KR102431984B1 - 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치 - Google Patents

이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치 Download PDF

Info

Publication number
KR102431984B1
KR102431984B1 KR1020210025073A KR20210025073A KR102431984B1 KR 102431984 B1 KR102431984 B1 KR 102431984B1 KR 1020210025073 A KR1020210025073 A KR 1020210025073A KR 20210025073 A KR20210025073 A KR 20210025073A KR 102431984 B1 KR102431984 B1 KR 102431984B1
Authority
KR
South Korea
Prior art keywords
image
level
reference image
feature
candidate
Prior art date
Application number
KR1020210025073A
Other languages
English (en)
Inventor
권기선
도안후노이
Original Assignee
(주)엠브이텍
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 (주)엠브이텍 filed Critical (주)엠브이텍
Priority to KR1020210025073A priority Critical patent/KR102431984B1/ko
Priority to PCT/KR2021/018862 priority patent/WO2022181945A1/ko
Application granted granted Critical
Publication of KR102431984B1 publication Critical patent/KR102431984B1/ko

Links

Images

Classifications

    • G06K9/6201—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • 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 기준 이미지를 입력 받는 단계, 입력된 기준 이미지를 제1 레벨로 설정하고, 기준 이미지로부터 기 설정된 간격의 특징점을 추출하며, 추출된 특징점 각각의 특징 데이터를 획득하는 단계, 추출된 특징점의 수가 기 설정된 기준을 만족하는 경우, 입력된 기준 이미지를 기 설정된 기준의 배율에 따라 축소하고, 제2 레벨로 설정하는 단계 및 제2 레벨의 기준 이미지의 크기를 확인하여, 기 설정된 기준의 크기를 만족하는 경우, 제2 레벨의 기준 이미지로부터 기 설정된 간격의 특징점을 추출하고, 추출된 특징점 각각의 특징 데이터를 획득하는 단계를 포함하는 이미지를 활용한 패턴 매칭방법을 제공한다.

Description

이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치{A METHOD FOR MATCHING PATTERN USING IMAGE AND AN APPARATUS OF THEREOF}
본 발명은 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치에 관한 것으로서, 더욱 상세하게는 보다 빠른 속도로 정확도 높게 패턴의 유사 여부를 확인할 수 있는 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치에 관한 것이다.
일반적으로, 검사 대상물에서 기준 이미지와 유사한 패턴을 검출하는 방법으로는, 검사 대상물을 촬영한 이미지를 기 설정된 기준 이미지와 매칭시켜 비교한 후 유사 패턴을 검출하는 이미지를 활용한 패턴 매칭방법이 널리 이용되고 있다.
특히, 기판의 얼라인마크와 같은 정밀한 패턴을 갖는 대상물의 경우, 대상물을 촬영한 이미지에서 패턴을 추출하여 기준 이미지의 패턴과의 유사 여부를 검출하는 방법이 쉽고 정확하다는 장점으로 인해 최근 각광을 받고 있다.
일 예로써, 상기의 이미지를 활용한 패턴 매칭방법을 이용하여 대상물의 패턴을 검출하는 경우, 주기적인 패턴들을 갖는 대상물을 광학 장치를 통해 촬영하여 대상 이미지를 획득한 후, 대상 이미지에서 복수의 특징점들을 추출하고, 이 특징점들을 통해서 대상 이미지를 기준 이미지와 매칭시켜서 패턴의 유사 여부를 검출할 수 있다.
그러나, 기존의 이미지를 활용한 패턴 매칭방법은, 특징점의 수가 많은 복잡한 패턴을 갖는 대상 이미지와의 패턴 유사 여부를 검출하는 경우, 데이터 처리량이 증가하여 처리 시간이 증가하는 문제가 있고, 패턴의 모양이나 종류에 따라 패턴의 특징을 정확하게 파악하는데 어려움이 있어 정확도가 떨어지는 단점이 있다.
공개특허 제2019-0111644호(공개일: 2019.10.02.) "반복 패턴 영상의 결함 유형 분류 장치 및 방법"
본 발명에서는 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치, 구체적으로는 빠른 처리 속도로 정확도 높게 패턴의 유사 여부를 검출할 수 있는 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치를 제공하고자 한다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상술한 바와 같은 과제를 해결하기 위하여 본 발명은, 기준 이미지를 입력 받는 단계, 입력된 기준 이미지를 제1 레벨로 설정하고, 기준 이미지로부터 기 설정된 간격의 특징점을 추출하며, 추출된 특징점 각각의 특징 데이터를 획득하는 단계, 추출된 특징점의 수가 기 설정된 기준을 만족하는 경우, 입력된 기준 이미지를 기 설정된 기준의 배율에 따라 축소하고, 제2 레벨로 설정하는 단계 및 제2 레벨의 기준 이미지의 크기를 확인하여, 기 설정된 기준의 크기를 만족하는 경우, 제2 레벨의 기준 이미지로부터 기 설정된 간격의 특징점을 추출하고, 추출된 특징점 각각의 특징 데이터를 획득하는 단계를 포함하는 이미지를 활용한 패턴 매칭방법을 제공한다.
한편, 상술한 바와 같은 과제를 해결하기 위한 본 발명의 다른 일 측면에서는, 기준 이미지에 대한 레벨 및 상기 레벨에 대응되는 특징 데이터를 독출하는 단계, 대상 이미지를 입력 받고, 확인된 기준 이미지에 대한 레벨 중 가장 큰 제N 레벨을 확인하고, 입력된 대상 이미지를 확인된 제N 레벨에 대응되는 배율에 따라 축소하며, 축소된 대상 이미지를 제N 레벨로 설정하는 단계, 축소된 대상 이미지로부터 기 설정된 간격의 특징점을 추출하여 후보 이미지를 획득하고, 획득한 후보 이미지의 특징점 각각의 특징 데이터를 획득하며, 획득된 특징 데이터와 제N 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여, 유사 여부를 판단하는 단계, 제N 레벨의 후보 이미지와 제N 레벨의 기준 이미지가 유사한 것으로 확인되면, 축소된 대상 이미지를 기 설정된 기준의 배율에 따라 확대하며, 확대된 대상 이미지를 제(N-1) 레벨로 설정하는 단계 및 제(N-1) 레벨로 설정된 대상 이미지로부터 기 설정된 간격의 특징점을 추출하여 후보 이미지를 획득하고, 획득한 후보 이미지의 특징점 각각의 특징 데이터를 획득하며, 획득된 특징 데이터와 제(N-1) 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여, 유사 여부를 판단하는 단계를 포함하는 이미지를 활용한 패턴 매칭방법을 제공한다.
한편, 상술한 바와 같은 과제를 해결하기 위한 본 발명의 또 다른 일 측면에서는, 기준 이미지와 대상 이미지를 입력받는 입력부. 입력부에 의해 입력된 기준 이미지와 대상 이미지를 저장하는 저장부, 기준 이미지와 대상 이미지의 유사 여부에 대한 판단 결과를 출력하는 출력부 및 소정의 설정에 따라 기준 이미지와 대상 이미지 내 포함된 후보 이미지로부터 각각 특징 데이터를 획득하고, 기준 이미지의 특징 데이터와 후보 이미지의 특징 데이터를 이용하여 유사 여부를 판단하는 제어부를 포함하고, 제어부는, 기 설정된 기준을 만족하는 범위에서 기준 이미지의 크기를 단계적으로 축소시켜, 축소된 크기별로 기준 이미지의 레벨을 설정하고, 레벨별로 기준 이미지의 특징 데이터를 획득하는 패턴 매칭장치를 제공한다.
본 발명의 실시예에 따른 이미지를 활용한 패턴 매칭방법은, 결함을 나타내는 기준 이미지를 설정함에 있어, 기 설정된 기준을 만족하는 범위에서 기준 이미지의 면적을 단계적으로 축소시켜 축소된 면적별로 레벨을 설정하고, 레벨별로 기준 이미지의 특징 데이터를 추출하여 획득하고 저장할 수 있다.
또한, 기준 이미지를 이용하여 대상 이미지의 결함여부를 검출하는 과정에 있어서는, 입력된 대상 이미지를, 레벨별로 저장된 기준 이미지 중 최소 크기의 이미지를 갖는 레벨의 기준 이미지와 대응되는 배율로 축소시켜, 축소된 대상 이미지로부터 기준 이미지와 대응하는 후보 이미지를 추출하고, 최소 크기로 축소된 기준 이미지와 대상 이미지 내 후보 이미지의 특징 데이터를 이용하여 동일 또는 유사 여부를 판단함으로써, 적은 양의 데이터로 신속하게 판단 결과를 출력할 수 있다.
또한, 상기 과정에서 대상 이미지 내 후보 이미지가 기준 이미지와 동일 또는 유사한 것으로 확인되면, 축소된 대상 이미지를 다음 레벨의 기준 이미지와 대응되는 비율로 확대시켜, 다음 레벨의 기준 이미지와 대상 이미지 내 후보 이미지의 특징 데이터를 이용하여 동일 또는 유사 여부를 판단할 수 있으며, 이러한 방식으로 기준 이미지와 이에 대응하는 대상 이미지를 레벨별로 확대시켜가며 특징 데이터를 비교하여 보다 정밀하게 동일 또는 유사 여부를 판단함으로써, 대상 이미지 내 결함을 빠르고 정확하게 검출할 수 있다.
또한, 본 발명의 실시예에 따른 이미지를 활용한 패턴 매칭방법은, 기준 이미지의 특징 데이터와, 대상 이미지에 포함된 후보 이미지의 특징 데이터 간의 동일 또는 유사 여부를 판단하여, 기준 이미지와 후보 이미지의 패턴이 일치되는지 여부를 용이하게 검출할 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 이미지를 활용한 패턴 매칭방법에서 기준 이미지의 특징 데이터를 획득하는 과정을 순서도로 도시한 것이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 기준 이미지 설정 및 특징 데이터 획득 과정을 도시한 것이다.
도 4는 본 발명의 일 실시예에 따른 이미지를 활용한 패턴 매칭방법에서 기준 이미지의 특징 데이터와 대상 이미지에 포함된 후보 이미지의 특징 데이터를 비교하여 대상 이미지 내 결함을 검출하는 과정을 순서도로 도시한 것이다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 기준 이미지와 후보 이미지를 매칭시켜 가는 과정을 도시한 것이다.
도 7은 본 발명의 일 실시예에 따른 패턴 매칭장치의 구성을 블럭도로 도시한 것이다.
이하, 본 발명에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다.
첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 발명의 예시적인 실시형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다.
도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략할 수 있고, 명세서 전체를 통하여 동일 또는 유사한 구성 요소에 대해서는 동일한 참조 부호를 사용할 수 있다.
본 발명의 일 실시예에서, “또는”, “적어도 하나” 등의 표현은 함께 나열된 단어들 중 하나를 나타내거나, 또는 둘 이상의 조합을 나타낼 수 있다.
도 1은 본 발명의 일 실시예에 따른 이미지를 활용한 패턴 매칭방법에서 기준 이미지의 특징 데이터를 획득하는 과정을 순서도로 도시한 것이고, 도 2 및 도 3은 본 발명의 일 실시예에 따른 기준 이미지 설정 및 특징 데이터 획득 과정을 도시한 것이다.
설명에 앞서, 하기의 본 실시예에서는 일 예로써, 결함을 나타내는 기준 이미지와, 대상 이미지에 포함된 후보 이미지 간을 매칭시키고 동일 또는 유사 여부를 판단하여, 대상 이미지 내 결함을 검출하는 예에 대해 설명한다.
하지만, 본 실시예가 반드시 이에 한정되는 것은 아니고, 적용 대상물에 따라, 기준 이미지와, 대상 이미지에 포함된 후보 이미지 간의 동일 또는 유사 여부를 판단하여, 기준 이미지와 후보 이미지의 패턴이 일치되는지 여부를 검출하는데 적용될 수 있음은 자명하다.
본 실시예에 따른 이미지를 활용한 패턴 매칭방법은, 결함을 나타내는 기준 이미지로부터 특징 데이터를 획득하는 과정과, 획득된 기준 이미지의 특징 데이터와 대상 이미지에 포함된 후보 이미지의 특징 데이터를 비교하여 기준 이미지와 후보 이미지 간의 동일 또는 유사 여부를 확인하고, 이를 통해 대상 이미지 내 결함을 검출하는 과정을 포함할 수 있다.
도 1 내지 도 3을 참조하면, 기준 이미지의 특징 데이터를 획득하는 과정에 있어서는, 먼저 결함을 나타내는 기준 이미지를 입력 받을 수 있다(S110).
이어서, 입력된 기준 이미지를 제1 레벨로 설정하고, 기준 이미지로부터 기 설정된 간격의 특징점을 추출하며, 추출된 특징점 각각에 대한 특징 데이터를 획득할 수 있다(S120).
구체적으로, 도 2를 참조하면, 입력된 기준 이미지를 제1 레벨로 설정하고, 입력된 기준 이미지의 경계를 따라 기 설정된 일정 간격으로 특징점을 추출할 수 있다.
더불어, 기준 이미지의 경계를 따라 형성된 각각의 특징점에 대해 위치 관계를 특정하는 특징 벡터를 추출할 수 있다.
이때, 특징 벡터를 추출함에 있어서는, 기준 이미지에 형성된 각 특징점으로부터 기준 이미지의 경계에 대해 수직한 방향의 특징 벡터를 추출할 수 있다.
일 예로써, 기준 이미지의 각 특징점에 대한 접선에 수직한 방향의 특징 벡터(G)를 추출할 수 있고, 추출된 특징 벡터(G)로부터 X축 방향의 특징 단위 벡터, 즉 X 성분 특징 단위 벡터(
Figure 112021022608858-pat00001
)와 Y축 방향의 특징 단위 벡터, 즉 Y 성분 특징 단위 벡터(
Figure 112021022608858-pat00002
)를 추출할 수 있다.
X축 방향의 경계선에 형성된 각 특징점에서는 X 성분 특징 단위 벡터의 값이 0이 되므로, Y 성분의 특징 단위 벡터(
Figure 112021022608858-pat00003
)만이 존재하며, Y축 방향의 경계선에 형성된 각 특징점에서는 Y 성분 특징 단위 벡터의 값이 0이 되므로, X축 방향의 특징 단위 벡터(
Figure 112021022608858-pat00004
)만이 존재하게 된다.
이와 같은 방식으로 기준 이미지에 형성된 각각의 특징점에서 획득되는 특징 벡터를 특징 데이터로 획득하고 저장할 수 있다.
다음, 추출된 특징점의 수가 기 설정된 기준을 만족(S130)하는 경우, 입력된 기준 이미지를 기 설정된 기준의 배율에 따라 축소하고, 이를 제2 레벨로 설정할 수 있다(S140).
이 과정에서는, 원본 크기인 제1 레벨의 기준 이미지에 비해 특징점 개수가 적은 기준 이미지를 생성할 수 있도록, 해당 제1 레벨의 기준 이미지를 기 설정된 배율에 따라 축소하여 제2 레벨의 기준 이미지로 설정할 수 있다.
일 예로써, 도 3을 참조하면, 본 실시예에서는 제1 레벨로 설정된 기준 이미지의 높이와 폭을 각각 1/2 크기로 축소한(면적은 1/4 크기로 축소) 기준 이미지를 제2 레벨로 설정한 것을 보여주고 있다.
다음, 제2 레벨의 기준 이미지의 높이 또는 폭을 확인하여, 기 설정된 기준의 높이 또는 폭을 만족(S150)하는 경우, 제2 레벨의 기준 이미지로부터 기 설정된 간격의 특징점을 추출하고, 추출된 특징점 각각에 대한 특징 데이터를 획득할 수 있다(S160).
구체적으로, 제2 레벨의 기준 이미지의 높이 또는 폭이 기 설정된 기준에 만족하는 경우, 제1 레벨의 기준 이미지의 특징점 간격과 동일한 간격으로 제2 레벨의 기준 이미지의 경계를 따라 특징점을 추출할 수 있다
예를 들어, 제1 레벨의 기준 이미지의 특징점 간격 값이 5인 경우, 제2 레벨의 기준 이미지에서도 간격 값 5의 간격으로 특징점을 추출할 수 있다.
이때, 제2 레벨의 기준 이미지는 제1 레벨의 기준 이미지에 비해 면적이 작기 때문에, 제1 레벨의 기준 이미지보다 적은 개수의 특징점이 추출될 수 있다.
또한, 제2 레벨의 기준 이미지에도 동일한 방식으로, 기준 이미지의 경계를 따라 형성된 각각의 특징점에 대해 위치 관계를 특정하는 특징 벡터를 추출할 수 있으며, 각 특징점마다 추출되는 특징 벡터를 특징 데이터로 획득하여 저장할 수 있다.
한편, 상술한 바와 같이, 기준 이미지를 축소하여 다음 레벨의 기준 이미지를 설정하고 특징 데이터를 획득하는 과정을, 기 설정된 기준의 특징점 개수와 이미지의 폭 또는 높이에 만족하는 범위까지 반복하여, 레벨별 기준 이미지를 설정하고, 각 레벨별 기준 이미지의 특징 데이터를 획득하여 저장할 수 있다.
일 예로써, 도 3을 참조하면, 본 실시예에서는 제1 레벨부터 제4 레벨까지의 레벨별 기준 이미지가 설정된 것을 보여주고 있고, 각 레벨별 기준 이미지에 대한 특징 데이터를 획득하여 저장할 수 있다.
구체적으로, 제2 레벨의 기준 이미지에서 추출된 특징점의 수가 기 설정된 기준을 만족하는 경우, 해당 제2 레벨의 기준 이미지를 기 설정된 기준의 배율에 따라 축소(예로써, 제2 레벨의 기준 이미지의 높이와 폭을 각각 1/2로 축소, 즉 면적은 1/4로 축소)하고 제3 레벨로 설정할 수 있으며, 제3 레벨의 기준 이미지의 크기가 기 설정된 기준의 크기를 만족하면, 해당 제3 레벨의 기준 이미지로부터 각 특징점에 대한 특징 데이터를 획득할 수 있다.
또한, 제3 레벨의 기준 이미지에서 추출된 특징점의 수가 기 설정된 기준을 만족하는 경우, 해당 제3 레벨의 기준 이미지를 기 설정된 기준의 배율에 따라 축소(예로써, 제3 레벨의 기준 이미지의 높이와 폭을 각각 1/2로 축소, 즉 면적은 1/4로 축소)하고 제4 레벨로 설정할 수 있으며, 제4 레벨의 기준 이미지의 크기가 기 설정된 기준의 크기를 만족하면, 해당 제4 레벨의 기준 이미지로부터 각 특징점에 대한 특징 데이터를 획득할 수 있다.
여기서, 레벨이 높을수록 기준 이미지의 높이와 폭이 축소되기 때문에, 일 예로써 제4 레벨의 기준 이미지의 높이 또는 폭이 기 설정된 기준을 만족하지 못하면, 이전 레벨인 제1 레벨에서 제3 레벨까지 레벨별 기준 이미지의 특징 데이터만 획득하여 저장될 수 있다(S170).
또한, 제4 레벨의 기준 이미지의 크기가 기 설정된 기준의 크기를 만족하더라도, 제4 레벨의 기준 이미지에서 추출된 특징점의 수가 적어서 기 설정된 기준을 만족하지 못하면, 이 경우에도 제1 레벨에서 제3 레벨까지 레벨별 기준 이미지의 특징 데이터만 저장될 수 있다(S170).
이와 같이, 본 실시예에서는 기준 이미지에서 소정의 설정에 따라 특징 데이터를 획득하여 저장하되, 기 설정된 기준을 만족하는 범위에서 기준 이미지의 면적을 단계적으로 축소시켜 축소된 면적별로 레벨을 설정하고, 레벨별로 기준 이미지의 특징 데이터를 추출하여 저장할 수 있다.
한편, 이하에서는 상술한 바와 같이 저장된 기준 이미지의 특징 데이터를 대상 이미지에 포함된 후보 이미지의 특징 데이터와 비교하여 대상 이미지 내 결함을 검출하는 과정에 대해 설명한다.
도 4는 본 발명의 일 실시예에 따른 이미지를 활용한 패턴 매칭방법에서 기준 이미지의 특징 데이터와 대상 이미지에 포함된 후보 이미지의 특징 데이터를 비교하여 대상 이미지 내 결함을 검출하는 과정을 순서도로 도시한 것이고, 도 5 및 도 6은 본 발명의 일 실시예에 따른 기준 이미지와 후보 이미지를 매칭시켜 가는 과정을 도시한 것이다.
일 예로써, 본 실시예에서는 기준 이미지와 동일하거나 일정부분 이상 유사한 후보 이미지를 결함으로 검출할 수 있다.
도 4 내지 도 6을 참조하면, 먼저 기준 이미지에 대한 레벨과, 각 레벨별 기준 이미지에 대응되는 특징 데이터를 독출할 수 있다(S210).
이어서, 대상 이미지를 입력 받고, 확인된 기준 이미지에 대한 레벨 중 가장 큰 제N 레벨을 확인하고, 입력된 대상 이미지를 확인된 제N 레벨에 대응되는 배율에 따라 축소하며, 축소된 대상 이미지를 제N 레벨로 설정할 수 있다(S220).
일 예로써, 도 5를 참조하면, 본 실시예에서는 앞서 설명한 바와 같이, 기준 이미지의 레벨 중 가장 큰 레벨이 제4 레벨인 경우, 입력된 대상 이미지를 제4 레벨의 기준 이미지에 대응되는 1/2⁴, 즉 1/16로 축소하고, 축소된 대상 이미지를 제4 레벨로 설정할 수 있다.
다음, 축소된 대상 이미지로부터 기 설정된 간격의 특징점을 추출하여 후보 이미지를 획득하고, 획득한 후보 이미지의 특징점으로부터 특징 데이터를 획득하며(S230), 획득된 특징 데이터와 제N 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여, 후보 이미지와 기준 이미지 간의 동일 또는 유사 여부를 판단할 수 있다(S240).
구체적으로, 도 6을 참조하면, 제4 레벨의 기준 이미지의 특징점 간격과 동일한 간격으로 제4 레벨의 대상 이미지 내 후보 이미지에 대한 특징점을 추출할 수 있다.
여기서, 후술되는 제3 레벨, 제2 레벨 및 제1 레벨의 기준 이미지와 대상 이미지로부터 각각 추출되는 특징점의 간격 역시 동일한 간격으로 설정될 수 있다.
일 예로서, 대상 이미지 내 포함된 형상에서 선(線)과 선, 선과 면(面), 면과 면 중 하나가 만나는 지점을 특징점으로 정의하고, 대상 이미지로부터 특징점을 추출하며, 추출된 특징점들로 이루어진 후보 이미지를 획득할 수 있다.
더불어, 해당 후보 이미지의 각 특징점마다 특징 벡터를 추출하여, 추출된 특징 벡터를 특징 데이터로 획득 및 저장할 수 있으며, 이러한 특징 데이터의 획득 과정은 상술한 기준 이미지로부터 특징 데이터를 획득하는 과정과 동일하게 진행될 수 있다.
또한, 기준 이미지로부터 추출된 특징 데이터를 기 설정된 일정 각도씩 회전시키거나 기 설정된 일정 범위 내에서 크기를 조절하며, 기준 이미지의 특징 데이터를 이에 대응되는 후보 이미지의 특징 데이터와 매칭시키는 과정이 포함될 수 있다.
즉, 기준 이미지를 기 설정된 일정 각도씩 회전시켜며, 일 예로서 기준 이미지로부터 추출된 특징 데이터를 기 설정된 일정 각도씩 회전시키며, 기준 이미지를 후보 이미지와 비교할 수 있으며, 일 예로써 본 실시예에서는 제4 레벨의 기준 이미지를 2ⁿ에 해당하는 16° 간격으로 회전시키며, 제4 레벨의 대상 이미지에 포함된 후보 이미지와의 매칭 여부를 비교할 수 있다.
더불어, 기준 이미지에 대해 크기를 조절해가며, 일 예로서 기준 이미지로부터 추출된 특징 데이터의 크기를 조절해가며, 대응되는 후보 이미지와 매칭되는지 비교할 수 있다.
이때, 상술한 실시예에서는 기준 이미지의 특징 데이터를 일정 각도씩 회전시키거나 크기를 조절하여 대응하는 후보 이미지의 특징 데이터와 매칭시키는 방법에 대해 설명하고 있으나, 그 반대로 후보 이미지의 특징 데이터를 일정 각도씩 회전시키거나 크기를 조절하여 기준 이미지의 특징 데이터와 매칭시킬 수도 있다.
한편, 상기와 같이, 제4 레벨의 대상 이미지 내 포함된 후보 이미지로부터 획득된 특징 데이터와, 제4 레벨의 기준 이미지로부터 획득된 특징 데이터를 하기의 [수식 1]을 이용하여 동일 또는 유사 여부를 판단할 수 있다.
[수식 1]
Figure 112021022608858-pat00005
여기서,
Figure 112021022608858-pat00006
는 기준 이미지의 특징점에서 추출된 X 성분 특징 단위 벡터이고,
Figure 112021022608858-pat00007
는 기준 이미지의 특징점에서 추출된 Y 성분 특징 단위 벡터이며,
Figure 112021022608858-pat00008
는 후보 이미지의 특징점에서 추출된 X 성분 특징 단위 벡터이고,
Figure 112021022608858-pat00009
는 후보 이미지의 특징점에서 추출된 Y 성분 특징 단위 벡터를 나타낸다.
이에 따라, 상기 [수식 1]에서와 같이, 기준 이미지에서 추출된 각 특징점의 특징 단위 벡터(
Figure 112021022608858-pat00010
,
Figure 112021022608858-pat00011
)와, 이와 대응되는 후보 이미지에서 추출된 각 특징점의 특징 단위 벡터(
Figure 112021022608858-pat00012
,
Figure 112021022608858-pat00013
)를 비교 연산하여, 각 특징점에 대한 스코어 값을 계산하고, 각 특징점의 스코어 값에 대한 평균값을 구하여 평균값이 기 설정된 기준을 만족하면 기준 이미지와 후보 이미지가 동일 또는 유사하다고 판단할 수 있다.
이때, 제4 레벨의 대상 이미지 내 포함된 후보 이미지가 제4 레벨의 기준 이미지와 유사하지 않은 것으로 확인되면, 결함이 없는 것으로 판단하여 이를 결과로 제공할 수 있다(S290).
한편, 제N 레벨의 대상 이미지 내 포함된 후보 이미지와 제N 레벨의 기준 이미지가 유사(S240)한 것으로 확인되면, 축소된 대상 이미지를 기 설정된 기준의 배율에 따라 확대하며, 확대된 대상 이미지를 제(N-1) 레벨로 설정할 수 있다(S250).
이 과정에서는, 도 5를 참조하면, 제4 레벨의 대상 이미지 내 포함된 후보 이미지와 제4 레벨의 기준 이미지가 유사한 것으로 확인되는 경우, 제4 레벨의 대상 이미지를 제3 레벨의 기준 이미지와 대응되는 배율로 확대하고, 확대된 대상 이미지를 제3 레벨로 설정할 수 있다.
즉, 후보 이미지와 기준 이미지의 유사 여부를 더욱 정밀하게 확인하기 위해, 제4 레벨의 대상 이미지를 제3 레벨의 기준 이미지와 대응되는 배율로 확대하여 제3 레벨로 설정할 수 있으며, 이를 통해 제4 레벨에 비해 크기가 커진 제3 레벨의 대상 이미지 내 후보 이미지와 제3 레벨의 기준 이미지를 매칭시킬 수 있다.
다음, 제(N-1) 레벨로 설정된 대상 이미지로부터 기 설정된 간격의 특징점을 추출하여 후보 이미지를 획득하고, 획득한 후보 이미지의 특징점으로부터 특징 데이터를 획득하며(S260), 획득된 특징 데이터와 제(N-1) 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여, 동일 또는 유사 여부를 판단할 수 있다(S270).
이때에는, 제3 레벨의 기준 이미지의 특징점 간격과 동일한 간격으로 제3 레벨의 대상 이미지로부터 특징점을 추출하여 후보 이미지를 획득하고, 획득한 후보 이미지의 각 특징점으로부터 특징 벡터를 추출하여 특징 데이터로 획득하고 저장할 수 있다.
또한, 기준 이미지를 기 설정된 일정 각도씩 회전시키거나 기 설정된 일정 범위 내에서 크기를 조절하며, 일 예로서 기준 이미지로부터 추출된 특징 데이터를 기 설정된 일정 각도로 회전시키거나 기 설정된 범위 내에서 크기를 조절하면서, 해당 기준 이미지의 특징 데이터를 대응하는 제3 레벨의 대상 이미지 내 후보 이미지의 특징 데이터와 매칭시킬 수 있다.
이때에는, 일 예로써, 제3 레벨의 기준 이미지를 2ⁿ에 해당하는 8° 간격으로 회전시키며 대응하는 후보 이미지와의 매칭 여부를 비교할 수 있다.
또한, 해당 후보 이미지로부터 획득된 특징 데이터와, 제3 레벨의 기준 이미지로부터 획득된 특징 데이터를 상기의 [수식 1]을 이용하여 동일 또는 유사 여부를 판단할 수 있다.
이때, 제3 레벨의 대상 이미지 내 포함된 후보 이미지가 제3 레벨의 기준 이미지와 유사하지 않은 것으로 확인되면, 대상 이미지 내 결함이 없는 것으로 판단하여 이를 결과로 제공할 수 있다(S290).
한편, 도 5를 참조하면, 제3 레벨의 대상 이미지 내 포함된 후보 이미지가 제3 레벨의 기준 이미지와 동일 또는 유사한 것으로 확인되는 경우, 후보 이미지와 기준 이미지의 유사 여부를 더욱 정밀하게 확인하기 위해, 제3 레벨의 대상 이미지를 제2 레벨의 기준 이미지와 대응되는 배율로 확대하여, 확대된 대상 이미지를 제2 레벨로 설정할 수 있으며, 제2 레벨의 대상 이미지로부터 특징점을 추출하여 후보 이미지를 획득하고, 획득한 후보 이미지의 각 특징점에서 특징 벡터를 추출하여 특징 데이터로 저장할 수 있다.
또한, 일 예로써, 제2 레벨의 기준 이미지를 2ⁿ에 해당하는 4° 간격으로 회전시키고, 기준 이미지의 크기를 조절하여, 기준 이미지의 특징 데이터를 대응하는 제2 레벨의 대상 이미지 내 포함된 후보 이미지의 특징 데이터와 매칭시킬 수 있다.
또한, 해당 후보 이미지로부터 획득된 특징 데이터와, 제2 레벨의 기준 이미지로부터 획득된 특징 데이터를 상기의 [수식 1]을 이용하여 유사 여부를 판단할 수 있다.
계속해서, 제2 레벨의 대상 이미지 내 포함된 후보 이미지가 제2 레벨의 기준 이미지와 유사한 것으로 확인되는 경우, 제2 레벨의 대상 이미지를 제1 레벨의 기준 이미지와 대응되는 배율로 확대하여, 확대된 대상 이미지를 최종 레벨인 제1 레벨로 설정할 수 있으며, 제1 레벨의 대상 이미지로부터 특징점을 추출하여 후보 이미지를 획득하고, 획득한 후보 이미지의 각 특징점에서 특징 벡터를 추출하여 특징 데이터로 획득하고 저장할 수 있다.
또한, 일 예로써, 제1 레벨의 기준 이미지를 2ⁿ에 해당하는 2° 간격으로 회전시키고, 기준 이미지의 크기를 조절하여, 기준 이미지의 특징 데이터를 대응하는 제1 레벨의 대상 이미지 내 포함된 후보 이미지의 특징 데이터와 매칭시킬 수 있다.
최종 제1 레벨에서는 후보 이미지와 기준 이미지의 동일 또는 유사 여부 판단에 대해 정확도를 높이기 위하여, 해당 후보 이미지로부터 획득된 특징 데이터와, 제1 레벨의 기준 이미지로부터 획득된 특징 데이터를 하기의 [수식 2]을 이용하여 동일 또는 유사 여부를 판단할 수 있다.
[수식 2]
Figure 112021022608858-pat00014
여기서,
Figure 112021022608858-pat00015
는 기준 이미지의 특징점에서 추출된 X 성분 특징 단위 벡터이고,
Figure 112021022608858-pat00016
는 기준 이미지의 특징점에서 추출된 Y 성분 특징 단위 벡터이며,
Figure 112021022608858-pat00017
는 후보 이미지의 특징점에서 추출된 X 성분 특징 단위 벡터이고,
Figure 112021022608858-pat00018
는 후보 이미지의 특징점에서 추출된 Y 성분 특징 단위 벡터를 나타낸다.
[수식 2]에서는 특징점 각각의 특징 벡터를 제곱한 후, 제곱한 특징 벡터의 X 성분 특징 단위 벡터와 Y 성분 특징 단위 벡터를 상호 연산하여 계산할 수 있다.
일 예로서, XY 좌표축에서 (0,0)에서 (-2,-2) 방향의 특징 벡터가 정의되면, 이를 제곱한 (0,0)에서 (4,4) 크기의 특징 벡터를 도출할 수 있으며, 제곱에 따른 특징 벡터의 방향 왜곡을 보정하기 위한 sign 함수를 적용하여 (0,0)에서 (-4,-4)의 특징 벡터를 추출할 수 있다.
상기 추출된 특징 벡터의 X 성분 특징 단위 벡터와 Y 성분 특징 단위 벡터를 상호 연산하여, 매칭 여부를 판단할 수 있다.
최종 제1 레벨(S280)에서도, 대상 이미지 내 포함된 후보 이미지가 기준 이미지와 동일 또는 유사한 것으로 확인되면, 결함이 있는 것으로 판단하여 이를 결과로 제공할 수 있다(S290).
이와 같이, 본 실시예에서 기준 이미지의 특징 데이터와 후보 이미지의 특징 데이터를 비교하여 대상 이미지의 결함여부를 검출하는 과정에서는, 입력된 대상 이미지를, 레벨별로 저장된 기준 이미지 중 최소 크기의 이미지를 갖는 제N 레벨의 기준 이미지와 대응되는 배율로 축소시켜 제N 레벨로 설정하고, 최소 크기로 기준 이미지와 대상 이미지 내 후보 이미지의 특징 데이터를 이용하여 유사 여부를 판단함으로써, 적은 데이터로 신속하게 판단 결과를 출력할 수 있다.
특히, 제N 레벨의 대상 이미지 내 후보 이미지와 제N 레벨의 기준 이미지가 유사한 것으로 확인되면, 축소된 제N 레벨의 대상 이미지를 제(N-1) 레벨의 기준 이미지와 대응되는 배율로 확대시켜, 크기가 커진 기준 이미지와 대상 이미지 내 후보 이미지의 특징 데이터를 이용하여 유사 여부를 판단하는 방식으로, 보다 정밀한 판단 결과를 출력할 수 있으며, 이와 같은 방법을 통해, 결함이 없는 대상 이미지를 빠르게 판단할 수 있고, 결함이 있는 대상 이미지를 보다 정확하게 검출할 수 있다.
도 7은 본 발명의 일 실시예에 따른 패턴 매칭장치(100)의 구성을 블럭도로 도시한 것이다.
도 7을 참조하면, 본 발명의 일 실시예에 따른 패턴 매칭장치(100)는, 입력부(110), 저장부(120), 출력부(130) 및 제어부(140)를 포함할 수 있다.
입력부(110)는 기준 이미지와 대상 이미지를 입력받을 수 있다.
저장부(120)는 입력부(110)에 의해 입력된 기준 이미지와 대상 이미지를 저장할 수 있고, 일 예로써 서버 또는 메모리 등의 저장 매체로 이루어질 수 있다.
또한, 저장부(120)에는 제어부(140)에 의해 레벨별로 설정된 기준 이미지와 대상 이미지가 저장될 수 있다.
출력부(130)는 제어부(140)에 의해 처리된 기준 이미지와 대상 이미지 내 후보 이미지의 유사 여부 판단 결과를 출력할 수 있다.
일 예로써, 본 실시예에서는 대상 이미지 내 포함된 후보 이미지가 기준 이미지와 동일 또는 유사하다고 판단되는 경우, 대상 이미지에 결함이 있다고 검출할 수 있다.
제어부(140)는 입력부(110)를 통해 입력받은 기준 이미지를 레벨별로 저장할 수 있다.
구체적으로, 제어부(140)는 기준 이미지에서 소정의 설정에 따라 특징 데이터를 획득하여 저장하되, 기 설정된 기준을 만족하는 범위에서 기준 이미지의 면적을 단계적으로 축소시켜 축소된 면적별로 레벨을 설정하고, 레벨별로 기준 이미지의 특징 데이터를 추출하여 저장할 수 있다.
또한, 제어부(140)는 기준 이미지의 특징 데이터와 대상 이미지에 포함된 후보 이미지의 특징 데이터를 비교하여 대상 이미지 내 결함을 검출할 수 있다.
구체적으로, 제어부(140)는 입력부(110)를 의해 입력받은 대상 이미지를, 레벨별로 저장된 기준 이미지 중 최소 크기의 이미지를 갖는 제N 레벨의 기준 이미지와 대응되는 배율로 축소시켜 제N 레벨로 설정하고, 최소 크기로 축소된 기준 이미지와 대상 이미지 내 후보 이미지의 특징 데이터를 이용하여 동일 또는 유사 여부를 판단할 수 있다.
이때, 대상 이미지 내 후보 이미지가 기준 이미지와 유사하지 않은 것으로 확인되면, 대상 이미지에 결함이 없는 것으로 검출하여, 출력부를 통해 빠르게 검출 결과를 출력할 수 있다.
또한, 제N 레벨의 대상 이미지 내 후보 이미지와 제N 레벨의 기준 이미지가 유사한 것으로 확인되면, 축소된 제N 레벨의 대상 이미지를 제(N-1) 레벨의 기준 이미지와 대응되는 배율로 확대시켜, 크기가 커진 기준 이미지와 대상 이미지 내 후보 이미지의 특징 데이터를 이용하여 유사 여부를 판단할 수 있으며, 이러한 방식으로 기준 이미지와 이에 대응하는 대상 이미지 내 후보 이미지를 레벨별로 확대시켜가며 특징 데이터를 비교하여 보다 정밀하게 유사 여부를 판단함으로써, 대상 이미지에 결함이 있는지 정확하게 검출할 수 있다.
한편, 상술한 본 발명의 실시예에서는 결함을 나타내는 기준 이미지와, 대상 이미지에 포함된 후보 이미지 간을 매칭시키고 동일 또는 유사 여부를 판단하여, 대상 이미지 내 결함이 있는지 검출하는 예에 대해 설명하였으나, 본 발명이 반드시 이에 한정되는 것은 아니고, 적용 대상물에 따라, 기준 이미지와, 대상 이미지에 포함된 후보 이미지의 패턴이 일치되는지 여부를 검출하는데 적용될 수 있음은 자명하다.
본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다.
따라서 본 발명의 범위는 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 패턴 매칭장치 110 : 입력부
120 : 저장부 130 : 출력부
140 : 제어부

Claims (10)

  1. 삭제
  2. 삭제
  3. 삭제
  4. 기준 이미지에 대한 레벨 및 상기 레벨에 대응되는 특징 데이터를 독출하는 단계;
    대상 이미지를 입력 받고, 상기 기준 이미지에 대한 레벨 중 가장 큰 제N 레벨을 확인하고, 상기 입력된 대상 이미지를 상기 확인된 제N 레벨에 대응되는 배율에 따라 축소하며, 상기 축소된 대상 이미지를 제N 레벨로 설정하는 단계;
    상기 축소된 대상 이미지로부터 기 설정된 간격의 특징점을 추출하여 후보 이미지를 획득하고, 상기 획득한 후보 이미지의 특징점 각각의 특징 데이터를 획득하며, 상기 획득된 특징 데이터와 상기 제N 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여, 유사 여부를 판단하는 단계;
    상기 제N 레벨의 후보 이미지와 상기 제N 레벨의 기준 이미지가 유사한 것으로 확인되면, 상기 축소된 대상 이미지를 기 설정된 기준의 배율에 따라 확대하며, 상기 확대된 대상 이미지를 제(N-1) 레벨로 설정하는 단계; 및
    상기 제(N-1) 레벨로 설정된 대상 이미지로부터 상기 기 설정된 간격의 특징점을 추출하여 후보 이미지를 획득하고, 상기 획득한 후보 이미지의 특징점 각각의 특징 데이터를 획득하며, 상기 획득된 특징 데이터와 상기 제(N-1) 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여, 유사 여부를 판단하는 단계를 포함하는 이미지를 활용한 패턴 매칭방법.
  5. 제 4항에 있어서,
    상기 대상 이미지로부터 기 설정된 간격의 특징점을 추출하고, 상기 추출된 특징점 각각의 특징 데이터를 획득하는 과정에서는,
    상기 제N 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여 유사 여부를 판단하는 단계는,
    상기 후보 이미지의 경계를 따라 기 설정된 일정 간격의 특징점으로부터 상기 경계에 대해 수직한 방향의 특징 벡터를 추출하고, 상기 추출된 특징 벡터를 특징 데이터로 저장하는 단계를 포함하는 이미지를 활용한 패턴 매칭방법.
  6. 제 4항에 있어서,
    상기 제N 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여 유사 여부를 판단하는 단계는,
    상기 추출된 특징 데이터를 기 설정된 각도로 회전시키거나 기 설정된 범위 내에서 크기를 조절해가며 상기 기준 이미지의 특징 데이터와의 매칭 여부를 확인하는 단계를 포함하는 이미지를 활용한 패턴 매칭방법.
  7. 제 5항에 있어서,
    상기 제N 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여 유사 여부를 판단하는 단계는,
    하기의 수식 1을 이용하여, 상기 제N 레벨의 기준 이미지의 특징 데이터에 포함된 각 특징점의 특징 벡터와, 이와 대응되는 상기 후보 이미지 내 각 특징점의 특징 벡터를 비교 연산하여, 각 특징점에 대한 스코어값을 산출하고, 상기 각 특징점의 스코어값에 대한 평균값을 구하여 상기 평균값이 기 설정된 기준을 만족하면 기준 이미지와 후보 이미지가 유사하다고 판단하는 단계를 포함하는 이미지를 활용한 패턴 매칭방법.
    [수식 1]
    Figure 112021022608858-pat00019

    (N: 특징점의 개수,
    Figure 112021022608858-pat00020
    ,
    Figure 112021022608858-pat00021
    :기준 이미지의 X 방향, Y 방향 특징 단위 벡터,
    Figure 112021022608858-pat00022
    ,
    Figure 112021022608858-pat00023
    : 후보 이미지의 X 방향, Y 방향 특징 단위 벡터)
  8. 제 5항에 있어서,
    상기 제N 레벨에 대응되는 기준 이미지의 특징 데이터를 이용하여 유사 여부를 판단하는 단계는,
    하기의 수식 2을 이용하여, 상기 제N 레벨의 기준 이미지의 특징 데이터에 포함된 각 특징점의 특징 벡터와, 이와 대응되는 상기 후보 이미지 내 각 특징점의 특징 벡터를 비교 연산하여, 각 특징점에 대한 스코어값을 산출하고, 상기 각 특징점의 스코어값에 대한 평균값을 구하여 상기 평균값이 기 설정된 기준에 포함되면 기준 이미지와 후보 이미지가 유사하다고 판단하는 단계를 포함하는 이미지를 활용한 패턴 매칭방법.
    [수식 2]
    Figure 112021022608858-pat00024

    (N: 특징점의 개수,
    Figure 112021022608858-pat00025
    ,
    Figure 112021022608858-pat00026
    :기준 이미지의 특징 벡터를 제곱한 X 방향, Y 방향 특징 단위 벡터,
    Figure 112021022608858-pat00027
    ,
    Figure 112021022608858-pat00028
    : 후보 이미지의 특징 벡터를 제곱한 X 방향, Y 방향 특징 단위 벡터)
  9. 기준 이미지와 대상 이미지를 입력받는 입력부;
    상기 입력부에 의해 입력된 상기 기준 이미지와 상기 대상 이미지를 저장하는 저장부;
    상기 기준 이미지와 상기 대상 이미지의 유사 여부에 대한 판단 결과를 출력하는 출력부; 및
    소정의 설정에 따라 상기 기준 이미지와 상기 대상 이미지 내 포함된 후보 이미지로부터 각각 특징 데이터를 획득하고, 상기 기준 이미지의 특징 데이터와 상기 후보 이미지의 특징 데이터를 이용하여 유사 여부를 판단하는 제어부를 포함하고,
    상기 제어부는,
    기 설정된 기준을 만족하는 범위에서 상기 기준 이미지의 크기를 단계적으로 축소시켜, 축소된 크기별로 기준 이미지의 레벨을 설정하고, 레벨별로 기준 이미지의 특징 데이터를 획득하며,
    상기 대상 이미지를, 레벨별로 설정된 기준 이미지 중 최소 크기의 이미지를 갖는 제N 레벨의 기준 이미지와 대응되게 축소시켜 제N 레벨로 설정하고, 축소된 대상 이미지로부터 특징점을 추출하여 후보 이미지를 획득하고, 상기 획득한 후보 이미지의 특징 데이터를 획득하며, 상기 획득된 특징 데이터와 상기 제N 레벨의 기준 이미지의 특징 데이터를 이용하여 유사 여부를 판단하고,
    상기 제N 레벨의 후보 이미지와 제N 레벨의 기준 이미지가 유사한 것으로 확인되면, 상기 제N 레벨의 대상 이미지를, 제(N-1) 레벨의 기준 이미지와 대응되게 확대시켜 제(N-1) 레벨로 설정하고, 상기 확대된 대상 이미지로부터 특징점을 추출하여 후보 이미지를 획득하고, 상기 획득한 후보 이미지의 특징 데이터를 획득하며, 상기 획득된 특징 데이터와 상기 제(N-1) 레벨의 기준 이미지의 특징 데이터를 이용하여 유사 여부를 판단하는 패턴 매칭장치.
  10. 삭제
KR1020210025073A 2021-02-24 2021-02-24 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치 KR102431984B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210025073A KR102431984B1 (ko) 2021-02-24 2021-02-24 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치
PCT/KR2021/018862 WO2022181945A1 (ko) 2021-02-24 2021-12-13 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210025073A KR102431984B1 (ko) 2021-02-24 2021-02-24 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치

Publications (1)

Publication Number Publication Date
KR102431984B1 true KR102431984B1 (ko) 2022-08-12

Family

ID=82803658

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210025073A KR102431984B1 (ko) 2021-02-24 2021-02-24 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치

Country Status (2)

Country Link
KR (1) KR102431984B1 (ko)
WO (1) WO2022181945A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120082126A (ko) * 2011-01-13 2012-07-23 삼성전자주식회사 깊이 영상의 특징 추출 방법 및 장치
JP2014187195A (ja) * 2013-03-22 2014-10-02 Toshiba Corp パターンの重ね合わせずれ計測方法
KR20150131511A (ko) * 2014-05-15 2015-11-25 세메스 주식회사 획득한 영상의 특징점을 추출하는 방법 및 이를 이용하여 웨이퍼의 결함을 검출하는 방법
KR20190111644A (ko) 2018-03-23 2019-10-02 (주)브릭 반복 패턴 영상의 결함 유형 분류 장치 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6338274B2 (ja) * 2014-06-25 2018-06-06 Kddi株式会社 情報処理装置ならびにその特徴点選択方法、装置およびプログラム
JP2019191691A (ja) * 2018-04-19 2019-10-31 ソニーセミコンダクタソリューションズ株式会社 画像処理装置、移動装置、および方法、並びにプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120082126A (ko) * 2011-01-13 2012-07-23 삼성전자주식회사 깊이 영상의 특징 추출 방법 및 장치
JP2014187195A (ja) * 2013-03-22 2014-10-02 Toshiba Corp パターンの重ね合わせずれ計測方法
KR20150131511A (ko) * 2014-05-15 2015-11-25 세메스 주식회사 획득한 영상의 특징점을 추출하는 방법 및 이를 이용하여 웨이퍼의 결함을 검출하는 방법
KR20190111644A (ko) 2018-03-23 2019-10-02 (주)브릭 반복 패턴 영상의 결함 유형 분류 장치 및 방법

Also Published As

Publication number Publication date
WO2022181945A1 (ko) 2022-09-01

Similar Documents

Publication Publication Date Title
CN107424160B (zh) 通过视觉系统查找图像中线的系统和方法
US7925076B2 (en) Inspection apparatus using template matching method using similarity distribution
KR100361385B1 (ko) 2차원코드인식방법
JP2984633B2 (ja) 参照画像作成方法およびパターン検査装置
US7024041B2 (en) Pattern inspection apparatus and method
EP3239929A1 (en) Image processing apparatus, image processing method and program
KR20120068128A (ko) 패턴의 결함 검출 방법 및 이를 수행하기 위한 결함 검출 장치
CN111724335A (zh) 检测方法及检测系统
JP2018096908A (ja) 検査装置及び検査方法
KR102431984B1 (ko) 이미지를 활용한 패턴 매칭방법 및 이를 이용한 패턴 매칭장치
CN114332237A (zh) 一种计算相机坐标系和激光器坐标系转换关系的方法
KR20000034922A (ko) 이미징 시스템에 의해 얻은 신호로부터 잡음을 제거하는 방법 및 장치
CN111919087B (zh) 一种生成校正线的方法和装置以及计算机可读记录介质
CN116563298A (zh) 基于高斯拟合的十字线中心亚像素检测方法
JP2009157701A (ja) 画像処理方法及び画像処理装置
CN111402281B (zh) 一种书籍边缘检测方法及装置
CN114693626A (zh) 芯片表面缺陷的检测方法、装置及计算机可读存储介质
JP2017049997A (ja) 文書画像の向き検出装置及び向き検出方法
CN117191805B (zh) 一种aoi检测头自动调焦方法和系统
JP2016035670A (ja) 情報処理装置、ぼけ具合計算方法、及びプログラム
RU2351091C2 (ru) Способ автоматического определения и коррекции радиальной дисторсии на цифровом изображении
CN113327232B (zh) 继电器触点组接触面对准方法、设备和计算机存储介质
CN117215164B (zh) 一种光刻仿真方法及装置
JPH10260016A (ja) 画像認識装置
KR102542367B1 (ko) 초점 변화 기반 3차원 측정기에서 최적의 스캔 범위 자동 설정 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant