KR101592334B1 - 위성 영상의 관심 시설 탐색 장치 및 그 방법 - Google Patents

위성 영상의 관심 시설 탐색 장치 및 그 방법 Download PDF

Info

Publication number
KR101592334B1
KR101592334B1 KR1020140147749A KR20140147749A KR101592334B1 KR 101592334 B1 KR101592334 B1 KR 101592334B1 KR 1020140147749 A KR1020140147749 A KR 1020140147749A KR 20140147749 A KR20140147749 A KR 20140147749A KR 101592334 B1 KR101592334 B1 KR 101592334B1
Authority
KR
South Korea
Prior art keywords
image
horseshoe
binary image
detecting
hole
Prior art date
Application number
KR1020140147749A
Other languages
English (en)
Inventor
임인근
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020140147749A priority Critical patent/KR101592334B1/ko
Application granted granted Critical
Publication of KR101592334B1 publication Critical patent/KR101592334B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches

Landscapes

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

Abstract

본 발명은 고해상도 위성영상에서 관심시설의 형태적 특성인 말발굽 형상의 오브젝트를 탐색할 수 있는 관심 시설 탐색 장치 및 그 방법에 관한 것으로, 위성 영상을 오브젝트 단위의 서브 이미지들로 분할하는 영상 분할부; 상기 분할된 각 서브 이미지에 임계값을 설정하여 이진 영상을 생성하고, 이진 영상에서 말발굽 형상의 오브젝트를 검출하는 말발굽 형상 검출부; 및 상기 검출된 말발굽 형상을 기준 패턴과 매칭시켜 관심 시설을 탐지하는 패턴 매칭부를 포함할 수 있다.

Description

위성 영상의 관심 시설 탐색 장치 및 그 방법{APPARATUS AND METHOD FOR DETECTING INTERESTING FACILITY IN SATELLITE IMAGES}
본 발명은 고해상도 위성영상에서 관심시설의 형태적 특성인 말발굽 형상의 오브젝트를 탐색할 수 있는 관심 시설 탐색 장치 및 그 방법에 관한 것이다.
일반적으로 찾고자 하는 관심 시설은 비행체와 이를 보호하기 위한 보호지(배경)로 둘러싸여 있으며, 비행체의 모델명 및 설치 자세, 연결 도로에 따라 영상에서 보여지는 형태가 다양하기 때문에 하나의 형태로 규정짓기에 힘든 문제점이 있다.
종래의 관심시설 위치 탐색 시스템에서는 내용에 기반한 탐지 방법을 사용하는데, 이 탐지 방법에서는 탐지 대상을 하나의 특징으로 규정짓기 어렵기 때문에 확보할 수 있는 많은 영상자료나 특징을 추출하여 데이터베이스화하여 사용하였다.
그런데, 종래의 탐지 방법은 탐지 대상에 대한 영상자료가 충분히 있어야 하며 특징 매칭시 많은 시간이 소요되는 단점이 있다. 또한, 위성영상은 촬영시기와 환경에 따라 영상의 질이 다르고 일반 영상에 비해 불명료한 영상이기 때문에, 일반적인 영상처리에서 사용되는 정교한 특징 벡터를 이용하여 탐색할 경우, 질이 떨어지는 영상에서는 관심시설이 클러터로 배제되는 문제점을 갖고 있다.
본 발명의 목적은 영상의 질이 일정하게 보장되지 않는 위성영상 또는 광역의 영상에서 관심시설의 형태적 특성인 말발굽 형상의 오브젝트를 효과적으로 탐지할 수 있는 위성 영상의 관심 시설 탐색 장치 및 방법을 제공하는데 있다.
상기와 같은 목적을 달성하기 위하여 본 발명에 따른 위성 영상의 관심시설 탐지장치는, 위성 영상을 오브젝트 단위의 서브 이미지들로 분할하는 영상 분할부; 상기 분할된 각 서브 이미지에 임계값을 설정하여 이진 영상을 생성하고, 이진 영상에서 말발굽 형상의 오브젝트를 검출하는 말발굽 형상 검출부; 및 상기 검출된 말발굽 형상을 기준 패턴과 매칭시켜 관심 시설을 탐지하는 패턴 매칭부를 포함할 수 있다.
상기 말발굽 형상 검출부는 위성 영상의 밝기 차이에 따라 이진 영상을 생성하는 이진영상 생성부; 및 상기 생성된 이진 영상으로부터 말발굽 형태의 오브젝트를 탐색하는 말발굽 형상 오브젝트 탐색부;를 포함한다.
상기 말발굽 형상 검출부는 이진 영상에 대하여 수학적 모폴로지 오퍼레이션을 수행하여 홀을 찾음으로써 말발굽 형상의 영역을 찾고, 오브젝트의 크기와 홀의 크기의 비율을 고려하여 말발굽 형태의 오브젝트를 결정할 수 있다.
상기 오브젝트의 크기와 홀의 크기의 비율은 파라미터화되어 설정될 수 있다.
상기 말발굽 형상 오브젝트 탐색부는 이진 영상을 확장하여 홀이 형성된 확장 영상을 생성하고, 상기 확장 영상의 스켈레톤 영상을 생성하여 홀을 채우고, 상기 홀이 채워진 스켈레톤 영상이 침식될 때 검출되는 홀의 경계선 영상을 검출한 후 홀의 경계션 영상과 이진 영상의 합 영상을 생성하여, 상기 생성된 합 영상과 이진 영상의 차를 구하여 말발굽 형태의 오브젝트를 검출한다.
상기 말발굽 형상 오브젝트 탐색부는 움푹 들어간 영역의 입구가 홀을 형성할 때까지 이진 영상을 소정 횟수 확장하며, 상기 침식은 확장과 동일한 횟수로 수행된다.
상기와 같은 목적을 달성하기 위하여 본 발명의 실시예에 따른 위성 영상의 관심 시설 탐지 방법은, 고해상도 위성 영상에서 밝기 차이를 이용하여 이진 영상을 생성하는 단계; 이진 영상에서 타원의 형태를 갖으며 한쪽 면이 움푹 들어간 영역을 갖는 오브젝트를 검출하는 단계; 상기 검출된 오브젝트 크기와 홀의 크기 비율을 비교하여 말발굽 형상의 오브젝트를 검출하는 단계; 및 상기 검출된 말발굽 형상의 오브젝트를 기준 패턴에 매칭시켜 관심 시설을 탐지하는 단계;를 포함할 수 있다.
상기 이진 영상을 생성하는 단계는 분할된 위성 영상에서 영상의 밝기 차이를 이용하여 오브젝트 단위로 화소들을 라벨링하여 오브젝트 단위의 서브 이미지를 생성하는 단계; 상기 생성된 오브젝트 단위의 서브 이미지를 그레이레벨의 영상으로 만든 후 오브젝트 단위별로 오츠 방법을 이용하여 임계값을 결정하는 단계; 및 상기 결정된 임계값을 근거로 2-레벨 클러스터링하여 이진 영상을 생성하는 단계;를 포함한다.
상기 말발굽 형상의 오브젝트를 검출하는 단계는 이진 영상을 확장하여 홀이 형성된 오브젝트를 생성하는 단계; 상기 확장된 이진 영상의 스켈레톤 영상을 생성하는 단계; 상기 생성된 스켈레톤 영상에서 홀을 채우는 단계; 상기 홀이 채워진 스켈레톤 영상을 침식하여 홀 영역만 검출하는 단계; 상기 검출된 홀 영역의 경계선 영상을 검출하는 단계; 초기 입력된 이진 영상과 상기 검출된 홀의 경계선 영상을 합하여 말발굽 형태의 열린 영역만 선으로 연결된 합 영상을 생성하는 단계; 및 상기 생성된 합 영상과 초기 이진영상의 차를 구하여 말발굽 형태의 오브젝트를 검출하는 단계;를 포함할 수 있다.
상기 확장은 움푹 들어간 영역의 입구가 홀을 형성할 때까지 소정 횟수 반복 수행되며, 상기 침식의 수행 횟수는 확장의 수행횟수와 동일하다.
본 발명은 고해상도 위성영상에서 말발굽 형태(형상)의 오브젝트를 탐색함으로써 관심 시설의 정확한 크기 및 형태, 배치 상태 등이 명확하지 않아도 개략 형태만으로 탐색하는 방법으로 영상의 질에 영향이 적으며, 영상의 해상도와 말발굽 형상의 크기 등을 매개 변수화함으로써 다양한 영상에 대해 적용이 가능하다.
본 발명은 고해상도 위성영상에서 유효 오브젝트를 추출함으로써 탐지 속도 및 성능을 향상시킬 수 있다. 즉, 본 발명은 형태적 특성이 유사한 영역에 대해서만 정교한 특징 매칭을 할 수 있기 때문에 탐지 시 소요되는 시간을 줄일 수 있으며, 매칭 시 오브젝트별 국부적인 임계값을 설정할 수 있으므로 관심시설의 탐지성능을 향상시킬 수 있는 장점이 있다.
따라서, 본 발명은 영상의 종류에 관계없이 영상을 이용하여 오목 곡면 (concave surface)을 찾는 감시정찰, 탐지, 의료영상 판독 및 모니터링 시스템 등에 범용적으로 활용 가능하므로 다양한 분야에서 적용될 수 있는 장점이 있다.
도 1은 관심시설이 포함된 위성 영상의 일 예.
도 2는 본 발명에 적용되는 관심시설 탐지 시스템의 구성도.
도 3은 도 2에 도시된 관심시설 탐지장치의 상세 구성도.
도 4는 본 발명의 실시예에 따른 관심시설 탐지장치를 이용하여 말발굽 형상의 관심 시설을 탐지하는 방법을 나타낸 순서도.
도 5a 및 도 5b는 이진 영상을 생성하는 동작을 나타낸 일 예.
도 6은 수학적 모폴로지 연산을 수행하는 이진 영상과 구조 요소를 나타낸 도면.
도 7은 수학적 모폴로지 연산을 수행하여 말발굽 형상의 영역을 탐지하는 과정을 나타낸 도면.
도 8은 탐지된 움푹 들어간 영역과 오브젝트의 영역 비율을 고려하여 말발굽 형태를 판단하는 개념을 나타낸 도면.
관심 시설은 보호지와 비행체를 구분하는 화소 경계에서 영상의 질에 따라 두드러짐의 크고 작음은 있지만, 보호지와 비행체의 색상 차이로 인하여 말발굽 형태를 띄고 있는 공통점이 있다.
따라서, 본 발명은 영상의 질이 일정하게 보장되지 않는 고해상도 위성영상 또는 광역의 영상에서 관심 시설을 나타내는 말발굽 형상의 오브젝트를 탐지할 수 있는 방안을 제안한다.
이를 위하여 본 발명은 관심시설을 찾기 위해 먼저 오브젝트별로 임계값을 설정하여 비행체와 보호지를 분리하고, 그 결과로부터 수학적 모폴로지 연산을 이용하여 관심시설의 형태적 특성인 말발굽 형태의 오브젝트를 추출한다.
이러한 탐지 방법을 사용할 경우 형태적 특성이 유사한 영역에 대해서만 정교한 특징 매칭을 할 수 있으므로 탐지 시 소요되는 시간을 줄일 수 있으며, 매칭시 오브젝트별 국부적인 임계값을 설정할 수 있으므로 관심시설의 탐지성능을 향상시킬 수 있는 장점이 있다.
본 발명은 영상의 질이 일정하게 보장되지 않는 고해상도 위성영상 또는 광역의 영상에서 말발굽 형상 오브젝트를 탐지하는 방법에 관한 기술이다. 국부적으로 오츠 벙법(Otsu’s method)를 이용하여 밝기값의 차이로부터 오브젝트의 경계를 찾고, 그 결과로부터 수학적 모폴로지 연산을 활용하여 말발굽 형상의 오브젝트를 찾아내는 기술이다.
도 1은 관심 시설이 포함된 위성 영상의 일 예이다.
도 1에 도시된 바와같이, 위성 영상에서 사람이 인지할 수 있는 것은 타원 형태이면서 타원의 내부에 밝기 차이가 있는 홀이 존재한다는 것이다. 이러한 형상을 관심 시설을 나타내는 말발굽 형상이라고 부른다.
도 2는 본 발명에 적용되는 관심시설 탐지 시스템을 나타낸다.
도 2를 참조하면, 본 발명에 적용되는 관심시설 탐지 시스템은 고해상도 위성 영상을 촬영하는 위성(100), 상기 위성(100)에서 촬영된 영상을 획득하여 말발굽 형상의 관심 시설을 탐지하는 관심시설 탐지장치(200) 및 상기 탐지된 관심 시설을 표시하는 표시 장치(300)로 구성된다.
도 3은 본 발명의 실시예에 따른 관심시설 탐지장치(200)의 구성도이다.
도 3에 도시된 바와같이, 본 발명에 따른 관심시설 탐지장치(200)는 위성 영상을 분할(segmentation)하여 오브젝트 단위의 복수의 서브 이미지를 출력하는 영상 분할부(20), 오브젝트 단위로 분할된 각 서브 이미지에 임계값을 설정하여 이진 영상을 생성하고, 생성된 이진 영상에서 말발굽 형상을 검출하는 말발굽 형상 검출부(21) 및 검출된 말발굽 형상을 기준 패턴과 매칭시켜 관심 시설을 탐지하는 패턴 매칭부(22)를 포함한다.
상기 이진 영상은 오츠(Otsu's) 임계값 알고리즘을 이용하여 생성된다.
상기 말발굽 형상 검출부(21)는 밝기 차이를 이용하여 이진영상을 생성하는 이진영상 생성부(21-1)와, 생성된 이진영상으로부터 말발굽 형태의 오브젝트를 탐색하는 말발굽 형상 오브젝트 탐색부(21-2)로 구성된다.
이진 영상에서 하얀 부분은 객체를 나타내고, 검은 부분은 배경을 나타낸다.
도 4는 본 발명의 실시예에 따른 관심시설 탐지장치를 이용하여 말발굽 형상의 관심 시설을 탐지하는 방법을 나타낸 순서도이다.
도 4에 도시된 바와같이, 위성(100)으로부터 수신된 고해상도의 위성 영상은 관심시설 탐지장치(200)의 영상 분할부(20)에서 분할되고 분할 영상은 말발굽 형상 검출부(21)로 입력된다.
상기 말발굽 형상 탐색부(21)의 이진 영상 생성부(21-1)는 분할 영상의 밝기 차이를 근거로 연결성 있는 화소들을 라벨링하여 오브젝트 단위의 서브 이미지를 생성하고, 상기 생성된 오브젝트 단위의 서브 이미지를 그레이 레벨 영상으로 만든 다음 오브젝트 단위별로 오츠 방법(Otsu's method)을 통해 임계값을 결정하여 이진영상을 생성한다(S100, S110).
도 5a 및 도 5b는 이진 영상을 생성하는 동작을 나타낸 일 예이다.
도 5a에 도시된 바와같이, 이진영상 생성부(21-1)는 영상의 밝기 차이를 이용하여 분할 영상에서 오브젝트 단위로 화소들을 라벨링하여(예: 1,2,3..) 오브젝트 단위의 서브 이미지를 생성한다.
통상 관심시설의 비행체와 보호지는 밝기 차이가 나기 때문에 이진영상 생성시 분리될 수 있음을 이용하여 이진영상 생성부(21-1)는, 도 5b에 도시된 바와같이 라벨링된 오브젝트 단위의 서브 이미지를 그레이 레벨의 영상으로 만든 후 오브젝트 단위별로 오츠 방법을 이용하여 임계값을 결정하고, 상기 결정된 임계값을 근거로 2-레벨 클러스터링하여 이진 영상을 생성한다. 이진화 과정을 위해서는 오브젝트를 분리하는 과정이 필요한데, 통계적인 방법을 이용한 오츠의 방법이 자연스러운 임계값을 설정하는데 효과적이다.
이와같이 이진영상 생성부(21-1)는 오브젝트 단위로 분할된 각 서브 이미지에 대해 국부적으로 임계값을 설정하여 이진영상을 생성함으로써 관심시설에서의 비행체와 보호지의 경계를 더욱 명확하게 보여줄 수 있다.
오츠 방법을 이용하여 임계값을 결정하는 과정은 다음과 같다.
이진화 과정에서 두 클래스가 잘 분리되려면 각 클래스에 속한 그레이값의 분포가 유사해야 한다. 따라서, 좋은 임계값을 구하기 위해서는 각 클래스내의 분산이 작아야 한다. 따라서, 아래 수학식 1의 클래스 내 분산의 최소값을 구하면 원하는 임계값을 구할 수 있다.
[수학식 1]
클래스 내 분산:
Figure 112015111593572-pat00001
여기서,
Figure 112014103701214-pat00002
는 전체 영상에서 i 클래스에 해당하는 픽셀이 나타날 확률,
Figure 112014103701214-pat00003
는 i 클래스 내의 분산을 나타낸다.
상기와 같은 클래스 내 분산을 보다 쉽게 수행하기 위해 다음의 수학식 2와 같이 클래스 간 분산을 이용한다.
클래스 간 분산:
Figure 112015111593572-pat00004
클래스 간 분산은 클래스 내 분산의 역이기 때문에 클래스 간 분산의 최대값을 구하고 그 때의 임계값을 찾아낸다.
상기와 같이 이진영상 생성부(21-1)에서 이진 영상이 생성되면, 도 4에 도시된 바와같이, 말발굽 형상 오브젝트 탐색부(21-2)는 상기 생성된 이진영상에 대하여 수학적 모폴로지 오퍼레이션을 수행하여 홀을 찾음으로써 말발굽 형상의 영역을 찾고, 오브젝트의 크기와 홀의 크기의 비율을 고려하여 말발굽 형태의 오브젝트를 결정한다(S120~S230). 상기 동작을 보다 상세히 설명하면 다음과 같다.
일반적으로 말발굽 형상(형태)은 움푹 들어간 영역의 입구 영역이 오브젝트 전체 영역보다 좁다는 특징을 이용하여 확장(dilation)을 반복하여 입구 영역을 막음으로써 오브젝트 안에 홀을 만들 수 있다.
이진 영상 확장시 물체의 크기(하얀 부분)는 증가하고 배경(검은 부분)은 감소한다. 상기 확장은 이진 영상에서 물체 내부의 홀과 같은 빈 공간을 메우거나 가까이 있는 짧게 끊어진 영역을 연결하는 기능을 말한다.
먼저, 수학적 모폴로지 연산(Mathematical Morphology operation)을 수행하기 전에 이진 영상의 확장(dilation) 횟수(N)의 초기값이 설정될 수 있다.
도 6은 수학적 모폴로지 연산을 수행하는 이진 영상과 구조 요소 (Structuring element)를 나타내고, 도 7은 수학적 모폴로지 연산을 수행하여 말발굽 형상의 영역을 탐지하는 과정을 나타낸다. .
도 4의 순서도에 따라 말발굽 형상 오브젝트 탐색부(21-2)는 이진 영상에서 움푹 들어간 곳의 입구 영역을 막기 위한 확장을 여러 차례 수행한다(S120). 이때, 도 7에 도시된 이진 영상과 3×3 구조 요소(structuring element)(e.g., 마스크)를 이용하며, 말발굽 형상의 영역의 입구 거리가 다양한 경우를 고려하여 일정 범위 내에서 확장횟수(N)를 증가시킴으로써 입구 거리가 길고, 정형화되지 않은 형태도 탐지할 수 있도록 한다.
1. 확장 방법
이진 영상에서의 확장은 다음 같이 수학식 1로 표시할 수 있다.
[수학식 1]
Figure 112014103701214-pat00005
여기서 A는 이진영상, B는 마스크이다.
상기 마스크(B)가 이진영상(A)에서 1인 값과 오버랩이 하나라도 있을 때 마스크 B의 원(origin) 픽셀은 1로 세팅된다.
그리고, 확장 횟수(N)는 찾고자 하는 말발굽 형태의 입구 거리와 영상의 해상도를 고려하여 파라미터화함으로써 다양한 크기에 적용할 수 있다.
2. 확장 횟수(N) 계산
확장 횟수(N)는 허용할 수 있는 말발굽에서 움푹 들어간 곳의 거리와 관계되므로, 움푹 들어간 곳의 거리(d)의 범위를
Figure 112014103701214-pat00006
라고 하고, 영상의 해상도를
Figure 112014103701214-pat00007
이라고 하면, 움푹 들어간 입구의 픽셀 수는 다음 수학식 2와 같이 나타낼 수 있다.
[수학식 2].
움푹 들어간 입구의 픽셀 수:
Figure 112014103701214-pat00008
도면 7과 같은 3×3 마스크를 이용할 때, 확장 횟수(N)는 1회 확장할 때마다 1픽셀씩 확장되고, 움푹 들어간 입구인 경우에는 양쪽으로부터 1픽셀씩 확장되기 때문에 1회 확장할 때마다 입구 거리가 2픽셀씩 좁아지는 효과를 갖는다.
따라서, 확장 횟수(N)에 따라 움푹 들어간 입구거리는
Figure 112014103701214-pat00009
로 좁아지게 되며, 입구거리
Figure 112014103701214-pat00010
일 때 움푹 들어간 곳이 홀로 만들어진다. 즉, 최소
Figure 112014103701214-pat00011
회 이상 확장이 수행되어야 홀이 만들어진다.
따라서, 확장 수행횟수(N)의 범위는 다음 수학식 3과 같이 결정된다.
[수학식 3]
Figure 112014103701214-pat00012
즉, 이진 영상에 대하여 확장을 수행하면 말발굽 형태가 닫힌 형태가 되어 홀의 형태가 나타나게 된다.
이와 같은 확장 동작이 완료되면 말발굽 형상 오브젝트 탐색부(21-2)는 후속 단계(S130~S200)를 수행한다.
3. 스켈레톤(Skeleton) 영상 생성
스켈레톤 영상의 생성 과정은 아래 규칙에 따라 반복적으로 경계 픽셀들을 제거하여 오브젝트의 뼈대만 남기는 과정이다.
- 종료점(End points)는 제거되지 않는다.
- 연결성이 끊어지지 않는다.
- 영역의 과도한 축소가 발생되지 않는다.
따라서, 말발굽 형상 오브젝트 탐색부(21-2)는 수학적 모폴로지 연산 " 스켈레톤"를 수행하여 스켈레톤 영상을 생성한다.(S130).
4. 스켈레톤 영상의 홀 채우기
전술한 바와같이 이진 영상에 대하여 확장을 수행하면 말발굽 형태가 닫힌 형태가 되어 홀이 나타나기 때문에 스켈레톤 영상에도 홀이 존재한다. 따라서, 말발굽 형상 오브젝트 탐색부(21-2)는 스켈레톤 영상의 홀을 채운다(S140).
5. 침식(Erosion) 수행
침식은 이진 영상에서 물체와 배경사이의 잡음을 제거하기 위한 동작으로 확장과 반대되는 개념이다. 상기 침식은 확장의 수행 횟수와 동일한 N회를 수행한다.
상기 이진 영상에서의 침식은 다음의 수학식 4로 표시할 수 있다.
[수학식 4]
Figure 112014103701214-pat00013
A: 이진영상, B: 마스크(structuring element)
즉, 마스크 B와 오버랩되는 이진 영상 A의 모든 픽셀값이 1일 때 마스크의 원(origin) 픽셀은 1의 값으로 결정된다.
상기 침식이 수행되면 물체의 크기(하얀 부분)는 줄어들고 배경은 확장되기 때문에 결과적으로 물체의 가장자리가 줄어들게 되어 홀 영역만 남게 된다. 따라서, 말발굽 형상 오브젝트 탐색부(21-2)는 홀이 채워진 스켈레톤 영상을 소정 횟수(N)만큼 반복적으로 침식시켜 홀 영역만 검출하게 된다(S150).
6. 홀의 경계선 영상 검출
경계선(perimeter) 영상의 픽셀 값이 1이 되려면 최소한 하나의 0값을 갖는 픽셀과 연결되어야 한다. 따라서, 말발굽 형상 오브젝트 탐색부(21-2)는 이웃하는 4개의 픽셀들의 연결성을 조사하여 홀의 경계선 영상을 검출한다(S160).
이어서 말발굽 형상 오브젝트 탐색부(21-2)는 초기 입력된 이진 영상과 상기 검출된 홀의 경계선 영상을 합하여, 말발굽 형태의 열린(opening) 영역만 선으로 연결된 합 영상을 생성한다. 또한, 말발굽 형상 오브젝트 탐색부(21-2)는 상기 생성된 합 영상과 입력 이진영상의 차를 구한다. 상기 차 영상이 말발굽 형태의 움푹 들어간 영역이 되는 것이다.
따라서, 말발굽 형상 오브젝트 탐색부(21-2)는 찾고자 하는 말발굽 형태의 크기 조건에 따라, 상기 구해진 차 영상 즉, 말발굽 형태의 움푹 들어간 영역이 찾고자 하는 말발굽 형태인지 아닌지 판단한다.
본 발명은 이진 영상의 오브젝트 크기와 홀의 크기 비율을 파라미터화하여 움푹 들어간 영역과 오브젝트의 형태가 다양한 것을 찾을 수 있다.
도 8은 탐지된 움푹 들어간 영역과 오브젝트의 영역 비율을 고려하여 최종적으로 말발굽 형태인지 아닌지 판단하는 실시예이다.
도 8에 도시된 바와같이, 이진 영상의 오브젝트 크기와 움푹 들러간 영역(①,②,③)의 크기를 비교하여, 말발굽 형상의 오브젝트로 최종 결정한다.
따라서, 패턴 매칭부(22)는 상기 검출된 말발굽 형상을 기준 패턴과 매칭시켜 관심 시설을 탐지하고, 상기 탐지된 관심 시설은 표시 장치(300)에 표시된다.
상술한 바와같이 본 발명은 고해상도 위성영상에서 말발굽 형태(형상)의 오브젝트를 탐색함으로써 관심 시설의 정확한 크기 및 형태, 배치 상태 등이 명확하지 않아도 개략 형태만으로 탐색하는 방법으로 영상의 질에 영향이 적으며, 영상의 해상도와 말발굽 형상의 크기 등을 매개 변수화함으로써 다양한 영상에 대해 적용이 가능한 장점이 있다. .
본 발명은 형태적 특성이 유사한 영역에 대해서만 정교한 특징 매칭을 할 수 있기 때문에 탐지 시 소요되는 시간을 줄일 수 있으며, 매칭 시 오브젝트별 국부적인 임계값을 설정할 수 있으므로 관심시설의 탐지성능을 향상시킬 수 있는 장점이 있다.
따라서, 본 발명은 영상의 종류에 관계없이 영상을 이용하여 오목 곡면 (concave surface)을 찾는 감시정찰, 탐지, 의료영상 판독 및 모니터링 시스템 등에 범용적으로 활용 가능하므로 다양한 분야에서 적용될 수 있을 것이다.
상기와 같이 설명된 위성 영상의 관심 시설 탐색 장치 및 그 방법은 상기 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
20 : 영상 분할부 21 : 말발굽 형상 검출부
21-1 : 이진영상 생성부 21-2 : 말발굽 형상 오브젝트 탐색부
22 : 패턴 매칭부 100 : 위성
200 : 관심시설 탐지장치 300 : 표시 장치

Claims (10)

  1. 위성 영상을 오브젝트 단위의 서브 이미지들로 분할하는 영상 분할부;
    상기 분할된 각 서브 이미지에 임계값을 설정하여 이진 영상을 생성하고, 이진 영상에서 말발굽 형상의 오브젝트를 검출하는 말발굽 형상 검출부; 및
    상기 검출된 말발굽 형상의 오브젝트를 기준 패턴과 매칭시켜 관심 시설을 탐지하는 패턴 매칭부;를 포함하며,
    상기 말발굽 형상 검출부는
    이진 영상에서 타원의 형태를 갖으며 한쪽 면이 움푹 들어간 영역을 갖는 오브젝트를 검출한 후 상기 검출된 오브젝트 크기와 홀의 크기 비율을 비교하여 말발굽 형상의 오브젝트를 결정하는 것을 특징으로 하는 위성 영상의 관심시설 탐지장치.
  2. 제1항에 있어서, 상기 말발굽 형상 검출부는
    위성 영상의 밝기 차이에 따라 이진 영상을 생성하는 이진영상 생성부; 및
    상기 생성된 이진 영상으로부터 말발굽 형태의 오브젝트를 탐색하는 말발굽 형상 오브젝트 탐색부;를 포함하는 것을 특징으로 하는 위성 영상의 관심시설 탐지장치.
  3. 삭제
  4. 제1항에 있어서, 상기 오브젝트의 크기와 홀의 크기의 비율은
    파라미터화되어 설정되는 것을 특징으로 하는 위성 영상의 관심시설 탐지장치.
  5. 제2항에 있어서, 상기 말발굽 형상 오브젝트 탐색부는
    이진 영상을 확장하여 홀이 형성된 확장 영상을 생성하고,
    상기 확장 영상의 스켈레톤 영상을 생성하여 홀을 채우고,
    상기 홀이 채워진 스켈레톤 영상이 침식될 때 검출되는 홀의 경계선 영상을 검출한 후 홀의 경계션 영상과 이진 영상의 합 영상을 생성하여,
    상기 생성된 합 영상과 이진 영상의 차를 구하여 말발굽 형태의 오브젝트를 검출하는 것을 특징으로 하는 위성 영상의 관심시설 탐지장치.
  6. 제5항에 있어서, 상기 말발굽 형상 오브젝트 탐색부는
    움푹 들어간 영역의 입구가 홀을 형성할 때까지 이진 영상을 소정 횟수 확장하며, 상기 침식은 확장과 동일한 횟수로 수행되는 것을 특징으로 하는 위성 영상의 관심 시설 탐지 장치.
  7. 고해상도 위성 영상에서 밝기 차이를 이용하여 이진 영상을 생성하는 단계;
    이진 영상에서 타원의 형태를 갖으며 한쪽 면이 움푹 들어간 영역을 갖는 오브젝트를 검출하는 단계;
    상기 검출된 오브젝트 크기와 홀의 크기 비율을 비교하여 말발굽 형상의 오브젝트를 검출하는 단계; 및
    상기 검출된 말발굽 형상의 오브젝트를 기준 패턴에 매칭시켜 관심 시설을 탐지하는 단계;를 포함하는 위성 영상의 관심 시설 탐지 방법.
  8. 제7항에 있어서, 상기 이진 영상을 생성하는 단계는
    분할된 위성 영상에서 영상의 밝기 차이를 이용하여 오브젝트 단위로 화소들을 라벨링하여 오브젝트 단위의 서브 이미지를 생성하는 단계;
    상기 생성된 오브젝트 단위의 서브 이미지를 그레이 레벨의 영상으로 만든 후 오브젝트 단위별로 오츠 방법을 이용하여 임계값을 결정하는 단계; 및
    상기 결정된 임계값을 근거로 클러스터링하여 이진 영상을 생성하는 단계;를 포함하는 것을 특징으로 하는 위성 영상의 관심 시설 탐지 방법.
  9. 제7항에 있어서, 상기 말발굽 형상의 오브젝트를 검출하는 단계는
    이진 영상을 확장하여 홀이 형성된 오브젝트를 생성하는 단계;
    상기 확장된 이진 영상의 스켈레톤 영상을 생성하는 단계;
    상기 생성된 스켈레톤 영상에서 홀을 채우는 단계;
    상기 홀이 채워진 스켈레톤 영상을 침식하여 홀 영역만 검출하는 단계;
    상기 검출된 홀 영역의 경계선 영상을 검출하는 단계;
    초기 입력된 이진 영상과 상기 검출된 홀 영역의 경계선 영상을 합하여 말발굽 형태의 열린 영역만 선으로 연결된 합 영상을 생성하는 단계; 및
    상기 생성된 합 영상과 초기 이진영상의 차를 구하여 말발굽 형태의 오브젝트를 검출하는 단계;를 포함하는 것을 특징으로 하는 위성 영상의 관심 시설 탐지 방법.
  10. 제9항에 있어서, 상기 확장은
    움푹 들어간 영역의 입구가 홀을 형성할 때까지 소정 횟수 반복 수행되며, 상기 침식의 수행 횟수는 확장의 수행횟수와 동일한 것을 특징으로 하는 위성 영상의 관심 시설 탐지 방법.
KR1020140147749A 2014-10-28 2014-10-28 위성 영상의 관심 시설 탐색 장치 및 그 방법 KR101592334B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140147749A KR101592334B1 (ko) 2014-10-28 2014-10-28 위성 영상의 관심 시설 탐색 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140147749A KR101592334B1 (ko) 2014-10-28 2014-10-28 위성 영상의 관심 시설 탐색 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR101592334B1 true KR101592334B1 (ko) 2016-02-05

Family

ID=55353744

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140147749A KR101592334B1 (ko) 2014-10-28 2014-10-28 위성 영상의 관심 시설 탐색 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101592334B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101877173B1 (ko) * 2017-05-04 2018-07-10 경북대학교 산학협력단 위성영상을 이용한 해안선 검출 시스템 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005140953A (ja) 2003-11-06 2005-06-02 Pasuko:Kk 地物のエッジ抽出方法
JP2007149046A (ja) 2005-11-01 2007-06-14 Hitachi Software Eng Co Ltd 地理画像処理システム
JP2008530700A (ja) 2005-02-21 2008-08-07 ミツビシ・エレクトリック・インフォメイション・テクノロジー・センター・ヨーロッパ・ビーヴィ 統計的テンプレートマッチングによる高速な物体検出方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005140953A (ja) 2003-11-06 2005-06-02 Pasuko:Kk 地物のエッジ抽出方法
JP2008530700A (ja) 2005-02-21 2008-08-07 ミツビシ・エレクトリック・インフォメイション・テクノロジー・センター・ヨーロッパ・ビーヴィ 統計的テンプレートマッチングによる高速な物体検出方法
JP2007149046A (ja) 2005-11-01 2007-06-14 Hitachi Software Eng Co Ltd 地理画像処理システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101877173B1 (ko) * 2017-05-04 2018-07-10 경북대학교 산학협력단 위성영상을 이용한 해안선 검출 시스템 및 방법

Similar Documents

Publication Publication Date Title
CN109961049B (zh) 一种复杂场景下香烟品牌识别方法
CN107229918B (zh) 一种基于全卷积神经网络的sar图像目标检测方法
Huang et al. Vehicle detection and inter-vehicle distance estimation using single-lens video camera on urban/suburb roads
US8290265B2 (en) Method and apparatus for segmenting an object region of interest from an image
Wang et al. An effective method for plate number recognition
Han et al. Deep learning-based visual ensemble method for high-speed railway catenary clevis fracture detection
CN111435436B (zh) 一种基于目标位置的周界防入侵方法和装置
CN107346409A (zh) 行人再识别方法和装置
CN107346547B (zh) 基于单目平台的实时前景提取方法及装置
Bedruz et al. Real-time vehicle detection and tracking using a mean-shift based blob analysis and tracking approach
CN107341810B (zh) 一种车辆自动识别方法、装置及电子设备
WO2016086877A1 (zh) 一种文本检测的方法和装置
Gilly et al. A survey on license plate recognition systems
CN102609903B (zh) 一种基于边缘流的活动轮廓模型图像分割的方法
Al-Hmouz et al. License plate localization using a statistical analysis of Discrete Fourier Transform signal
Zhang et al. Multiple Saliency Features Based Automatic Road Extraction from High‐Resolution Multispectral Satellite Images
CN109389116B (zh) 一种字符检测方法及装置
CN105335688B (zh) 一种基于视觉图像的飞机机型识别方法
Getahun et al. A robust lane marking extraction algorithm for self-driving vehicles
CN104504692B (zh) 基于区域对比度的图像中显著对象的提取方法
KR101592334B1 (ko) 위성 영상의 관심 시설 탐색 장치 및 그 방법
Jin et al. Fusing Canny operator with vibe algorithm for target detection
Raikar et al. Automatic building detection from satellite images using internal gray variance and digital surface model
Miron et al. Cross-comparison census for colour stereo matching applied to intelligent vehicle
CN115620063A (zh) 复杂背景下基于熵和距离加权特征的红外目标检测方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190201

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200204

Year of fee payment: 5