KR101517004B1 - 영상 처리 방법 - Google Patents

영상 처리 방법 Download PDF

Info

Publication number
KR101517004B1
KR101517004B1 KR1020080034394A KR20080034394A KR101517004B1 KR 101517004 B1 KR101517004 B1 KR 101517004B1 KR 1020080034394 A KR1020080034394 A KR 1020080034394A KR 20080034394 A KR20080034394 A KR 20080034394A KR 101517004 B1 KR101517004 B1 KR 101517004B1
Authority
KR
South Korea
Prior art keywords
image
vanishing point
straight line
straight lines
value
Prior art date
Application number
KR1020080034394A
Other languages
English (en)
Other versions
KR20090109012A (ko
Inventor
임화섭
김도균
이기창
채선혁
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020080034394A priority Critical patent/KR101517004B1/ko
Priority to US12/314,018 priority patent/US8744177B2/en
Publication of KR20090109012A publication Critical patent/KR20090109012A/ko
Application granted granted Critical
Publication of KR101517004B1 publication Critical patent/KR101517004B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes
    • G06V20/39—Urban scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

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

Abstract

본 발명은 입력 칼라 영상으로부터 영상 분할을 수행하여 빌딩 영역을 분리하는 방법에 관한 것으로, 영상으로부터 소실점(vanishing point)을 지나는 복수 개의 직선을 추출하는 단계, 및 상기 복수 개의 직선의 주위의 칼라 값에 기초하여 상기 영상 내의 빌딩 영역을 결정하는 단계를 포함하는 영상 처리 방법을 제공한다.
영상 분할, 3D Modeling, 3D Navigation, Virtual Reality

Description

영상 처리 방법{Image Processing}
본 발명은 영상 처리 방법에 관한 것으로, 보다 구체적으로, 영상 분할을 수행하여 입력 칼라 영상으로부터 빌딩 영역을 추출하는 방법에 관한 것이다.
최근에 칼라 영상으로부터 3D 영상을 모델링 하는 방법이 연구되고 있다. 이러한 연구에 있어서 활용도가 높은 기술 중의 하나는 그라운드(Ground) 영역, 빌딩(Building) 영역, 및 하늘(Sky) 영역을 분할하는 영상 처리 기술이다. 영상 분할(Image Segmentation)은 주어진 영상에서 관심 영역을 추출하는 기술로서, 영상 처리 분야에서 중요성이 더욱 커지고 있다. 이는 3D 영상 모델링뿐만 아니라, MPEG-4의 부호화 방식 등이 객체(Object)를 기반으로 하기 때문이다. 특히 빌딩 영역을 상기 다른 영역과 분할하여 추출하는 영상 처리 기술은 상기 3D 영상 모델링의 효율에 큰 영향을 미칠 수 있다.
입력 칼라 영상으로부터 빌딩 영역을 추출하는 방법은, 상기 칼라 영상을 빌딩 영역과 그 이외의 영역으로 영상 분할 하는 방법을 기초로 한다. 영상 분할 알고리즘에는 영역 기반 기법(Region-based approach), 에지 기반 기법(Edge-based approach)이 있다. 영역 기반 기법은 동일한 영역 내의 인접 픽셀은 명암, 컬러, 텍스쳐 등의 특성이 유사하다는 것에 착안하여 공간 상 인접한 픽셀을 그룹핑하는 방법이다. 영역 기반 방법에는 영역 성장(Region growing), 영역 분리 및 병합(Region splitting and merging), 클러스터링 방법 등이 있다.
그러나 종래의 영상 분할 방법에 의하면, 그룹핑 되는 각 영역 중 어느 영역이 상기 빌딩 영역인지 판단하는 방법이 존재하지 않기 때문에, 단일 영상 처리 방법을 이용하여 직접 빌딩 영역만 따로 추출해내는 것은 불가능하다. 따라서 상기 영상 분할 방법 이외에 별도의 알고리즘이 요구된다.
본 발명은3D 영상 모델링의 효율성 향상을 위해 안출된 것으로서, 입력되는 칼라 영상의 각 픽셀로부터 빌딩 영역에 해당하는 픽셀을 추출하는 방법을 제공하기 위한 것이다.
본 발명의 또 다른 목적은, 입력 영상의 소실점(vanishing point) 정보를 이용하여 상기 입력 영상에서 빌딩 영역에 해당하는 픽셀인지의 여부를 판단하는 방법을 제공하기 위한 것이다.
본 발명의 또 다른 목적은, 입력되는 영상에서 소실점 정보가 주어지지 않는 경우, 상기 입력되는 영상으로부터 복수 개의 직선을 추출하고 상기 복수 개의 직선 중 동일한 소실점에 대응하는 직선 주변 영역의 칼라 값에 기초하여 상기 입력 영상 의 각 픽셀로부터 빌딩 영역에 해당하는 픽셀을 추출하는 방법을 제공하기 위한 것이다.
상기의 목적을 이루기 위하여, 본 발명의 일측에 따르면, 영상으로부터 소실점(vanishing point)을 지나는 복수 개의 직선을 추출하는 단계, 및 상기 복수 개의 직선의 주위의 칼라 값에 기초하여 상기 영상 내의 빌딩 영역을 결정하는 단계를 포함하는 영상 처리 방법이 제공된다.
본 발명의 또 다른 일측에 따르면, 상기 영상으로부터 소실점을 지나는 복수 개의 직선을 추출하는 단계는, 상기 영상으로부터 복수 개의 모든 방향의 직선을 검출하는 단계, 및 상기 복수 개의 모든 방향의 직선 중 상기 소실점을 지나는 복수 개의 직선을 추출하는 단계를 포함한다.
본 발명의 또 다른 일측에 따르면, 상기 영상으로부터 복수 개의 모든 방향의 직선을 검출하는 단계는, 상기 영상으로부터 복수 개의 수평 성분의 에지를 추출하는 단계 및, 상기 복수 개의 수평 성분의 에지를 이용하여 상기 복수 개의 모든 방향의 직선을 검출하는 단계를 포함한다.
본 발명의 또 다른 일측에 따르면, 상기 복수 개의 모든 방향의 직선 중 상기 소실점을 지나는 복수 개의 직선을 추출하는 단계는, 상기 복수 개의 모든 방향의 직선의 각각의 직선 방정식을 구하는 단계, 및 상기 소실점의 x 좌표 값에 대응되는 상기 직선 방정식의 y 좌표 값과 상기 소실점의 y 좌표 값의 차이에 기초하여 상기 복수 개의 모든 방향의 직선 중 상기 소실점을 지나는 복수 개의 직선을 추출하는 단계를 포함한다.
본 발명의 또 다른 일측에 따르면, 상기 복수 개의 직선의 주위의 칼라 값에 기초하여 상기 영상 내의 빌딩 영역을 결정하는 단계는, 상기 복수 개의 직선의 주변 영역을 결정하는 단계, 상기 주변 영역의 칼라 값을 히스토그램으로 분석하는 단계, 및 상기 히스토그램에 기초하여 상기 빌딩 영역을 결정하는 단계를 포함한다.
본 발명의 또 다른 일측에 따르면, 상기 히스토그램에 기초하여 상기 빌딩 영역을 결정하는 단계는, 상기 히스토그램으로부터 상기 칼라 값의 각각에 대응하는 확률을 계산하는 단계, 및 상기 영상의 각 픽셀의 칼라 값 및 상기 칼라 값의 각각에 대응하는 상기 확률에 기초하여 상기 각 픽셀이 상기 영상 내의 상기 빌딩 영역에 속하는지 여부를 결정하는 단계를 포함한다.
본 발명의 또 다른 일측에 따르면, 영상으로부터 복수 개의 직선을 추출하는 단계, 상기 복수 개의 직선 중 동일한 소실점에 대응하는 직선을 결정하는 단계, 및 상기 동일한 소실점에 대응하는 직선의 주변 영역의 칼라 값에 기초하여 상기 영상 내의 빌딩 영역을 결정하는 단계를 포함하는 영상 처리 방법이 제공된다.
본 발명의 또 다른 일측에 따르면, 상기 동일한 소실점에 대응하는 직선의 주변 영역의 칼라 값에 기초하여 상기 영상 내의 빌딩 영역을 결정하는 단계는, 상기 동일한 소실점에 대응하는 직선의 주위의 일정 범위를 상기 주변 영역으로 결정하는 단계, 상기 주변 영역의 칼라 값을 히스토그램으로 분석하는 단계, 및 상기 히스토그램에 기초하여 빌딩 영역을 결정하는 단계를 포함한다.
이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 실시예를 상세하게 설명하지만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 일 실시예에 따른 영상 처리 방법을 도시하는 흐름도이다.
단계(110)에서 영상이 입력된다. 상기 입력 영상은 칼라 영상이다. 본 발명의 일 실시예에 따르면, 상기 칼라 영상은 RGB 데이터로 구성되는 이미지 파일이다. 상기 칼라 영상의 파일 포맷은 비트맵(bmp), 제이팩(jpeg or jpg), 로파일(raw file) 등의 다양한 형태일 수 있다. 만약, 상기 파일 포맷이 압축(data compression)된 것이라면, 상기 영상 처리에 앞서, 상기 압축을 푸는 작업(decompresion)이 수행될 수 있다.
본 발명의 또 다른 실시예에 따르면, 상기 입력 영상에 다양한 전 처리(Pre Processing)을 통하여 영상 처리의 정확도 및/또는 효율성을 높인다. 예를 들어, 상기 입력 영상의 명도(Bright or Value), 채도(Contrast) 등을 조정하여, 조정된 결과 영상을 상기 영상 처리의 입력 영상으로 할 수 있다. 또한 상기 전 처리 과정에서 다양한 필터 마스크(Mask) 처리가 포함될 수 있다.
단계(120)에서 소실점을 지나는 복수 개의 직선이 추출된다. 상기 영상으로부터 복수 개의 수평 성분의 에지(edge)가 추출된다. 상기 에지는 객체의 윤곽에 대응되는 것으로서, 면과 면의 모서리 또는 단절 면 등에 대응된다. 상기 에지 는 직선에 가까운 것과 그렇지 않은 것을 포함한다. 그리고 상기 복수 개의 수평 성분의 에지를 이용하여 상기 복수 개의 모든 방향의 직선이 검출된다. 상기 에지 중에서 일정한 방향성이 있고, 일정 길이 이상인 에지가 직선으로 검출된다. 상기 직선은 복수 개의 모든 방향의 직선이다. 상기 복수 개의 모든 방향의 직선 중에는 상기 소실점을 지나는 직선과 상기 소실점을 지나지 않은 직선이 있다. 상기 소실점을 지나는 직선은 건물 영역에 속할 확률이 크다. 상기 복수 개의 모든 방향의 직선 중 상기 소실점을 지나는 복수 개의 직선이 추출된다. 이는 상기 복수 개의 모든 방향의 직선의 각각의 직선 방정식을 구해서 상기 소실점의 x 좌표 값(xvp )에 대응되는 상기 직선 방정식의 y 좌표 값(yl )과 상기 소실점의 y 좌표 값(yvp )의 차이(abs(yl-yvp))를 일정한 임계 값(threshold)과 비교한다. 만약 상기 차이가 상기 임계 값을 초과하는 경우, 상기 직선은 상기 소실점을 지나지 않는 직선으로 판단된다. 상기 차이가 상기 임계 값 이하인 경우에만 상기 직선은 상기 소실점을 지나는 직선으로 판단된다. 따라서, 상기 소실점을 지나는 직선이 추출된다.
단계(130)에서 상기 복수 개의 직선의 주변 영역이 결정된다. 상기 소실점을 지나는 직선에 대응되는 픽셀에서 일정한 거리보다 가까운 거리의 픽셀들의 집합을 상기 주변 영역으로 결정한다. 본 발명의 또 다른 일 실시예에 따르면, 상기 일정한 거리는 상기 영상 처리의 결과의 품질에 따라, 상기 보다 큰 값 또는 작은 값으로 변경되는 피드백 단계를 더 포함하는 영상 처리 방법이 제공된다.
단계(140)에서 상기 주변 영역의 칼라 값이 히스토그램으로 분석된다. 상기 히스토그램에서 칼라 값에 대응되는 상기 주변 영역의 픽셀 수가 계산된다. 상기 계산의 결과를 그래프로 그리면, 많은 픽셀 수를 가지는 칼라 값 대역을 알 수 있다.
단계(150)에서 상기 영상 내 빌딩 영역이 결정된다. 상기 히스토그램으로부터 상기 칼라 값의 각각에 대응하는 확률이 계산된다. 상기 소실점을 지나는 복수 개의 직선 주변 영역은 상기 빌딩 영역일 확률이 크다. 따라서, 상기 히스토그램의 분석에서, 상기 칼라 값에 대응되는 상기 주변 영역의 픽셀 수는 상기 칼라 대역이 상기 빌딩 영역에 속할 확률에 대응될 수 있다. 따라서 상기 그래프는 칼라 대역이 상기 빌딩 영역에 속할 확률을 나타내는 것일 수 있다. 본 발명의 일 실시예에 따르면, 상기 그래프를 정규화(Normalization)하는 단계를 더 포함하는 영상 처리 방법이 제공된다. 그리고 상기 확률에 기초하여 상기 각 픽셀이 상기 영상 내의 상기 빌딩 영역에 속하는지 여부가 결정된다. 상기 영상 전체의 픽셀에 대하여, 각 픽셀의 칼라 값이 상기 빌딩 영역에 속할 확률이 계산된다. 상기 확률이 일정 크기 이상인 픽셀만 건물 영역에 속하는 것으로 결정될 수 있다. 본 발명의 또 다른 실시예에 따르면, 상기 일정 크기는 영상 처리의 목적, 정확도, 품질에 따라 변경될 수 있다.
도 2는 본 발명의 일 실시예에 따라, 상기 소실점을 지나는 복수 개의 직선을 추출하는 단계를 설명하기 위한 흐름도이다.
단계(210)에서 상기 영상으로부터 복수 개의 수평 성분의 에지가 추출된다. 상기 에지 중에는 일정한 방향성이 있고 직선에 가까운 에지가 있다. 또한 상기 에지 중에는 일정한 방향성이 없는 포인트 에지, 또는 곡선에 가까운 에지가 있다. 상기 에지는 객체의 윤곽에 대응되는 것으로서, 면과 면의 모서리 또는 단절 면 등에 대응된다.
본 발명의 일 실시예에 따르면, 상기 영상에 대하여 Y 축 소벨 오퍼레이터(Sobel operator)를 적용하여 소벨 Y 그라디언트 영상을 생성함으로써, 상기 영상으로부터 상기 복수 개의 수평 성분의 에지를 추출한다. 상기 소벨 오퍼레이터의 x 축과 y 축의 마스크는 [수학식 1]에 나타나는 바와 같다.
[수학식 1]
Figure 112008026551764-pat00001
수학식 1에서 Gx는 소벨 X 그라디언트 맵을 의미하고, Gy는 소벨 Y 그라디언트 맵을 의미한다. 상기 A는 상기 영상의 데이터를 의미한다. 상기 행렬 [1, 0, -1; 2. 0. -2; 1, 0, -1]은 X 축의 마스크에 대응되고, 상기 행렬 [1, 2, 1; 0, 0, 0; -1, -2, -1]은 Y 축의 마스크에 대응된다. 본 발명의 일 실시예에 따라 입력으로 주어지는 소실점은 상기 영상의 수평 성분의 에지와 연관되기 때문에, 상기 영상에 상기 Y 축의 마스크를 적용하여 상기 소벨 Y 그라디언트 영상을 생성한다.
단계(220)에서 상기 복수 개의 수평 성분의 에지를 이용하여 상기 복수 개의 모든 방향의 직선이 검출된다. 상기 에지 중에서 일정한 방향성이 있고, 일정 길이 이상인 에지가 직선으로 검출된다. 상기 직선은 복수 개의 모든 방향의 직선이다. 상기 복수 개의 모든 방향의 직선 중에는 상기 소실점을 지나는 직선과 상기 소실점을 지나지 않은 직선이 있다.
본 발명의 일 실시예에 따르면, Hough 트랜스폼 또는 Chain Code 방법을 이용하여 상기 복수 개의 수평 성분의 에지를 이용하여 상기 복수 개의 모든 방향의 직선을 검출한다.
Hough 트랜스폼을 이용한 변환은 [수학식 2A]및 [수학식 2B]를 통하여 이해될 수 있다.
[수학식 2A]
Figure 112008026551764-pat00002
[수학식 2B]
Figure 112008026551764-pat00003
상기 수학식 2A 또는 상기 수학식 2B는 x-y 좌표계와 r- 좌표계 사이의 변환을 의미한다. x-y 좌표계 상에 표현되는 상기 복수 개의 수평 성분의 에지의 각 픽셀을 r- 좌표계로 변환하면, 상기 복수 개의 수평 성분의 에지의 각 픽셀은 상기 r- 좌표계 내의 곡선에 대응한다. 만약 상기 복수 개의 수평 성분의 에지의 각 픽셀이 직선을 이루는 경우, 상기 각 픽셀에 해당하는 상기 r- 좌표계에서의 곡선들의 교점이 발견된다. 상기 교점에서 더 많은 곡선이 교차하는 경우, 대응되는 x-y 좌표계의 에지는 직선일 확률이 크다. 따라서, 직선일 확률이 큰 에지를 상기 복수 개의 모든 방향의 직선으로 검출할 수 있다.
또한 Chain Code 방법은, 상기 복수 개의 수평 성분의 에지의 각 픽셀을 따라서 일정한 방향성을 체크하고, 상기 방향성에 일정한 정도 이상의 변화가 발견되는 경우 상기 에지를 분할하여, 방향성을 갖는 복수 개의 직선을 검출한다. 본 발명의 일 실시예에 따르면, 상기 체크를 수행함에 있어서, 이웃하는 픽셀들에 대하여 순서대로 방향성을 체크 하면서 동일한 방향성을 갖는 픽셀들의 수가 작아서 직선이라고 판단되지 않는 경우, 상기 픽셀들을 필터링 아웃(Filtering out) 시킨다. 그리고 다시 다음 픽셀에 대하여 방향성을 체크한다. 만약 이웃하는 픽셀들 중 동일한 방향성을 갖는 픽셀들의 수가 많아서 직선이라고 판단되는 경우, 상기 픽셀들을 상기 복수 개의 모든 방향의 직선으로 검출한다. 따라서, 큰 방향성의 변화가 있기 전까지는 이웃하는 픽셀들이 동일한 직선에 대응하는 것으로 결정된다.
본 발명의 일 실시예에 따르면, 검출된 상기 복수 개의 모든 방향의 직선 중에는 상기 소실점을 지나는 직선과, 상기 소실점을 지나지 않는 직선이 있다. 상기 소실점을 지나는 직선은 건물 영역에 속할 확률이 크다.
단계(230)에서 상기 복수 개의 모든 방향의 직선 중 상기 소실점을 지나는 복수 개의 직선이 추출된다. 먼저 상기 복수 개의 모든 방향의 직선의 각각의 직선 방정식이 구해진다. 그리고 일정한 임계 값(threshold)이 결정된다. 본 발명의 일 실시예에 따르면, 상기 임계 값은 단순히 입력 받는 값이다. 그러나 본 발명은 이에 한정되지 않고, 상기 임계 값이 영상 처리의 정확성 또는 품질에 대한 피드백을 반영하여 변경될 수 있다. 그리고 상기 소실점의 x 좌표 값(xvp )에 대응되는 상기 직선 방정식의 y 좌표 값(yl )과 상기 소실점의 y 좌표 값(yvp )의 차이(abs(yl-yvp))가 구해진다. 상기 차이는 절대치로서 양수이다. 상기 차이가 상기 임계 값과 비교된다. 만약 상기 차이가 상기 임계 값을 초과하는 경우, 상기 직선은 상기 소실점을 지나지 않는 직선으로 판단된다. 이 경우, 상기 직선은 제거된다. 그렇지 않고, 상기 차이가 상기 임계 값 이하인 경우, 상기 직선은 상기 소실점을 지나는 직선으로 판단된다. 따라서, 상기 소실점을 지나는 직선이 추출 된다.
본 발명의 일 실시예에 따르면, 입력되는 상기 영상과 함께 상기 영상의 하나 이상의 소실점이 입력 값으로 제공된다. 본 발명의 또 다른 실시 예에 따르면, 상기 영상의 하나 이상의 소실점을 추출하는 별도의 영상 처리 과정이 별도로 또는 병렬적으로 제공될 수 있다.
도 3은 본 발명의 입력 영상의 소실점을 설명하기 위한 도면이다.
풍경에 대한 실제 사진을 포함하여 3D 정보를 포함하는 영상의 경우, 상기 영상 내의 모서리 또는 직선들이 지평선(경우에 따라서는 수평선)(Horizon)과 교차하는 점이 소실점(Vanishing Point)이다. 직선(310) 등은 제1 소실점(330)을 지난다. 직선(320) 등은 제2 소실점(340)을 지난다. 상기 제1 소실점 및 상기 제2 소실점을 지나는 직선(350)은 소실선(Vanishing Line)이고, 상기 지평선에 대응된다. 도 3에 도시된 영상의 빌딩 영역은 시점(Eye view)과 비교적 가까운 거리에 있기 때문에, 상기 제1 소실점(330) 및 상기 제2 소실점(340)은 상기 입력 영상 외부에 존재한다. 입력 영상에 따라서는 상기 소실점의 개수와 위치는 변경될 수 있다.
도 4A는 본 발명의 일 실시예에 따라 입력된 영상이다. 본 발명의 일 실시예에 따르면, 상기 입력 영상에 대하여 별도의 추가적 영상처리를 거치지 않고, 상기 빌딩 영역을 분리하는 영상 처리를 수행한다.
상기 입력 영상 내에는 빌딩 영역(411), 하늘 영역(412), 및 나무 영역(413) 등이 있다. 본 발명의 일 실시예에 따른 영상 처리 방법은 빌딩 영역(411)에 포함되는 픽셀을 결정한다. 따라서, 상기 빌딩 영역(411) 이외의 모든 영역(예를 들 어, 하늘 영역(412), 나무 영역(413) 등)은 추출하지 않는다.
본 발명의 또 다른 실시예에 따르면, 상기 빌딩 영역(411)은 필요에 따라 상기 나무 영역(413) 등의 수직 구조물(Vertical)을 더 포함한다. 이하에서는 상기 빌딩 영역(411)은 영상 내에서 건축물인 수직 건조물이 차지하는 영역을 지시하는 것으로 예를 들어 설명하지만, 본 발명은 이에 제한되지 않는다. 따라서, 상기 빌딩 영역(411)은 상기 영상 처리의 목적, 응용 분야, 요구되는 정확도 등에 따라 광의의 수직 구조물(예를 들면, 나무, 가로등 등)까지 포함할 수 있다.
도 4B는 본 발명의 일 실시예에 따라, 도 4A의 영상으로부터 수평 성분의 에지를 추출한 영상을 도시한 도면이다. 상기 에지 중에는 일정한 방향성을 갖고 직선에 가까운 에지(421, 423)가 있다. 에지(421)은 상기 소실점을 지나는 직선에 대응된다. 에지(423)은 상기 소실점을 지나지 않는 직선에 대응된다. 직선에 대응되는 에지는 객체의 윤곽에 대응되는 것으로서, 면과 면의 모서리 또는 단절 면 등에 대응될 수 있다. 한편 상기 에지 중에는 일정한 방향성을 갖지 못하고 직선이 아닌 에지(422, 424)가 있다. 에지(422)는 상기 입력 영상 배경의 구름(도시되지 않음)에 의한 에지이다. 에지(424)는 상기 입력 영상 배경의 나뭇잎의 윤곽에 대응되는 에지이다.
도 4C는 본 발명의 일 실시예에 따라, 도 4B의 수평 성분의 에지를 이용하여 모든 방향의 직선이 검출된 결과의 영상이다. 직선(431, 432, 433, 434)는 상기 수평 성분의 에지 중 일정한 방향성을 갖고 직선에 가까운 것에 대응된다. 직선(431)은 도 3의 제1 소실점(330)을 지나는 직선이다. 직선(432)는 도 3의 제2 소실점(340)을 지나는 직선이다. 한편, 직선(433, 434)는 상기 제1 소실점 및/또는 상기 제2 소실점을 지나지 않는 직선이다.
도 5는 본 발명의 일 실시예에 따라, 영상으로부터 추출된 복수 개의 모든 방향의 직선 중 소실점을 지나는 복수 개의 직선을 추출하는 방법을 도시한 흐름도이다.
단계(510)에서 상기 복수 개의 모든 방향의 직선의 각각의 직선 방정식이 구해진다. 본 발명의 일 실시예에 따르면, 상기 직선 방정식은 [수학식 3A] 이다.
[수학식 3A]
Figure 112008026551764-pat00004
상기 수학식 3A에서 x, y는 변수(variable) 이고, x1, y1, x2, y2는 상수(constant)이다. 또한 (x1, y1)과 (x2, y2)는 직선에 포함되는 임의의 두 픽셀의 좌표이다.
단계(520)에서 임계 값(threshold)이 결정된다. 본 발명의 일 실시예에 따르면, 상기 임계 값은 고정된 값이다. 그러나 본 발명은 이에 한정되지 않고, 상기 임계 값이 영상 처리의 정확성 또는 품질에 대한 피드백을 반영하여 변경될 수 있다.
단계(530)에서 상기 소실점의 x 값인 xvp를 상기 방정식에 입력하여 상기 yl 이 구해진다.
단계(540)에서 상기 소실점의 x 좌표 값에 대응되는 상기 직선 방정식의 y 좌표 값과 상기 소실점의 y 좌표 값의 차이(abs(yl-yvp))가 구해진다. 상기 차이는 절대치로서 양수이다.
단계(550)에서 상기 차이가 상기 임계 값과 비교된다. 상기 단계(550)은 [수학식 3B]를 통하여 이해될 수 있다.
[수학식 3B]
Figure 112008026551764-pat00005
상기 수학식 3B에서 yvp는 소실점의 y 좌표, yl은 소실점의 x좌표에 대응되는 상기 직선 방정식의 y 값, threshold는 상기 임계 값을 의미한다.
만약 상기 차이가 상기 임계 값을 초과하는 경우, 상기 직선은 상기 소실점을 지나지 않는 직선으로 판단된다(단계(560)). 이 경우, 상기 직선은 필터링 아웃 된다. 그렇지 않고, 상기 차이가 상기 임계 값 이하인 경우, 상기 직선은 상기 소실점을 지나는 직선으로 판단된다(단계(570)). 따라서, 상기 소실점을 지나는 직선이 추출된다.
본 발명의 일 실시예에 따르면, 상기 복수 개의 모든 방향의 직선에 대하여, 순서대로 상기 단계(510) 내지 단계(570)을 반복한다. 본 발명의 또 다른 실시예에서는 상기 복수 개의 모든 방향의 직선에 대하여 병렬적으로 상기 단계(510) 내 지 단계(570)이 수행된다.
도 6은 본 발명의 일 실시예에 따라, 상기 소실점을 지나는 복수 개의 직선을 추출한 결과의 샘플 영상을 도시한다. 직선(611, 612, 613)은 상기 제1 소실점(330)을 지나는 직선이다. 직선(621, 622, 623, 624, 625)는 상기 제2 소실점(340)을 지나는 직선이다. 상기 소실점을 지나는 복수 개의 직선에 대응되는 픽셀들은 건물 영역에 속할 확률이 크다.
도 7은 본 발명의 일 실시예에 따라, 도 4A의 입력 영상에서 소실점을 지나는 복수 개의 직선의 주변 영역을 추출한 결과의 샘플 영상을 도시한 도면이다. 주변 영역(711, 712, 713)은 각각 도 6의 직선(611, 612, 613)에 대응되고, 주변 영역(721, 722, 723, 724, 725)는 각각 도 6의 직선(621, 622, 623, 624, 625)에 대응된다. 주변 영역(711, 712, 713, 721, 722, 723, 724, 725)은 직선(611, 612, 613, 621, 622, 623, 624, 625)에 대응되는 픽셀에서 일정한 거리보다 가까운 거리의 픽셀들의 집합이다. 본 발명의 또 다른 일 실시예에 따르면, 상기 일정한 거리는 상기 영상 처리의 결과의 품질에 따라, 상기 보다 큰 값 또는 작은 값으로 변경되는 피드백 단계가 더 포함될 수 있다.
도 8은 본 발명의 일 실시예에 따라 칼라 히스토그램 분석에 사용되는 HSV 칼라 모델을 도시한다. HSV 칼라 모델의 H(810)은 색조(Hue)이다. 상기 색조는 0 내지 360도의 값을 가지며, 0도 또는 360도는 적색(Red) 계통에 대응된다. 한편, 120도는 녹색(Green), 240도는 청색(Blue)에 각각 대응된다. 또한 S(820)은 채도(Saturation), V(830)은 명도(Value)에 각각 대응된다. 본 발명의 일 실시예에 따르면, 상기 입력 되는 영상의 칼라 값이 상기 RGB 칼라 모델의 값인 경우, 이를 HSV 칼라 모델로 변환하여 상기 칼라 값을 히스토그램으로 분석하는 단계를 수행할 수 있다. 상기 변환은 [수학식 4]를 통하여 이해될 수 있다.
[수학식 4]
Figure 112008026551764-pat00006
상기 수학식 4에서 h는 상기 H(810), s는 상기 S(820), v는 상기 V(830)에 대응된다. 또한 상기 r은 RGB 칼라 모델의 적색(Red) 값을, g는 녹색(Green) 값, b는 청색(Blue)의 값을 의미한다. max는 상기 r, g, b 중 가장 큰 값을, min은 상기 r, g, b 값 중 가장 작은 값이다. 본 발명의 일 실시예에 따르면, 상기 입력 영상의 색조(Hue) 값을 히스토그램으로 분석한다. 명도나 채도의 차이는 상기 칼라 영상 내의 빌딩 영역의 각도나 광량 등에 따라서 비교적 큰 범위의 차이를 보일 수 있으나, 상기 H값은 상대적으로 작은 범위의 차이를 보인다.
본 발명의 또 다른 실시예에 따르면, 상기 주변 영역의 칼라 값을 히스토그 램으로 분석하는 단계는, 일정 명도(Value) 이상의 픽셀은 제외하고 상기 주변 영역의 색조(Hue)를 히스토그램으로 분석하는 영상 처리 방법이 제공된다. 상기 일정 명도 이상의 픽셀의 경우 색조(Hue) 값의 오차가 허용 한계를 넘어설 수 있다.
도 9는 본 발명의 일 실시예에 따라, 상기 주변 영역의 칼라 값을 히스토그램으로 분석한 결과를 도시한다. 좌표 축(910)은 색조(Hue) 값에 대응되고, 좌표 축(920)은 상기 주변 영역의 픽셀 수에 대응된다. 스펙트럼(930)은 색조 값과 그에 대응되는 색상을 나타낸다. 그래프(940)은 상기 주변 영역의 픽셀들의 칼라 값을 색조 대역에 대하여 히스토그램으로 분석한 결과이다. 상기 그래프(940)에서 색조 240도에서 270도가 가장 많은 픽셀 수를 가진다. 또한 범위를 넓히면 0도에서 60도 및 240에서 360도(자색~적색) 대역이 많은 픽셀 수를 가진다.
도 10은 본 발명의 일 실시예에 따라, 상기 히스토그램에 기초하여 상기 빌딩 영역을 결정하는 단계를 도시하는 흐름도이다.
단계(1010)에서 상기 히스토그램으로부터 상기 칼라 값의 각각에 대응하는 확률이 계산된다. 상기 소실점을 지나는 복수 개의 직선 주변 영역은 상기 빌딩 영역일 확률이 크다. 따라서, 상기 히스토그램의 분석에서, 도 9를 참조하면, 좌표 축(920)은 상기 소실점을 지나는 복수 개의 직선 주변 영역의 픽셀 수뿐만 아니라, 상기 칼라 대역이 상기 빌딩 영역에 속할 확률에 대응될 수 있다. 따라서 그래프(940)은 칼라 대역이 상기 빌딩 영역에 속할 확률을 나타내는 것일 수 있다. 본 발명의 일 실시예에 따르면, 그래프(940)을 정규화(Nomalization)하는 단계를 더 포함하는 영상 처리 방법이 제공된다.
단계(1020)에서 상기 영상의 각 픽셀의 칼라 값 및 상기 칼라 값의 각각에 대응하는 상기 확률에 기초하여 상기 각 픽셀이 상기 영상 내의 상기 빌딩 영역에 속하는지 여부가 결정된다. 본 발명의 일 실시예에 따라 입력되는 상기 영상 전체의 픽셀에 대하여, 각 픽셀의 칼라 값이 상기 빌딩 영역에 속할 확률이 계산된다. 상기 확률이 일정 크기 이상인 픽셀만 건물 영역에 속하는 것으로 결정될 수 있다. 본 발명의 또 다른 실시예에 따르면, 상기 일정 크기는 영상 처리의 목적, 정확도, 품질에 따라 변경될 수 있다.
도 11은 본 발명의 일 실시예에 따라, 영상 처리 방법을 적용한 결과의 샘플 영상이다. 상기 입력 영상 내의 빌딩 영역이 상기 영상 처리 결과 빌딩 영역(1110)으로 추출되었다. 상기 영상 처리의 결과 상기 입력 영상 내의 빌딩 영역(411) 중 홀(hole)(1121, 1122)이 발생 하였다. 또한 노이즈(1131, 1132)가 발생하였다. 본 발명의 일 실시예에 따르면, 다양한 후 처리(Post Processing)에 의하여 상기 홀(1121, 1122) 및/또는 상기 노이즈(1131, 1132)를 제거하는 단계를 더 포함하는 영상 처리 방법이 제공된다. 상기 후 처리 과정의 예는 형태학적 오퍼레이션(Morphological Operation)이다. 상기 형태학적 오퍼레이션의 예로는, 딜래이션(Dilation) 오퍼레이션 이후에 이로젼(Erosion) 오퍼레이션을 수행하는 클로징(Closing), 이로젼 오퍼레이션 이후에 딜래이션 오퍼레이션을 수행하는 오프닝(Opening)이 있다. 상기 오프닝과 상기 클로징은 각각 상기 결과 영상의 홀을 메꾸는 작업 그리고 노이즈를 제거하는 작업에 대응된다. 이러한 후 처리 과정을 통하여 상기 빌딩 영역의 정확도를 높일 수 있다.
도 12는 본 발명의 일 실시예에 따른 영상 처리 방법을 도시하는 흐름도이다.
단계(1210)에서 영상이 입력된다. 상기 입력 영상은 칼라 영상이다. 본 발명의 일 실시예에 따르면, 상기 칼라 영상은 RGB 데이터로 구성되는 이미지 파일이다. 상기 칼라 영상의 파일 포맷은 비트맵(bmp), 제이팩(jpeg or jpg), 로파일(raw file) 등의 다양한 형태일 수 있다. 만약, 상기 파일 포맷이 압축(data compression)된 것이라면, 상기 영상 처리에 앞서, 상기 압축을 푸는 작업(decompresion)이 수행될 수 있다.
본 발명의 또 다른 실시예에 따르면, 상기 입력 영상에 다양한 전 처리(Pre Processing)을 통하여 영상 처리의 정확도 및/또는 효율성을 높인다. 예를 들어, 상기 입력 영상의 명도(Bright or Value), 채도(Contrast) 등을 조정하여, 조정된 결과 영상을 상기 영상 처리의 입력 영상으로 할 수 있다. 또한 상기 전 처리 과정에서 다양한 필터 마스크(Mask) 처리가 포함할 수 있다.
단계(1220)에서 복수 개의 직선이 추출된다. 상기 영상으로부터 복수 개의 수평 성분의 에지가 추출된다. 상기 에지는 객체의 윤곽에 대응되는 것으로서, 면과 면의 모서리 또는 단절 면 등에 대응된다. 상기 에지 중에는 직선에 가까운 것과 그렇지 않은 것이 존재한다. 그리고 상기 복수 개의 수평 성분의 에지를 이용하여 상기 복수 개의 모든 방향의 직선이 검출된다. 상기 에지 중에서 일정한 방향성이 있고, 일정 길이 이상인 에지가 직선으로 검출된다. 상기 직선은 복수 개의 모든 방향의 직선이다. 상기 복수 개의 직선이 추출되는 단계의 결과 영상은 도 6에서 도시되는 영상에 대응된다.
단계(1230)에서 상기 복수 개의 직선 중 동일한 소실점에 대응하는 직선이 결정된다. 상기 소실점을 구하는 방법의 알고리즘은 영상 처리 분야에서 제안되어 왔다. 상기 알고리즘의 예에는 RANSAC(Random Sample Concensus) Based 알고리즘이 있다. 상기 동일한 소실점에 대응하는 직선은 빌딩 영역의 직선일 확률이 크다.
단계(1240)에서 상기 동일한 소실점에 대응하는 직선의 주변 영역이 결정된다. 상기 동일한 소실점에 대응하는 직선의 픽셀에서 일정한 거리보다 가까운 거리의 픽셀들의 집합을 상기 주변 영역으로 결정한다.
단계(1250)에서 상기 주변 영역의 칼라 값이 히스토그램으로 분석된다. 상기 히스토그램에서 칼라 값에 대응되는 상기 주변 영역의 픽셀 수가 계산된다. 상기 계산의 결과를 그래프로 그리면, 많은 픽셀 수를 가지는 칼라 값을 알 수 있다. 본 발명의 일 실시예에 따르면, 상기 칼라 값은 HSV 칼라 모델에 의한 것이 아닌 경우, 상기 HSV 칼라 값으로 변환하여 상기 히스토그램으로 분석된다.
단계(1260)에서 상기 히스토그램에 기초하여 영상 내의 빌딩 영역이 결정된다. 상기 히스토그램으로부터 상기 칼라 값의 각각에 대응하는 확률이 계산된다. 상기 소실점을 지나는 복수 개의 직선 주변 영역은 상기 빌딩 영역일 확률이 크다. 따라서, 상기 히스토그램의 분석에서, 상기 칼라 값에 대응되는 상기 주변 영역의 픽셀 수는 상기 칼라 대역이 상기 빌딩 영역에 속할 확률에 대응될 수 있다. 따라서 상기 그래프는 칼라 대역이 상기 빌딩 영역에 속할 확률을 나타내는 것일 수 있 다. 본 발명의 일 실시예에 따르면, 상기 그래프를 정규화(Normalization)하는 단계를 더 포함하는 영상 처리 방법이 제공된다. 그리고 상기 확률에 기초하여 상기 각 픽셀이 상기 영상 내의 상기 빌딩 영역에 속하는지 여부가 결정된다. 상기 영상 전체의 픽셀에 대하여, 각 픽셀의 칼라 값이 상기 빌딩 영역에 속할 확률이 계산된다.
본 발명에 따른 영상 처리 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 본 발명을 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 일 실시예에 따른 영상 처리 방법을 도시하는 흐름도이다.
도 2는 본 발명의 일 실시예에 따라, 상기 소실점을 지나는 복수 개의 직선을 추출하는 단계를 설명하기 위한 흐름도이다.
도 3은 본 발명의 입력 영상의 소실점을 설명하기 위한 도면이다.
도 4A는 본 발명의 일 실시예에 따라 입력된 영상을 도시한 도면이다.
도 4B는 본 발명의 일 실시예에 따라, 도 4A의 영상으로부터 수평 성분의 에지를 추출한 영상을 도시한 도면이다.
도 4C는 본 발명의 일 실시예에 따라, 도 4B의 수평 성분의 에지를 이용하여 모든 방향의 직선이 검출된 결과의 영상이다.
도 5는 본 발명의 일 실시예에 따라, 영상으로부터 추출된 복수 개의 모든 방향의 직선 중 소실점을 지나는 복수 개의 직선을 추출하는 방법을 도시한 흐름도이다.
도 6은 본 발명의 일 실시예에 따라, 상기 소실점을 지나는 복수 개의 직선을 추출한 결과의 샘플 영상을 도시한다.
도 7은 본 발명의 일 실시예에 따라, 도 4A의 입력 영상에서 소실점을 지나는 복수 개의 직선의 주변 영역을 추출한 결과의 샘플 영상을 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따라 칼라 히스토그램 분석에 사용되는 HSV 칼라 모델을 도시한다.
도 9는 본 발명의 일 실시예에 따라, 상기 주변 영역의 칼라 값을 히스토그 램으로 분석한 결과를 도시한다.
도 10은 본 발명의 일 실시예에 따라, 상기 히스토그램에 기초하여 상기 빌딩 영역을 결정하는 단계를 도시하는 흐름도이다.
도 11은 본 발명의 일 실시예에 따라, 영상 처리 방법을 적용한 결과의 샘플 영상이다.
도 12는 본 발명의 일 실시예에 따른 영상 처리 방법을 도시하는 흐름도이다.

Claims (16)

  1. 영상으로부터 복수 개의 임의의 방향의 직선을 추출하는 단계;
    상기 복수 개의 임의의 방향의 직선 중 소실점(vanishing point)을 지나는 복수 개의 직선을 추출하는 단계; 및
    상기 복수 개의 직선에 대응하는 픽셀의 칼라 값 및 상기 복수 개의 직선으로부터 미리 지정된 거리 이내에 위치하는 픽셀의 칼라 값에 기초하여 상기 영상 내의 빌딩 영역을 결정하는 단계
    를 포함하고,
    상기 소실점을 지나는 복수 개의 직선을 추출하는 단계는,
    상기 복수 개의 임의의 방향의 직선의 각각의 직선 방정식을 구하는 단계; 및
    상기 소실점의 x좌표 값에 대응되는 상기 직선 방정식의 y좌표 값과 상기 소실점의 y좌표 값의 차이에 기초하여 상기 복수 개의 임의의 방향의 직선 중 상기 소실점을 지나는 복수 개의 직선을 추출하는 단계를 포함하는 영상 처리 방법.
  2. 삭제
  3. 제1항에 있어서, 상기 영상으로부터 복수 개의 임의의 방향의 직선을 추출하는 단계는,
    상기 영상으로부터 복수 개의 수평 성분의 에지를 추출하는 단계; 및
    상기 복수 개의 수평 성분의 에지를 이용하여 상기 복수 개의 임의의 방향의 직선을 검출하는 단계
    를 포함하는 영상 처리 방법.
  4. 제3항에 있어서, 상기 영상으로부터 복수 개의 수평 성분의 에지를 추출하는 단계는,
    상기 영상에 대하여 Y 축 소벨 오퍼레이터를 적용하여 소벨 Y 그라디언트 영상을 생성함으로써 상기 복수 개의 수평 성분의 에지를 추출하는 영상 처리 방법.
  5. 제3항에 있어서, 상기 복수 개의 수평 성분의 에지를 이용하여 상기 복수 개의 임의의 방향의 직선을 검출하는 단계는,
    Hough 트랜스폼 또는 Chain Code 방법을 이용하는 영상 처리 방법.
  6. 삭제
  7. 제1항에 있어서, 상기 소실점의 x 좌표 값에 대응되는 상기 직선 방정식의 y좌표 값과 상기 소실점의 y좌표 값의 차이에 기초하여 상기 복수 개의 임의의 방향의 직선 중 상기 소실점을 지나는 복수 개의 직선을 추출하는 단계는,
    임계 값을 결정하는 단계; 및
    상기 소실점의 x 좌표 값에 대응되는 상기 직선 방정식의 y좌표 값과 상기 소실점의 y좌표 값의 차이의 절대치를 상기 임계 값과 비교하는 단계
    를 포함하는 영상 처리 방법.
  8. 제1항에 있어서, 상기 영상 내의 빌딩 영역을 결정하는 단계는,
    상기 소실점을 지나는 복수 개의 직선에 대응되는 픽셀에서 미리 지정된 거리 이내에 위치하는 픽셀들의 집합을, 상기 복수 개의 직선에 대한 주변 영역으로 결정하는 단계;
    상기 주변 영역의 칼라 값을 히스토그램으로 분석하는 단계; 및
    상기 히스토그램에 기초하여 상기 빌딩 영역을 결정하는 단계
    를 포함하는 영상 처리 방법.
  9. 제8항에 있어서, 상기 칼라 값은,
    HSV 칼라 모델에 기초한 색조(Hue)인 영상 처리 방법.
  10. 제9항에 있어서, 상기 주변 영역의 칼라 값을 히스토그램으로 분석하는 단계는,
    일정 명도(Value) 이상의 픽셀은 제외하고 상기 주변 영역의 색조(Hue)를 히스토그램으로 분석하는 영상 처리 방법.
  11. 제8항에 있어서, 상기 히스토그램에 기초하여 상기 빌딩 영역을 결정하는 단계는,
    상기 히스토그램으로부터 상기 칼라 값의 각각에 대응하는 확률을 계산하는 단계; 및
    상기 영상의 각 픽셀의 칼라 값 및 상기 칼라 값의 각각에 대응하는 상기 확률에 기초하여 상기 각 픽셀이 상기 영상 내의 상기 빌딩 영역에 속하는지 여부를 결정하는 단계
    를 포함하는 영상 처리 방법.
  12. 영상으로부터 복수 개의 직선을 추출하는 단계;
    상기 복수 개의 직선 중 동일한 소실점에 대응하는 직선을 결정하는 단계; 및
    상기 동일한 소실점에 대응하는 직선에 대응하는 픽셀의 칼라 값 및, 상기 직선으로부터 미리 지정된 거리 이내에 위치하는 픽셀의 칼라 값에 기초하여 상기 영상 내의 빌딩 영역을 결정하는 단계
    를 포함하고,
    상기 동일한 소실점에 대응하는 직선을 결정하는 단계는,
    상기 복수 개의 직선에 RANSAC(Random Sample Concensus) 알고리즘을 적용하여, 상기 동일한 소실점에 대응하는 직선을 결정하는 영상 처리 방법.
  13. 제12항에 있어서, 상기 영상 내의 빌딩 영역을 결정하는 단계는,
    상기 동일한 소실점에 대응하는 직선에 대응되는 픽셀에서 미리 지정된 거리 이내에 위치하는 픽셀들의 집합을, 상기 동일한 소실점에 대응하는 직선에 대한 주변 영역으로 결정하는 단계;
    상기 주변 영역의 칼라 값을 히스토그램으로 분석하는 단계; 및
    상기 히스토그램에 기초하여 빌딩 영역을 결정하는 단계
    를 포함하는 영상 처리 방법.
  14. 제13항에 있어서,
    상기 주변 영역의 칼라 값을 히스토그램으로 분석하는 단계는 HSV 칼라 모델을 이용하는 영상 처리 방법.
  15. 제13항에 있어서,
    상기 히스토그램을 정규화(Normalization) 하여 제1 픽셀이 빌딩 영역에 속할 확률을 분석하는 단계
    를 더 포함하는 영상 처리 방법.
  16. 제1항, 제3항 내지 제5항, 제7항 내지 제15항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체.
KR1020080034394A 2008-04-14 2008-04-14 영상 처리 방법 KR101517004B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020080034394A KR101517004B1 (ko) 2008-04-14 2008-04-14 영상 처리 방법
US12/314,018 US8744177B2 (en) 2008-04-14 2008-12-02 Image processing method and medium to extract a building region from an image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080034394A KR101517004B1 (ko) 2008-04-14 2008-04-14 영상 처리 방법

Publications (2)

Publication Number Publication Date
KR20090109012A KR20090109012A (ko) 2009-10-19
KR101517004B1 true KR101517004B1 (ko) 2015-05-06

Family

ID=41164027

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080034394A KR101517004B1 (ko) 2008-04-14 2008-04-14 영상 처리 방법

Country Status (2)

Country Link
US (1) US8744177B2 (ko)
KR (1) KR101517004B1 (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101164730B1 (ko) * 2010-02-04 2012-07-12 삼성전자주식회사 터치스크린을 포함한 단말의 캐릭터 객체 표시 방법 및 장치
US9268996B1 (en) 2011-01-20 2016-02-23 Verint Systems Inc. Evaluation of models generated from objects in video
US8824823B1 (en) * 2011-01-20 2014-09-02 Verint Americas Inc. Increased quality of image objects based on depth in scene
JP5742399B2 (ja) * 2011-04-06 2015-07-01 富士ゼロックス株式会社 画像処理装置及びプログラム
AU2013222016A1 (en) * 2013-08-30 2015-03-19 Canon Kabushiki Kaisha Method, system and apparatus for determining a property of an image
CN103729850B (zh) * 2013-12-31 2017-01-11 楚天科技股份有限公司 一种在全景图中提取直线的方法
US11328822B2 (en) * 2017-02-01 2022-05-10 Conflu3Nce Ltd Multi-purpose interactive cognitive platform
FR3069667B1 (fr) 2017-07-31 2022-06-17 Somfy Activites Sa Procede de test de compatibilite
CN108428235B (zh) * 2018-02-07 2021-08-27 西北大学 彩色地形图中线要素分割方法
FR3094159B1 (fr) * 2019-03-20 2021-11-19 Somfy Activites Sa Procédé de détermination d’un masque solaire pour une installation et procédé de vérification de comptabilité d’un dispositif d’entraînement motorisé

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002230562A (ja) * 2000-11-29 2002-08-16 Omron Corp 画像処理方法およびその装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10157958B4 (de) * 2000-11-29 2012-11-15 Omron Corp. Bildverarbeitungsverfahren und-vorrichtung
WO2002087258A2 (en) * 2001-04-20 2002-10-31 Koninklijke Philips Electronics N.V. Image processing apparatus for and method of improving an image and an image display apparatus comprising the image processing apparatus
US20050134685A1 (en) * 2003-12-22 2005-06-23 Objectvideo, Inc. Master-slave automated video-based surveillance system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002230562A (ja) * 2000-11-29 2002-08-16 Omron Corp 画像処理方法およびその装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문 HIERARCHICAL BUILDING RECOGNITION_2006. 2. 8.*

Also Published As

Publication number Publication date
US8744177B2 (en) 2014-06-03
KR20090109012A (ko) 2009-10-19
US20090257650A1 (en) 2009-10-15

Similar Documents

Publication Publication Date Title
KR101517004B1 (ko) 영상 처리 방법
CN108615226B (zh) 一种基于生成式对抗网络的图像去雾方法
CN107862667B (zh) 一种基于高分辨率遥感影像的城市阴影检测与去除方法
CA2867365C (en) Method, system and computer storage medium for face detection
JP6192271B2 (ja) 画像処理装置、画像処理方法及びプログラム
US7127104B2 (en) Vectorized image segmentation via trixel agglomeration
US20140063275A1 (en) Visual saliency estimation for images and video
Liu et al. Digital image forgery detection using JPEG features and local noise discrepancies
CN108399424B (zh) 一种点云分类方法、智能终端及存储介质
CN110544300B (zh) 一种基于二维手绘图像特征自动生成三维模型的方法
CN112488046B (zh) 一种基于无人机高分辨率影像的车道线提取方法
KR20180109658A (ko) 영상 처리 방법과 장치
CN117115117B (zh) 基于小样本下的病理图像识别方法、电子设备及存储介质
JP2011150605A (ja) 画像領域分割装置、画像領域分割方法および画像領域分割プログラム
CN111667509A (zh) 目标与背景颜色相似下的运动目标自动跟踪方法及系统
Cheng et al. Power pole detection based on graph cut
CN114758139B (zh) 基坑积水检测方法
CN115731172A (zh) 基于图像增强和纹理提取的裂缝检测方法、装置及介质
KR101512297B1 (ko) 영상의 그라운드 라인 결정 방법
US9183454B1 (en) Automated technique for generating a path file of identified and extracted image features for image manipulation
CN115294440A (zh) 输电线路识别方法、装置以及电子设备
KR101106448B1 (ko) 지능 영상 감시를 위한 이동 객체 실시간 검출 방법
CN112560740A (zh) 一种基于PCA-Kmeans的可见光遥感影像变化检测方法
CN113240611A (zh) 一种基于图片序列的异物检测方法
CN108805786B (zh) 基于最低有效位匹配隐写分析方法及装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180321

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190319

Year of fee payment: 5