KR101658472B1 - 영상 분할 신뢰도 추출 기법을 이용한 표적 분류 장치 및 표적 분류 방법 - Google Patents

영상 분할 신뢰도 추출 기법을 이용한 표적 분류 장치 및 표적 분류 방법 Download PDF

Info

Publication number
KR101658472B1
KR101658472B1 KR1020150057289A KR20150057289A KR101658472B1 KR 101658472 B1 KR101658472 B1 KR 101658472B1 KR 1020150057289 A KR1020150057289 A KR 1020150057289A KR 20150057289 A KR20150057289 A KR 20150057289A KR 101658472 B1 KR101658472 B1 KR 101658472B1
Authority
KR
South Korea
Prior art keywords
target
reliability
image
area
background area
Prior art date
Application number
KR1020150057289A
Other languages
English (en)
Inventor
양동원
곽동민
성기열
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 KR1020150057289A priority Critical patent/KR101658472B1/ko
Application granted granted Critical
Publication of KR101658472B1 publication Critical patent/KR101658472B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis

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

본 발명은 표적 분할 방법의 신뢰도를 산출하여, 표적을 정확하게 분류하는 표적 분류 장치 및 표적 분류 방법에 관한 것으로, 적외선을 이용하여 표적에 대한 영상을 수신하는 입력부와 기 설정된 영상처리 방식에 기초하여, 상기 영상을 표적 영역 및 배경 영역으로 구별하고, 영상의 특성정보에 기초하여, 상기 표적 영역 및 배경 영역의 구별의 신뢰도를 산출하는 영상처리부 및 상기 표적 영역 및 배경 영역으로 구별된 영상 및 상기 신뢰도를 시각적으로 출력하는 출력부를 포함한다.

Description

영상 분할 신뢰도 추출 기법을 이용한 표적 분류 장치 및 표적 분류 방법{TARGET CLASSIFICATION DEVICE AND METHOD THEROF USIGN SEGMENTATION RELIABILITY EXTRACTION TECHNIQUE}
본 발명은 표적 분할 방법의 신뢰도를 산출하여, 표적을 정확하게 분류하는 표적 분류 장치 및 표적 분류 방법에 관한 것이다.
영상을 기반으로 지상 표적을 분류하는 경우, 표적의 윤곽선을 추출하여 표적의 형태를 분석하는 기법이 많이 이용된다. 이러한 방법을 이용할 경우, 표적의 형태를 추출하는 표적 분할 기법이 표적 분류 결과에 큰 영향을 미치게 된다.
즉, 표적의 형태를 추출하는 표적 분할 기법은 표적 분할이 정확하게 이루어져서 표적의 형태를 온전하게 추출하는 경우, 표적 분류가 정확하게 이루어질 수 있으나, 만일 표적 분할이 정확하게 이루어지지 않아, 표적의 형태를 온전하게 추출하지 못하는 경우, 표적을 오분류 하는 문제가 발생하게 된다.
이러한 문제점을 극복하기 위한 대안으로, 종래의 표적 분류 기법은 표적 분할의 결과를 활용하지 않고, 영상의 지역 특징을 추출하는 특징 추출 기법이 많이 활용되고 있다. 그 대표적인 예로, SIFT(Scale Invariant Feature Transform), SURF(Speed Up Robust Features), HOG(Histograms of Oriented Gradients) 및 PHOG(Pyramid HOG) 방법이 주로 사용되고 있다.
한편, 군사적 목적으로 지상표적을 분류하는 장치는 일반적으로 주야간 활용 가능성을 고려하여, 열 영상을 기반으로 표적 분류를 수행하고 있다.
한편, 상기 열 영상을 기반으로 표적을 분류하는 경우, 칼라 영상에 비해서 표적의 특징 정보가 적고, 이로 인하여, 상기 열 영상에 대하여 특징 추출 기법을 활용하는 경우, 칼라 영상을 기반으로 표적을 분류하는 경우에 비하여, 표적의 오분류 가능성이 커지게 된다.
표적 오분류 가능성에 대한 문제점을 해결하기 위하여, 본 발명에서는 상기 열 영상 기반의 표적 분류 방법에 있어서, 표적 분할의 신뢰도를 추출하는 방식을 제안한다. 또한, 상기 추출된 신뢰도 값을 기반으로, 표적의 형태 기반에 의한 표적 분류 방식과 표적의 특징에 기반한 표적 분류 방식을 융합하여, 활용할 수 있는 표적 분류 방법을 제안한다.
본 발명은 열 영상을 이용한 표적 분할 방법에 있어서, 표적을 분류의 정확도를 높이는 것을 일 목적으로 한다.
또한, 본 발명은 열 영상을 통하여 분할된 표적의 신뢰도를 산출하는 것을 또 다른 목적으로 한다.
본 발명에 따른 표적 분류 장치는 적외선을 이용하여 표적에 대한 영상을 수신하는 입력부와 기 설정된 영상처리 방식에 기초하여, 상기 영상을 표적 영역 및 배경 영역으로 구별하고, 영상의 특성정보에 기초하여, 상기 표적 영역 및 배경 영역의 구별의 신뢰도를 산출하는 영상처리부 및 상기 표적 영역 및 배경 영역으로 구별된 영상 및 상기 신뢰도를 시각적으로 출력하는 출력부를 포함한다.
일 실시 예에 있어서, 상기 영상의 특성정보는 영상의 밝기 정보 및 에너지 정보 중 적어도 하나인 것을 특징으로 한다.
일 실시 예에 있어서, 상기 영상처리부는 상기 표적 영역의 밝기 정보 및 상기 배경 영역의 밝기 정보의 평균 값을 이용하여, 신뢰도를 산출하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 영상처리부는 상기 표적 영역의 에너지 정보 및 상기 배경 영역의 에너지 정보의 평균 값을 이용하여, 신뢰도를 산출하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 영상처리부는 상기 표적 영역 및 배경 영역의 밝기 정보를 이용하여 제1신뢰도를 산출하고, 상기 표적 영역 및 배경 영역의 에너지 정보를 이용하여 제2신뢰도를 산출하며, 상기 제1 신뢰도 및 제2신뢰도의 평균값을 이용하여, 표적 분할 신뢰도를 산출하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 영상 정보는 기 설정된 이진화 기법을 이용하여, 이진화가 수행된 영상 정보인 것을 특징으로 한다.
일 실시 예에 있어서, 상기 영상처리부는 상기 신뢰도가 기 설정된 값 이상인 경우, 표적의 형태를 이용하여, 표적을 분류하고, 상기 신뢰도가 기 설정된 값 미만인 경우, 상기 영상 정보의 특성을 추출하여 표적을 분류하는 것을 특징으로 한다.
일 실시 예에 있어서, 적외선을 이용하여 표적에 대한 영상을 수신하는 단계와 기 설정된 영상처리 방식에 기초하여, 상기 영상을 표적 영역 및 배경 영역으로 구별하는 단계와 영상의 특성정보에 기초하여, 상기 표적 영역 및 배경 영역의 구별의 신뢰도를 산출하는 단계 및 상기 표적 영역 및 배경 영역으로 구별된 영상 및 상기 신뢰도를 시각적으로 출력하는 단계를 포함하는 것을 특징으로 한다.
본 발명은 표적을 분할한 결과에 대하여, 신뢰도를 산출하여, 표적 분류의 정확도를 제공할 수 있다. 이를 통하여, 본 발명은 신뢰도가 높은 표적 분할 방식을 이용하여, 표적을 분류함으로써, 표적의 오분류를 방지할 수 있다.
또한, 본 발명은, 신뢰도를 산출함으로써, 신뢰도를 기반으로 표적 분류의 성능을 향상시킬 수 있다.
도 1은 본 발명에 따른 표적 분류 장치를 나타낸 블록도이다.
도 2는 본 발명에 따른 표적 분류 장치에 있어서, 신뢰도를 추출하는 방법을 나타낸 흐름도이다.
도 3a 및 도 3b는 표적 분할 신뢰도가 높은 경우를 나타낸 예시도들이다.
도 4a 및 도 4b는 표적의 밝기 차이가 적은 경우를 나타낸 예시도들이다.
도 5a 및 도 5b는 경계 영역의 에너지 차이가 작은 경우를 나타낸 예시도들이다.
도 6a 및 도 6b는 밝기와 경계 에너지가 모두 작은 경우를 나타낸 예시도들이다.
본 발명을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하의 실시예는 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.
이하의 설명에서는, 동일한 구성에 대하여 동일한 도면 번호로 설명하였다.
이하에서는 본 발명에 따른 표적 분류 장치에 대하여 살펴본다. 도 1은 본 발명에 따른 표적 분류 장치를 나타낸 블록도이다.
도 1을 참조하면, 본 발명에 따른 표적 분류 장치는 입력부(100), 영상처리부(200) 및 출력부(300)를 포함할 수 있다.
상기 입력부(100)는 적외선으로 물체를 감지하여, 영상 정보로 변환할 수 있다. 상기 영상 정보는 적외선으로 촬영된 물체의 열 분포 영상인 열 영상이다. 상기 적외선으로 물체를 감지하는 방식은, 야간에도 물체를 감지할 수 있기 때문에, 주로 군사적 목적의 야간 감시 및 정찰 장비(예를 들어, 정찰용 무인항공기 등)에 많이 사용될 수 있다.
상기 입력부(100)는 사람과 물체가 방출하는 적외선 에너지를 검출하여, 영상으로 변환시키는 것으로, 적외선 광학부(미도시됨), 적외선 검출부(미도시됨)를 포함할 수 있다.
보다 구체적으로, 상기 적외선 광학부는 물체가 방출하는 적외선 에너지를 수신하고, 이를 집적시켜, 적외선 검출부에 전송하고, 상기 적외선 검출부는 상기 집적된 에너지를 전기적 신호로 변환하여 상기 영상처리부(200)에 전달한다.
상기 영상처리부(200)는 영상 생성부(201) 및 신뢰도 추출부(202)를 포함할 수 있다. 상기 영상생성부(201)는 상기 입력부(100)로부터 수신된 전기적 신호를 영상 정보로 변환할 수 있다.
또한 상기 신뢰도 추출부(202)는 상기 영상 정보에 대하여, 다양한 처리 방식을 통하여, 표적을 분할 및 분류하는 제어를 수행할 수 있다. 또한, 상기 신뢰도 추출부(202)는 상기 표적의 분할 및 분류에 대하여, 각각의 신뢰도를 산출하여, 정확하게 표적을 분할 및 분류하였는지 여부를 판단할 수 있다.
상기 표적의 분할(또는 추출, 검출)은 상기 영상 정보에 대하여, 표적과 표적이 아닌 배경을 분할하는 것을 의미할 수 있다. 또한, 상기 표적의 분류는 분할된 표적에 대하여, 표적의 종류를 구별하는 것을 의미할 수 있다. 예를 들어, 상기 표적의 분류는 상기 표적이 전차, 장갑차, 군용트럭 및 상용차량 등 어느 차량인지 구별하는 것을 의미할 수 있다.
상기 출력부(300)는 상기 영상처리부(200)에서 수신된 영상 정보를 출력할 수 있다. 상기 출력부(300)는 영상 정보를 출력하는 디스플레이부(미도시됨)를 포함할 수 있다.
이상에서는, 본 발명에 따른 표적 분류 장치에 대하여 설명하였다. 이하에서는, 본 발명에 따른 표적 분류 장치에 있어서, 영상 정보의 신뢰도를 추출하는 방법에 대하여 도면과 함께 보다 구체적으로 살펴본다. 도 2는 본 발명에 따른 표적 분류 장치에 있어서, 신뢰도를 추출하는 방법을 나타낸 흐름도이다.
본 발명에 따른 표적 분류 장치는 열 영상으로부터 표적을 분할하는데 있어서, 표적 분출의 정확도를 나타내는 표적 분할 신뢰도를 산출하고, 이를 통하여, 표적이 정확하게 분할되었는지 여부를 판단한다.
이때, 본 발명에 따른 표적 분류 장치는 영상 정보에 대하여, 영상 정보에 포함된 각 픽셀의 밝기 및 에너지를 이용하여 각각 신뢰도를 산출하고, 상기 산출된 각각의 신뢰도를 이용하여, 표적 분할 신뢰도를 산출할 수 있다.
이하에서는 상기 각 신뢰도의 산출 및 표적 분할 신뢰도를 산출하는 방법에 대하여 보다 구체적으로 살펴본다.
우선, 본 발명에 따른 표적 분류 장치는 입력부(100)를 통하여, 영상 정보를 획득할 수 있다(S210).
상기 입력부(100)는 물체로부터 적외선을 감지하고, 이를 전기적인 신호로 변환하여, 영상처리부(200)에 전송할 수 있다.
상기 영상처리부(200)는 영상생성부(201)를 통하여, 상기 전기적인 신호를 영상 정보로 변환할 수 있다. 이때, 상기 영상 정보는 열 영상이다.
이때, 상기 영상생성부(201)는 상기 열 영상에 대하여, 이진화 기법을 이용하여, 이진 마스크 영상(또는 그레이 표적 영상)을 생성할 수 있다. 상기 이진화 기법은 다양한 기법이 사용될 수 있는데, 예를 들어, 상기 이진화 기법은 단순 임계치 기법, 모드(mode)법, 평균 이진화 기법, 반복 이진화 기법, 적응 이진화 기법 등이 사용될 수 있다.
상기 영상생성부(201)는 상기 열 영상을 상기 이진화 기법을 통하여 이진 마스크 영상으로 변환할 수 있다. 예를 들어, 도 3b에 도시된 바와 같이, 상기 이진 마스크 영상은 표적 영역이 0, 배경 영역이 1로 표시되어, 표적 영역을 배경 영역과 시각적으로 구별되게 표시된 영상일 수 있다. 이를 통하여, 상기 표적 영상은 배경 영역으로부터 분할(또는 검출, 추출)될 수 있다.
한편, 상기 이진 마스크 영상이 생성되면, 본 발명에 따른 표적 분류 장치는 상기 이진 마스크 영상에 대한 신뢰도를 산출할 수 있다(S220).
즉, 상기 신뢰도 추출부(202)는 상기 생성된 이진 마스크 영상에 대하여, 신뢰도를 산출할 수 있다. 즉, 상기 신뢰도 추출부(202)는 상기 이진 마스크 영상에 대하여, 표적 영역이 정확하게 분할되었는지 여부를 판단하기 위하여, 신뢰도를 산출할 수 있다.
우선, 상기 신뢰도 추출부(202)는 상기 이진 마스크 영상이 표적 분할을 적절히 수행하고 있는지 여부를 판단하기 위하여, 영상의 밝기를 이용한 제1신뢰도를 산출할 수 있다.
상기 제1신뢰도는 [수학식 1]을 이용하여 산출할 수 있다.
[수학식 1]
Figure 112015039739865-pat00001
(
Figure 112015039739865-pat00002
: 제1신뢰도,
Figure 112015039739865-pat00003
: 표적 영역의 평균 밝기 값,
Figure 112015039739865-pat00004
: 배경 영역의 평균 밝기 값,
Figure 112015039739865-pat00005
: 표적 영역 밝기과 배경 영역 밝기의 차이값의 평균값)
상기 표적 영역의 평균 밝기 값(
Figure 112015039739865-pat00006
)은 하기의 [수학식 2]를 통하여 산출할 수 있다. 상기 표적 영역은 상기 이진 마스크 영상에서 표적이 위치하였다고 판단된 영역일 수 있다.
[수학식 2]
Figure 112015039739865-pat00007
(
Figure 112015039739865-pat00008
: 표적 영역의 평균 밝기 값,
Figure 112015039739865-pat00009
: 표적 픽셀 수,
Figure 112015039739865-pat00010
: (xi, yi)에서의 픽셀의 밝기 값, (xi, yi) : 픽셀 좌표)
또한, 상기 배경 영역의 평균 밝기 값(
Figure 112015039739865-pat00011
)은 하기의 [수학식 3]을 통하여 산출할 수 있다. 상기 배경 영역은 이진 마스크 영상에서 표적이 위치하지 않았다고 판단된 영역일 수 있다.
[수학식 3]
Figure 112015039739865-pat00012
(
Figure 112015039739865-pat00013
: 배경 영역의 평균 밝기 값,
Figure 112015039739865-pat00014
: 배경 픽셀 수,
Figure 112015039739865-pat00015
: (xi, yi)에서의 픽셀의 밝기 값, (xi, yi) : 픽셀 좌표)
또한, 상기 표적 영역 밝기과 배경 영역 밝기의 차이값의 평균값(
Figure 112015039739865-pat00016
)는 실험을 통하여 결정되는 상수 값이다.
또한, 상기 신뢰도 추출부(202)는 상기 이진 마스크 영상의 경계영역 및 배경 영역에서의 에너지 차이를 이용한 제2신뢰도를 산출할 수 있다. 상기 제2신뢰도는 하기의 [수학식 4]를 통하여 산출될 수 있다. 상기 에너지는 영상의 밝기에 대한 그레디언트(gradient)값을 의미할 수 있다.
[수학식 4]
Figure 112015039739865-pat00017
(
Figure 112015039739865-pat00018
: 제2신뢰도,
Figure 112015039739865-pat00019
: 경계 영역의 평균 에너지 값,
Figure 112015039739865-pat00020
: 배경 영역의 평균 에너지 값,
Figure 112015039739865-pat00021
: 경계 영역 에너지와 배경 영역 에너지의 차이값의 평균값)
상기 경계 영역의 평균 에너지 값은 하기의 [수학식 5]를 통하여 산출할 수 있다. 상기 경계 영역은 상기 이진 마스크 영상에서, 표적 영역과 배경 영역의 경계를 나타내는 영역일 수 있다.
[수학식 5]
Figure 112015039739865-pat00022
(
Figure 112015039739865-pat00023
: 경계 영역의 평균 에너지,
Figure 112015039739865-pat00024
: 경계 영역의 픽셀 수,
Figure 112015039739865-pat00025
: (xi, yi)에서의 픽셀의 밝기의 그레디언트(gradient) 값, (xi, yi) : 픽셀 좌표)
또한, 상기 배경 영역의 평균 에너지 값은 하기의 [수학식 6]을 통하여 산출할 수 있다. 상기 배경 영역은 표적이 존재하지 않는다고 판단되는 영역일 수 있다.
[수학식 6]
Figure 112015039739865-pat00026
(
Figure 112015039739865-pat00027
: 경계 영역의 평균 에너지,
Figure 112015039739865-pat00028
: 경계 영역의 픽셀 수,
Figure 112015039739865-pat00029
: (xi, yi)에서의 픽셀의 밝기의 그레디언트(gradient) 값, (xi, yi) : 픽셀 좌표)
또한, 상기 경계 영역 에너지와 배경 영역 에너지의 차이값의 평균값(
Figure 112015039739865-pat00030
)은 기 설정된 상수일 수 있다. 이때, 상기 경계 영역 에너지와 배경 영역 에너지의 차이값의 평균값(
Figure 112015039739865-pat00031
)은 실험에 의하여 설정될 수 있다.
그 후, 상기 신뢰도 추출부(202)는 상기 밝기 차이를 이용한 제1신뢰도와 에너지 차이를 이용한 제2신뢰도를 이용하여, 표적 분할 신뢰도를 산출할 수 있다. 예를 들어, 상기 표적 분할 신뢰도는 상기 밝기를 이용한 제1신뢰도 및 상기 에너지를 이용한 제2신뢰도의 평균값이 될 수 있다. 예를 들어, 상기 표적 분할 신뢰도는 하기의 [수학식 7]을 통하여 산출될 수 있다.
[수학식 7]
Figure 112015039739865-pat00032
(
Figure 112015039739865-pat00033
: 표적 분할 신뢰도,
Figure 112015039739865-pat00034
: 제1신뢰도,
Figure 112015039739865-pat00035
: 제2신뢰도)
상기 표적 분할 신뢰도는 이진 마스크 영상의 밝기 및 이진 마스크 영상의 에너지값을 이용한 신뢰도를 이용하여 산출된 것으로, 이진 마스크 영상에서 표적의 분할이 정확하게 이루어졌는지 여부에 대한 척도가 될 수 있다.
그 후, 상기 신뢰도 추출부(202)는 상기 산출된 표적 분할 신뢰도를 출력부(300)에 출력할 수 있다(S230). 이를 통하여, 사용자는 상기 표적 분할 신뢰도를 이용하여, 현재 표적의 추출 방식이 적절히 수행되었는지 여부를 알 수 있다.
또한, 상기 신뢰도 추출부(202)는 상기 표적 분할 신뢰도가 기 설정된 값 이상인 경우, 표적 분할이 적절하게 수행되었다고 판단하고, 표적의 형태 기반의 표적 분류 기법을 사용하여 표적을 분류할 수 있다.
즉, 상기 신뢰도 추출부(202)는 상기 표적 분할 신뢰도가 높은 경우, 현재 표적 분할이 적절하게 수행되었다고 판단할 수 있다. 이 경우, 본 발명에 따른 표적 분류 장치는 표적의 형태 기반의 표적 분할 기법을 이용하여, 표적을 분류가 적절하게 이루어지고 있다고 판단하고, 계속하여, 표적의 형태 기반의 표적 분류 기법을 사용하여 표적을 분류할 수 있다.
이와 달리, 상기 신뢰도 추출부(202)는 상기 표적 분할 신뢰도가 기 설정된 값 미만인 경우, 표적 분할이 적절하게 수행되지 않았다고 판단하고, 표적의 형태 기반의 표적 분류 기법을 사용하지 않을 수 있다. 대신, 상기 신뢰도 추출부(202)는 영상의 지역 특징(local feature)에 기초하여, 표적을 예측하는 특성 추출 기법을 사용할 수 있다. 상기 지역 특성 기반의 표적 분류 기법은 표적의 형태를 분류하는 것이 아닌, 영상 정보의 특성을 분석하여, 표적의 종류를 분류하는 기법이다. 일 예로, 상기 지역 특성 기반의 표적 분류 기법은 영상 정보의 밝기에 대한 히스토그램을 통하여, 표적의 종류를 분류하는 기법이 될 수 있다.
즉, 상기 신뢰도 추출부(202)는 상기 표적 분할 신뢰도가 낮은 경우, 현재 표적 분할이 적절하게 수행되지 않았다고 판단할 수 있다. 이 경우, 본 발명에 따른 표적 분류 장치는 현재 표적의 분할이 정확하지 않기 때문에, 표적의 형태를 통하여 표적을 분류하는 것보다, 지역 특성 기반의 표적 분류 기법을 사용할 수 있다.
즉, 상기 신뢰도 추출부(202)는 신뢰도가 낮은 이진 마스크 영상에 대하여, 표적을 분류하지 않고, 대신 영상 정보의 특성을 이용함으로써, 표적의 오분류를 방지할 수 있다.
이상에서는 표적 분할 신뢰도를 측정하는 방법에 대하여 설명하였다. 이하에서는, 표적 분할 신뢰도가 서로 다른 표적의 분할 결과를 설명한다. 도 3a 및 도 3b는 표적 분할 신뢰도가 높은 경우를 나타낸 예시도들이다. 도 4a 및 도 4b는 표적의 밝기 차이가 적은(또는 작은) 경우를 나타낸 예시도들이다. 또한, 도 5a 및 도 5b는 경계 영역의 에너지 차이가 작은 경우를 나타낸 예시도들이다. 또한, 도 6a 및 도 6b는 밝기와 경계 에너지가 모두 작은 경우를 나타낸 예시도들이다.
상기 신뢰도 추출부(202)는 표적 분할 신뢰도에 기초하여, 표적의 분류를 수행할 수 있다. 예를 들어, 도 3a 및 도 3b를 참조하면, 상기 신뢰도 추출부(202)는 열 영상 및 표적 추출된 이진 마스크 영상에 대하여, 각 신뢰도를 검출할 수 있다. 예를 들어, 도 3을 참조하면, 제1신뢰도가 1, 제2신뢰도가 0.913, 제3신뢰도가 0.956일 수 있다. 이 경우, 상기 신뢰도 추출부(202)는 표적 분할 신뢰도가 높기 때문에, 표적의 분할이 잘 이루어졌다고 판단하고, 표적의 형태에 따라 표적을 분류할 수 있다.
또 다른 예로, 도 4a 및 도 4b를 참조하면, 상기 신뢰도 추출부(202)는 열 영상 및 이진 마스크 영상에 대하여, 제1신뢰도를 0.317, 제2신뢰도를 0.896 및 제3신뢰도를 0.606로 산출할 수 있다. 이를 통하여, 상기 신뢰도 추출부(202)는 현재 이진 마스크 영상의 밝기가 밝지 않아, 표적의 오분류 가능성이 있음을 인지할 수 있다.
또 다른 예로, 도 5a 및 도 5b를 참조하면, 상기 신뢰도 추출부(202)는 열 영상 및 이진 마스크 영상에 대하여, 제1신뢰도를 1, 제2신뢰도를 0.564, 제3신뢰도를 0.782로 산출할 수 있다. 이 경우, 상기 신뢰도 추출부(202)는 현재 이진 마스크 영상의 에너지에 대한 신뢰도가 낮아, 표적의 오분류 가능성이 있음을 인지할 수 있다.
또 다른 예로, 도 6a 및 도 6b를 참조하면, 상기 신뢰도 추출부(202)는 열 영상 및 이진 마스크 영상에 대하여, 제1신뢰도를 0.344, 제2신뢰도를 0.423, 제3신뢰도를 0.384로 산출할 수 있다. 이 경우, 상기 신뢰도 추출부(202)는 현재 이진 마스크 영상에서 분할된 표적은 잘못된 표적으로써, 표적의 형태에 의한 표적의 분류를 수행하지 않을 수 있다. 이때, 상기 신뢰도 추출부(202)는 이진 마스크 영상에 대하여, 특성 정보만을 분석하여 표적을 예측하는 지역 특성 분류 기법을 사용하여, 표적을 분류할 수 있다.
본 발명은 표적을 분할한 결과에 대하여, 신뢰도를 산출하여, 표적 분류의 정확도를 제공할 수 있다. 이를 통하여, 본 발명은 신뢰도가 높은 표적 분할 방식을 이용하여, 표적을 분류함으로써, 표적의 오분류를 방지할 수 있다.
또한, 본 발명은, 신뢰도를 산출함으로써, 신뢰도를 기반으로 표적 분류의 성능을 향상시킬 수 있다.
이상에서 대표적인 실시 예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다.
그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
즉, 위에서 기술하지 않은 사항이라 하더라도, 청구범위에서 청구하는 본 발명의 요지를 벗어나지 않으며 당 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.

Claims (7)

  1. 적외선을 이용하여 표적에 대한 영상을 수신하는 입력부;
    기 설정된 영상처리 방식에 기초하여, 상기 영상을 표적 영역 및 배경 영역으로 구별하고,
    영상의 특성정보에 기초하여, 상기 표적 영역 및 배경 영역의 구별의 신뢰도를 산출하는 영상처리부 및
    상기 표적 영역 및 배경 영역으로 구별된 영상 및 상기 신뢰도를 시각적으로 출력하는 출력부를 포함하고,
    상기 영상처리부는
    상기 표적 영역 및 배경 영역의 밝기 정보를 이용하여 제1신뢰도를 산출하고,
    상기 표적 영역 및 배경 영역의 에너지 정보를 이용하여 제2신뢰도를 산출하며,
    상기 제1 신뢰도 및 제2신뢰도의 평균값을 이용하여, 표적 분할 신뢰도를 산출하는 것을 특징으로 하는 표적 분류 장치.
  2. 제1항에 있어서,
    상기 영상의 특성정보는
    영상의 밝기 정보 및 에너지 정보 중 적어도 하나인 것을 특징으로 하는 표적 분류 장치.
  3. 제2항에 있어서,
    상기 영상처리부는
    상기 표적 영역의 밝기 정보 및 상기 배경 영역의 밝기 정보의 평균 값을 이용하여, 신뢰도를 산출하는 것을 특징으로 하는 표적 분류 장치.
  4. 제2항에 있어서,
    상기 영상처리부는
    상기 표적 영역의 에너지 정보 및 상기 배경 영역의 에너지 정보의 평균 값을 이용하여, 신뢰도를 산출하는 것을 특징으로 하는 표적 분류 장치.
  5. 삭제
  6. 제1항에 있어서,
    상기 영상처리부는
    상기 신뢰도가 기 설정된 값 이상인 경우, 표적의 형태를 이용하여, 표적을 분류하고,
    상기 신뢰도가 기 설정된 값 미만인 경우, 상기 영상의 특성 정보를 추출하여 표적을 분류하는 것을 특징으로 하는 표적 분류 장치.
  7. 적외선을 이용하여 표적에 대한 영상을 수신하는 단계;
    기 설정된 영상처리 방식에 기초하여, 상기 영상을 표적 영역 및 배경 영역으로 구별하는 단계;
    영상의 특성정보에 기초하여, 상기 표적 영역 및 배경 영역의 구별의 신뢰도를 산출하는 단계; 및
    상기 표적 영역 및 배경 영역으로 구별된 영상 및 상기 신뢰도를 시각적으로 출력하는 단계를 포함하고,
    상기 신뢰도를 산출하는 단계는
    상기 표적 영역 및 배경 영역의 밝기 정보를 이용하여 제1신뢰도를 산출하는 단계;
    상기 표적 영역 및 배경 영역의 에너지 정보를 이용하여 제2신뢰도를 산출하는 단계;
    상기 제1 신뢰도 및 제2신뢰도의 평균값을 이용하여, 표적 분할 신뢰도를 산출하는 것을 특징으로 하는 표적 분류 장치의 표적 분류 방법.




KR1020150057289A 2015-04-23 2015-04-23 영상 분할 신뢰도 추출 기법을 이용한 표적 분류 장치 및 표적 분류 방법 KR101658472B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150057289A KR101658472B1 (ko) 2015-04-23 2015-04-23 영상 분할 신뢰도 추출 기법을 이용한 표적 분류 장치 및 표적 분류 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150057289A KR101658472B1 (ko) 2015-04-23 2015-04-23 영상 분할 신뢰도 추출 기법을 이용한 표적 분류 장치 및 표적 분류 방법

Publications (1)

Publication Number Publication Date
KR101658472B1 true KR101658472B1 (ko) 2016-09-30

Family

ID=57079646

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150057289A KR101658472B1 (ko) 2015-04-23 2015-04-23 영상 분할 신뢰도 추출 기법을 이용한 표적 분류 장치 및 표적 분류 방법

Country Status (1)

Country Link
KR (1) KR101658472B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008287379A (ja) * 2007-05-16 2008-11-27 Hitachi Ltd 道路標識データ入力システム
JP2011071925A (ja) * 2009-09-28 2011-04-07 Canon Inc 移動体追尾装置および方法
KR101382163B1 (ko) * 2013-03-14 2014-04-07 국방과학연구소 지상표적 분류방법 및 이를 이용한 지상표적 분류장치
KR101398968B1 (ko) * 2014-03-04 2014-06-27 엘아이지넥스원 주식회사 적외선 탐색기 성능 시험 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008287379A (ja) * 2007-05-16 2008-11-27 Hitachi Ltd 道路標識データ入力システム
JP2011071925A (ja) * 2009-09-28 2011-04-07 Canon Inc 移動体追尾装置および方法
KR101382163B1 (ko) * 2013-03-14 2014-04-07 국방과학연구소 지상표적 분류방법 및 이를 이용한 지상표적 분류장치
KR101398968B1 (ko) * 2014-03-04 2014-06-27 엘아이지넥스원 주식회사 적외선 탐색기 성능 시험 방법

Similar Documents

Publication Publication Date Title
US9911055B2 (en) Method and system for detection and classification of license plates
US9275289B2 (en) Feature- and classifier-based vehicle headlight/shadow removal in video
US10127448B2 (en) Method and system for dismount detection in low-resolution UAV imagery
EP2959454B1 (en) Method, system and software module for foreground extraction
US7778445B2 (en) Method and system for the detection of removed objects in video images
CN105404884B (zh) 图像分析方法
GB2498331A (en) Method of classifying images of animals based on their taxonomic group
US10824881B2 (en) Device and method for object recognition of an input image for a vehicle
WO2019076187A1 (zh) 视频遮蔽区域选取方法、装置、电子设备及系统
US20160148076A1 (en) Method and system for automating an image rejection process
WO2016059643A1 (en) System and method for pedestrian detection
JP2005242488A (ja) 物体検出装置、物体検出方法、プログラム
US20210089818A1 (en) Deposit detection device and deposit detection method
US9727780B2 (en) Pedestrian detecting system
KR101382163B1 (ko) 지상표적 분류방법 및 이를 이용한 지상표적 분류장치
KR101690050B1 (ko) 지능형 영상보안 시스템 및 객체 추적 방법
EP3044734B1 (en) Isotropic feature matching
Xia et al. An automobile detection algorithm development for automated emergency braking system
KR101658472B1 (ko) 영상 분할 신뢰도 추출 기법을 이용한 표적 분류 장치 및 표적 분류 방법
JP4765113B2 (ja) 車両周辺監視装置、車両、車両周辺監視用プログラム、車両周辺監視方法
US20220383146A1 (en) Method and Device for Training a Machine Learning Algorithm
TWI589468B (zh) 行人偵測系統
US10789688B2 (en) Method, device, and system for enhancing changes in an image captured by a thermal camera
KR20150033047A (ko) 객체를 검출하기 위한 전처리 장치 및 방법
US20220415055A1 (en) Image identification method and image surveillance apparatus

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20150423

PA0201 Request for examination
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20160322

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20160829

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20160912

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20160913

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20200903

Start annual number: 5

End annual number: 5

PR1001 Payment of annual fee

Payment date: 20210813

Start annual number: 6

End annual number: 6

PR1001 Payment of annual fee

Payment date: 20220817

Start annual number: 7

End annual number: 7

PR1001 Payment of annual fee

Payment date: 20230822

Start annual number: 8

End annual number: 8