KR101661476B1 - 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치 - Google Patents

비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치 Download PDF

Info

Publication number
KR101661476B1
KR101661476B1 KR1020150078943A KR20150078943A KR101661476B1 KR 101661476 B1 KR101661476 B1 KR 101661476B1 KR 1020150078943 A KR1020150078943 A KR 1020150078943A KR 20150078943 A KR20150078943 A KR 20150078943A KR 101661476 B1 KR101661476 B1 KR 101661476B1
Authority
KR
South Korea
Prior art keywords
motion
relaxed
affine transformation
transformation matrix
input image
Prior art date
Application number
KR1020150078943A
Other languages
English (en)
Inventor
홍민철
김범수
임진주
Original Assignee
숭실대학교산학협력단
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 숭실대학교산학협력단 filed Critical 숭실대학교산학협력단
Priority to KR1020150078943A priority Critical patent/KR101661476B1/ko
Application granted granted Critical
Publication of KR101661476B1 publication Critical patent/KR101661476B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T7/0034—

Abstract

입력 영상에서 근접한 프레임간의 관계를 나타내는 어파인 변환 행렬의 매개변수를 이용하여 누적 어파인 변환 매개변수를 획득하고, 상기 누적 어파인 변환 매개변수의 변화 정도에 따라 상기 입력 영상의 움직임 정도를 산출하고, 상기 입력 영상의 움직임 정도를 기초로 강도를 제어한 움직임 알파 보정 평균 필터를 이용하여 상기 누적 어파인 변환 매개변수를 필터링하여 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하고, 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬에 기초하여 비의도 움직임 성분이 완화된 복원 영상을 획득하는, 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법을 제공한다.

Description

비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치{VIDEO STABILIAZTION METHOD BASED ON SMOOTHING FILTERING OF UNDESIRABLE MOTION, RECORDING MEDIUM AND DEVICE FOR PERFORMING THE METHOD}
본 발명은 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치에 관한 것으로서, 더욱 상세하게는 알파 보정 평균 필터를 통해 입력되는 영상의 비의도 움직임을 완화하는 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치에 관한 것이다.
일반적으로 가정용 카메라나 캠코더, 산업용 감시 카메라, 방송용 카메라 및 군사용 영상 촬영 장치 등 다양한 장치로부터 획득할 수 있는 동영상은 동영상의 획득과정에서 비의도 움직임이 포함되어 시각적인 왜곡현상이 발생한다는 문제점이 있다.
비의도 움직이란, 사용자가 카메라를 들고 촬영하거나, 이동하면서 촬영할 경우 발생하는 손떨림에 의한 동영상의 움직임, 자동차, 비행기 또는 헬기와 같은 이동수단에 설치된 카메라의 경우 기계적 진동이나 지면과의 마찰 등 여러 환경적 요인에 의한 동영상의 움직임 등과 같이 의도하지 않은 동영상의 움직임을 의미한다.
한편, 영상에 포함되는 비의도 움직임 때문에 시각적으로 불안정할 뿐만 아니라, 영상을 이용하는 다양한 응용 시스템, 예를 들어, 물체 인식 및 추적 시스템에 있어서 성능 저하가 발생할 수 있다.
이에 따라, 입력 영상에 포함되는 비의도 움직임을 완화하기 위해 다양한 방식들이 사용되고 있다. 대표적으로, SIFT 방식을 사용하여 전역 움직임 매개변수들을 추정하고, 불규칙적인 산란현상을 제거하는 파티클 필터, 칼만 필터 기반의 완화 필터, 고차 B-스플라인 움직임 완화 필터, 움직임 궤적 기반의 저역 통과 필터 등의 방식이 있다.
그러나, 위와 같은 방식들은 필터링 과정에서 움직임 모델을 선형으로 가정한다는 문제점이 있다. 영상에 포함되는 비의도 움직임 성분은 일반적으로 비선형적인 특성을 갖기 때문에 종래 기술과 같이 움직임 모델을 선형으로 가정한다면 비의도 움직임 완화 성능 향상에는 한계점이 있다.
또한, 움직임 완화 필터 과정에서 필터의 강도가 미약한 경우 영상에 포함되는 비의도 움직임 성분의 제거 결과가 만족스럽지 못하며, 필터의 강도가 지나치게 큰 경우 비의도 움직임 성분뿐만 아니라, 의도한 움직임 성분 또한 제거하여 복원 영상에 왜곡 현상이 발생할 수 있다는 문제점이 있다.
본 발명의 일측면은 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법으로서, 영상의 움직임 성분의 변화 정도에 따라 움직임 완화 필터의 강도를 제어하고, 영상에 포함되는 비선형 특성을 반영할 수 있는 알파 보정 평균 필터 기반의 동영상 안정화 방법을 제공한다.
본 발명의 일 측면은 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법에 있어서, 입력 영상에서 근접한 프레임간의 관계를 나타내는 어파인 변환 행렬의 매개변수를 이용하여 누적 어파인 변환 매개변수를 획득하고, 상기 누적 어파인 변환 매개변수의 변화 정도에 따라 상기 입력 영상의 움직임 정도를 산출하고, 상기 입력 영상의 움직임 정도를 기초로 강도를 제어한 움직임 알파 보정 평균 필터를 이용하여 상기 누적 어파인 변환 매개변수를 필터링하여 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하고, 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬에 기초하여 비의도 움직임 성분이 완화된 복원 영상을 획득한다.
한편, 상기 누적 어파인 변환 매개변수를 획득하는 것은, 상기 입력 영상에서 RANSAC (Random Sample Consensus)알고리즘을 이용하여 상기 어파인 변환 행렬을 획득하고, 상기 어파인 변환 행렬의 매개변수에 기반하여 상기 입력 영상의 첫 번째 프레임부터 t 번째 프레임까지의 상기 누적 어파인 변환 매개변수를 획득하는 것일 수 있다.
또한, 상기 입력 영상의 움직임 정도를 산출하는 것은, 상기 누적 어파인 변환 매개변수를 원소로 하는 누적 어파인 변환 매개변수의 집합을 정의하고, 미리 정해진 범위에 따라 상기 누적 어파인 변환 매개변수를 움직임 성분으로 분류하여 정의하고, 이에 기반하여 상기 입력 영상의 움직임 정도를 산출하는 것일 수 있다.
또한, 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하는 것은, 상기 입력 영상의 움직임 정도와 미리 정해진 임계값을 비교하여 상기 움직임 알파 보정 평균 필터의 강도를 산출하고, 상기 움직임 알파 보정 평균 필터의 강도를 적용한 상기 움직임 알파 보정 평균 필터를 이용하여 상기 누적 어파인 변환 매개변수를 필터링하여 상기 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수를 획득하고, 상기 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수에 기반하여 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬의 매개변수 및 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하는 것일 수 있다.
또한, 상기 비의도 움직임 성분이 완화된 복원 영상을 획득하는 것은, 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬에 양방향 보간 및 와핑 과정을 이용하여 상기 비의도 움직임 성분이 완화된 복원 영상을 획득하는 것일 수 있다.
또한, 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체일 수 있다.
한편, 본 발명의 다른 측면은 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치에 있어서, 입력 영상에서 근접한 프레임간의 관계를 나타내는 어파인 변환 행렬의 매개변수를 이용하여 누적 어파인 변환 매개변수를 획득하는 어파인 변환부; 상기 누적 어파인 변환 매개변수의 변화 정도에 따라 상기 입력 영상의 움직임 정도를 산출하는 움직임 정도 산출부; 상기 입력 영상의 움직임 정도를 기초로 강도를 제어한 움직임 알파 보정 평균 필터를 이용하여 상기 누적 어파인 변환 매개변수를 필터링하여 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하는 필터링부; 및 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬에 기초하여 비의도 움직임 성분이 완화된 복원 영상을 획득하는 영상 복원부를 포함한다.
한편, 상기 어파인 변환부는, 상기 입력 영상에서 RANSAC (Random Sample Consensus)알고리즘을 이용하여 상기 어파인 변환 행렬을 획득하고, 상기 어파인 변환 행렬의 매개변수에 기반하여 상기 입력 영상의 첫 번째 프레임부터 t 번째 프레임까지의 상기 누적 어파인 변환 매개변수를 획득할 수 있다.
또한, 상기 움직임 정도 산출부는, 상기 누적 어파인 변환 매개변수를 원소로 하는 누적 어파인 변환 매개변수의 집합을 정의하고, 미리 정해진 범위에 따라 상기 누적 어파인 변환 매개변수를 움직임 성분으로 분류하여 정의하고, 이에 기반하여 상기 입력 영상의 움직임 정도를 산출할 수 있다.
또한, 상기 필터링부는, 상기 입력 영상의 움직임 정도와 미리 정해진 임계값을 비교하여 상기 움직임 알파 보정 평균 필터의 강도를 산출하고, 상기 움직임 알파 보정 평균 필터의 강도를 적용한 상기 움직임 알파 보정 평균 필터를 이용하여 상기 누적 어파인 변환 매개변수를 필터링하여 상기 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수를 획득하고, 상기 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수에 기반하여 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬의 매개변수 및 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득할 수 있다.
또한, 상기 영상 복원부는, 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬에 양방향 보간 및 와핑 과정을 이용하여 상기 비의도 움직임 성분이 완화된 복원 영상을 획득할 수 있다.
상술한 본 발명의 일측면에 따르면, 영상의 움직임 성분의 변화 정도에 따라 움직임 완화 필터의 강도를 제어하는 알파 보정 평균 필터 기반의 동영상 안정화 방법을 제공함으로써, 비의도 움직임에 대한 사전 정보 없이 적응적으로 움직임의 정도에 따라 필터의 강도를 적절하게 제어하여 영상에서 비의도 움직임을 효과적으로 제거할 수 있다.
또한, 영상에 포함되는 비선형 특성을 반영할 수 있는 알파 보정 평균 필터 기반의 동영상 안정화 방법을 제공함으로써, 비의도 움직임 완화 성능을 향상시켜 영상을 보정하는 전 처리 방법으로써 효율적으로 사용될 수 있다.
도 1은 본 발명의 일 실시예에 따른 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치의 블록도이다.
도 2는 도 1의 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치의 동영상 안정화 성능을 종래 기술과 비교하기 위한 실험 동영상의 한 장면이다.
도 3은 도 1에 도시된 어파인 변환부의 동영상 안정화 방법의 흐름도이다.
도 4는 도 1에 도시된 움직임 정도 산출부의 동영상 안정화 방법의 흐름도이다.
도 5는 도 1에 도시된 필터링 부의 동영상 안정화 방법의 흐름도이다.
도 6은 도 1에 도시된 영상 복원부의 동영상 안정화 방법의 흐름도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치의 블록도이다.
본 발명의 일 실시예에 따른 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치(1, 이하 동영상 안정화 장치)는 알파 보정 평균 필터를 통해 입력되는 영상의 비의도 움직임을 완화하여 시각적으로 안정화된 복원 영상을 제공할 수 있다. 여기에서, 비의도 움직이란, 사용자가 카메라를 들고 촬영하거나, 이동하면서 촬영할 경우 발생하는 손떨림에 의한 동영상의 움직임, 자동차, 비행기 또는 헬기와 같은 이동수단에 설치된 카메라의 경우 기계적 진동이나 지면과의 마찰 등 여러 환경적 요인에 의한 동영상의 움직임 등과 같이 의도하지 않은 동영상의 움직임을 의미한다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 동영상 안정화 장치(1)는 어파인 변환부(10), 움직임 정도 산출부(20), 필터링부(30) 및 영상 복원부(40)를 포함할 수 있다.
본 발명의 동영상 안정화 장치(1)는 비의도 움직임 완화 필터링 기반의 동영상 안정화를 수행하기 위한 소프트웨어(어플리케이션)가 설치되어 실행될 수 있으며, 어파인 변환부(10), 움직임 정도 산출부(20), 필터링부(30) 및 영상 복원부(40)의 구성은 동영상 안정화 장치(1)에서 실행되는 비의도 움직임 완화 필터링 기반의 동영상 안정화를 수행하기 위한 소프트웨어에 의해 제어될 수 있다.
동영상 안정화 장치(1)는 별도의 단말이거나 또는 단말의 일부 모듈일 수 있다. 예를 들어, 동영상 안정화 장치(1)는 디스플레이 장치, 스마트폰 등의 일부 구성으로 형성되거나, 디스플레이 장치, 스마트폰 등의 타 단말과 유무선 통신하는 별도의 단말로 구성될 수 있다.
또한, 어파인 변환부(10), 움직임 정도 산출부(20), 필터링부(30) 및 영상 복원부(40)의 구성은 통합 모듈로 형성되거나, 하나 이상의 모듈로 이루어지거나, 이와 반대로 각 구성은 별도의 모듈로 이루어질 수 있다.
동영상 안정화 장치(1)는 이동성을 갖거나 고정될 수 있다. 동영상 안정화 장치(1)는 서버(server) 또는 엔진(engine) 형태일 수 있으며, 디바이스(device), 기구(apparatus), 단말(terminal), UE(user equipment), MS(mobild station), 무선기기(wireless device), 휴대기기(handheld device) 등 다른 용어로 불릴 수 있다.
동영상 안정화 장치(1)는 운영체제(Operation System: OS), 즉 시스템을 기반으로 다양한 소프트웨어를 실행하거나 제작할 수 있다. 운영체제는 소프트웨어가 장치의 하드웨어를 사용할 수 있도록 하기 위한 시스템 프로그램으로서, 안드로이드 OS, iOS, 윈도우 모바일 OS, 바다 OS, 심비안 OS, 블랙베리 OS 등 모바일 컴퓨터 운영체제 및 윈도우 계열, 리눅스 계열, 유닉스 계열, MAC, AIX, HP-UX 등 컴퓨터 운영체제를 모두 포함할 수 있다.
어파인 변환부(10)는 입력 영상에서 근접한 프레임간의 관계를 나타내는 어파인 변환 행렬의 매개변수를 이용하여 누적 어파인 변환 매개변수를 획득할 수 있다.
구체적으로는, 어파인 변환부(10)는 먼저 입력 영상에서 KLT(Kannade-Lukas-Tomasi)방식을 이용하여 특징을 추적할 수 있다. 일반적으로 영상에서의 특징점(feature point)은 이미지에서 그것의 이웃된 점들과 확연히 구별되는 점(point)으로 정의되며, KLT방식은 연속된 이미지 프레임과 스테레오 이미지에서 Low-level의 특징점인 모서리를 검출하여 영상추적과 스테레오 매칭을 수행할 수 있으며, 최근의 많은 연구를 통해 성능이 검증된 알고리즘이다.
또한, 어파인 변환부(10)는 RANSAC(Random Sample Consensus)알고리즘을 이용하여 어파인 변환(Affine transformation) 행렬을 획득할 수 있다. 어파인 변환 행렬은 입력 영상의 근접한 프레임간의 관계를 나타낼 수 있다. 즉, 어파인 변환 행렬의 각 매개변수는 입력 영상의 각 프레임의 특징을 나타낼 수 있다. 여기에서, RANSAC알고리즘은 전체 데이터 중에서 모델 인수를 결정하는 데 필요한 최소의 데이터를 랜덤하게 샘플링하면서 반복적으로 해를 계산하여 최적의 해를 찾는 알고리즘으로써, 가능한 적은 양의 초기 데이터를 사용해서 일관된 데이터의 집합을 확장시켜가는 방식을 사용한다는 장점이 있다.
또한, 어파인 변환부(10)는 아래의 수학식 1을 이용하여 입력 영상의 첫 번째 프레임부터 현재 프레임인 t번째 프레임까지의 누적 어파인 변환 매개변수(AATP: Accumulative Affine Transformation Parameter)
Figure 112015053869157-pat00001
를 획득할 수 있다.
Figure 112015053869157-pat00002
수학식 1에서
Figure 112015053869157-pat00003
는 어파인 변환 행렬의 매개변수를 의미한다.
한편, 움직임 정도 산출부(20)는 누적 어파인 변환 매개변수(AATP)의 변화 정도에 따라 상기 입력 영상의 움직임 정도를 산출할 수 있다.
구체적으로는, 움직임 정도 산출부(20)는 입력 영상의 움직임 궤적을 나타내기 위해 먼저, 아래 수학식 2와 같이 누적 어파인 변환 매개변수(AATP)들의 집합인
Figure 112015053869157-pat00004
를 정의할 수 있다.
Figure 112015053869157-pat00005
수학식 2에서, t 및 L(t>L)은 상수를 의미하고,
Figure 112015053869157-pat00006
는 어파인 변환부(10)에서 획득한 누적 어파인 변환 매개변수(AATP)를 의미한다.
또한,
Figure 112015053869157-pat00007
의 각 원소의 변화량은 입력 영상의 움직임 정도를 나타낸다. 즉,
Figure 112015053869157-pat00008
의 각 원소의 변화량이 클수록 비의도 움직임의 정도가 심해지는 것을 의미할 수 있다. 따라서, 움직임 정도 산출부(20)는 아래 수학식 3을 이용하여
Figure 112015053869157-pat00009
에서 비의도 움직임 성분을 포함하는 누적 어파인 변환 매개변수(AATP)를 추출할 수 있다.
Figure 112015053869157-pat00010
수학식 3에서,
Figure 112015053869157-pat00011
는
Figure 112015053869157-pat00012
의 원소이며, T1 및 T2는 아래 수학식 4에 따라 미리 정해진 임계값을 의미한다.
Figure 112015053869157-pat00013
수학식 4에서, c1 및 c2(c1<c2)는 상수를 의미하고,
Figure 112015053869157-pat00014
는
Figure 112015053869157-pat00015
원소의 최대값,
Figure 112015053869157-pat00016
는
Figure 112015053869157-pat00017
원소의 최소값을 의미한다.
다시, 수학식 3에서 clsk=0이면, 비의도 움직임 성분을 포함하지 않는 누적 어파인 변환 매개변수를 의미하며, clsk=1이면 비의도 움직임 성분을 포함하는 누적 어파인 변환 매개변수를 의미한다. 즉, 움직임 정도 산출부(20)는 미리 정해진 범위에 따라 누적 어파인 변환 매개변수를 움직임 성분으로 분류하여 정의할 수 있다.
또한, 움직임 정도 산출부(20)는 아래 수학식 5를 이용하여 입력 영상의 움직임 정도를 산출할 수 있다.
Figure 112015053869157-pat00018
수학식 5에서 입력 영상의 움직임 정도 Mt가 클수록 비의도 움직임 성분이 많이 포함된 것을 의미한다.
한편, 필터링부(30)는 입력 영상의 움직임 정도를 기초로 강도를 제어한 움직임 알파 보정 평균 필터(ATMMT: Alpha-trimmed means motion filter)를 이용하여 누적 어파인 변환 매개변수(AATP)를 필터링함으로써, 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득할 수 있다.
구체적으로는, 필터링부(30)는 먼저 아래 수학식 6을 이용하여 입력 영상의 움직임 정도에 따라 알파 보정 평균 필터(ATMMT)의 강도를 산출할 수 있다. 본 발명은 입력 영상의 움직임 정도에 따라 필터의 강도를 제어하기 때문에 필터의 강도가 미약하여 복원 영상의 비의도 움직임 제거 결과가 만족스럽지 못하거나, 필터의 강도가 너무 강해 복원 영상에 왜곡 현상이 발생하는 것을 방지할 수 있다.
Figure 112015053869157-pat00019
수학식 6에서 Mt는 움직임 정도 산출부(20)에서 산출한 입력 영상의 움직임 정도를 의미하며, α1<α2이고, Thr은 미리 정해진 임계값을 의미한다.
또한, 필터링부(30)는 아래 수학식 7과 같이 누적 어파인 변환 매개변수(AATP)들의 집합인
Figure 112015053869157-pat00020
를 오름차순으로 정렬할 수 있다.
Figure 112015053869157-pat00021
또한, 필터링부(30)는 아래 수학식 8을 이용하여 누적 어파인 변환 매개변수를 필터링하고, 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수를 획득할 수 있다.
Figure 112015053869157-pat00022
수학식 8에서 t 및 L(t>L)은 상수를 의미하고, α는 움직임 알파 보정 평균 필터의 강도를 의미하고,
Figure 112015053869157-pat00023
는 오름차순으로 정렬한 누적 어파인 변환 매개변수의 집합의 원소를 의미한다.
또한, 필터링부(30)는 아래 수학식 9를 이용하여 비의도 움직임 성분이 완화된 어파인 변환 행렬의 매개변수를 획득할 수 있다.
Figure 112015053869157-pat00024
수학식 9에서
Figure 112015053869157-pat00025
는 어파인 변환 행렬의 매개변수를 의미하고,
Figure 112015053869157-pat00026
는 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수를 의미하고,
Figure 112015053869157-pat00027
는 누적 어파인 변환 행렬의 매개변수를 의미한다. 또한,
Figure 112015053869157-pat00028
는 의도 움직임 어파인 변환 매개변수를 의미한다.
또한, 필터링부(30)는 비의도 움직임 성분이 완화된 어파인 변환 행렬의 매개변수를 이용하여 비의도 움직임 성분이 완화된 어파인 변환 행렬(Ut)을 획득할 수 있다.
한편, 영상 복원부(40)는 비의도 움직임 성분이 완화된 어파인 변환 행렬(Ut)에 양방향 보간(bilinear interpolation) 및 와핑 과정을 수행함으로써, 입력 영상을 아래 수학식 10과 같이 재구성하여 비의도 움직임 성분이 완화된 복원 영상을 획득할 수 있다.
Figure 112015053869157-pat00029
수학식 10에서
Figure 112015053869157-pat00030
는 비의도 움직임 성분이 완화된 복원 영상을 의미하고,
Figure 112015053869157-pat00031
는 입력 영상을 의미한다.
이하에서는, 본 발명의 효과를 검증하기 위해, 본 발명의 알파 보정 평균 필터(ATMMT)방식과 종래의 동영상의 비의도 움직임 성분의 제거방식인 테일러급수(TSMD)방식, 칼만 필터(KFMT)방식 및 적응 필터(AFMT)방식을 적용하여 초당 30초 프레임의 3가지 동영상의 비의도 움직임 성분을 제거하는 실험을 수행하고 그 성능을 비교하였다. 여기에서, 테일러급수(TSMD)방식은 영상의 움직임 차이를 이용하는 방식이며, 칼만 필터(KFMT)방식 및 적응 필터(AFMT)방식은 영상의 움직임 궤적을 이용하는 방식이다.
도 2는 상기 실험에 사용된 3가지 동영상의 한 장면이다.
도 2를 참조하면, 동영상 (a), 동영상 (b) 및 동영상 (c)는 평행 이동, 회전, 스케일링 및 조도변화 등 다양한 환경 변화를 포함할 수 있다.
상기 실험의 각 방식의 성능 평가를 위해 영상간의 변환 충실도(ITF: Inter-frame Transformation Fidelity)를 사용하였다. ITF는 영상에서의 연속된 두 프레임간의 변화의 완만도를 나타내며, 프레임간의 변화가 작을수록 ITF는 커지게 된다. 영상의 총 프레임수가 R인 영상의 ITF는 아래 수학식 11과 같이 정의될 수 있다.
Figure 112015053869157-pat00032
수학식 11에서 PSNR(Peak-to-signal ratio)은 최대 신호 대 잡음 비로써, 아래 수학식 12와 같이 정의될 수 있다.
Figure 112015053869157-pat00033
수학식 12에서 M 및 N은 수평 및 수직 방향의 공간 해상도를 나타내고, fmax는 최대 밝기 값을 나타낼 수 있다.
도 2의 3가지 동영상에 대해 알파 보정 평균 필터(ATMMT)방식, 테일러 급수(TSMD)방식, 칼만 필터(KFMT)방식 및 적응 필터(AFMT)방식을 적용하여 동영상의 비의도 움직임 성분을 제거하고, ITF 성능을 비교한 결과는 표 1과 같다. 표 1에서 ITF값의 단위는 dB이다.
원본영상 테일러 급수
(TSMD)방식		 칼만 필터 (KFMT)방식 적응 필터
(AFMT)방식		 알파 보정
평균 필터
(ATMMT)방식
동영상(a) 19.65 21.06 21.59 20.61 23.51
동영상(b) 17.95 20.01 20.56 19.75 21.05
동영상(c) 25.07 32.70 30.26 27.79 30.52
표 1을 참조하면, 본 발명의 알파 보정 평균 필터(ATMMT)방식을 적용한 동영상(a), 동영상(b) 및 동영상(c)의 복원 영상의 ITF가 원본 영상의 ITF보다 큰 값을 가지므로, 영상의 종류에 관계없이 비의도 움직임 성분을 감소시킨 것을 확인할 수 있다. 또한, 본 발명의 알파 보정 평균 필터(ATMMT)방식을 적용한 동영상(a), 동영상(b) 및 동영상(c)의 복원 영상의 ITF가 테일러 급수(TSMD)방식, 칼만 필터(KFMT)방식 또는 적응 필터(AFMT)방식을 적용한 동영상(a), 동영상(b) 및 동영상(c)의 복원 영상의 ITF보다 큰 값을 가지므로, 본 발명의 알파 보정 평균 필터(ATMMT)방식의 비의도 움직임 성분의 제거 성능이 테일러 급수(TSMD)방식, 칼만 필터(KFMT)방식 또는 적응 필터(AFMT)방식보다 더 우수한 것을 확인할 수 있다.
이에 더하여, 본 발명의 알파 보정 평균 필터(ATMMT)방식과 종래 기술인 테일러 급수(TSMD)방식, 칼만 필터(KFMT)방식 및 적응 필터(AFMT)방식의 계산량 성능을 비교하기 위해 3.4GHz의 CPU에서 영상의 프레임당 평균 연산 시간(APTPF:Average Processing Time Per Frame)을 계산하였으며, 그 결과는 표 2와 같다. 표 2에서 APTPF값의 단위는 msec이다.
테일러 급수
(TSMD)방식		 칼만 필터 (KFMT)방식 적응 필터
(AFMT)방식		 알파 보정
평균 필터
(ATMMT)방식
동영상(a) 107.81 97.86 66.97 78.44
동영상(b) 80.49 80.62 47.97 61.67
동영상(c) 136.91 112.11 65.36 75.95
표 2를 참조하면, 동영상(a), 동영상(b) 및 동영상(c) 모두 적응 필터(AFMT)방식의 평균 연산 시간이 다른 방식에 비해 가장 우월한 성능을 보이는 것을 확인할 수 있다. 특히 본 발명의 알파 보정 평균 필터(ATMMT)방식은 적응 필터(AFMT)방식보다 평균 15%높은 평균 연산 시간을 필요로 하는 것을 확인할 수 있다.
그러나, 표 1을 참조하면, ITF 측면에서 본 발명의 알파 보정 평균 필터(ATMMT)방식은 적응 필터(AFMT)방식보다 뛰어난 성능을 보이므로, 본 발명의 알파 보정 평균 필터(ATMMT)방식의 동영상 안정화 장치(1)는 적은 계산량을 가지며 비의도 움직임 성분의 제거 성능 또한 우수한 것을 확인할 수 있다.
이하에서는, 도 3 내지 도 6을 참조하여 본 발명의 일 실시예에 따른 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법을 설명할 수 있다.
도 3은 도 1에 도시된 어파인 변환부의 동영상 안정화 방법의 흐름도이고, 도 4는 도 1에 도시된 움직임 정도 산출부의 동영상 안정화 방법의 흐름도이고, 도 5는 도 1에 도시된 필터링 부의 동영상 안정화 방법의 흐름도이며, 도 6은 도 1에 도시된 영상 복원부의 동영상 안정화 방법의 흐름도이다.
본 발명의 일 실시예에 따른 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법은, 도 1에 도시된 동영상 안정화 장치(1)와 실질적으로 동일한 구성에서 진행될 수 있다. 따라서, 도 1의 동영상 안정화 장치(1)의 동일한 구성요소는 동일한 도면부호를 부여하고, 반복되는 설명은 생략한다.
먼저, 도 3을 참조하면, 본 발명의 일 실시예에 따른 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법은 어파인 변환부(10)에서 입력 영상으로부터 KLT 방식을 사용하여 특징을 추적할 수 있다(s100). 또한, 어파인 변환부(10)에서 RANSAC알고리즘을 이용하여 어파인 변환 행렬을 획득할 수 있다(s110). 또한, 어파인 변환부(10)에서 어파인 변환 행렬의 매개변수를 이용하여 누적 어파인 변환 매개변수를 획득할 수 있다(s120). 이때, 누적 어파인 변환 매개변수는 수학식 1을 이용하여 획득할 수 있다.
또한, 도 4를 참조하면, 움직임 산출부(20)에서 수학식 2와 같이 누적 어파인 변환 매개변수의 집합을 정의할 수 있다(s200). 또한, 움직임 산출부(20)에서 수학식 3 및 수학식 4를 이용하여 누적 어파인 변환 매개변수의 집합의 원소들을 분류할 수 있다(s210). 또한, 움직임 산출부(20)에서 수학식 5를 이용하여 입력 영상의 움직임 정도를 산출할 수 있다(s220).
또한, 도 5를 참조하면, 필터링부(30)에서 수학식 6을 이용하여 움직임 알파 보정 평균 필터의 강도를 산출할 수 있다(s300). 또한, 필터링부(30)에서 수학식 7 및 수학식 8을 이용하여 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수를 획득할 수 있다(s310). 또한, 필터링부(30)에서 수학식 9를 이용하여 획득할 수 있다(s320). 또한, 필터링부(30)에서 비의도 움직임 성분이 완화된 어파인 행렬의 매개변수를 통해 비의도 움직임 성분이 완화된 어파인 행렬을 획득할 수 있다(s330).
마지막으로, 도 6을 참조하면, 영상 복원부(40)에서 비의도 움직임 성분이 완화된 어파인 행렬에 양방향 보간 및 와핑 과정을 수행하고(s400), 수학식 10과 같이 비의도 움직임 성분이 완화된 복원 영상을 획득할 수 있다(s410).
이와 같은, 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드 뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
1: 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치
10: 어파인 변환부
20: 움직임 정도 산출부
30: 필터링부
40: 영상 복원부

Claims (11)

  1. 입력 영상에서 근접한 프레임간의 관계를 나타내는 어파인 변환 행렬의 매개변수를 이용하여 누적 어파인 변환 매개변수를 획득하고,
    상기 누적 어파인 변환 매개변수의 변화 정도에 따라 상기 입력 영상의 움직임 정도를 산출하고,
    상기 입력 영상의 움직임 정도를 기초로 강도를 제어한 움직임 알파 보정 평균 필터를 이용하여 상기 누적 어파인 변환 매개변수를 필터링하여 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하고,
    상기 비의도 움직임 성분이 완화된 어파인 변환 행렬에 기초하여 비의도 움직임 성분이 완화된 복원 영상을 획득하며,
    상기 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하는 것은,
    상기 입력 영상의 움직임 정도와 미리 정해진 임계값을 비교하여 상기 움직임 알파 보정 평균 필터의 강도를 산출하고,
    상기 움직임 알파 보정 평균 필터의 강도를 적용한 상기 움직임 알파 보정 평균 필터를 이용하여 상기 누적 어파인 변환 매개변수를 필터링하여 상기 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수를 획득하고,
    상기 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수에 기반하여 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬의 매개변수 및 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하는 것인, 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법.
  2. 제1항에 있어서,
    상기 누적 어파인 변환 매개변수를 획득하는 것은,
    상기 입력 영상에서 RANSAC (Random Sample Consensus)알고리즘을 이용하여 상기 어파인 변환 행렬을 획득하고, 상기 어파인 변환 행렬의 매개변수에 기반하여 상기 입력 영상의 첫 번째 프레임부터 t 번째 프레임까지의 상기 누적 어파인 변환 매개변수를 획득하는 것인, 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법.
  3. 제2항에 있어서,
    상기 입력 영상의 움직임 정도를 산출하는 것은,
    상기 누적 어파인 변환 매개변수를 원소로 하는 누적 어파인 변환 매개변수의 집합을 정의하고,
    미리 정해진 범위에 따라 상기 누적 어파인 변환 매개변수를 움직임 성분으로 분류하여 정의하고, 이에 기반하여 상기 입력 영상의 움직임 정도를 산출하는 것인, 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 비의도 움직임 성분이 완화된 복원 영상을 획득하는 것은,
    상기 비의도 움직임 성분이 완화된 어파인 변환 행렬에 양방향 보간 및 와핑 과정을 이용하여 상기 비의도 움직임 성분이 완화된 복원 영상을 획득하는, 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법.
  6. 제1항 내지 제3항, 제5항 중 어느 하나의 항에 따른 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
  7. 입력 영상에서 근접한 프레임간의 관계를 나타내는 어파인 변환 행렬의 매개변수를 이용하여 누적 어파인 변환 매개변수를 획득하는 어파인 변환부;
    상기 누적 어파인 변환 매개변수의 변화 정도에 따라 상기 입력 영상의 움직임 정도를 산출하는 움직임 정도 산출부;
    상기 입력 영상의 움직임 정도를 기초로 강도를 제어한 움직임 알파 보정 평균 필터를 이용하여 상기 누적 어파인 변환 매개변수를 필터링하여 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하는 필터링부; 및
    상기 비의도 움직임 성분이 완화된 어파인 변환 행렬에 기초하여 비의도 움직임 성분이 완화된 복원 영상을 획득하는 영상 복원부를 포함하고,
    상기 필터링부는,
    상기 입력 영상의 움직임 정도와 미리 정해진 임계값을 비교하여 상기 움직임 알파 보정 평균 필터의 강도를 산출하고,
    상기 움직임 알파 보정 평균 필터의 강도를 적용한 상기 움직임 알파 보정 평균 필터를 이용하여 상기 누적 어파인 변환 매개변수를 필터링하여 상기 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수를 획득하고,
    상기 비의도 움직임 성분이 완화된 누적 어파인 변환 매개변수에 기반하여 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬의 매개변수 및 상기 비의도 움직임 성분이 완화된 어파인 변환 행렬을 획득하는, 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치.
  8. 제7항에 있어서,
    상기 어파인 변환부는,
    상기 입력 영상에서 RANSAC (Random Sample Consensus)알고리즘을 이용하여 상기 어파인 변환 행렬을 획득하고, 상기 어파인 변환 행렬의 매개변수에 기반하여 상기 입력 영상의 첫 번째 프레임부터 t 번째 프레임까지의 상기 누적 어파인 변환 매개변수를 획득하는, 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치.
  9. 제8항에 있어서,
    상기 움직임 정도 산출부는,
    상기 누적 어파인 변환 매개변수를 원소로 하는 누적 어파인 변환 매개변수의 집합을 정의하고,
    미리 정해진 범위에 따라 상기 누적 어파인 변환 매개변수를 움직임 성분으로 분류하여 정의하고, 이에 기반하여 상기 입력 영상의 움직임 정도를 산출하는, 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치.
  10. 삭제
  11. 제7항에 있어서,
    상기 영상 복원부는,
    상기 비의도 움직임 성분이 완화된 어파인 변환 행렬에 양방향 보간 및 와핑 과정을 이용하여 상기 비의도 움직임 성분이 완화된 복원 영상을 획득하는, 비의도 움직임 완화 필터링 기반의 동영상 안정화 장치.
KR1020150078943A 2015-06-04 2015-06-04 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치 KR101661476B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150078943A KR101661476B1 (ko) 2015-06-04 2015-06-04 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150078943A KR101661476B1 (ko) 2015-06-04 2015-06-04 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치

Publications (1)

Publication Number Publication Date
KR101661476B1 true KR101661476B1 (ko) 2016-09-30

Family

ID=57079585

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150078943A KR101661476B1 (ko) 2015-06-04 2015-06-04 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치

Country Status (1)

Country Link
KR (1) KR101661476B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596858A (zh) * 2018-05-10 2018-09-28 中国科学技术大学 一种基于特征轨迹的交通视频去抖方法
KR101915036B1 (ko) * 2017-11-17 2018-11-05 울산과학기술원 실시간 비디오 스티칭 방법, 시스템 및 컴퓨터 판독 가능 기록매체
CN113132560A (zh) * 2019-12-31 2021-07-16 武汉Tcl集团工业研究院有限公司 一种视频处理方法及计算机设备、计算机可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100035909A (ko) * 2008-09-29 2010-04-07 엘지전자 주식회사 움직임 적응적 잡음 제거 방법 및 그 장치
KR20130001215A (ko) * 2010-02-11 2013-01-03 마이크로소프트 코포레이션 일반 플랫폼 비디오 이미지 안정화
JP2014229971A (ja) * 2013-05-20 2014-12-08 株式会社朋栄 ローリングシャッタ歪み補正と映像安定化処理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100035909A (ko) * 2008-09-29 2010-04-07 엘지전자 주식회사 움직임 적응적 잡음 제거 방법 및 그 장치
KR20130001215A (ko) * 2010-02-11 2013-01-03 마이크로소프트 코포레이션 일반 플랫폼 비디오 이미지 안정화
JP2014229971A (ja) * 2013-05-20 2014-12-08 株式会社朋栄 ローリングシャッタ歪み補正と映像安定化処理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Kim-Loan Ton-Thi, et al., "Video stabilization algorithm using a moving alpha-trimmed mean filter window," ISCE 2014, pp.1-2, 22-25 June 2014(2014.6.22)* *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101915036B1 (ko) * 2017-11-17 2018-11-05 울산과학기술원 실시간 비디오 스티칭 방법, 시스템 및 컴퓨터 판독 가능 기록매체
CN108596858A (zh) * 2018-05-10 2018-09-28 中国科学技术大学 一种基于特征轨迹的交通视频去抖方法
CN113132560A (zh) * 2019-12-31 2021-07-16 武汉Tcl集团工业研究院有限公司 一种视频处理方法及计算机设备、计算机可读存储介质

Similar Documents

Publication Publication Date Title
KR102182695B1 (ko) 영상 잡음 제거 장치 및 방법
US8934711B2 (en) Apparatus and method of processing image
JP7078139B2 (ja) ビデオ安定化方法及び装置、並びに非一時的コンピュータ可読媒体
US9716832B2 (en) Apparatus and method for stabilizing image
KR100985805B1 (ko) 적응적인 칼만필터를 이용한 영상 안정화 장치 및 방법
US9838604B2 (en) Method and system for stabilizing video frames
WO2015172235A1 (en) Time-space methods and systems for the reduction of video noise
JP2007188493A (ja) 動きボケ画像中の動きボケを減らす方法、それぞれが各自のボケ・パラメータを持つ複数の動きボケ画像を用いて動きボケの減らされた画像を生成する方法、動きボケ画像中の動きボケを減らす装置、およびそれぞれが各自のボケ・パラメータを持つ複数の動きボケ画像を用いて動きボケの減らされた画像を生成する装置
KR101671391B1 (ko) 레이어 블러 모델에 기반한 비디오 디블러링 방법, 이를 수행하기 위한 기록 매체 및 장치
KR101929494B1 (ko) 영상 처리 방법 및 장치
KR101661476B1 (ko) 비의도 움직임 완화 필터링 기반의 동영상 안정화 방법, 이를 수행하기 위한 기록매체 및 장치
CN110796615A (zh) 一种图像去噪方法、装置以及存储介质
CN106550187A (zh) 用于图像稳定的设备和方法
CN105631854A (zh) 一种基于fpga平台的自适应图像清晰度评价算法
KR102003460B1 (ko) 왜곡제거장치 및 방법
CN110536138B (zh) 一种有损压缩编码方法、装置和系统级芯片
KR101460317B1 (ko) 불안정한 카메라 환경에서의 이동 객체 검출 장치 및 방법
CN104182940A (zh) 一种模糊图像恢复方法及系统
KR101651889B1 (ko) 극저조도 영상의 화질 개선 장치 및 방법
KR101615122B1 (ko) 적응적인 비국부 평균 노이즈 제거 방법, 이를 수행하기 위한 기록 매체 및 장치
Saxena et al. Digital video stabilization with preserved intentional camera motion and smear removal
US10861166B2 (en) Image restoration method
Patil et al. Implementation of restoration of blurred image using blind deconvolution algorithm
KR100772405B1 (ko) 전역 움직임 추정에 근거한 적응성 잡음 감쇄 방법 및 영상처리 시스템
CN113873099B (zh) 一种输电通道视频稳像方法、设备及介质

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: 20190624

Year of fee payment: 4