KR101836811B1 - 이미지 상호간의 매칭을 판단하는 방법, 장치 및 컴퓨터 프로그램 - Google Patents

이미지 상호간의 매칭을 판단하는 방법, 장치 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR101836811B1
KR101836811B1 KR1020160056549A KR20160056549A KR101836811B1 KR 101836811 B1 KR101836811 B1 KR 101836811B1 KR 1020160056549 A KR1020160056549 A KR 1020160056549A KR 20160056549 A KR20160056549 A KR 20160056549A KR 101836811 B1 KR101836811 B1 KR 101836811B1
Authority
KR
South Korea
Prior art keywords
image
feature
sub
target image
structure information
Prior art date
Application number
KR1020160056549A
Other languages
English (en)
Other versions
KR20170126300A (ko
Inventor
문상환
구경모
완 레이 짜오
Original Assignee
오드컨셉 주식회사
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 오드컨셉 주식회사 filed Critical 오드컨셉 주식회사
Priority to KR1020160056549A priority Critical patent/KR101836811B1/ko
Publication of KR20170126300A publication Critical patent/KR20170126300A/ko
Application granted granted Critical
Publication of KR101836811B1 publication Critical patent/KR101836811B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F17/30247—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/56—Information retrieval; Database structures therefor; File system structures therefor of still image data having vectorial format
    • G06F17/30271—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G06K9/38—
    • G06K9/46—
    • G06K9/6201—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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

Abstract

본 발명은 복수의 이미지 상호간의 동일 유사 여부를 판단하는 방법에 대한 것으로, 대상 이미지의 특징점을 적어도 하나 이상 추출하고, 상기 특징점의 속성 값을 계산하는 a 단계; 상기 특징점들 상호간 상기 속성 값의 차이에 대한 상대적인 분포를 계산하고 계산된 값을 상기 대상 이미지의 구조 정보로 관리하는 b 단계; 쿼리 이미지를 접수하면, 상기 쿼리 이미지의 구조 정보를 계산하는 c 단계; 상기 쿼리 이미지의 구조 정보 및 상기 대상 이미지의 구조 정보를 이용하여 상기 쿼리 이미지와 상기 대상 이미지의 매칭 여부를 판단하는 d 단계를 포함하는 것을 특징으로 한다.

Description

이미지 상호간의 매칭을 판단하는 방법, 장치 및 컴퓨터 프로그램 {METHOD, APPARATUS AND COMPUTER PROGRAM FOR MATCHING BETWEEN THE IMAGES}
본 발명은 이미지 상호간의 동일 유사 여부를 판단하는 방법 및 장치에 대한 것이다. 보다 구체적으로 본 발명은, 단일 이미지의 특징점들 사이의 상대적인 속성값을 계산하여 상기 이미지의 구조 정보를 생성하고, 상기 구조 정보를 이용하여 다른 이미지와 동일 유사 여부를 판단하는 방법에 대한 것이다.
컴퓨터 처리 기술의 급속한 발달로, 최근 검색 서비스는 텍스트뿐 아니라 이미지를 기반으로 검색 정보를 제공할 수 있게 되었다. 이미지 검색은 특정 이미지를 입력하면, 그와 비슷한 이미지 또는 나아가 관련된 이미지를 자동으로 검색하는 서비스를 포함한다.
이러한 이미지 검색은 종래 다양한 방식으로 발전해왔다. 이미지 유사성 검색을 위해서는 입력된 이미지로부터 특징을 추출하고 이를 여러 가지 정보들로 표현하는 과정이 필요하다. 이렇게 표현된 정보들은 이미지의 분류 또는 이미지 유사성 검색에 사용될 수 있다.
특징 추출에 사용되는 방법 중에는 전역적 및 지역적 특징 추출 방법이 있다. 전역적 특징은 이미지 전체에서 색상, 형태, 질감과 같은 정보들을 추출하며, 지역적 특징은 이미지 전체가 아니라 특정 영역에서 색상, 형태, 질감과 같은 정보들을 추출하는 방법을 의미한다.
본 발명은 단일 이미지의 특징점들 사이의 상대적인 속성값을 계산하여 이를 이미지 검색에 사용할 수 있는 방법 및 장치를 제공하는 것을 목적으로 한다.
상기 문제를 해결하기 위한 본 발명의 실시예를 따르는 복수의 이미지 상호간의 동일 유사 여부를 판단하는 방법은, 대상 이미지의 특징점을 적어도 하나 이상 추출하고, 상기 특징점의 속성 값을 계산하는 a 단계; 상기 특징점들 상호간 상기 속성 값의 차이에 대한 상대적인 분포를 계산하고 계산된 값을 상기 대상 이미지의 구조 정보로 관리하는 b 단계; 쿼리 이미지를 접수하면, 상기 쿼리 이미지의 구조 정보를 계산하는 c 단계; 및 상기 쿼리 이미지의 구조 정보 및 상기 대상 이미지의 구조 정보를 이용하여 상기 쿼리 이미지와 상기 대상 이미지의 매칭 여부를 판단하는 d 단계를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 단일 이미지에서 특징점들의 속성값 차이를 계산하고, 이를 해당 이미지의 구조 정보로 활용하여 다른 이미지의 매칭 여부를 판단할 수 있다. 이에 따르면 이미지 검색에 소요되는 자원이 대폭 축소되며, 연산 시간이 줄어들고, 정확도가 높아지는 효과가 있다.
도 1은 종래의 이미지 검색 방법과 본 발명의 실시예를 따르는 검색 방법의 차이를 설명하기 위한 도면
도 2는 본 발명의 실시예를 따라 단일 이미지의 구조 정보를 계산하는 예시를 설명하기 위한 도면
도 3은 본 발명의 실시예를 따라 이미지 구조 정보를 생성하는 방법을 설명하기 위한 도면
도 4는 본 발명의 실시예를 따라 복수의 이미지들 상호간의 매칭 여부를 판단하는 방법을 설명하기 위한 순서도
본 발명은 이하에 기재되는 실시예들의 설명 내용에 한정되는 것은 아니며, 본 발명의 기술적 요지를 벗어나지 않는 범위 내에서 다양한 변형이 가해질 수 있음은 자명하다. 그리고 실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 널리 알려져 있고 본 발명의 기술적 요지와 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다.
한편, 첨부된 도면에서 동일한 구성요소는 동일한 부호로 표현된다. 그리고 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시될 수도 있다. 이는 본 발명의 요지와 관련이 없는 불필요한 설명을 생략함으로써 본 발명의 요지를 명확히 설명하기 위함이다.
도 1은 종래의 이미지 검색 방법과 본 발명의 실시예를 따르는 검색 방법의 차이를 설명하기 위한 도면이다.
컴퓨터를 이용하여 복수의 이미지들이 서로 동일 유사한지 여부, 즉 서로 매칭되는지 여부를 판단하기 위해서는, 일차적으로 이미지들의 특징점을 탐지하고, 특징점에 대한 특징 기술자들을 추출하는 과정을 따른다.
특징점이란 해당 이미지를 정의할 수 있는 임의의 부분을 의미하며, 특징 기술자란 해당 특징 영역을 벡터 값으로 표현한 것을 의미한다. 예를 들어 특징점은 이미지에 포함된 윤곽선일 수 있으며, 특징 기술자는 상기 윤곽선을 이루는 각 점들의 변위를 벡터로 표현한 값일 수 있다.
종래 기술에 따르면, 복수의 이미지들이 서로 매칭되는지 여부는 각 이미지들의 특징점을 추출하고, 이미지 상호간 특징점들을 비교하는 방식을 따랐다.
예를 들어 이미지 1의 특징점을 7개 추출하고, 이미지 2의 특징점을 7개 추출한 경우, 종래의 방식을 따르면 제 1 이미지의 제 1 특징 기술자 내지 제 7 특징 기술자와 제 2 이미지의 제 1 특징 기술자 내지 제 7 특징 기술자를 각각 비교하게 된다. 도 1의 예에서 제 1 이미지의 특징점 a의 벡터값과 제 2 이미지의 특징점 c의 벡터값의 차이가 제 1 이미지의 특징점 b의 벡터값과 제 2 이미지의 특징점 d의 벡터값의 차이가 유사한지 확인하게 될 것이다.
이와 같은 검증을 위한 알고리즘은 RANSAC, MSAC, LMedS, LO-RANSAC, AMLESAC, GASAC, PROSAC, WGC 등을 예시할 수 있다. 이들은 제 1 이미지의 특정 특징 기술자에 가장 유사하게 매칭되는 제 2 이미지의 특징 기술자들을 리스트업 하고 상위 리스트에 포함된 제 2 이미지의 특징 기술자들의 속성값을 제 1 이미지에 대입하여 양자를 비교하는 과정을 수행한다. 앞의 예에서 제 1 이미지의 특징점 a와 제 2 이미지의 특징점 c를 매칭하고, 제 1 이미지의 특징점 b와 제 2 이미지의 특징점 d를 매칭하여, a값과 c 값의 차이와 b 값과 d 값의 차이를 비교하게 될 것이다.
그러나 종래의 방법을 따라 각각의 이미지들의 다수의 특징 기술자들을 상호 대입, 비교하는 과정은 많은 리소스를 요구한다. 나아가 정밀도에 비례하여 처리 속도가 늦어지는 문제가 있다. 이미지의 특징 기술자를 많이 고려할수록 매칭 처리에 대한 에러율을 낮출 수 있으나, 특징 기술자 상호간 비교에 따르는 시스템 부하도 커지기 때문이다. 나아가 리스트업 과정에서 중요 특징 기술자가 상위 리스트에 빠지면 정확도 손실 문제가 발생할 수 있다.
본 발명은 이러한 문제를 해결하기 위한 것이다.
본 발명은 두개 이상의 이미지들이 상호 매칭되면, 동일한 기준으로 추출한 특징 영역의 개수 및 해당 이미지에서 특징 영역 상호간의 상대적인 위치가 유사하다는 점에서 착안되었다.
예를 들어 도 1에서, 제 1 이미지와 제 2 이미지가 매칭된다면, 제 1 이미지의 특징점 a 및 b의 상대적인 위치 벡터 ㅣ1 및 ㅣ2 는 유의미한 범위의 유사도를 가지게 된다. 앞의 예에, 본 발명의 실시예를 따르면 제 1 이미지의 특징점 a와 b의 벡터값의 차이가 제 2 이미지의 특징점 c와 d의 벡터값의 차이가 유사한지 확인하게 될 것이다.
다시 말하면, 도 1의 예에서 종래 방법을 따르면 제 1 이미지의 제 1 내지 제 7 특징 기술자와 제 2 이미지의 제 1 내지 제 7 특징 기술자 상호간의 유사도를 계산하게 되는데, 본 발명을 따르면 제 1 이미지의 제 1 내지 제 7 특징 기술자 상호간의 비교 값 및 제 2 이미지의 제 1 내지 제 7 특징 기술자 상호 간의 비교 값의 유사도를 판단하게 된다.
따라서 본 발명은 특정 이미지의 특징점들 사이의 비교 값을 계산하는 과정을 포함하는 특징이 있다. 보다 구체적으로 본 발명을 따르면 특정 이미지의 특징점들 상호간의 차이에 대한 상대적인 분포를 계산할 수 있다. 이는 단일 이미지의 기하학적 구조 정보라고 할 수 있으며, 본 명세서에서는 이를 이미지의 구조 정보라고 지칭한다. 발명의 실시예를 따르는 이미지의 구조 정보는 해당 이미지의 시그니처 정보로 활용될 수 있다.
이와 같은 이미지 구조 정보를 미리 생성하여 이미지 매칭 판단에 활용하면, 종래 방법을 따라 상호 매칭된 특징 기술자들의 정보를 확인하고, 해당 특징 기술자에 대응하는 특징점에 대한 정보가 다시 호출되어 수차례 대입하는 과정이 생략될 수 있다.
도 2는 본 발명의 실시예를 따라 단일 이미지의 구조 정보를 계산하는 예시를 설명하기 위한 도면이다.
도 2는 앞서 설명한 도 1의 제 1 이미지의 구조 정보를 히스토그램으로 표현한 것이다.
도 2는 도 1의 제 1 이미지에서 특징점 a를 기준으로 특징점 b를 포함하는 임의의 영역을 서브 영역 (sub-region)으로 설정하고, 해당 서브 영역의 특징점들의 특징 기술자 벡터의 변위를 히스토그램으로 표시한 것이다. 특히 도 2의 <a>는 특징점 특징 기술자들의 방향값의 변위를, <b>는 특징점 디스크립터들의 크기값의 변위를 히스토그램으로 표시한 것으로 제 1 이미지의 구조 정보라고 할 수 있다.
도 1의 제 1 이미지와 제 2 이미지가 매칭되는 이미지라면, 제 2 이미지의 구조 정보를 표현한 히스토그램과 제 1 이미지의 구조 정보를 표현한 히스토그램은 유사하게 표현될 것이다.
도 3은 본 발명의 실시예를 따라 이미지 구조 정보를 생성하는 방법을 설명하기 위한 도면이다.
본 발명의 실시예를 따르는 이미지 분석 장치는, 도 3의 단계 310에서 분석 대상 이미지를 접수하면, 단계 320에서 해당 이미지의 특징점을 탐지할 수 있다.
본 발명의 실시예를 따르면 이러한 특징 영역은 이미지가 포함하고 있는 윤곽선, 상기 윤곽선에서 코너 등의 모퉁이, 주변 영역과 구분되는 블롭(blob), 및/또는 이미지의 변형에 따라 불변하거나 공변하는 영역, 또는 주변 밝기보다 어둡거나 밝은 특징이 있는 극점일 수 있다.
단계 330에서 이미지 분석 장치는, 해당 특징점을 정의할 수 있는 특징 기술자를 임의의 기준으로 추출하고, 해당 특징 기술자의 속성을 방향과 크기에 대한 벡터값으로 표현할 수 있다.
본 발명의 실시예에 따르면, 이러한 특징 기술자는 해당 이미지에 대한 특징 영역의 위치, 또는 특징 영역의 밝기, 색상, 선명도, 그라디언트, 스케일 및/또는 패턴, 엣지 정보를 이용하여 계산할 수 있다. 예를 들어 특징 기술자는 특징 영역의 밝기 값, 밝기의 변화 값 또는 분포 값 등을 벡터로 변환하여 계산할 수도 있다.
나아가 본 발명의 실시예에 따르면 단계 330에서 특징 기술자는 위와 같은 지역 기술자(Local Descriptor) 뿐 아니라, 전역 기술자(Global descriptor), 네트워크 기술자(Network descriptor) 또는 바이너리 기술자(Binary Descriptor)로 표현될 수 있다.
보다 구체적으로 특징 기술자는 이미지 전체 또는 이미지 내에서 임의의 기준으로 분할하였거나 선정된 구역에 대해 각 구역이 갖는 밝기, 색상, 선명도, 그라디언트, 스케일, 패턴, 엣지 정보 등 Low level의 정보를 추출하는 전역 기술자 (Global descriptor)를 포함할 수 있다.
나아가 특징 기술자는 이미지 전체 또는 이미지 내에서 임의의 기준으로 분할하였거나 선정된 구역에 대해 신경망(Neural network)을 통해 의미가 학습된, High level의 정보를 추출하는 네트워크 기술자(Network descriptor)를 포함할 수 있다.
나아가, 특징 기술자는 미리 정의된 하나 이상의 특징 기술자 또는 색상표와 같은 전역적 특징이 이미지에 포함된 횟수, 빈도, 비율 등을 벡터 값 또는 히스토그램으로 변환하는 방식 또는 각 기술자들의 포함 여부 또는 기술자를 구성하는 각 요소 값들의 크기가 특정값 보다 크거나 작은지 여부를 비트 단위로 추출하고 이를 다시 정수형으로 변환하는 방식으로 표현될 수도 있다.
단계 340에서 이미지 분석 장치는 분석 대상 이미지의 적어도 일부를 포함하는 임의의 영역을 서브 영역(sub-region)으로 설정할 수 있다. 본 발명의 실시예를 따르면 상기 서브 영역은 분석 대상 이미지에 적어도 하나 이상 설정될 수 있다.
서브 영역은 분석 대상 이미지의 임의의 특징점을 기준으로 상기 특징점의 특징 기술자 벡터의 크기, 특징 기술자 벡터의 방향, 상기 서브 영역에 포함되는 상기 특징점들 상호간의 거리, 및/또는 상기 서브 영역에 포함되는 특징점의 개수 중 적어도 하나 이상을 기준으로 구획될 수 있다.
단계 350에서 이미지 분석 장치는 상기 서브 영역 특징점들의 상대적 속성값의 분포도를 계산할 수 있다. 보다 구체적으로, 상기 분포도는 서브 영역에 포함되는 특징점들 상호간 특징 기술자 벡터의 차이를 계산하여 히스토그램의 형태로 작성될 수 있다. 이러한 분포도는 서브 영역의 시그니처 정보라고 할 수 있으며, 본 명세서에서는 이를 서브 영역 구조 정보라고 명칭한다.
상기 서브 영역 구조 정보는 그 자체로 이미지 매칭에 사용될 수 있으나, 본 발명은 이에 국한되지 않는다. 예를 들어, 상기 서브 영역 구조 정보는 종래의 방법을 따르는 이미지 매칭 과정에서 개별 특징 기술자 비교에 대한 가중치 또는 필터링 기준으로 활용될 수도 있다.
단계 360에서 이미지 분석 장치는 상기 서브 영역 구조 정보를 벡터값으로 바이너리 화할 수 있으며, 나아가 단계 370에서 대상 이미지의 복수의 서브영역의 구조 정보 벡터값들을 종합(aggregation)하여 하나의 벡터 값을 추출하는 방식으로 해당 이미지의 구조 정보를 생성할 수 있다.
도 4는 본 발명의 실시예를 따라 복수의 이미지들 상호간의 매칭 여부를 판단하는 방법을 설명하기 위한 순서도이다.
본 발명의 실시예를 따르는 이미지 분석 장치는 단계 410에서 쿼리 이미지를 접수하면, 단계 420에서 쿼리 이미지의 구조 정보를 생성할 수 있다. 상기 쿼리 이미지의 구조 정보는 전술한 도 3의 방법을 통해 계산될 수 있다.
나아가 단계 430에서 이미지 분석 장치는, 쿼리 이미지의 구조 정보 및 비교 대상 이미지들의 구조 정보를 참고하여, 단계 440에서 비교 대상 이미지와 쿼리 이미지의 동일 유사 여부를 판단할 수 있다.
예를 들어 이미지 분석 장치는 비교 대상 이미지의 구조 정보 벡터값과 쿼리 이미지의 구조 정보 벡터 값 사이의 거리가 미리 설정된 임계값 이내인지 여부를 판단하는 방식으로 이미지 매칭 여부를 판단할 수 있다.
본 명세서와 도면에 게시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 게시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.

Claims (5)

  1. 복수의 이미지 상호간의 동일 유사 여부를 판단하는 방법에 있어서,
    대상 이미지에서 복수의 특징점을 추출하는 a 단계;
    상기 대상 이미지를 복수의 서브 영역으로 구획하고, 상기 서브 영역은 상기 대상 이미지의 임의의 특징점을 기준으로 다른 특징점이 포함되는 임의의 영역을 포함하는 b 단계;
    상기 서브 영역에 포함되는 제 1 특징점의 특징 기술자 벡터와 상기 서브 영역에 포함되는 제 2 특징점의 특징 기술자 벡터의 차이를 상기 서브 영역의 구조 정보 벡터로 생성하는 c 단계;
    상기 대상 이미지의 전체 서브 영역들의 구조 정보 벡터들을 하나로 종합하여 상기 대상 이미지의 구조 정보를 생성하는 d 단계;
    쿼리 이미지를 접수하면, 상기 쿼리 이미지의 구조 정보를 계산하는 e 단계; 및
    상기 쿼리 이미지의 구조 정보 및 상기 대상 이미지의 구조 정보를 이용하여 상기 쿼리 이미지와 상기 대상 이미지의 매칭 여부를 판단하는 f 단계를 포함하며,
    상기 특징 기술자 벡터는 특징점의 밝기, 색상, 선명도, 그라디언트, 스케일, 패턴 또는 엣지 정보 중 적어도 하나를 포함하는 특징점의 속성을 벡터 값으로 나타낸 것인 이미지 판단 방법.
  2. 제 1항에 있어서,
    상기 a 단계는,
    상기 대상 이미지의 특징점을 적어도 하나 이상 추출하는 단계; 및
    미리 설정된 기준에 따라 상기 특징점을 설명할 수 있는 특징 기술자 벡터를 계산하는 단계를 포함하는 것을 특징으로 하는 이미지 판단 방법.
  3. 제 2항에 있어서,
    상기 b 단계는,
    상기 대상 이미지의 제 1 특징점을 기준으로 임의의 영역을 서브 영역으로 구획하고, 상기 서브 영역은 상기 제 1 특징점의 특징 기술자 벡터의 크기, 상기 제 1 특징점의 특징 기술자 벡터의 방향, 상기 서브 영역에 포함되는 상기 특징점들 상호간의 거리, 및 상기 서브 영역에 포함되는 상기 대상 이미지 특징점의 개수 중 적어도 하나 이상을 기준으로 구획되는 단계를 포함하며,
    상기 c 단계는, 상기 제 1 특징점의 특징 기술자 벡터와 상기 서브 영역에 포함되는 제 2 특징점의 특징 기술자 벡터의 차이를 계산하여, 상기 대상 이미지의 서브 영역의 구조 정보를 생성하는 단계를 포함하는 것을 특징으로 하는 이미지 판단 방법.
  4. 삭제
  5. 제 2항에 있어서,
    상기 d 단계는,
    상기 대상 이미지의 구조 정보 및 상기 쿼리 이미지의 구조 정보의 매칭률을 계산하는 단계; 및
    상기 매칭률을, 상기 대상 이미지와 상기 쿼리 이미지의 동일 유사 판단에 사용되는 특징 기술자의 가중치로 사용하거나, 또는 상기 특징 기술자의 필터링에 사용하는 단계를 포함하는 것을 특징으로 하는 이미지 판단 방법.
KR1020160056549A 2016-05-09 2016-05-09 이미지 상호간의 매칭을 판단하는 방법, 장치 및 컴퓨터 프로그램 KR101836811B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160056549A KR101836811B1 (ko) 2016-05-09 2016-05-09 이미지 상호간의 매칭을 판단하는 방법, 장치 및 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160056549A KR101836811B1 (ko) 2016-05-09 2016-05-09 이미지 상호간의 매칭을 판단하는 방법, 장치 및 컴퓨터 프로그램

Publications (2)

Publication Number Publication Date
KR20170126300A KR20170126300A (ko) 2017-11-17
KR101836811B1 true KR101836811B1 (ko) 2018-03-09

Family

ID=60808243

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160056549A KR101836811B1 (ko) 2016-05-09 2016-05-09 이미지 상호간의 매칭을 판단하는 방법, 장치 및 컴퓨터 프로그램

Country Status (1)

Country Link
KR (1) KR101836811B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210072610A (ko) * 2019-12-09 2021-06-17 주식회사 디알엠인사이드 보도 사진의 저작권 침해 방지를 위한 모니터링 서비스 장치 및 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102557049B1 (ko) 2018-03-30 2023-07-19 한국전자통신연구원 Slam 기반 카메라 추적에서 라벨된 키프레임을 이용한 이미지 특징 매칭 방법 및 장치
US11176589B2 (en) * 2018-04-10 2021-11-16 Ebay Inc. Dynamically generated machine learning models and visualization thereof
KR102146838B1 (ko) * 2018-11-28 2020-08-21 주식회사 옵트론텍 이미지 영사 부품을 테스트하기 위한 장치 및 방법
KR102335416B1 (ko) * 2019-11-19 2021-12-03 양희상 로고 디자인 제작 서버 및 이를 이용한 로고 디자인 자동 제작 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015170205A (ja) * 2014-03-07 2015-09-28 オリンパス株式会社 特徴量生成装置、特徴量生成方法、およびプログラム
JP2016014914A (ja) * 2014-06-30 2016-01-28 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015170205A (ja) * 2014-03-07 2015-09-28 オリンパス株式会社 特徴量生成装置、特徴量生成方法、およびプログラム
JP2016014914A (ja) * 2014-06-30 2016-01-28 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210072610A (ko) * 2019-12-09 2021-06-17 주식회사 디알엠인사이드 보도 사진의 저작권 침해 방지를 위한 모니터링 서비스 장치 및 방법
KR102379617B1 (ko) * 2019-12-09 2022-03-29 주식회사 디알엠인사이드 보도 사진의 저작권 침해 방지를 위한 모니터링 서비스 장치 및 방법

Also Published As

Publication number Publication date
KR20170126300A (ko) 2017-11-17

Similar Documents

Publication Publication Date Title
Wei et al. Toward automatic building footprint delineation from aerial images using CNN and regularization
KR101836811B1 (ko) 이미지 상호간의 매칭을 판단하는 방법, 장치 및 컴퓨터 프로그램
US10896349B2 (en) Text detection method and apparatus, and storage medium
CN109325538B (zh) 目标检测方法、装置和计算机可读存储介质
US9202126B2 (en) Object detection apparatus and control method thereof, and storage medium
KR101896357B1 (ko) 객체를 검출하는 방법, 디바이스 및 프로그램
JP6951905B2 (ja) 手書きテキスト画像に対する行及び単語切り出し方法
Wang et al. An effective method for plate number recognition
CN106937114B (zh) 用于对视频场景切换进行检测的方法和装置
US9430718B1 (en) Efficient local feature descriptor filtering
CN107424166B (zh) 点云分割方法及装置
US8027978B2 (en) Image search method, apparatus, and program
CN103995864B (zh) 一种图像检索方法和装置
KR102434574B1 (ko) 이미지에 포함된 특징 포인트의 시간 또는 공간의 움직임에 기초하여 이미지에 존재하는 피사체를 인식하는 장치 및 방법
KR102069694B1 (ko) 영상 분할 기반의 해양 상황 인식 장치 및 그 방법
KR101833943B1 (ko) 동영상의 주요 장면을 추출 및 탐색하는 방법 및 시스템
Wang et al. A region-line primitive association framework for object-based remote sensing image analysis
CN111783812A (zh) 违禁图像识别方法、装置和计算机可读存储介质
JP2011100293A (ja) 情報処理装置及びその制御方法、プログラム
JP2020017136A (ja) 物体検出認識装置、方法、及びプログラム
JP4967045B2 (ja) 背景判別装置、方法及びプログラム
JP6326622B2 (ja) 人物検出装置
JP2016081472A (ja) 画像処理装置、画像処理方法及びプログラム
Calarasanu et al. From text detection to text segmentation: a unified evaluation scheme
WO2015178001A1 (ja) 画像照合システム、画像照合方法、およびプログラムを記憶する記録媒体

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant