KR101687712B1 - 분광장비를 이용하는 영상처리장치 및 그의 제어방법 - Google Patents

Abstract

본 발명에 따른 영상처리장치의 제어방법은, 탐지 대상과 관련된 이미지 데이터를 수신하는 단계, 상기 이미지 데이터에 포함된 복수의 픽셀에 대해 각 픽셀 별로, 평균 밝기온도 스펙트럼을 산출하는 단계, 상기 산출된 평균 밝기온도 스펙트럼을 제1 개수의 그룹으로 그룹화하는 단계, 상기 그룹별로 클러스터링을 수행하는 단계 및 상기 클러스터링 결과에 근거하여, 복수의 픽셀에 대응되는 색상을 결정하는 단계를 포함하는 것을 특징으로 한다.

Description

분광장비를 이용하는 영상처리장치 및 그의 제어방법{IMAGE PROCESSING APPARATUS USING SPECTRUM EQUIPMENT AND CONTROL METHOD THEREOF}

본 발명은 초분광 장비를 이용하여 측정한 이미지의 스펙트럼을 이용하여, 상기 이미지를 분석하는 장치 및 방법에 관한 것이다.

영상 분광 분해기란 2차원 공간의 영상 정보와 각 화소의 파장 정보를 동시에 획득하여 3차원의 데이터를 얻을 수 있는 장치를 말하며, 그 중에서도 파장 분해능이 10nm 이하의 영상 분광 분해기를 초분광 분해기(Hyperspectral Imaging System)라 한다.

초분광 분해기는 입사되는 빛을 분광시켜 영상의 각 화소에 대한 스펙트럼을 측정하는 전자 광학 센서로서 물질마다 가지고 있는 고유의 광학적 성질 및 물질의 흡수와 반사 특징을 분석하는 장치이다.

초분광 분해기는 영상 스캔, 영상 분광 그리고 영상 병합 이렇게 세 단계로 진행된다. 첫 번째 영상 스캔 단계에서 회전하는 거울과 슬릿을 이용하여 피사체에 대해 가로축으로 스캔하면서 매번 슬릿을 통과한 1차원 선 영상을 획득하고, 두 번째 영상 분광 단계에서 획득된 1차원 선 영상을 분광시켜 2차원의 스펙트럼을 추출한다. 그리고 마지막 영상 병합 과정에서 추출된 2차원 스펙트럼들을 순차적으로 모아 3차원 초분광 데이터 영상을 얻는 것이다.

초분광 분해기는 빛의 분광 대역에 따라 분류될 수 있다. 상기 분광 대역은, 자외선 영역, 가시광 영역, 적외선 영역으로 나뉜다.

특히, 자외선 및 적외선 영역에서 초분광법을 이용해 탐지하는 근·원거리 영상장비의 목적은 산업단지나 불특정한 지역에 독성의 화학 및 생물 물질 혹은 위험이 되는 탐지대상을 탐지하는 것에 있다. 또한, 상기 영상장비의 군사적 목적은 전시상황이나 위험 대상에 의한 화학·생물 무기에 의한 테러의 확산을 방지하고 위험이 되는 대상을 탐지하려는 것에 있다.

현재, 이러한 초분광 분해기를 이용한 영상탐지 장치 및 그의 제어방법과 관련된 기술에 대한 개발 수요가 증가하고 있다. 즉, 탐지 대상의 재료 및 표면에서 방출되는 분광신호 정보를 이용한 탐지 장비 연구가 주목을 받고 있다. 이와 같은 탐지 시스템을 잘 활용하기 위해서는 감지된 스펙트럼을 빠르게 분석하여 위험성을 알려줄 수 있는 알고리즘 적용이 문제이다.

일반적인 분광장비의 알고리즘은 탐지 대상인 화학 물질로부터 측정된 스펙트럼과 분광장비에 구축된 스펙트럼 라이브러리를 대조하는 방식을 이용하여 탐지 대상의 속성을 식별하는 방법을 이용하고 있다. 따라서, 일반적인 분광장비의 알고리즘은, 검출 가능한 물질이 한정되어 있는 문제점이 있다. 또한 상기 일반적인 분광장비의 알고리즘에 의하면, 다양한 탐지 대상으로부터 수신된 분광신호들이 노이즈로 인식되어, 탐지 시스템의 활용성이 감소되는 문제점도 발생한다.

본 발명의 목적은 별도의 스펙트럼 라이브러리 추가 없이, 다양한 기후 조건에서의 미지의 탐지 대상에 적용가능한 분광장비의 알고리즘을 제공하는 것이다.

또 다른 본 발명의 목적은, 분광장비를 간소화시킬 수 있는 분광장비의 알고리즘을 제공하는 것이다.

또 다른 본 발명의 목적은, 분광장비에서 실시간으로 측정된 정보에 대해 밝기온도 및 분광 스펙트럼을 분석하여, 상기 분석결과가 반영된 이미지를 이용하여 상기 분광장비의 탐지 대상을 식별할 수 있는 분광장비 및 그의 제어방법을 제공하는 것이다.

상술한 목적을 달성하기 위한 본 발명의 실시 예에 따른 영상처리장치의 제어방법은, 탐지 대상과 관련된 이미지 데이터를 수신하는 단계, 상기 이미지 데이터에 포함된 복수의 픽셀에 대해 각 픽셀 별로, 평균 밝기온도 스펙트럼을 산출하는 단계, 상기 산출된 평균 밝기온도 스펙트럼을 제1 개수의 그룹으로 그룹화하는 단계, 상기 그룹별로 클러스터링을 수행하는 단계 및 상기 클러스터링 결과에 근거하여, 복수의 픽셀에 대응되는 색상을 결정하는 단계를 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 이미지 데이터는 초분광 장비에 의해 획득된 것을 특징으로 한다.

일 실시 예에 있어서, 상기 이미지 데이터는 각 픽셀 별로 소정 개수의 파수(Wave Number)에 대응되는 스펙트럼 데이터를 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 스펙트럼 데이터는 8㎛ 내지 12㎛인 적외선 영역에 포함되는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 수신된 이미지 데이터의 노이즈가 제거되도록 필터링을 수행하는 단계를 더 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 산출된 평균 밝기온도 스펙트럼을 제1 개수의 그룹으로 그룹화하는 단계는, 상기 산출된 평균 밝기온도 스펙트럼을 상기 제1 개수로 양자화하여, 밝기온도 스펙트럼과 관련된 양자화 값을 생성하는 과정 및 상기 양자화 값을 이용하여, 복수의 픽셀을 상기 제1 개수의 그룹으로 그룹화하는 과정을 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 클러스터링을 수행하는 단계는, 상기 그룹별로, 제2 개수의 클러스터가 생성되도록 클러스터링을 수행하는 과정, 상기 생성된 클러스터에 대해, 대표 스펙트럼을 산출하는 과정 및 상기 산출된 대표 스펙트럼을 상호 비교하여, 상기 생성된 클러스터 중 일부를 병합함으로써, 최종 클러스터를 생성하는 과정을 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 클러스터링을 수행하는 단계는, K-Means 클러스터링 기법을 이용하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 클러스터링 결과에 근거하여, 복수의 픽셀에 대응되는 색상을 결정하는 단계는, 상기 생성된 최종 클러스터에 포함된 픽셀에 대응되는 인덱스 값을 산출하는 과정 및 상기 산출된 인덱스 값에 근거하여, 상기 픽셀에 색상을 매핑시키는 과정을 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 복수의 픽셀에 대응하여 결정된 색상과 관련된 정보를 이용하여, 상기 탐지대상의 식별정보를 검출하는 단계를 더 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 탐지대상의 식별정보는, 상기 탐지대상의 표면의 화학적 성질과 관련된 정보를 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 사용자 입력을 이용하여, 상기 제1 개수를 설정받는 단계를 더 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 클러스터링 결과에 근거하여, 상기 이미지 데이터 중 일부를 상기 탐지대상과 다른 배경과 관련된 정보로 식별하는 단계를 더 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 결정된 색상과 관련된 정보를 이용하여, 상기 배경과 관련된 정보에 대응하는 날씨와 관련된 정보를 추출하는 단계를 더 포함하는 것을 특징으로 한다.

일 실시 예에 있어서, 상기 복수의 픽셀에 대응되는 색상을 결정하는 단계는, 상기 이미지 데이터 중 상기 식별된 배경과 관련된 정보를 제외한 나머지에 대해 적용되는 것을 특징으로 한다.

또한, 상술한 목적을 달성하기 위한 본 발명의 실시 예에 따른 영상처리장치는, 탐지 대상과 관련된 이미지 데이터를 수신하는 수신부, 상기 이미지 데이터에 포함된 복수의 픽셀에 대해 각 픽셀 별로, 평균 밝기온도 스펙트럼을 산출하고, 상기 산출된 평균 밝기온도 스펙트럼을 제1 개수의 그룹으로 그룹화하고, 상기 그룹별로 클러스터링을 수행하며, 상기 클러스터링 결과에 근거하여, 복수의 픽셀에 대응되는 색상을 결정하는 제어부를 포함하는 것을 특징으로 한다.

또한, 상술한 목적을 달성하기 위한 본 발명의 실시 예에 따른 영상처리장치의 제어방법은, 탐지 대상과 관련된 이미지 데이터를 수신하는 단계, 상기 수신된 이미지 데이터에 포함된 복수의 픽셀별로, 평균 밝기온도 스펙트럼을 산출하는 단계, 상기 산출된 평균 밝기온도 스펙트럼을 제1 개수로 양자화하여, 밝기온도 스펙트럼과 관련된 양자화 값을 생성하는 단계, 상기 양자화 값을 이용하여, 복수의 픽셀을 상기 제1 개수의 그룹으로 그룹화하는 단계, 상기 그룹 별로, 제2 개수의 클러스터가 생성되도록 클러스터링을 수행하는 단계, 상기 생성된 클러스터에 대해, 대표 스펙트럼을 산출하는 단계, 상기 산출된 대표 스펙트럼을 상호 비교하여, 상기 생성된 클러스터 중 일부를 병합함으로써, 최종 클러스터를 생성하는 단계, 상기 생성된 최종 클러스터에 포함된 픽셀에 대응되는 인덱스 값을 산출하는 단계 및 상기 산출된 인덱스 값에 근거하여, 상기 픽셀에 색상을 매핑시키는 단계를 포함하는 것을 특징으로 한다.

상기와 같이 구성되는 본 발명에 의하면, 본 발명은 별도의 카메라, 또는 추가적인 영상장비 없이, 초분광 장비에 의해 측정된 스펙트럼 데이터를 이용하여, 상기 초분광 장비의 탐지 대상을 식별할 수 있는 효과가 도출된다. 이로써, 분광 장비의 장비 간소화가 가능하고, 본 발명에 따른 분광 장비를 무인 시스템에 보다 용이하게 적용할 수 있다.

또한, 본 발명에 의하면, 미리 저장된 스펙트럼 라이브러리의 업데이트 없이도, 미지의 탐지 대상에 대한 식별이 가능한 효과가 도출된다.

또한, 본 발명에 의하면, 다양한 탐지 대상으로부터 수신된 분광신호 중 노이즈의 비중을 감소시킬 수 있으므로, 분광장비의 탐지 민감도를 향상시킬 수 있는 효과가 도출된다.

도 1은 본 발명에 따른 영상처리장치의 제어방법의 일 실시예를 나타내는 흐름도.
도 2는 본 발명에 따른 영상처리장치에 수신된 이미지 데이터 중 배경과 관련된 스펙트럼 데이터를 나타내는 그래프.
도 3은 본 발명에 따른 영상처리장치에서 특정 이미지 데이터로부터 픽셀별 평균 밝기온도 스펙트럼을 산출하는 일 실시예를 나타내는 개념도.
도 4는 본 발명에 따른 영상처리장치에서 특정 이미지 데이터로부터 산출된 픽셀별 평균 밝기온도 스펙트럼을 그룹화하는 일 실시예를 나타내는 개념도.
도 5는 본 발명에 따른 영상처리장치에서 특정 이미지 데이터에 대해 클러스터링을 수행하는 일 실시예를 나타내는 개념도.
도 6은 본 발명에 따른 영상처리장치의 제어방법을 산 및 야지 지역과 관련된 이미지에 적용한 일 실시예를 나타내는 개념도.
도 7은 본 발명에 따른 영상처리장치의 제어방법을 공장 지역과 관련된 이미지에 적용한 일 실시예를 나타내는 개념도.
도 8은 본 발명에 따른 영상처리장치의 제어방법을 옹벽 구역과 관련된 이미지에 적용한 일 실시예를 나타내는 개념도.

이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세하게 설명하기 위하여, 본 발명의 실시 예가 첨부된 도면을 참조하여 설명된다. 하지만, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고, 도면에서 본 발명을 명확하게 설명하기 위해 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통해 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본 발명은 분광법을 이용하는 영상탐지 기술에 적용이 가능하다.

본 발명에 따른 분광장치는 근거리 혹은 원거리로부터 수신된 스펙트럼 데이터를 이용하여, 영상탐지를 수행할 수 있다. 또한, 본 발명에 따른 분광장치는 주간 혹은 야간에 수신된 스펙트럼 데이터를 이용하여, 영상탐지를 수행할 수 있다.

보다 구체적으로, 상기 분광 장치는, 수신된 스펙트럼 데이터를 밝기온도 스펙트럼으로 변환할 수 있다. 또한, 상기 분광 장치는 변환된 밝기온도 스펙트럼을 복수의 레벨로 분류한 후, 동일한 레벨에 대응되는 복수의 밝기온도 스펙트럼 데이터에 대해, 상기 레벨에 대응되는 평균 밝기온도 값과의 차이를 산출할 수 있다.

아울러, 상기 분광 장치는, 상기 산출결과를 이용하여 복수의 스펙트럼 데이터를 영상화함으로써, 다양한 배경 클러스터를 포함하는 이미지를 생성할 수 있다.

본 명세서에서 밝기온도(Brightness Temperature)란 지구 표면의 일부 또는 구름 표면과 같은 물체를 구별할 수 있게 하는 물체 자체의 방출에너지, 즉 겉보기온도를 말한다. 밝기온도는 목표가 되는 물체가 흑체라는 가정 하에서 복사 방출된 에너지에 해당하는 온도이다.

이 경우에 물체의 밝기는 그것의 온도와 관련된다. 지구의 적외선 영상에서 복사계에 의하여 탐지되는 적외선복사는 온도를 나타내는 지시계로서 직접적으로 이용될 수 있다. 또는 이 복사값을 흑백 규모(scale)값으로 변환하여 사막이나 열대해양과 같이 따뜻한 지표는 검은색, 그리고 찬구름 상부(운정)는 흰색의 영상으로 나타낼 수 있다.

또한, 본 명세서에서 밝기온도는 빛의 특정한 파장에서 관측된 에너지양과 동일한 양의 에너지를 방출하는 흑체의 온도 값과 대응될 수 있다. 특히, 밝기온도는 천체의 중성수소가 발생하는 21 cm파 관측의 결과를 지도화하는 데 종종 사용된다. 밝기온도와 복사온도의 관계는 가시광선에서의 절대등급 MV와 복사절대등급 Mbol의 관계와 유사하게 복사온도가 특정한 파장범위를 다루고 있는 반면, 밝기온도는 특정한 파장만을 다루는 차이가 있다.

이하의 도 1에서는 본 발명에 따른 영상처리장치의 제어방법과 관련된 일 실시예가 설명된다.

이하에서 설명되는 영상처리장치는 수신부, 출력부, 제어부 및 메모리 중 적어도 하나를 포함할 수 있다.

도 1에 도시된 것과 같이, 영상처리장치의 수신부는 탐지 대상과 관련된 이미지 데이터를 수신할 수 있다(S101).

보다 구체적으로, 상기 수신부는 초분광(Hyperspectral) 장비일 수 있으며, 상기 이미지 데이터는 초분광 장비에 의해 획득된 것일 수 있다.

아울러, 상기 이미지 데이터는 N개의 픽셀로 이루어진 2차원 데이터와, 각 필셀 별로 M개의 파수(Wave Number)에 대응되는 스펙트럼 데이터를 포함할 수 있다.

예를 들어, 상기 스펙트럼 데이터는 8㎛ 내지 12㎛인 적외선 영역에 포함될 수 있다.

한편, 상기 영상처리장치의 제어부는 상기 수신된 이미지 데이터의 노이즈가 제거되도록 필터링을 수행할 수 있다.

구체적으로 제어부는, 상기 각 파수별로 가우시안 필터링을 수행하여, 수신된 이미지 데이터의 노이즈를 제거할 수 있다.

다음으로, 제어부는 이미지 데이터에 포함된 복수의 픽셀에 대해 각 픽셀 별로, 평균 밝기온도 스펙트럼을 산출할 수 있다(S102).

예를 들어, 이미지 데이터가 N개의 픽셀로 구성되고, 파수는 총 M개인 경우, 제어부는 다음의 수학식 1을 이용하여, 각 픽셀별로 N개의 밝기온도 스펙트럼 데이터의 평균 밝기온도 스펙트럼을 산출할 수 있다.

상기 수학식 1에서

는 평균 밝기온도 스펙트럼이고, σ는 파수(Wave number)이고, B(σ)는 각 파수에 대한 스펙트럼 데이터이다.

다음으로, 제어부는 상기 산출된 평균 밝기온도 스펙트럼을 제1 개수의 그룹으로 그룹화할 수 있다(S103).

보다 구체적으로, 제어부는 상기 산출된 평균 밝기온도 스펙트럼을 상기 제1 개수로 양자화하여, 밝기온도 스펙트럼과 관련된 양자화 값을 생성할 수 있다. 또한, 제어부는 상기 생성된 양자화 값을 이용하여, 복수의 픽셀을 상기 제1 개수의 그룹으로 그룹화할 수 있다.

제어부는 아래의 수학식 2를 이용하여, 산출된 평균 밝기온도 스펙트럼을 L개의 그룹으로 양자화(Quantization)할 수 있다.

또한, 제어부는 각 픽셀별로 산출된

에 대하여, 아래의 수학식 3을 이용하여 동일한 평균 밝기온도 값을 갖는 L개의 그룹으로 분류할 수 있다.

상기 수학식 3에서

는 평균밝기 온도가

인 픽셀들의 집합을 의미한다.

다음으로, 제어부는 상기 그룹화하는 단계(S103)에 대응하여, 상기 그룹별로 클러스터링을 수행할 수 있다(S104).

보다 구체적으로, 제어부는 상기 그룹별로, 제2 개수의 클러스터(Cluster)가 생성되도록 클러스터링을 수행할 수 있다. 또한, 제어부는 상기 생성된 클러스터에 대해, 대표 스펙트럼을 산출할 수 있다. 아울러, 제어부는 상기 산출된 대표 스펙트럼을 상호 비교하여, 상기 생성된 클러스터 중 일부를 병합함으로써, 최종 클러스터를 생성할 수 있다.

예를 들어, 제어부는 상기 클러스터링을 수행하는 단계(S104)에 있어서, K-Means 클러스터링 기법을 이용할 수 있다. 즉, 제어부는 상기 수학식 3의 각

에 대하여 기 설정된 상수 K 값을 이용하여, K-Means 클러스터링을 수행할 수 있다.

이 경우, 제어부는 상기 K-Means 클러스터링을 수행함으로써, 각 픽셀별 색인 값(index) 및 각 집합(

)별 K개의 클러스터들에 대한 대표 스펙트럼을 산출할 수 있다.

또한, 제어부는 K-Means 클러스터링을 통해 획득된 K개의 클러스터에 대한 대표 스펙트럼들에 대해서 스펙트럼별 유사도를 측정할 수 있다. 이로써, 제어부는 상기 측정결과에 근거하여, 두 개 이상의 클러스터에 대한 대표 스펙트럼들이 기 설정된 유사도 값보다 높은 유사도를 갖는 경우, 상기 두 개 이상의 클러스터를 한 개의 클러스터로 병합시킬 수 있다.

예를 들어, 제어부는 상기 유사도를 측정함에 있어서, 상관 계수(correlation coefficient) 기법을 이용할 수 있다. 이와 같은 유사도 측정 방법을 통해 획득되는 각 집합 (

) 별 클러스터의 개수는 K개 이하인

일 수 있다.

다음으로, 제어부는 상기 클러스터링 결과에 근거하여, 복수의 픽셀에 대응되는 색상을 결정할 수 있다(S105).

보다 구체적으로, 제어부는 상기 생성된 최종 클러스터에 포함된 픽셀에 대응되는 인덱스 값을 산출할 수 있다. 또한, 제어부는 상기 산출된 인덱스 값에 근거하여, 상기 픽셀에 색상을 매핑시킬 수 있다.

제어부는 상기 인덱스 값(Classification index, CI)을 산출하기 위해 아래의 수학식 4를 이용할 수 있다.

상기 수학식 4에서

는 픽셀 p에 대한 색인 값이다. 예를 들어, 상기

는 정수 1 내지

의 범위에 포함되는 정수일 수 있다. 이 경우, 인덱스 값의 개수는

이다.

제어부는 상기 수학식 1 내지 4를 이용하여, 이미지 데이터에 포함된 복수의 픽셀에 각각 대응되는 색상을 결정할 수 있다.

제어부는 이미지 데이터 중 동일한 밝기온도로 이루어진 영역과 대응되는 탐지대상이 유사한 물질로 형성된 것으로 판단할 수 있다. 따라서, 제어부는 이미지 데이터 중 동일한 밝기온도로 이루어진 영역의 색상을 동일한 색상으로 결정할 수 있다.

또한, 제어부는 이미지 데이터 중 동일한 밝기온도로 이루어진 제1 영역과 제2 영역이 서로 다른 물질인 탐지대상에 대응되는 경우, 클러스터링을 수행하여, 상기 제1 및 제2 영역을 구분할 수 있다.

즉, 제어부는 복수의 픽셀에 대응하여 결정된 색상과 관련된 정보를 이용하여, 상기 탐지대상의 식별정보를 검출할 수 있다.

예를 들어, 상기 탐지대상의 식별정보는, 상기 탐지대상의 화학적 성질과 관련된 정보를 포함할 수 있다. 또 다른 예에서, 상기 탐지대상의 식별정보는, 상기 탐지대상의 표면의 화학적 성질과 관련된 정보를 포함할 수 있다.

또한, 제어부는 상기 결정된 색상들로 형성된 이미지를 생성함으로써, 이미지 데이터의 픽셀별로 할당된 스펙트럼 데이터의 차이를 나타내는 정보를 출력할 수 있다.

한편, 제어부는 입력부를 통해 인가되는 사용자 입력을 이용하여, 상기 제1 및 제2 개수를 설정받을 수 있다. 즉, 제어부는 상기 사용자 입력을 이용하여 상기 변수 L 및 K 중 적어도 하나를 설정받을 수 있다.

참고로, 변수 L의 물리적 의미는 밝기 온도의 세분화 정도와 관련될 수 있다. 아울러, 변수 K의 물리적 의미는 같은 밝기 온도 영역 내에서 다른 스펙트럼의 개수와 관련될 수 있다. 즉, 변수 K가 높을수록, 제어부는 더 많은 스펙트럼을 구분해낼 수 있다.

이하의 도 3 내지 도 5에서는 본 발명에 따른 영상처리장치의 제어방법을 특정 이미지에 적용한 일 실시예가 설명된다.

도 3에 도시된 것과 같이, 제어부는 이미지 데이터의 각 픽셀마다 산출된 평균 밝기온도 스펙트럼을 이용하여, 상기 각 픽셀마다 색상과 관련된 정보를 설정할 수 있다. 이로써, 제어부는 각 픽셀마다 설정된 색상과 관련된 정보를 이용하여, 도 3에 도시된 이미지를 생성할 수 있다. 이 경우, 제어부는 탐지대상과 관련된 이미지 데이터 중 상기 탐지대상이 아닌 배경과 관련된 정보를 추출할 수 있다.

예를 들어, 도 3을 참조하면, 제어부는 이미지 데이터 중 초목 및 산에 해당하는 일부를 노란색으로 설정하고, 건물에 해당하는 일부를 주황색으로 설정하고, 유리 재질의 창문에 해당하는 일부를 초록색으로 설정하고, 하늘(배경)에 해당하는 부분을 파란색 및 하늘색 등으로 설정할 수 있다. 이로써, 제어부는 이미지 데이터 중 배경에 해당하는 하늘 부분을 추출할 수 있다.

도 4를 참조하면, 제어부는 그룹화된 상기 평균 밝기온도 스펙트럼을 이용하여, 상기 각 픽셀마다 색상과 관련된 정보를 설정할 수 있다.

예를 들어, 도 3 및 도 4를 비교하면, 제어부는 상기 그룹화된 평균 밝기온도 스펙트럼을 이용하여, 이미지 데이터 중 하늘에 해당하는 일부를, 온도에 따라 다른 색으로 설정할 수 있다.

도 5를 참조하면, 제어부는 상기 그룹화된 평균 밝기온도 스펙트럼에 대해 클러스터링을 수행한 후, 상기 클러스터링 결과를 이용하여, 상기 각 픽셀마다 색상과 관련된 정보를 설정할 수 있다.

즉, 제어부는 클러스터링 결과에 근거하여, 상기 이미지 데이터 중 일부를 상기 탐지대상과 다른 배경과 관련된 정보로 식별할 수 있다.

도 3 내지 도 5는 본 발명에 따른 영상처리장치의 제어방법을 이용하여, 건물, 산, 그리고 하늘로 구성된 실제 야외에서 측정한 초분광 영상탐지 결과를 도시하였다. 도 3 내지 도 5를 비교하면, 이미지 데이터 중 하늘에 해당하는 일부에 대하여, 지상에서 멀어질수록 온도가 낮아지면서 파랑색이 짙어지는 것을 알 수 있다.

제어부는 상기 결정된 색상과 관련된 정보를 이용하여, 상기 배경과 관련된 정보에 대응하는 날씨와 관련된 정보를 추출할 수 있다.

즉, 본 발명에 따른 영상처리장치의 제어방법에 의하면, 이미지 데이터에 포함된 일부가 하늘에 대응되는 경우, 하늘의 높이나, 상기 이미지 데이터가 촬영된 시점의 날씨에 대해서도 유추할 수 있다.

도 6은 제안된 알고리즘을 이용하여 실제 야외에서 측정한 초분광 영상탐지 결과를 도시하였다. 바다와 산이 있는 배경에서 군집화된 픽셀별 데이터들이 사람의 시야정보로 식별되는 수준의 이미지 정보로 생성되는 것을 확인할 수 있다.

예를 들어, 도 6을 참조하면, 이미지 데이터 중 초목 및 산에 해당하는 영역은 노랑색과 주황색, 건물에 해당하는 영역은 빨강색, 하늘 및 바다에 해당하는 영역은 파랑색으로 구분이 되어진다.

특히, 도 6에 도시된 것과 같이, 이미지 데이터 중 산에 해당하는 픽셀 정보에서 수풀이 적은 부분은 주황색과 노랑색의 혼합으로 나타나는 것을 확인할 수 있다. 추가적으로, 제어부는 이미지 데이터 중 바다에 해당하는 픽셀 정보에 대해, 해변 인근은 하늘색 지상에서 바다가 멀어질수록 짙은 파랑색으로 결정하여, 바다의 온도와 관련된 정보를 반영할 수 있다. 이로써, 제어부는 바다의 수심이나, 지면에서의 거리와 관련되 정보를 포함하는 이미지를 생성할 수 있다.

도 7은 흑백의 CCD 에서도 구분이 힘든 흐린 하늘의 상태나 산기슭 등이 K-Means clustering을 통해 구분되는 것을 확인할 수 있으며, 기존의 제공되는 밝기 정보를 이용한 이미지에서 구분이 힘든 논, 논두렁 그리고 나무들이 더 3차원 적이고 구체화된 이미지 정보로 구현되는 것을 확인 할 수 있다.

도 8은 도로와 옹벽이 나타난 구역을 주간 및 야간에 촬영하여 본 발명의 알고리즘을 통해 구현한 것으로서 보도블럭과 노면 사이의 구분이 밝기 온도 기반의 이미지보다 더 구체적으로 보여지는 것을 확인할 수 있다.

본 명세서에서 설명된 이미지 분석 장치 및 그의 제어방법은 상기 개시된 실시 예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 다양한 변형이 이루어질 수 있도록 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.

Claims (16)

1. 탐지 대상과 관련된 이미지 데이터를 수신하는 단계;
   상기 이미지 데이터에 포함된 복수의 픽셀에 대해 각 픽셀 별로, 평균 밝기온도 스펙트럼을 산출하는 단계;
   상기 산출된 평균 밝기온도 스펙트럼을 제1 개수의 그룹으로 그룹화하는 단계;
   상기 그룹 별로 클러스터링을 수행하는 단계 및
   상기 클러스터링 결과에 근거하여, 복수의 픽셀에 대응되는 색상을 결정하는 단계를 포함하는 영상처리장치의 제어방법.
2. 제1항에 있어서,
   상기 이미지 데이터는 초분광 장비에 의해 획득된 것을 특징으로 하는 영상처리장치의 제어방법.
3. 제2항에 있어서,
   상기 이미지 데이터는 각 픽셀 별로 소정 개수의 파수(Wave Number)에 대응되는 스펙트럼 데이터를 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
4. 제3항에 있어서,
   상기 스펙트럼 데이터는 8㎛ 내지 12㎛인 적외선 영역에 포함되는 것을 특징으로 하는 영상처리장치의 제어방법.
5. 제1항에 있어서,
   상기 수신된 이미지 데이터의 노이즈가 제거되도록 필터링을 수행하는 단계를 더 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
6. 제1항에 있어서,
   상기 산출된 평균 밝기온도 스펙트럼을 제1 개수의 그룹으로 그룹화하는 단계는,
   상기 산출된 평균 밝기온도 스펙트럼을 상기 제1 개수로 양자화하여, 밝기온도 스펙트럼과 관련된 양자화 값을 생성하는 과정 및
   상기 양자화 값을 이용하여, 복수의 픽셀을 상기 제1 개수의 그룹으로 그룹화하는 과정을 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
7. 제1항에 있어서,
   상기 클러스터링을 수행하는 단계는,
   상기 그룹 별로, 제2 개수의 클러스터가 생성되도록 클러스터링을 수행하는 과정,
   상기 생성된 클러스터에 대해, 대표 스펙트럼을 산출하는 과정 및
   상기 산출된 대표 스펙트럼을 상호 비교하여, 상기 생성된 클러스터 중 일부를 병합함으로써, 최종 클러스터를 생성하는 과정을 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
8. 제7항에 있어서,
   상기 클러스터링을 수행하는 단계는, K-Means 클러스터링 기법을 이용하는 것을 특징으로 하는 영상처리장치의 제어방법.
9. 제7항에 있어서,
   상기 클러스터링 결과에 근거하여, 복수의 픽셀에 대응되는 색상을 결정하는 단계는,
   상기 생성된 클러스터에 포함된 픽셀에 대응되는 인덱스 값을 산출하는 과정 및
   상기 산출된 인덱스 값에 근거하여, 상기 픽셀에 색상을 매핑시키는 과정을 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
10. 제1항에 있어서,
    상기 복수의 픽셀에 대응하여 결정된 색상과 관련된 정보를 이용하여, 상기 탐지 대상의 식별정보를 검출하는 단계를 더 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
11. 제10항에 있어서,
    상기 탐지 대상의 식별정보는, 상기 탐지 대상의 표면의 화학적 성질과 관련된 정보를 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
12. 제1항에 있어서,
    사용자 입력을 이용하여, 상기 제1 개수를 설정받는 단계를 더 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
13. 제1항에 있어서,
    상기 클러스터링 결과에 근거하여, 상기 이미지 데이터 중 일부를 상기 탐지 대상과 다른 배경과 관련된 정보로 식별하는 단계를 더 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
14. 제13항에 있어서,
    상기 결정된 색상과 관련된 정보를 이용하여, 상기 배경과 관련된 정보에 대응하는 날씨와 관련된 정보를 추출하는 단계를 더 포함하는 것을 특징으로 하는 영상처리장치의 제어방법.
15. 제13항에 있어서,
    상기 복수의 픽셀에 대응되는 색상을 결정하는 단계는, 상기 이미지 데이터 중 상기 식별된 배경과 관련된 정보를 제외한 나머지에 대해 적용되는 것을 특징으로 하는 영상처리장치의 제어방법.
16. 탐지 대상과 관련된 이미지 데이터를 수신하는 수신부;
    상기 이미지 데이터에 포함된 복수의 픽셀에 대해 각 픽셀 별로, 평균 밝기온도 스펙트럼을 산출하고,
    상기 산출된 평균 밝기온도 스펙트럼을 제1 개수의 그룹으로 그룹화하고, 상기 그룹 별로 클러스터링을 수행하며,
    상기 클러스터링 결과에 근거하여, 복수의 픽셀에 대응되는 색상을 결정하는 제어부를 포함하는 것을 특징으로 하는 영상처리장치.

Images