KR102386930B1 - 도로 영상의 경계선 검출 장치 및 그 방법 - Google Patents

도로 영상의 경계선 검출 장치 및 그 방법 Download PDF

Info

Publication number
KR102386930B1
KR102386930B1 KR1020190155664A KR20190155664A KR102386930B1 KR 102386930 B1 KR102386930 B1 KR 102386930B1 KR 1020190155664 A KR1020190155664 A KR 1020190155664A KR 20190155664 A KR20190155664 A KR 20190155664A KR 102386930 B1 KR102386930 B1 KR 102386930B1
Authority
KR
South Korea
Prior art keywords
image
window
boundary line
pixel
value
Prior art date
Application number
KR1020190155664A
Other languages
English (en)
Other versions
KR20210066430A (ko
Inventor
이중희
김주영
유종호
Original Assignee
재단법인 경북아이티융합 산업기술원
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 재단법인 경북아이티융합 산업기술원 filed Critical 재단법인 경북아이티융합 산업기술원
Priority to KR1020190155664A priority Critical patent/KR102386930B1/ko
Publication of KR20210066430A publication Critical patent/KR20210066430A/ko
Application granted granted Critical
Publication of KR102386930B1 publication Critical patent/KR102386930B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • 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 using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Landscapes

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

Abstract

본 발명은 도로 영상의 경계선 검출 장치 및 그 방법에 대한 것이다.
본 발명에 따른 도로 영상의 경계선 검출 장치는 상기 도로 영상으로부터 추출된 프레임 단위의 이미지를 각각 그레이 스케일 이미지로 변환하여 전처리하는 전처리부; 전처리된 상기 이미지를 동일한 크기를 갖는 다수의 영역으로 구획하는 구획부; 기 설정된 크기의 윈도우(window)를 이용하여 상기 윈도우의 중심 영역에 대한 판단값을 추출하되, 상기 윈도우를 상기 이미지 내에서 시프트(shift)시키면서 상기 이미지의 모든 영역에 대한 판단값을 추출하는 추출부; 및 상기 추출된 모든 영역에 대한 판단값들을 이용하여 상기 이미지에 대한 경계선을 표시하여 출력하는 경계선 출력부를 포함한다.
이와 같이 본 발명에 따르면, 임베디드 시스템 상에서 도로 영상의 특징점을 추출하기 위한 경계선을 검출할 때 전처리 과정을 최소화시킴에 따라 연산량이 줄어들어 검출 속도가 빨라지는 효과가 있다.

Description

도로 영상의 경계선 검출 장치 및 그 방법{APPARATUS FOR DETECTING EDGE OF ROAD IMAGE AND METHOD THEREOF}
본 발명은 도로 영상의 경계선 검출 장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 임베디드 시스템 상에서 도로 영상의 특징점을 추출하기 위한 경계선을 명확하게 검출하는 도로 영상의 경계선 검출 장치 및 그 방법에 관한 것이다.
영상에서 경계선(edge)을 추출하는 기술은 다양한 영상처리 기술 분야에서 사용되는 기술로써, 영상의 경계선 정보 자체를 취득하기 위하여 사용됨은 물론이고, 영상 내 물체의 특징점을 파악하는데 사용되거나, 영상을 의미있는 부분 영상 단위로 나누는데 사용되거나, 영상 자체의 성질을 분석하는데 사용되는 등 다양한 목적으로 활용되고 있다.
특히 디지털 영상에서 경계선은 영상의 밝기가 급격하게 변하는 부분으로서, 깊이의 변화, 표면 방향의 변화, 표면 재질의 변화, 조명의 변화 등을 포함하는 영상의 주요한 변화를 의미한다.
이와 같은 영상의 경계선을 검출하는 기법(edge detection)은 영상 전체의 주파수 성분을 분석하여 고주파 성분만을 처리하여 경계선을 추출하는 방법에서부터, 지역적인 필터링을 통해 영상의 경계를 추출하는 방법까지 다양한 방법들이 존재하고, 영상처리 분야와 컴퓨터 비전 분야에서 널리 사용되고 있다.
경계선 검출을 통하여 두드러진 부분을 강조하고 의미가 덜한 부분을 덜어내어 처리할 데이터의 양을 확연히 줄일 수 있으며, 특히 어떠한 사물의 특징을 추출하는데 많이 사용된다.
대표적인 경계선 검출 기법으로는 소벨 경계선 검출 기법(Sobel Edge Detection Method)과 캐니 경계선 검출 기법(Canny Edge Detection Method)이 있으며, 먼저 소벨 경계선 검출 기법은 1968년 Irwin Sobel에 의해 개발된 알고리즘으로, 각 픽셀별로 x, y 소벨 필터를 이용하여 주위 픽셀의 값을 계산하고 그 값이 0에 가까우면 변화가 없으므로 경계선(엣지)이 아니고, 그 값이 크면 특정 방향으로 변화량이 큰 것이므로 경계선으로 인식하는 것으로 특징으로 하며 큰 마스크는 엣지가 두꺼워져서 경계선이 선명해지지만 명암값의 변화 구간이 촘촘하거나 복잡한 영상일 경우 효과가 낮음은 문제점이 있다.
또한, 캐니 경계선 검출 기법은 1986년 Jone F. Canny에 의해 개발된 알고리즘으로, 최적화 목표는 높은 신호대잡음비(signal to noise ratio, SNR)을 얻는 것으로, 캐니는 이러한 목적에 대한 수학적 표현을 공식화 했고, 가우시안 근사치의 1차 도함수를 이용하여 80% 최적화를 성공적으로 달성하였다. 그러나 캐니 경계선 검출 기법은 약한 경계에 더 민감하여 불안정한 부분을 경계선으로 선언하기 때문에 손상된 경계선 검출 결과를 얻는 문제점과, 속도가 느린 단점이 있다.
이와 같은 종래의 경계선 검출 기법들은 모든 알고리즘들이 포함된 라이브러리 형태로 구성되며 최상의 결과를 내기 위한 여러 알고리즘들이 복합적으로 구성되어 있다. 그러나 일반적으로 임베디드 시스템은 응용분야의 최적화를 위해 최소한의 연산량을 이용하므로, 대용량 라이브러리 형태의 영상 소프트웨어는 임베디드 시스템에서 하드웨어적인 한계로 인해 실시간 처리가 어려우며, 프로그램 설계 시 필요부분만 분리하는 방법의 소프트웨어 설계에 문제점이 있다. 따라서 임베디드 시스템에 적합한 단위설계 알고리즘의 개발이 필요하다.
본 발명의 배경이 되는 기술은 대한민국 등록특허공보 제10-155660호(2015. 10. 01. 공고)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는 임베디드 시스템 상에서 도로 영상의 특징점을 추출하기 위한 경계선을 명확하게 검출하는 도로 영상의 경계선 검출 장치 및 그 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따른 도로 영상으로부터 경계선을 검출하는 장치는, 상기 도로 영상으로부터 추출된 프레임 단위의 이미지를 각각 그레이 스케일 이미지로 변환하여 전처리하는 전처리부; 전처리된 상기 이미지를 n2개의 픽셀을 포함하는 복수의 영역으로 구획하는 구획부; 기 설정된 크기의 윈도우(window)를 이용하여 상기 윈도우의 중심 픽셀에 대한 판단값을 추출하되, 상기 윈도우를 상기 이미지 내에서 시프트(shift)시키면서 상기 이미지의 모든 영역에 대한 판단값을 추출하는 추출부; 및 상기 추출된 모든 영역에 대한 판단값들을 이용하여 상기 이미지에 대한 경계선을 표시하여 출력하는 경계선 출력부를 포함한다.
또한, 상기 윈도우는 n x n 픽셀의 크기를 갖도록 설정되되, n이 3 이상의 홀수인 정방행렬 크기로 설정될 수 있다.
또한, 상기 추출부는 다음의 수학식을 이용하여 상기 윈도우의 중심 픽셀에 대한 판단값을 추출할 수 있다.
Figure 112019123015499-pat00001
Figure 112019123015499-pat00002
Figure 112019123015499-pat00003
여기서, Pavg는 윈도우 안에 포함된 각 픽셀들의 픽셀값의 평균값, Pi는 윈도우 안에 포함된 i번째 픽셀의 픽셀값, n2은 윈도우에 포함된 픽셀 개수, W는 윈도우에 따른 가중치 값, Pc는 윈도우의 중심 픽셀의 픽셀값, k는 고정 상수, p'는 윈도우의 중심 픽셀에 대한 판단값이다.
또한, 상기 경계선 출력부는 0 또는 1로 추출되는 각 영역의 판단값을 이용하여 상기 이미지의 경계선을 그레이 스케일로 출력하되, 판단값이 1에 해당하는 영역을 경계선으로 표시하여 출력할 수 있다.
또한, 상기 전처리부는 상기 그레이 스케일로 변환된 이미지에 가우시안 필터를 적용하여 전처리할 수 있다.
또한, 본 발명의 실시예에 따른 도로 영상의 경계선 검출 방법은, 도로 영상으로부터 추출된 프레임 단위의 이미지를 각각 그레이 스케일 이미지로 변환하여 전처리하는 단계; 전처리된 상기 이미지를 n2개의 픽셀을 포함하는 복수의 영역으로 구획하는 단계; 기 설정된 크기의 윈도우(window)를 이용하여 상기 윈도우의 중심 픽셀에 대한 판단값을 추출하되, 상기 윈도우를 상기 이미지 내에서 시프트(shift)시키면서 상기 이미지의 모든 영역에 대한 판단값을 추출하는 단계; 및 상기 추출된 모든 영역에 대한 판단값들을 이용하여 상기 이미지에 대한 경계선을 표시하여 출력하는 단계를 포함할 수 있다.
이와 같이 본 발명에 따르면, 임베디드 시스템 상에서 도로 영상의 특징점을 추출하기 위한 경계선을 검출할 때 전처리 과정을 최소화시킴에 따라 연산량이 줄어들어 검출 속도가 빨라지는 효과가 있다.
또한 본 발명에 따르면, 단위적인 경계선 검출 알고리즘 설계가 가능하여 임베디드 시스템의 경량화가 가능하고, 특정 물체의 검출 및 문체 인식과 같은 머신러닝분야의 영상에도 적용 가능하여 다양한 응용분야에서 사용될 수 있다.
도 1은 본 발명의 실시예에 따른 도로 영상의 경계선 검출 장치를 나타낸 블록구성도이다.
도 2는 본 발명의 실시예에 따른 도로 영상의 경계선 검출 장치에서 윈도우 중심 픽셀의 판단값을 추출하는 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 실시예에 따른 도로 영상의 경계선 검출 방법의 동작 흐름을 도시한 순서도이다.
도 4는 종래의 경계선 검출 기법과 본 발명의 실시예에 따른 검출 기법의 성능을 비교하기 위한 도면이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
먼저, 도 1 및 도 2를 통해 본 발명의 실시예에 따른 도로 영상의 경계선 검출 장치에 대하여 설명한다.
도 1은 본 발명의 실시예에 따른 도로 영상의 경계선 검출 장치를 나타낸 블록구성도이다.
도 1에서와 같이 본 발명의 실시예에 따른 도로 영상의 경계선 검출 장치(100)는, 전처리부(110), 구획부(120), 추출부(130) 및 경계선 출력부(140)를 포함한다.
먼저, 전처리부(110)는 도로 영상으로부터 추출된 프레임 단위의 이미지를 각각 그레이 스케일 이미지로 변환하여 전처리한다.
이때, 전처리부(110)는 그레이 스케일(Gray Scale)로 변환된 이미지에 가우시안 필터(Gaussian Filter)를 더 적용하여 전처리할 수도 있다.
여기서, 가우시안 필터(Gaussian Filter)는 그레이 스케일 처리로 명암이 조정된 영상의 배경 잡음을 제거하기 위한 필터로 주변은 잘 안보이게 하고 중앙값만 도드라져 보이도록 마스킹의 형태로 스무스하게 만들어주는 전처리 기법이다.
자세하게는, 전처리부(110)는 영상 장치(미도시)를 통해 획득된 도로 영상을 프레임 단위의 단일 이미지로 추출하고, 추출된 각각의 프레임 단위 이미지를 그레이 스케일 이미지로 변환시키고, 변환된 이미지를 가우시안 필터를 이용하여 전처리한다.
이때, 영상 장치를 통해 획득되는 도로 영상은 스냅샷(snap shot) 기준의 단일 영상으로 획득될 수도 있으며, 이러한 경우에는 단일 이미지 추출 과정을 생략하고 그레이 스케일 이미지로 바로 변환시키는 것이 바람직하다.
또한, 본 발명의 실시예에서는 획득되는 영상을 도로 영상으로 정의하였으나 경계선 검출이 필요한 영상이라면 어느 영상이 적용되어도 무방하며 이에 한정하는 것은 아니다.
그리고 구획부(120)는 전처리된 프레임 단위의 이미지를 동일한 크기를 갖는 다수의 영역으로 구획한다. 예를 들어, 각 영역은 n2개의 픽셀을 포함할 수 있다.
그리고 추출부(130)는 기 설정된 크기의 윈도우(window)를 이용하여 윈도우의 중심 픽셀에 대한 판단값을 추출하되, 윈도우를 프레임 단위의 이미지 내에서 시프트(shift)시키면서 이미지의 모든 영역에 대한 판단값을 추출한다.
이때, 윈도우는 n x n 픽셀의 크기를 갖도록 설정되되, n이 3 이상의 홀수인 정방행렬 크기로 설정되는 것이 바람직하다.
예를 들면 윈도우의 크기는 3 x 3, 5 x 5, 7 x 7,...n x n 픽셀의 크기로 설정될 수 있으며, 윈도우 크기에 따라 검출되는 경계선의 특징이 상이해진다.
윈도우의 중심 픽셀에 대한 판단값을 추출하기 위해 추출부(130)는 먼저 다음의 수학식 1을 이용하여 윈도우 안에 포함된 각 픽셀들의 픽셀값에 대한 평균값(Pavg)을 산출한다.
Figure 112019123015499-pat00004
여기서, Pavg는 윈도우 안에 포함된 각 픽셀들의 픽셀값에 대한 평균값, Pi는 윈도우 안에 포함된 i번째 픽셀의 픽셀값, n2은 윈도우에 포함된 픽셀 개수를 의미한다.
그 다음, 추출부(130)는 수학식 1에서 산출된 평균값(Pavg)과 윈도우의 중심 픽셀의 픽셀값(Pc)을 이용하여 다음의 수학식 2와 같이 윈도우에 따른 가중치 값(W)을 산출한다.
Figure 112019123015499-pat00005
여기서, W는 윈도우에 따른 가중치 값, Pc는 윈도우의 중심 픽셀의 픽셀값, k는 고정 상수를 의미한다. 이때, 고정 상수 k는 0과 0.1 사이의 상수로 설정되는 것이 바람직하다.
또한, 가중치 값 W는 주변 픽셀 값에 따라 이진 형태의 값으로 바뀌며, 이 값들의 합과 원 영상의 화소값에 따라 달라진다.
마지막으로 추출부(130)는 수학식 2에서 산출된 윈도우에 따른 가중치 값(W)과 윈도우의 중심 픽셀의 픽셀값(Pc)을 이용하여 다음의 수학식 3과 같이 윈도우의 중심 픽셀에 대한 판단값(p')을 추출한다.
Figure 112019123015499-pat00006
여기서, p'는 윈도우의 중심 픽셀에 대한 판단값을 의미한다.
도 2는 본 발명의 실시예에 따른 도로 영상의 경계선 검출 장치에서 윈도우 중심 픽셀의 판단값을 추출하는 과정을 설명하기 위한 도면이다.
도 2를 참고하여 수학식 1 내지 3을 이용하여 윈도우 중심 픽셀의 판단값을 추출하는 과정을 설명하기로 한다.
도 2에서는 3 x 3(즉, n=3) 픽셀의 크기를 갖는 윈도우(W)를 이용하여 윈도우(W) 중심 픽셀(P4)의 판단값을 추출하되, 이해의 편의를 돕기 위해 각 영역의 픽셀값에 임의의 수를 대입하여 산출 과정을 설명하기로 한다.
먼저, 추출부(130)는 수학식 1을 이용하여 윈도우(W) 안에 포함된 프레임 단위 이미지에 대한 각 픽셀들의 픽셀값에 대한 평균값(Pavg)을 다음과 같이 산출한다.
Pavg = (-124(P0)-127(P1)-121(P2)+124(P3)+126(P4)+127(P5)+122(P6)+124(P7) +121(P8))/9 = 41
그리고 추출부(130)는 수학식 1에 의해 산출된 평균값(Pavg = 41)을 수학식 2에 대입하여 윈도우(W)에 따른 가중치 값(W)을 다음과 같이 산출한다. 이때, 고정 상수 k는 0.07이라 가정하여 계산한다.
W = ((126 * 0.07)/41)2 = 0.04627 (k=0.07)
그리고 추출부(130)는 수학식 2에 의해 산출된 가중치 값(W=0.04627)과 윈도우(W)의 중심 픽셀의 픽셀값(P4=126)을 수학식 3에 대입하여 윈도우(W)의 중심 픽셀에 대한 판단값 (p')을 다음과 같이 산출한다.
Pc x W =126 x 0.04627 = 5.83xxxxx
이때, |Pc x W| 즉, |5.83xxxxx|은 1보다 크므로 윈도우(W)의 중심 픽셀에 대한 판단값 (p')은 1이 된다.
또한, 또 다른 경우를 설명하기 위해 각 픽셀의 픽셀값에 다른 임의의 수를 대입하여 설명한다.
먼저, 추출부(130)는 수학식 1을 이용하여 윈도우(W) 안에 포함된 각 픽셀들의 픽셀값에 대한 평균값(Pavg)을 다음과 같이 산출한다.
Pavg=(-117(P0)-116(P1)-120(P2)-116(P3)-117(P4)-120(P5)-122(P6)-122(P7)-120(P8))/9 = -118.777
그리고 추출부(130)는 수학식 1에 의해 산출된 평균값(Pavg = -118.777)을 수학식 2에 대입하여 윈도우(W)에 따른 가중치 값(W)을 다음과 같이 산출한다. 이때, 고정 상수 k는 0.07이라 가정하여 계산한다.
W = ((-117 * 0.07)/-118.7)2 = 0.0048 (k=0.07)
그리고 추출부(130)는 수학식 2에 의해 산출된 가중치 값(W=0.0048)과 윈도우(W)의 중심 픽셀의 픽셀값(P4=-117)을 수학식 3에 대입하여 윈도우(W)의 중심 픽셀에 대한 판단값 (p')을 다음과 같이 산출한다.
Pc x W =-117 x 0.0048 = -0.5616xxxxx
이때, |Pc x W| 즉, |-0.5616xxxxx|은 1보다 크지 않으므로 윈도우(W)의 중심 픽셀에 대한 판단값 (p')은 0이 된다.
따라서, 추출부(130)는 도 2에서와 같이 윈도우(W)를 프레임 단위의 이미지 내에서 시프트(shift)시키면서 이미지의 모든 영역에 대한 판단값을 추출한다. 즉, 각각의 픽셀이 윈도우(W)의 중심 픽셀이 되도록 윈도우를 이미지 내에서 한 칸씩 상하좌우 방향으로 시프트(shift)시키면서 수학식 1 내지 3을 이용하여 모든 영역에 대한 각각의 판단값이 산출되도록 한다.
마지막으로 경계선 검출부(140)는 추출부(130)에서 추출된 모든 영역에 대한 판단값들을 이용하여 프레임 단위의 이미지에 대한 경계선을 표시하여 출력한다.
자세히는, 경계선 출력부(140)는 추출부(130)에서 0 또는 1로 추출되는 각 영역의 판단값을 이용하여 이미지의 경계선을 그레이 스케일로 출력하되, 판단값이 1에 해당하는 영역을 경계선으로 표시하여 출력하는 것이 바람직하다.
이하에서는 도 3 및 도 4를 통해 본 발명의 실시예에 따른 도로 영상의 경계선 검출 방법에 대하여 설명한다.
도 3은 본 발명의 실시예에 따른 도로 영상의 경계선 검출 방법의 동작 흐름을 도시한 순서도로서, 이를 참조하여 본 발명의 구체적인 동작을 설명한다.
본 발명의 실시예에 따르면, 먼저 전처리부(110)가 도로 영상으로부터 추출된 프레임 단위의 이미지를 각각 그레이 스케일 이미지로 변환하여 전처리한다(S310).
그 다음 전처리부(110)는 S310 단계에서 그레이 스케일(Gray Scale)로 변환된 이미지에 가우시안 필터(Gaussian Filter)를 더 적용하여 전처리한다(S320).
그 다음 구획부(120)는 S310 단계와 S320 단계에서 전처리된 프레임 단위의 이미지를 동일한 크기를 갖는 다수의 영역으로 구획한다(S330).
그 다음 추출부(130)는 기 설정된 크기의 윈도우(window)를 이용하여 윈도우의 중심 픽셀에 대한 판단값을 추출한다(S340).
이때, 윈도우는 n x n 픽셀의 크기를 갖도록 설정되되, n이 3 이상의 홀수인 정방행렬 크기로 설정되는 것이 바람직하다.
또한, S340 단계는 수학식 1 내지 3을 이용하여 윈도우의 중심 픽셀에 대한 판단값을 추출한다.
그 다음 추출부(130)는 윈도우를 프레임 단위의 이미지 내에서 시프트(shift)시키면서 프레임 단위의 이미지의 모든 영역에 대한 판단값을 추출한다(S350).
마지막으로 경계선 출력부(140)는 S350 단계에서 추출된 모든 영역에 대한 판단값들을 이용하여 프레임 단위의 이미지에 대한 경계선을 표시하여 출력한다(S360).
자세히는, 0 또는 1로 추출되는 각 영역의 판단값을 이용하여 프레임 단위의 이미지의 경계선을 그레이 스케일로 출력하되, 판단값이 1에 해당하는 영역을 경계선으로 표시하여 출력한다.
도 4는 종래의 경계선 검출 기법과 본 발명의 실시예에 따른 검출 기법의 성능을 비교하기 위한 도면이다.
도 4의 (a)는 도로 영상을 프레임 단위의 이미지로 추출한 예시 이미지이고, (b)는 캐니 경계선 검출 기법(Canny Edge Detection Method)을 이용하여 (a)이미지에 대한 경계선을 검출한 예시이며, (c)는 본 발명의 실시예에 따른 경계선 검출 기법을 이용하여 (a)이미지에 대한 경계선을 검출한 예시이다.
도 4의 (b)이미지와 (c)이미지를 비교하면 알 수 있듯이, (b)이미지 대비 (c)이미지의 경계선이 더욱 명확하고, 원본 이미지인 (a)이미지와 더욱 유사한 것을 확인할 수 있다.
또한, 경계선 검출 속도 면에서도 캐니 경계선 검출 기법은 약 55ms가 소요되었는데, 본 발명의 실시예에 따른 경계선 검출 기법은 약 20ms가 소요되어 캐니 경계선 검출 기법 대비 약 2배 이상 검출 속도가 빨라졌음을 알 수 있다.
상술한 바와 같이, 본 발명의 실시예에 따른 도로 영상의 경계선 검출 장치 및 그 방법은 임베디드 시스템 상에서 도로 영상의 특징점을 추출하기 위한 경계선을 검출할 때 전처리 과정을 최소화시킴에 따라 연산량이 줄어들어 검출 속도가 빨라지는 효과가 있다.
또한 본 발명의 실시예에 따르면, 단위적인 경계선 검출 알고리즘 설계가 가능하여 임베디드 시스템의 경량화가 가능하고, 특정 물체의 검출 및 문체 인식과 같은 머신러닝분야의 영상에도 적용 가능하여 다양한 응용분야에서 사용될 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100 : 경계선 검출 장치 110 : 전처리부
120 : 구획부 130 : 추출부
140 : 경계선 출력부

Claims (10)

  1. 도로 영상으로부터 경계선을 검출하는 장치에 있어서,
    상기 도로 영상으로부터 추출된 프레임 단위의 이미지를 각각 그레이 스케일 이미지로 변환하여 전처리하는 전처리부;
    전처리된 상기 이미지를 n2개의 픽셀을 포함하는 복수의 영역으로 구획하는 구획부;
    기 설정된 크기의 윈도우(window)를 이용하여 상기 윈도우의 중심 픽셀에 대한 판단값을 추출하되, 상기 윈도우를 상기 이미지 내에서 시프트(shift)시키면서 상기 이미지의 모든 영역에 대한 판단값을 추출하는 추출부; 및
    상기 추출된 모든 영역에 대한 판단값들을 이용하여 상기 이미지에 대한 경계선을 표시하여 출력하는 경계선 출력부를 포함하며,
    다음의 수학식을 이용하여 상기 윈도우의 중심 픽셀에 대한 판단값을 추출하는 경계선 검출 장치:
    Figure 112021116901780-pat00017

    Figure 112021116901780-pat00018

    Figure 112021116901780-pat00019

    여기서, Pavg는 윈도우 안에 포함된 각 픽셀들의 픽셀값에 대한 평균값, Pi는 윈도우 안에 포함된 i번째 픽셀의 픽셀값, n2은 윈도우에 포함된 픽셀 개수, W는 윈도우에 따른 가중치 값, Pc는 윈도우의 중심 픽셀의 픽셀값, k는 고정 상수, p'는 윈도우의 중심 픽셀에 대한 판단값이다.
  2. 제1항에 있어서,
    상기 윈도우는,
    n x n 픽셀의 크기를 갖도록 설정되되, n이 3이상의 홀수인 정방행렬 크기로 설정되는 경계선 검출 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 경계선 출력부는,
    0 또는 1로 추출되는 각 영역의 판단값을 이용하여 상기 이미지의 경계선을 그레이 스케일로 출력하되, 판단값이 1에 해당하는 영역을 경계선으로 표시하여 출력하는 경계선 검출 장치.
  5. 제1항에 있어서,
    상기 전처리부는,
    상기 그레이 스케일로 변환된 이미지에 가우시안 필터를 적용하여 전처리하는 경계선 검출 장치.
  6. 도로 영상의 경계선 검출 장치 의해 수행되는 경계선 검출 방법에 있어서,
    상기 도로 영상으로부터 추출된 프레임 단위의 이미지를 각각 그레이 스케일 이미지로 변환하여 전처리하는 단계;
    전처리된 상기 이미지를 n2개의 픽셀을 포함하는 복수의 영역으로 구획하는 단계;
    기 설정된 크기의 윈도우(window)를 이용하여 상기 윈도우의 중심 픽셀에 대한 판단값을 추출하되, 상기 윈도우를 상기 이미지 내에서 시프트(shift)시키면서 상기 이미지의 모든 영역에 대한 판단값을 추출하는 단계; 및
    상기 추출된 모든 영역에 대한 판단값들을 이용하여 상기 이미지에 대한 경계선을 표시하여 출력하는 단계를 포함하며,
    상기 판단값을 추출하는 단계는,
    다음의 수학식을 이용하여 상기 윈도우의 중심 픽셀에 대한 판단값을 추출하는 경계선 검출 방법:
    Figure 112021116901780-pat00020

    Figure 112021116901780-pat00021

    Figure 112021116901780-pat00022

    여기서, Pavg는 윈도우 안에 포함된 각 픽셀들의 픽셀값에 대한 평균값, Pi는 윈도우 안에 포함된 i번째 픽셀의 픽셀값, n2은 윈도우에 포함된 픽셀 개수, W는 윈도우에 따른 가중치 값, Pc는 윈도우의 중심 픽셀의 픽셀값, k는 고정 상수, p'는 윈도우의 중심 픽셀에 대한 판단값이다.
  7. 제6항에 있어서,
    상기 윈도우는,
    n x n 픽셀의 크기를 갖도록 설정되되, n이 3이상의 홀수인 정방행렬 크기로 설정되는 경계선 검출 방법.
  8. 삭제
  9. 제6항에 있어서,
    상기 경계선을 표시하여 출력하는 단계는,
    0 또는 1로 추출되는 각 영역의 판단값을 이용하여 상기 이미지의 경계선을 그레이 스케일로 출력하되, 판단값이 1에 해당하는 영역을 경계선으로 표시하여 출력하는 경계선 검출 방법.
  10. 제6항에 있어서,
    상기 전처리하는 단계는,
    상기 그레이 스케일로 변환된 이미지에 가우시안 필터를 적용하여 전처리하는 경계선 검출 방법.
KR1020190155664A 2019-11-28 2019-11-28 도로 영상의 경계선 검출 장치 및 그 방법 KR102386930B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190155664A KR102386930B1 (ko) 2019-11-28 2019-11-28 도로 영상의 경계선 검출 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190155664A KR102386930B1 (ko) 2019-11-28 2019-11-28 도로 영상의 경계선 검출 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20210066430A KR20210066430A (ko) 2021-06-07
KR102386930B1 true KR102386930B1 (ko) 2022-04-14

Family

ID=76374290

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190155664A KR102386930B1 (ko) 2019-11-28 2019-11-28 도로 영상의 경계선 검출 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102386930B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102343047B1 (ko) * 2021-06-17 2021-12-24 주식회사 인피닉 2d 이미지 전처리 방법
CN113554664B (zh) * 2021-07-06 2024-02-09 南京航空航天大学 一种地铁隧道反射率影像优化剪裁方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008148298A (ja) * 2006-12-12 2008-06-26 Seiko Epson Corp 画像における異なった内容の領域を識別する方法、画像における異なった内容の領域を識別する装置、および画像における異なった内容の領域を識別するコンピュータ・プログラムを具現するコンピュータ読み取り可能な媒体
JP2014154160A (ja) * 2013-02-06 2014-08-25 Fujitsu Ltd 画像処理装置及び方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101940402B1 (ko) * 2017-06-15 2019-01-18 연세대학교 산학협력단 영상의 경계 검출 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008148298A (ja) * 2006-12-12 2008-06-26 Seiko Epson Corp 画像における異なった内容の領域を識別する方法、画像における異なった内容の領域を識別する装置、および画像における異なった内容の領域を識別するコンピュータ・プログラムを具現するコンピュータ読み取り可能な媒体
JP2014154160A (ja) * 2013-02-06 2014-08-25 Fujitsu Ltd 画像処理装置及び方法

Also Published As

Publication number Publication date
KR20210066430A (ko) 2021-06-07

Similar Documents

Publication Publication Date Title
Ansari et al. A comprehensive analysis of image edge detection techniques
Rosin Unimodal thresholding
US7418134B2 (en) Method and apparatus for foreground segmentation of video sequences
JP3151284B2 (ja) 標識認識のための突極部輪郭等級付け抽出装置並びに方法
WO2005048191A3 (en) Object detection in images
Sridevi et al. A survey on monochrome image segmentation methods
CN111079669A (zh) 一种图像处理方法、装置及存储介质
CN109034136A (zh) 图像处理方法、装置、摄像设备及存储介质
CN111539980B (zh) 一种基于可见光的多目标追踪方法
KR102386930B1 (ko) 도로 영상의 경계선 검출 장치 및 그 방법
Singh et al. Gaussian and Laplacian of Gaussian weighting functions for robust feature based tracking
CN112990140B (zh) 手势轮廓提取方法、装置、可读存储介质及电子设备
KR101557271B1 (ko) 영상 내 원 형상 검출에 따른 검출 원 형상의 근사화 방법
JPH07249128A (ja) 車両用画像処理装置
KR20030027953A (ko) 영상 정보에서의 자동적인 자연 콘텐트 검출
JP6377214B2 (ja) テキスト検出方法および装置
US20240221181A1 (en) Image processing system
CN109800758A (zh) 一种极大值区域检测的自然场景文字检测方法
KR20040107962A (ko) 이동물체 검출 시스템 및 방법
Kaur et al. Text Extraction from Natural Scene using PCA.
JPH0824350B2 (ja) 背景画像抽出方法
CN113850835A (zh) 一种野外大视场下近实时运动目标检测方法和系统
Priyadharshini et al. Research and analysis on segmentation and thresholding techniques
CN118735952B (zh) 一种高速图像切割方法及装置
Sharma et al. Efficient object detection with its enhancement

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20191128

PA0201 Request for examination
PG1501 Laying open of application
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210820

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: 20220209

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20220411

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20220412

End annual number: 3

Start annual number: 1

PG1601 Publication of registration