무인 항공기가 될 수 있다.
일실시예에 따른 전처리부(120)는 상기 전경 영역에 대해 전처리를 수행하여 상기 디스크립터 생성의 용이성과 정확성을 높일 수 있으며, 이에 연관되는 내용은 아래에서 더 상세히 기술된다.
본 발명에서는 상기 영상 처리 장치를 이용함으로써 상기 항공기에서 촬영한 영상을 분석하여 이를 테면, 해역에서 불법으로 조업을 하고 있는 외국 국적의 배를 구별할 수 있는 검색 시스템이 제공될 수 있다.
일실시예에 따른, 상기 촬영은 이를 테면, 스마트 무인 항공기에 장착되어 있는 카메라를 이용할 수 있으며, 상기 카메라를 이용하여 선박을 촬영하고, 상기 촬영된 선박 영상은 관제 차량에 전송될 수 있다. 상기 관제 차량은 사전에 구축되어 있는 선박 데이터 베이스 영상 정보들에 기초하여 상기 촬영된 선박 종류에 대한 정보를 검색할 수 있으며, 검색된 정보를 상기 무인 항공기의 운영자에게 제공함으로써 임무를 효율적으로 수행할 수 있다.
도 2는 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에 포함되는 생성부(130)의 블록도이다.
일실시예에 따른 상기 생성부는 상기 추출부에 의해 상기 항공기가 촬영하는 입력 영상으로부터 추출된 전경 영역의 특징을 추출하여 디스크립터(Descriptor)를 생성할 수 있다. 또한, 상기 생성부는 제1 처리부(210), 제2 처리부(220) 및 제3 처리부(230)를 포함할 수 있다.
상기 생성부의 상기 제1 처리부는 상기 전경 영역의 적분 영상을 생성할 수 있다. 상기 제 2처리부는 상기 적분 영상을 근사화 헤시안 검출기에 적용하여 적어도 하나의 특징점을 추출할 수 있다. 또한 상기 생성부의 상기 제 3처리부는 상기 적어도 하나의 특징점에 대해 SURF(Speed Up Robust Features) 알고리즘을 이용하여 상기 디스크립터를 생성할 수 있다.
도 3은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에서 전경 영역을 추출하는 실시예의 도면이다. 도 3의 (a)와 같이, 상기 항공기 이를 테면, 도 3과 같이 스마트 무인기에서 촬영되는 영상에서 선박을 인식하기 위해서는 백그라운드(배경 부분)에서 특징점이 없어야 한다. 이를 위해서는 오로지 선박에서만 특징점이 추출되어야 한다.
일실시예에 따르면, GrabCut 알고리즘을 사용하여, 배경 부분을 제거하고 전경 부분인 선박을 추출할 수 있다. 상기 GrabCut 알고리즘은 자동 객체 추출이 아닌 사용자에 의해 객체의 영역에 사각형 윈도우를 설정해야 하는 알고리즘이다. 따라서, 도 3의 (a)의 선박 주변의 선으로 그려진 사각형과 같이, 상기 사용자에 의해 추출되어야 하는 전경 영역에 사각형 윈도우가 설정되어야 한다. 일실시예에 따른 상기 GrabCut 알고리즘을 이용하여 추출되는 상기 전경 영역인 상기 선박은 도 3의 (b)에 도시하였다.
도 4는 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치의 전처리 과정에서 밝기 리매핑을 수행하는 실시예의 도면이다. 위에서 언급한 바와 같이, 영상 처리 장치(100)는 상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리하여 전경 영역을 추출하는 상기 추출부, 상기 전경 영역의 특징을 추출하여 디스크립터를 생성하는 상기 생성부 및 상기 디스크립터를 데이터베이스와 비교하여 상기 객체의 정보를 검색하는 상기 검색부를 포함할 수 있다.
또한, 상기 전경 영역에 대해 전처리를 수행하여 상기 디스크립터 생성의 용이성과 정확성을 높이는 전처리부를 더 포함할 수 있다. 일실시예에 따른 상기 전처리부의 전처리는 상기 전경 영역의 노이즈를 제거, 영상의 밝기 리매핑 중 적어도 하나를 포함할 수 있다.
일실시예에 따르면, 상기 전처리부는 자동 영상 개선(Auto Enhancement)을 수행할 수 있는데, 이와 같은 방법을 이용하여 상기 전경 영역의 대표 밝기를 추정(Object Intensity Evaluation)할 수 있다. 도 4의 (a)에 도시한 바와 같이, 추정된 상기 전경 영역의 대표 밝기 값이 이를 테면, 0.4 이하인 경우, 상기 밝기 리매핑(Luminance Remapping)을 수행할 수 있다.
일실시예에 따른 상기 전처리부는 대표 밝기 값이 0.4 이하인 도 4의 (a)의 상기 전경 영역을 밝기 리매핑을 이용하여 도 4의 (b)와 같이, 밝은 영상으로 개선할 수 있다.
일실시예에 따르면, 상기 추출된 선박에서는 인식에 이용이 되는 특징점이 추출된다. 그러나, 상기 선박의 영상이 어두운 경우에는 특징점 추출이 적기 때문에 인식 성능에 영향을 줄 수 있다.
본 발명의 일실시예에 따르면, 이와 같은 문제점 줄이기 위해 상기 추출된 선박 영상에 대해서 밝기를 추정하여 어두운 경우 자동적으로 밝게 밝기 리매핑을 할 수 있다. 여기서, 밝기 추정은 수학식 1과 같이 상기 입력 영상의 누적 히스토그램(CI. Reference of CDF)과 레퍼런스 누적 히스토그램(CR. Reference of CDF)를 이용하여 차이를 구한다. 이 경우, 추정 범위는 0.0~1.0의 범위 이고, 0.0에 가까울수록 객체의 밝기가 어둡다.
Figure 112012106324519-pat00001
일실시예에 따르면, 상기 영상의 대표 밝기가 0.4보다 작은 경우, 수학식 2의 밝기 리매핑(Luminance Remapping)을 이용하여 밝기(Luminance)채널에서 밝기를 개선할 수 있다.
Figure 112012106324519-pat00002
여기서,
Figure 112012106324519-pat00003
는 밝기 리매핑이 수행된 결과이고,
Figure 112012106324519-pat00004
는 상기 입력 영상의 밝기 채널이고,
Figure 112012106324519-pat00005
는 상기 입력 영상에 대한 평균과 표준 편차를 나타내며,
Figure 112012106324519-pat00006
는 기준이 되는 평균과 표준 편차이다.
도 5는 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에서 특징점의 추출을 수행하는 실시예의 도면이다. 위에서 언급한 상기 전처리부에 의한 전처리 단계 후에 이를 테면, 배경 제거하고, 상기 전경 배격인 상기 객체를 추출하여, 우수한 특징점을 추출하기 위해 밝기 리매핑을 수행한 후에, 도 5에서 도시한 바와 같이 상기 전경 영역의 특징점을 추출할 수 있다.
일실시예에 따르면, 상기 특징점은 국부적으로 특징점을 추출하는 SURF 알고리즘을 기반으로 추출될 수 있다. 상기 SURF(Speeded Up Robust Feature) 알고리즘은 기존의 SIFT(Scale Invariant Feature Transform)알고리즘에 비해, 속도가 빠르고 성능은 비슷하게 보이는 장점을 포함한다.
일실시예에 따른 도 5는 SURF알고리즘을 이용하여 추출된 특징점을 나타내는 상기 전경 영역의 전체 영상이다. 상기 추출된 각각의 특징점은 이를 테면, 64개의 디스크립터로 구성될 수 있고, 이것은 인식하기 위해 이용된다.
상기 도 5와 같이 디스크립터를 생성하기 위해서는 먼저 상기 전경 영역(또는 상기 선박)의 특징점을 추출해야 하는데, 상기 특징점은 적분 영상을 생성한 후에 근사화한 헤시안 검출기(Approximated Hessian Detector)를 이용하여 추출될 수 있다. 일실시예에 따르면 상기 근사화한 헤시안 검출기를 이용하여 추출된 특징점에 상기 SURF(Speed Up Robust Features) 알고리즘을 사용하여 디스크립터(Descriptor)를 생성할 수 있다.
도 6은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에서 다중 임계치(Multiple Threshold)를 이용하여 유사도를 측정(Similarity Measure)하는 실시예의 도면이다. 하나의 임계치 값을 사용하는 경우 질의 영상과 관련이 없는 선박이 섞여서 검색이 되기 때문에 검색의 정확성을 높이기 위해 다중 임계치(Multiple Threshold)방법을 사용할 수 있다.
일실시예에 따른 다중 임계치를 이용하여 객체를 검색하고, 본 발명에서는 질의 영상에 대해 이를 테면, 3 개의 임계치(0.001, 0.004, 0.0001)를 사용하여 검색할 수 있다. 상기 임계치가 낮을수록(0.0001) 상기 특징점은 많아지고, 상기 임계치가 클수록(0.001) 특징점은 적어진다.
일실시예에 따르면, 각각의 특징점에 따른 여러 개의 후보들을 뽑고, 그 중 공통으로 나오는 후보들을 추출하기 위해 다중의 특징점을 사용할 수 있다.
도 6의 (a)에 도시한 바와 같이, 상기 임계치에 의한 결과 T1, T2, T3 에 대해 매칭에 의한 결과는 R1(T1 ∩ T2 ∩ T3)이 될 수 있다. 또한, 도 6에 도시된 R2는 라인(line) 횟수에 의한 결과이며, 상기 R2가 T1 ∩ T2 ∩ T3 일 경우, 최종적으로 상기 R1과 상기 R2에 대한 교집합 결과를 R 이라고 할 수 있다. 여기서, 상기 집합 R에서 구성되는 데이터는 매칭에 의한 에러 결과와 라인 횟수에 의한 결과에 대한 교집합 결과를 나타낼 수 있다.
또한, 도 6의 (b)의 경우에서는, 일실시예에 따른 각각의 임계치에서 매칭 에러 및 라인횟수에 의한 결과를 도시하고 있으며, 최종 중복 결과(R)은 1과 4가 될 수 있다.
도 7은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에서 트리(tree)를 이용하여 유사도를 측정하는 실시예의 도면이다. 상기 트리 구조는 내부 구조 트리(710)과 단말 노드 트리(720)로 구성된다.
일실시예에 따르면, 상기 다중 임계치를 사용하는 경우 상기 다중 수행 결과(R) 영상이 하나도 나오지 않을 가능성이 존재 할 수 있다. 이러한 결과는 상기 질의 영상과 관련되는(또는 유사한) 영상이 없을 수도 있고 또는 실제로 그렇지 않은 경우도 있을 수 있다.
일실시예에 따르면, 상기 데이터 베이스에는 존재하고, 상기 다중 임계치 결과 중 두 개의 결과에서는 출력되지만 하나의 결과에서는 나오지 않을 경우가 상기 다중 수행 결과(R)로 선정되지 못하는 경우일 수 있다.
이와 같이 상기 다중 임계치(Multiple Threshold)방법을 이용하여 결과를 도출해도 정확성이 떨어지기 때문에 정확성을 높이기 위해 상기 질의 영상과의 관련성을 확인하기 위한 트리(tree) 구조가 사용될 수 있다.
일실시예에 따른 상기 트리의 구성은 도 7에 도시된 바와 같이 상기 3개의 임계치에서 "중복 결과가 있는 경우"와 "중복 결과가 없는 경우"의 두 가지 경우로 나눈 후, 각각의 경우의 수로 트리(tree)를 구성하여 상기 질의 영상과의 관련성을 검증함으로써 정확도를 높일 수 있다.
일실시예에 따른 상기 트리는 상기 R에 결과가 존재하는 경우(ThResult-123 != 0) 존재 하지 않는 경우(ThResult-123 == 0) 두 가지로 나눌 수 있다. 만약 상기 R의 결과가 존재 하지 않는 경우, 상기 트리의 구조에서, ThResult-13 == 0 : 0.001결과와 0.0001결과에서 교집합으로 되어 있는 결과가 없는 경우는 그 하단에 ThResult-23 == 0 : 0.004결과와 0.0001결과에서 중복되는 것이 있지 않는 경우 존재 하는 것이 없으므로, "Not Matching"라는 메시지가 출력될 수 있다.
반대로, 도 7에서 ThResult-123 != 0(상기 3개 임계치 중 중복되는 결과가 존재하는 경우)에도 바로 결과를 출력해서 보여주기 보다는 그 결과가 맞는지를 검증함으로써 정확도가 높은 결과를 도출할 수 있다.
도 8은 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 방법의 흐름도이다.
먼저 상기 항공기에서 이를 테면, 스마트 무인기에서 촬영되는 선박 영상인 입력 영상이 제공된다(810). 상기 스마트 무인기를 통해 촬영되는 상기 선박의 영상은 높은 고도에서 촬영되기 때문에, 영상의 화질 및 영상의 크기 문제가 발생할 수 있다. 또한, 상기 카메라의 성능에 따라 인터레이스(Interlace)가 발생될 수 있다.
일단, 상기 입력 영상이 입력되면, 상기 추출부에 의해 상기 입력 영상으로부터 배경과 전경을 분리하여 상기 전경 영역이 추출될 수 있다(820). 여기서, GrabCut 알고리즘을 이용하여 상기 전경 영역이 추출될 수 있다. 상기 GrabCut은 위에서 기술된 바와 같이 하나의 이미지에서 배경을 제거하고 데이터베이스와 비교를 위한 객체만을 추출하는 과정이 될 수 있다.
일실시예에 따른 상기 GrabCut 알고리즘을 이용함으로써, 상기 하나의 이미지에서 상기 사용자가 객체의 영역을 지정을 하면 해당 영역 내에서 배경과 다른 즉, 전경 영역을 추출할 수 있다. 게다가, 상기 입력 영상이 상기 데이터 베이스에 있는 영상과 크기가 상이할 수 있으므로, 이를 위해 상기 추출된 전경 영역의 크기를 미리 지정되는 크기로 정규화(Normalize)할 수 있다.
상기 전경 이미지에 대한 우수한 검색 성능을 위해, 상기 배경이 제거된 상기 전경 영역을 자동으로 개선할 수 있는(Auto Enhancement) 전처리 과정이 있을 수 있다(830). 상기 전처리 과정은 영상이 어두운 경우 특징점의 추출이 어렵기 때문에 영상을 개선하는 과정이다. 이와 관련된 설명은 아래에서 더 상세히 기술된다.
일실시예에 따른 상기 전처리 과정을 거친 후의 상기 전영 영상에 대해, 상기 생성부는 상기 전경 영역의 적분 영상을 생성하고, 상기 적분 영상을 근사화 헤시안 검출기에 적용하여 적어도 하나의 특징점을 추출하여, 상기 적어도 하나의 특징점에 대해 SURF (Speed Up Robust Features) 알고리즘을 이용하여 상기 디스크립터를 생성할 수 있다(840).
일실시예에 따른 상기 디스크립터는 상기 검색부에 의해 상기 데이터베이스와 비교됨으로써, 상기 데이터 베이스와의 유사도가 측정될 수 있다(850). 일실시예에 따른 상기 유사도 측정은 앞에서 기술된 상기 다중 임계치 방법을 이용하여 매칭 결과를 추출할 수 있다. 또한, 상기 다중 임계치 방법을 이용하는 경우 복수 개의 임계치에서 중복 결과가 있는 경우와 중복 결과가 없는 경우 각각에 대하여 트리를 구성할 수 있으며, 상기 트리를 이용하여 영상 매칭을 검증함으로써 상기 매칭 결과의 정확도를 높일 수 있다.
도 9는 일실시예에 따른 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 방법의 전처리 방법을 나타내는 흐름도이다. 스마트 무인기와 같은 항공기(또는 무인 항공기)를 통해 촬영된 영상은 높은 고도에서 촬영되기 때문에, 화질 및 크기 등의 문제가 발생하게 되는데, 본 발명에서 데이터 베이스로부터의 우수한 검색 성능을 달성하기 위해 자동 영상 개선(Auto enhancement) 과정인 전처리 과정이 요구될 수 있다.
앞에서 기술된 바와 같이, 입력 영상을 제공 받으면, 상기 입력 영상으로부터 GrabCut 알고리즘을 이용하여(920) 전경 영역을 추출할 수 있다(910). 상기 추출된 전경 영역은 상기 추출부에 의해 미리 지정되는 크기로 정규화된다(930).
이와 같이, 상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리한 후에, 추출된 전경 영역에 대해 자동 영상 개선 과정을 수행한다(940).
일실시예에 따른 상기 자동 영상 개선은 상기 전경 영역이 어두운 경우, 상기 전경 영역에 대해 특징점의 추출이 어렵기 때문에 수행하는 과정이다. 우선, 상기 추출된 전경 영역에 대한 대표 밝기를 추정한다(Object Intensity Evaluation)(950).
일실시예에 따르면, 상기 추정된 전경 영역의 대표 밝기 값이 0.4 이하인 경우에 상기 전처리부는 밝기 리매핑을 수행함으로써(960) 상기 전경 영역의 영상을 밝게 개선할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에 있어서,
    상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리하여 전경 영역을 추출하는 추출부;
    상기 전경 영역의 특징을 추출하여 디스크립터를 생성하는 생성부; 및
    상기 디스크립터를 데이터베이스와 비교하여 상기 객체의 정보를 검색하는 검색부를 포함하고,
    상기 추출부는 상기 추출된 전경 영역을 미리 지정되는 크기로 정규화하여 제공하는 영상 처리 장치.
  2. 삭제
  3. 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 장치에 있어서,
    상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리하여 전경 영역을 추출하는 추출부;
    상기 전경 영역의 특징을 추출하여 디스크립터를 생성하는 생성부;
    상기 디스크립터를 데이터베이스와 비교하여 상기 객체의 정보를 검색하는 검색부; 및
    상기 전경 영역에 대해 전처리를 수행하여 상기 디스크립터 생성의 용이성과 정확성을 높이는 전처리부
    를 포함하는 영상 처리 장치.
  4. 제3항에 있어서,
    상기 전처리는 노이즈 제거, 영상의 밝기 리매핑 중 적어도 하나를 포함하는 영상 처리 장치.
  5. 제4항에 있어서,
    상기 전처리는 상기 밝기 리매핑을 포함하고, 상기 전처리부는 상기 전경 영역의 대표 밝기를 추정하여 상기 대표 밝기 값이 0.4 이하인 경우 상기 밝기 리매핑을 수행하는 영상 처리 장치.
  6. 제1항에 있어서,
    상기 생성부는,
    상기 전경 영역의 적분 영상을 생성하는 제1 처리부;
    상기 적분 영상을 근사화 헤시안 검출기에 적용하여 적어도 하나의 특징점을 추출하는 제2 처리부; 및
    상기 적어도 하나의 특징점에 대해 SURF (Speed Up Robust Features) 알고리즘을 이용하여 상기 디스크립터를 생성하는 제3 처리부
    를 포함하는 영상 처리 장치.
  7. 제1항에 있어서,
    상기 검색부는, 상기 디스크립터를 상기 데이터베이스와 비교하는 경우, 다중 임계치 방법을 이용하여 매칭 결과를 추출하는 영상 처리 장치.
  8. 제7항에 있어서,
    상기 검색부는, 상기 다중 임계치 방법을 이용하는 경우 복수 개의 임계치에서 중복 결과가 있는 경우와 중복 결과가 없는 경우 각각에 대한 트리를 구성하여 영상 매칭을 검증하여 상기 매칭 결과의 정확도를 높이는 영상 처리 장치.
  9. 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 방법에 있어서,
    상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리하여 전경 영역을 추출하는 단계;
    상기 전경 영역의 특징을 추출하여 디스크립터를 생성하는 단계; 및
    상기 디스크립터를 데이터베이스와 비교하여 상기 객체의 정보를 검색하는 단계를 포함하고,
    상기 추출하는 단계는,
    상기 추출된 전경 영역을 미리 지정되는 크기로 정규화하여 제공하는 영상 처리 방법.
  10. 삭제
  11. 항공기가 촬영한 영상으로부터 객체를 식별하는 영상 처리 방법에 있어서,
    상기 항공기가 촬영하여 제공하는 입력 영상으로부터 배경과 전경을 분리하여 전경 영역을 추출하는 단계;
    상기 전경 영역의 특징을 추출하여 디스크립터를 생성하는 단계;
    상기 디스크립터를 데이터베이스와 비교하여 상기 객체의 정보를 검색하는 단계; 및,
    상기 전경 영역에 대해 전처리를 수행하여 상기 디스크립터 생성의 용이성과 정확성을 높이는 전처리 단계
    를 포함하는 영상 처리 방법.
  12. 제11항에 있어서,
    상기 전처리 단계는 노이즈 제거 단계, 영상의 밝기 리매핑 단계 중 적어도 하나를 포함하고,
    상기 밝기 리매핑 단계는, 상기 전경 영역의 대표 밝기를 추정하여 상기 대표 밝기 값이 0.4 이하인 경우 상기 밝기 리매핑을 수행하는 영상 처리 방법.
  13. 제9항에 있어서,
    상기 디스크립터를 생성하는 단계는,
    상기 전경 영역의 적분 영상을 생성하고, 상기 적분 영상을 근사화 헤시안 검출기에 적용하여 적어도 하나의 특징점을 추출하여, 상기 적어도 하나의 특징점에 대해 SURF (Speed Up Robust Features) 알고리즘을 이용하여 상기 디스크립터를 생성하는 영상 처리 방법.
  14. 제9항에 있어서,
    상기 검색하는 단계는, 상기 디스크립터를 상기 데이터베이스와 비교하는 경우, 다중 임계치 방법을 이용하여 매칭 결과를 추출하는 영상 처리 방법.
  15. 제9항 및 제11항 내지 제14항 중 어느 한 항의 영상 처리 방법을 수행하는 프로그램을 수록한 컴퓨터 판독 가능 기록 매체.
KR1020120150442A 2012-12-21 2012-12-21 무인 항공기 획득 영상을 이용하는 영상 처리 장치 및 방법 KR101417498B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120150442A KR101417498B1 (ko) 2012-12-21 2012-12-21 무인 항공기 획득 영상을 이용하는 영상 처리 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120150442A KR101417498B1 (ko) 2012-12-21 2012-12-21 무인 항공기 획득 영상을 이용하는 영상 처리 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20140081091A KR20140081091A (ko) 2014-07-01
KR101417498B1 true KR101417498B1 (ko) 2014-07-08

Family

ID=51732477

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120150442A KR101417498B1 (ko) 2012-12-21 2012-12-21 무인 항공기 획득 영상을 이용하는 영상 처리 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101417498B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160123893A (ko) 2015-04-17 2016-10-26 (주)티아이랩 무인 항공기의 야간 촬영을 위한 조명 위치 결정 시스템 및 방법
KR101723028B1 (ko) 2016-09-26 2017-04-07 서광항업 주식회사 실시간으로 변화하는 영상정보를 통합 관리하는 영상처리시스템
KR20190025162A (ko) 2017-08-31 2019-03-11 서울시립대학교 산학협력단 지리공간정보를 이용하는 실시간 감독 학습 방법 및 시스템
KR102011342B1 (ko) * 2018-11-12 2019-08-14 주식회사 리퓨어유니맥스 소방 안전 점검 방법 및 시스템
KR20220128866A (ko) 2021-03-15 2022-09-22 엘아이지넥스원 주식회사 거리 정보를 이용한 항공 영상에서의 특징점 추출 방법 및 장치

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102279136B1 (ko) * 2014-12-08 2021-07-21 주식회사 케이티 드론，드론 관리 서버 및 이들에 의한 드론의 비행 제어 방법
CN104463889B (zh) * 2014-12-19 2017-06-16 中国人民解放军国防科学技术大学 一种基于cv模型的无人机自主着陆目标提取方法
KR102166432B1 (ko) * 2018-11-30 2020-10-15 재단법인 경북아이티융합 산업기술원 스마트 드론을 사용한 재난 상황 대응 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020019052A (ko) * 2000-03-29 2002-03-09 요트.게.아. 롤페즈 명시적인 기준 및 함축적인 기준의 조종을 위한메카니즘을 제공하는 검색 사용자 인터페이스
KR100842011B1 (ko) * 2007-06-20 2008-06-27 태양정보시스템(주) 항공사진의 도화 및 고도를 이용한 주거용 구조물의 분류방법
KR20080114804A (ko) * 2006-03-16 2008-12-31 엠.브루베이커 커티스 이동 객체에 하이퍼-관련 광고의 표시를 통한 수익 획득 시스템 및 방법
KR101059480B1 (ko) * 2011-06-08 2011-08-25 (주)나인정보시스템 영상 색인 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020019052A (ko) * 2000-03-29 2002-03-09 요트.게.아. 롤페즈 명시적인 기준 및 함축적인 기준의 조종을 위한메카니즘을 제공하는 검색 사용자 인터페이스
KR20080114804A (ko) * 2006-03-16 2008-12-31 엠.브루베이커 커티스 이동 객체에 하이퍼-관련 광고의 표시를 통한 수익 획득 시스템 및 방법
KR100842011B1 (ko) * 2007-06-20 2008-06-27 태양정보시스템(주) 항공사진의 도화 및 고도를 이용한 주거용 구조물의 분류방법
KR101059480B1 (ko) * 2011-06-08 2011-08-25 (주)나인정보시스템 영상 색인 장치 및 방법

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160123893A (ko) 2015-04-17 2016-10-26 (주)티아이랩 무인 항공기의 야간 촬영을 위한 조명 위치 결정 시스템 및 방법
KR101723028B1 (ko) 2016-09-26 2017-04-07 서광항업 주식회사 실시간으로 변화하는 영상정보를 통합 관리하는 영상처리시스템
KR20190025162A (ko) 2017-08-31 2019-03-11 서울시립대학교 산학협력단 지리공간정보를 이용하는 실시간 감독 학습 방법 및 시스템
KR102011342B1 (ko) * 2018-11-12 2019-08-14 주식회사 리퓨어유니맥스 소방 안전 점검 방법 및 시스템
KR20220128866A (ko) 2021-03-15 2022-09-22 엘아이지넥스원 주식회사 거리 정보를 이용한 항공 영상에서의 특징점 추출 방법 및 장치

Also Published As

Publication number Publication date
KR20140081091A (ko) 2014-07-01

Similar Documents

Publication Publication Date Title
KR101417498B1 (ko) 무인 항공기 획득 영상을 이용하는 영상 처리 장치 및 방법
JP5775225B2 (ja) マルチレイヤ連結成分をヒストグラムと共に用いるテキスト検出
EP3203417B1 (en) Method for detecting texts included in an image and apparatus using the same
US20150110387A1 (en) Method for binary classification of a query image
JP5591360B2 (ja) 分類及び対象物検出の方法及び装置、撮像装置及び画像処理装置
CN111191533B (zh) 行人重识别的处理方法、装置、计算机设备和存储介质
JP2011528453A (ja) 画像の検索および読み出しに関する基準を用いて画像内容の描写を生成する方法
CN111930983B (zh) 一种图像检索方法、装置、电子设备及存储介质
US10943098B2 (en) Automated and unsupervised curation of image datasets
Zhao et al. Multiresolution airport detection via hierarchical reinforcement learning saliency model
CN112633297A (zh) 目标对象的识别方法、装置、存储介质以及电子装置
US9805280B2 (en) Image analysis systems and methods
CN111126401A (zh) 一种基于上下文信息的车牌字符识别方法
CN116206334A (zh) 一种野生动物识别方法和装置
CN111553183A (zh) 一种船只检测模型训练方法、船只检测方法及装置
Ko et al. Microscopic cell nuclei segmentation based on adaptive attention window
CN112966687B (zh) 图像分割模型训练方法、装置及通信设备
CN116071649A (zh) 一种遥感图像识别的方法及装置
Hughes et al. Automated identification of individual great white sharks from unrestricted fin imagery
CN112188309B (zh) 基于累计差异度和奇异值分解的镜头边界检测方法和装置
KR101723028B1 (ko) 실시간으로 변화하는 영상정보를 통합 관리하는 영상처리시스템
CN114332716B (zh) 视频中场景的聚类方法、装置、电子设备及存储介质
CN116152723B (zh) 基于大数据的智能视频监控方法及系统
CN111625672B (zh) 图像处理方法、装置、计算机设备及存储介质
Graf et al. Robust image segmentation in low depth of field images

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
FPAY Annual fee payment

Payment date: 20180620

Year of fee payment: 5