KR102444544B1 - 영상의 전처리 방법 및 장치 - Google Patents
영상의 전처리 방법 및 장치 Download PDFInfo
- Publication number
- KR102444544B1 KR102444544B1 KR1020190061356A KR20190061356A KR102444544B1 KR 102444544 B1 KR102444544 B1 KR 102444544B1 KR 1020190061356 A KR1020190061356 A KR 1020190061356A KR 20190061356 A KR20190061356 A KR 20190061356A KR 102444544 B1 KR102444544 B1 KR 102444544B1
- Authority
- KR
- South Korea
- Prior art keywords
- input images
- image
- input
- value
- processing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 146
- 238000007781 pre-processing Methods 0.000 title claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 claims abstract description 88
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000011426 transformation method Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 230000004044 response Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 description 24
- 230000000052 comparative effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G06T5/92—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N9/00—Details of colour television systems
- H04N9/64—Circuits for processing colour signals
- H04N9/68—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits
- H04N9/69—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits for modifying the colour signals by gamma correction
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
영상 전처리 방법이 개시된다. 본 개시에 따른 영상 전처리 방법은, 영상 정합을 처리할 복수의 입력영상을 확인하는 과정과, 상기 복수의 입력영상의 색상 및 명도 값을 고려하여, 히스토그램 균일화(Histogram Equalization) 및 감마 변환(gamma transformation) 중, 적어도 하나의 변환방식을 선택하는 과정과, 상기 히스토그램 균일화 방식이 선택됨에 대응하여, 상기 복수의 입력영상에 상기 히스토그램 균일화를 처리하는 과정과, 상기 감마 변환 방식이 선택됨에 대응하여, 상기 복수의 입력영상에 상기 감마 변환을 처리하는 과정을 포함할 수 있다.
Description
본 개시는 영상 처리 방법 및 장치에 관한 것이며, 보다 구체적으로는 영상 정합에 사용되는 이미지를 전처리하는 방법 및 장치에 대한 것이다.
최근, 컴퓨터 비전 기술분야에서, 영상 합성, 영상 정합, 포인트 클라우드(Point Cloud) 기반의 3차원 복원, 등의 기술에 대한 연구가 활발하게 이루어지고 있다.
영상 합성, 영상 정합, 포인트 클라우드(Point Cloud) 기반의 3차원 복원, 등을 처리함에 있어서, 우선적으로 복수의 원본영상으로부터 특징점(feature)을 추출한 후, 추출된 특징점을 기준으로 전술한 동작을 처리하도록 구성된다. 이에 따라, 특징점을 많이 추출할수록 영상 합성, 영상 정합, 포인트 클라우드(Point Cloud) 기반의 3차원 복원 등의 성능을 높일 수 있다.
그러나, 복수의 원본영상이 촬영되는 물리적 또는 광학적 환경의 다양하게 변경될 수 있으므로, 복수의 원본영상에서 다수의 특징점을 정확하게 검출하는 것이 용이하지 않다.
본 개시의 기술적 과제는 입력영상의 특성을 고려하여 다수의 특징점이 검출될 수 있는 전처리 영상을 구성하는 방법 및 장치를 제공하는데 있다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 양상에 따르면 영상 전처리 방법이 제공될 수 있다. 상기 방법은, 영상 정합을 처리할 복수의 입력영상을 확인하는 과정과, 상기 복수의 입력영상의 색상 및 명도 값을 고려하여, 히스토그램 균일화(Histogram Equalization) 및 감마 변환(gamma transformation) 중, 적어도 하나의 변환방식을 선택하는 과정과, 상기 히스토그램 균일화 방식이 선택됨에 대응하여, 상기 복수의 입력영상에 상기 히스토그램 균일화를 처리하는 과정과, 상기 감마 변환 방식이 선택됨에 대응하여, 상기 복수의 입력영상에 상기 감마 변환을 처리하는 과정을 포함할 수 있다.
본 개시의 다른 양상에 따르면 영상 전처리 장치가 제공될 수 있다. 상기 장치는 영상 정합을 처리할 복수의 입력영상을 확인하고, 상기 복수의 입력영상의 색상 및 명도 값을 고려하여, 히스토그램 균일화(Histogram Equalization) 및 감마 변환(gamma transformation) 중, 적어도 하나의 변환방식을 선택하고, 선택된 상기 적어도 하나의 변환방식을 제공하는 변환방식 선택부와, 상기 히스토그램 균일화 방식이 선택됨에 대응하여, 상기 복수의 입력영상에 상기 히스토그램 균일화를 처리하는 HE 처리부와, 상기 복수의 입력영상에 상기 감마 변환을 처리하는 감마 변환 처리부를 포함할 수 있다.
본 개시에 대하여 위에서 간략하게 요약된 특징들은 후술하는 본 개시의 상세한 설명의 예시적인 양상일 뿐이며, 본 개시의 범위를 제한하는 것은 아니다.
본 개시에 따르면, 서로 다른 입력영상들로부터 다수의 특징점을 정확하게 검출할 수 있도록, 영상을 전처리하는 방법 및 장치가 제공될 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 일 실시예에 따른 영상 전처리 장치의 구성을 도시하는 블록도이다.
도 2는 본 개시의 다른 실시예에 따른 특징점 검출 장치의 구성을 도시하는 블록도이다.
도 3a는 본 개시의 다른 실시예에 따른 특징점 검출 장치에 입력되는 입력영상을 예시한다.
도 3b는 본 개시의 다른 실시예에 따른 특징점 검출 장치를 통해 검출한 비교예를 예시한다.
도 3c는 본 개시의 다른 실시예에 따른 특징점 검출 장치를 통해 검출한 실시예를 예시한다.
도 4는 본 개시의 일 실시예에 따른 영상 전처리 방법의 순서를 도시하는 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 영상 전처리 방법에 구비된 변환방식을 결정하는 단계의 상세 순서를 도시하는 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 영상 전처리 방법의 실시예 및 비교예를 나타내는 도면이다.
도 7a 내지 도 7i은 본 개시의 일 실시예에 따른 영상 전처리 방법의 실시예 및 비교예에 사용된 입력영상을 예시하는 도면이다.
도 8은 본 개시의 일 실시예에 따른 영상 전처리 방법 및 장치를 실행하는 컴퓨팅 시스템을 예시하는 블록도이다.
도 2는 본 개시의 다른 실시예에 따른 특징점 검출 장치의 구성을 도시하는 블록도이다.
도 3a는 본 개시의 다른 실시예에 따른 특징점 검출 장치에 입력되는 입력영상을 예시한다.
도 3b는 본 개시의 다른 실시예에 따른 특징점 검출 장치를 통해 검출한 비교예를 예시한다.
도 3c는 본 개시의 다른 실시예에 따른 특징점 검출 장치를 통해 검출한 실시예를 예시한다.
도 4는 본 개시의 일 실시예에 따른 영상 전처리 방법의 순서를 도시하는 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 영상 전처리 방법에 구비된 변환방식을 결정하는 단계의 상세 순서를 도시하는 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 영상 전처리 방법의 실시예 및 비교예를 나타내는 도면이다.
도 7a 내지 도 7i은 본 개시의 일 실시예에 따른 영상 전처리 방법의 실시예 및 비교예에 사용된 입력영상을 예시하는 도면이다.
도 8은 본 개시의 일 실시예에 따른 영상 전처리 방법 및 장치를 실행하는 컴퓨팅 시스템을 예시하는 블록도이다.
이하에서는 첨부한 도면을 참고로 하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
본 개시의 실시 예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 개시에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 개시에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시 예도 본 개시의 범위에 포함된다.
본 개시에 있어서, 다양한 실시 예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들은 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시 예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시 예도 본 개시의 범위에 포함된다. 또한, 다양한 실시 예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시 예도 본 개시의 범위에 포함된다.
이하, 첨부한 도면을 참조하여 본 개시의 실시 예들에 대해서 설명한다.
도 1은 본 개시의 일 실시예에 따른 영상 전처리 장치의 구성을 도시하는 블록도이다.
도 1을 참조하면, 본 개시의 일 실시예에 따른 영상 전처리 장치(100)는 변환방식 선택부(110), HE 처리부(130), 및 감마 변환 처리부(150)를 포함한다.
본 개시의 일 실시예에 따른 영상 전처리 장치(100)는 영상 정합에 사용되는 영상의 특징점 검출 성능을 현저하게 늘릴 수 있도록, 영상을 전처리하는 장치이다. 따라서, 본 개시의 일 실시예에 따른 영상 전처리 장치(100)에 입력되는 영상은 영상 정합에 사용되는 참조영상, 맞출영상 등을 포함할 수 있는데, 이러한 영상 정합에 사용되는 참조영상, 맞출영상 등을 복수의 입력영상으로 통칭하여 설명한다.
변환방식 선택부(110)는 영상 정합을 처리할 복수의 입력영상을 확인하고, 상기 복수의 입력영상의 색상 및 명도 값을 고려하여, 히스토그램 균일화(Histogram Equalization) 및 감마 변환(gamma transformation) 중, 적어도 하나의 변환방식을 선택할 수 있다.
변환방식 선택부(110)는 입력영상의 색상(Hue) 값, 명도(Value) 값 등을 확인할 수 있으며, 확인된 색상(Hue) 값 또는 명도(Value) 값 등을 고려하여 변환방식을 결정할 수 있다.
예를 들어, 복수의 입력영상은 RGB 모델 기반의 색정보를 포함할 수 있으며, 변환방식 선택부(110)는 RGB 모델 기반의 입력영상을 HSV(Hue, Saturation, Value) 모델로 변환하는 HSV 변화부(111)를 포함할 수 있다.
또한, 변환방식 선택부(110)는 입력영상의 색상(Hue) 값에 대한 히스토그램과, 명도(Value) 값에 대한 히스토그램 등을 분석하는 HV 히스토그램 분석부(113), 및 HV 히스토그램 분석부(113)에서 제공되는 HV 히스토그램을 기반으로 입력영상의 변환방식을 결정하는 변환방식 결정부(115)를 포함할 수 있다.
특히, 변환방식 결정부(115)는 일차적으로 복수의 입력영상의 색상(Hue) 히스토그램에 기초하여 적어도 하나의 변환방식을 추정한 후, 이차적으로 추정된 적어도 하나의 변환방식을 기준으로 하되, 상기 복수의 입력영상의 영상의 명도(Value) 히스토그램을 고려하여 변환방식을 결정할 수 있다.
구체적으로, 변환방식 결정부(115)는 하기의 표 1에 예시되는 프로그램 코드의 연산을 수행하여 변환방식을 결정할 수 있다. 표 1에서, 변환방식 결정부(115)는 두 개의 입력영상, 즉, 제1입력영상(Image 1)과 제2입력영상(Image 2)을 사용하여 변환방식을 결정하는 것을 예시하고 있으나, 본 개시가 이를 한정하는 것은 아니며, 영상 정합의 방식에 기초하여, 입력영상의 수는 다양하게 변경될 수 있다.
 |
표 1을 참조하면, 변환방식 결정부(115)는 우선 제1입력영상(Image 1)과 제2입력영상(Image 2)의 색상(Hue) 값이 모두 미리 정해진 임계값(예, 140°) 이하의 값을 나타내는지 확인하고, 제1입력영상(Image 1)과 제2입력영상(Image 2)의 색상(Hue) 값이 모두 미리 정해진 임계값(예, 140°) 이하의 값을 나타낼 경우 히스토그램 균일화 방식을 추정할 수 있다. 반면, 제1입력영상(Image 1)과 제2입력영상(Image 2)의 색상(Hue) 값이 모두 미리 정해진 임계값(예, 140°) 이하가 아닐 경우, 변환방식 결정부(115)는 변환방식으로서 감마 변환 방식을 추정할 수 있다. 이후, 변환방식 결정부(115)는 추정된 변환방식을 기준으로 제1입력영상(Image 1)과 제2입력영상(Image 2)의 명도 값을 다르게 적용하여 변환방식을 결정할 수 있다.
예컨대, 추정된 변환방식이 감마 변환 방식일 경우, 변환방식 결정부(115)는 제1입력영상(Image 1)과 제2입력영상(Image 2) 사이의 명도 차이를 확인하여 감마 변환 방식 또는 히스토그램 균일화 방식을 결정할 수 있다.
표 1에서와 같이, 변환방식 결정부(115)는 제1입력영상의 명도값이 미리 정해진 제1명도값(0.3) 이하이고, 제2입력영상의 명도값(0.7)이 미리 정해진 제2명도값(0.7) 이상이거나, 또는 제1입력영상의 명도값이 상기 미리 정해진 제2명도값(0.7) 이상이고, 제2입력영상의 명도값이 상기 미리 정해진 제1명도값(0.3) 이하임에 따라, 변환방식을 히스토그램 균일화 방식으로 결정하는 것이 바람직하다.
추정된 변환방식이 히스토그램 균일화 방식일 경우, 변환방식 결정부(115)는 제1입력영상과 제2입력영상의 명도값이 미리 정해진 임계값(예, 0.7) 이상임에 따라 변환방식을 감마 변환 방식으로 결정하는 것이 바람직하다.
나아가, 변환방식 결정부(115)는 결정된 변환방식을 HE 처리부(130), 또는 감마 변환 처리부(150)에 제공할 수 있다.
HE 처리부(130)는 결정된 변환방식이 히스토그램 균일화 방식일 경우 동작할 수 있으며, 복수의 입력영상을 대상으로 히스토그램 균일화를 처리할 수 있다.
나아가, HE 처리부(130)는 히스토그램 균일화 처리된 복수의 입력영상을 다양한 크기로 변환하고, 다양한 크기로 변환된 입력영상들로부터 최적화된 크기값을 확인하여, 이를 전처리된 영상으로 제공할 수 있다. 이를 위해, HE 처리부(130)는 복수의 입력영상을 대상으로 히스토그램 균일화를 처리하는 HE 처리부(131), 히스토그램 균일화 처리된 입력영상을 다양한 크기로 스케일링하여 최적의 스케일 값을 확인하는 최적 스케일 확인부(133), 및 확인된 최적의 스케일 값을 적용하여 입력영상을 스케일링하는 스케일링부(135)를 포함할 수 있다.
바람직하게, 최적 스케일 확인부(133)는 하기의 수학식 1의 연산을 통해 최적의 스케일 값을 확인할 수 있다.
감마 변환 처리부(150)는 결정된 변환방식이 감마 변환 방식일 경우 동작할 수 있으며, 복수의 입력영상을 대상으로 감마 변환을 처리할 수 있다. 이를 위해, 감마 변환 처리부(150)는 감마 값을 다양한 값으로 변경하여 입력영상의 색상을 보정하고, 동시에 보정된 감마 값의 입력영상을 다양한 크기로 스케일링하고, 다양한 스케일의 크기로 변환된 입력영상들로부터 최적화된 값을 결정하는 최적 감마 변환부(151)를 포함할 수 있다.
바람직하게, 최적 감마 확인부(151)는 하기의 수학식 2의 연산을 통해 최적의 감마값과 스케일 값을 결정할 수 있다.
또한, 감마 변환 처리부(150)는 최적 감마 확인부(151)를 통해 결정된 최적의 감마값과, 최적의 스케일 값을 입력영상에 적용하는 최적 감마 & 스케일 처리부(153)를 포함할 수 있다.
도 2는 본 개시의 다른 실시예에 따른 특징점 검출 장치의 구성을 도시하는 블록도이다.
본 개시의 다른 실시예에 따른 특징점 검출 장치(200)는 전술한 영상 전처리 장치(100)에 구비되는 변환방식 선택부(110), HE 처리부(130), 및 감마 변환 처리부(150)를 포함하며, 추가적으로 특징점 검출부(170)를 더 포함할 수 있다.
변환방식 선택부(110), HE 처리부(130), 및 감마 변환 처리부(150) 등은 전술한 영상 전처리 장치(100)와 동일하게 구성되며, 이에 대한 설명은 도 1을 참조한다.
특징점 검출부(170)는 복수의 입력영상, 예컨대, 영상 정합에 사용되는 참조영상, 맞출영상 등으로부터 특징점을 검출한다. 파노라마 영상, 360 영상, 포인트 클라우드 기반의 3D 영상 등의 구성시 다양한 방식의 특징점 검출이 사용될 수 있는데, 특징점 검출부(170)는 이러한 다양한 방식에 기초하여 특징점 검출을 수행할 수 있다. 예컨대, 특징점 검출부(170)는 SURF(Speed-Up Robust Features), SIFT (Scale Invariant Feature Transform) 등의 알고리즘에 기초하여 특징점 검출을 수행할 수 있다.
도 3a는 본 개시의 다른 실시예에 따른 특징점 검출 장치에 입력되는 입력영상을 나타내며, 도 3b는 본 개시의 다른 실시예에 따른 특징점 검출 장치를 통해 검출한 비교예를 나타내며, 도 3c는 본 개시의 다른 실시예에 따른 특징점 검출 장치를 통해 검출한 실시예를 나타낸다.
본 개시의 다른 실시예에 따른 특징점 검출 장치(200)는 입력영상(301, 302)으로서, 2000*3008 해상도의 Hall 영상을 입력받고, 변환방식 선택부(110), HE 처리부(130), 및 감마 변환 처리부(150) 등을 통해 별도의 전처리 동작을 수행하지 않고, 입력영상(301, 302)을 특징점 검출부(170)에 입력하여 특징점을 검출할 수 있으며, 검출한 특징점을 비교예 영상(311, 312)과 같이 나타낼 수 있다.
이때, 특징점 검출부(170)는 SURF(Speed-Up Robust Features) 알고리즘에 따라, 입력영상(301, 302)을 대상으로 한 특징점을 검출하였고, 에피폴라 대응(Epipolar correspondences)을 확인하기 위하여, 정규화된 8점(normalized eight-point) 알고리즘을 사용하였다. 또한, 특징점 검출부(170)는 외곽선을 제거하기 위하여 RANSAC(RANdom Sample Consensus)을 사용하였다. 그 결과, 특징점 검출부(170)는 비교예 영상(311, 312)에 나타나는 바와 같이, 168.5개의 특징점을 검출할 수 있다.
그리고, 본 개시의 다른 실시예에 따른 특징점 검출 장치(200)는 입력영상(301, 302)으로서, 2000*3008 해상도의 Hall 영상을 입력받고, 입력영상(301, 302)을, 변환방식 선택부(110), HE 처리부(130), 및 감마 변환 처리부(150) 등의 전처리 동작을 수행한 후, 전처리된 입력영상을 특징점 검출부(170)에 입력하여 특징점을 검출할 수 있으며, 검출한 특징점을 실시예 영상(321, 322)과 같이 나타낼 수 있다.
마찬가지로, 특징점 검출부(170)는 SURF(Speed-Up Robust Features) 알고리즘에 따라, 입력영상(301, 302)을 대상으로 한 특징점을 검출하였고, 에피폴라 대응(Epipolar correspondences)을 확인하기 위하여, 정규화된 8점(normalized eight-point) 알고리즘을 사용하였다. 또한, 특징점 검출부(170)는 외곽선(Outlier)을 제거하기 위하여 RANSAC(RANdom Sample Consensus)을 사용하였다. 그 결과, 특징점 검출부(170)는 실시예 영상(321, 322)에 나타나는 바와 같이, 800개의 특징점을 검출할 수 있다. 비교예 영상(311, 312)과 실시예 영상(321, 322)을 비교하면, 본 개시의 다른 실시예에 따른 특징점 검출 장치(200)를 통해 전처리 동작을 수행한 실시예 영상(321, 322)에는, 비교예 영상(311, 312)에 비하여 현저하게 많은 특징점이 검출되는 것을 확인할 수 있다.
도 4는 본 개시의 일 실시예에 따른 영상 전처리 방법의 순서를 도시하는 흐름도이다.
본 개시의 일 실시예에 따른 영상 전처리 방법은 전술한 본 개시의 일 실시예에 따른 영상 전처리 장치에 의해 수행될 수 있다.
우선, S401 단계에서, 영상 전처리 장치는 영상 정합을 처리할 복수의 입력영상을 확인할 수 있다. 여기서, 복수의 입력영상은 전술한 참조영상, 맞출영상 등을 포함할 수 있다.
S402 단계에서, 영상 전처리 장치는 복수의 입력영상의 색상 및 명도 값을 고려하여, 히스토그램 균일화(Histogram Equalization) 및 감마 변환(gamma transformation) 중, 적어도 하나의 변환방식을 선택할 수 있다.
구체적으로, 영상 전처리 장치는 변환방식의 선택을 위해 입력영상의 색상(Hue) 값, 명도(Value) 값 등을 확인할 수 있으며, 확인된 색상(Hue) 값 또는 명도(Value) 값 등을 고려하여 변환방식을 결정할 수 있다.
바람직하게, 복수의 입력영상은 RGB 모델 기반의 색정보를 포함할 수 있으며, 영상 전처리 장치는 RGB 모델 기반의 입력영상을 HSV(Hue, Saturation, Value) 모델로 변환할 수 있다.
또한, 영상 전처리 장치는 입력영상의 색상(Hue) 값에 대한 히스토그램과, 명도(Value) 값에 대한 히스토그램 등을 분석하고 HV 히스토그램을 기반으로 입력영상의 변환방식을 결정할 수 있다.
나아가, 영상 전처리 장치는 일차적으로 복수의 입력영상의 색상(Hue) 히스토그램에 기초하여 적어도 하나의 변환방식을 추정한 후, 이차적으로 추정된 적어도 하나의 변환방식에 기준으로 하되, 복수의 입력영상의 영상의 명도(Value) 히스토그램을 고려하여 변환방식을 결정할 수 있다. 영상 전처리 장치가 변환방식을 결정하는 구체적인 동작은 도 5를 참조하여 상세히 설명한다.
한편, S403 단계에서, 영상 전처리 장치는 결정된 변환방식을 확인할 수 있다. 결정된 변환방식이 히스토그램 균일화 방식일 경우 S404 단계를 진행할 수 있으며, 결정된 변환방식이 감마 변환 방식일 경우 S407 단계를 진행할 수 있다.
S404 단계에서, 영상 전처리 장치는 복수의 입력영상을 대상으로 히스토그램 균일화를 처리할 수 있다.
이후, S405 단계에서, 영상 전처리 장치는 히스토그램 균일화 처리된 입력영상을 다양한 크기로 스케일링하여 최적의 스케일 값을 확인할 수 있는데, 바람직하게, 하기의 수학식 3의 연산을 통해 최적의 스케일 값을 확인할 수 있다.
406 단계에서, 영상 전처리 장치는 확인된 최적의 스케일 값을 적용하여 입력영상을 스케일링하여 출력할 수 있다.
S407 단계에서, 영상 전처리 장치는, 감마 값을 다양한 값으로 변경하여 입력영상의 색상을 보정하고, 동시에 보정된 감마 값의 입력영상을 다양한 크기로 스케일링하고, 다양한 스케일의 크기로 변환된 입력영상들로부터 최적화된 값을 결정할 수 있다.
바람직하게, 영상 전처리 장치는, 하기의 수학식 4의 연산을 통해 최적의 감마값과 스케일 값을 결정할 수 있다.
S408 단계에서, 영상 전처리 장치는, S407 단계를 통해 결정된 최적의 감마값과, 최적의 스케일 값을 입력영상에 적용하여 입력영상을 감마 보정 및 스케일 변환을 수행할 수 있으며, 변환된 입력 영상을 출력할 수 있다.
도 5는 본 개시의 일 실시예에 따른 영상 전처리 방법에 구비된 변환방식을 결정하는 단계의 상세 순서를 도시하는 흐름도이다.
S501 단계에서, 영상 전처리 장치는 하기의 표 2에 예시되는 프로그램 코드의 연산을 수행하여 변환방식을 결정할 수 있다. 표 2에서, 영상 전처리 장치가 두 개의 입력영상, 즉, 제1입력영상(Image 1)과 제2입력영상(Image 2)을 사용하여 변환방식을 결정하는 것을 예시하고 있으나, 본 개시가 이를 한정하는 것은 아니며, 영상 정합의 방식에 기초하여, 입력영상의 수는 다양하게 변경될 수 있다.
 |
S501 단계에서, 영상 전처리 장치는 제1입력영상(Image 1)과 제2입력영상(Image 2)의 색상(Hue) 값이 모두 미리 정해진 임계값(예, 140°) 이하의 값을 나타내는지 확인할 수 있다. 제1입력영상(Image 1)과 제2입력영상(Image 2)의 색상(Hue) 값이 모두 미리 정해진 임계값(예, 140°) 이하의 값을 나타낼 경우(S501-예), 영상 전처리 장치는 S502 단계를 진행하여 히스토그램 균일화 방식을 추정할 수 있다.
추정된 변환방식이 히스토그램 균일화 방식일 경우, 영상 전처리 장치는 제1입력영상과 제2입력영상의 명도값이 미리 정해진 임계값(예, 0.7) 이상인지 여부를 확인할 수 있다(S503).
제1입력영상과 제2입력영상의 명도값이 미리 정해진 임계값(예, 0.7) 이상일 경우(S503-예), 영상 전처리 장치는 변환방식을 감마 변환 방식으로 결정(S504)할 수 있으며, 제1입력영상과 제2입력영상의 명도값이 미리 정해진 임계값(예, 0.7) 이상이 아닐 경우(S503-아니오), 즉, 제1입력영상과 제2입력영상의 명도값 중, 적어도 하나의 값이 미리 정해진 임계값(예, 0.7) 미만일 경우, 영상 전처리 장치는 변환방식을 히스토그램 균일화 방식으로 결정(S505)할 수 있다.
반면, 제1입력영상(Image 1)과 제2입력영상(Image 2)의 색상(Hue) 값이 모두 미리 정해진 임계값(예, 140°) 이하가 아닐 경우(S501-아니오), 즉, 제1입력영상과 제2입력영상의 색상 값 중 적어도 하나의 값이 미리 정해진 임계값(예, 140°)을 초과할 경우, 영상 전처리 장치는 S506 단계를 진행하여 감마 변환 방식을 추정할 수 있다.
이후, 영상 전처리 장치는, 제1입력영상과 제2입력영상 사이의 명도 차이를 확인하여 감마 변환 방식 또는 히스토그램 균일화 방식을 결정할 수 있다.
구체적으로, S507 단계에서, 영상 전처리 장치는, 제1입력영상의 명도값이 미리 정해진 제1명도값(0.3) 이하이고, 제2입력영상의 명도값(0.7)이 미리 정해진 제2명도값(0.7) 이상이거나, 또는 제1입력영상의 명도값이 상기 미리 정해진 제2명도값(0.7) 이상이고, 제2입력영상의 명도값이 상기 미리 정해진 제1명도값(0.3) 이하인지를 확인할 수 있다.
제1입력영상의 명도값이 미리 정해진 제1명도값(0.3) 이하이고 제2입력영상의 명도값(0.7)이 미리 정해진 제2명도값(0.7) 이상이거나, 또는 제1입력영상의 명도값이 상기 미리 정해진 제2명도값(0.7) 이상이고 제2입력영상의 명도값이 상기 미리 정해진 제1명도값(0.3) 이하일 경우(S507-예), 영상 전처리 장치는, 변환방식을 히스토그램 균일화 방식으로 결정할 수 있다(S508).
반면, S507 단계의 조건(미리 정해진 제1명도값(0.3) 이하이고 제2입력영상의 명도값(0.7)이 미리 정해진 제2명도값(0.7) 이상이거나, 또는 제1입력영상의 명도값이 상기 미리 정해진 제2명도값(0.7) 이상이고 제2입력영상의 명도값이 상기 미리 정해진 제1명도값(0.3) 이하)을 만족하지 않을 경우(S507-아니오), 영상 전처리 장치는, 변환방식을 감마 변환 방식으로 결정할 수 있다(S509).
도 6은 본 개시의 일 실시예에 따른 영상 전처리 방법의 실시예 및 비교예를 나타내는 도면이다.
도 6에서, 본 개시의 일 실시예에 따른 영상 전처리 방법에 의해 전처리된 다양한 입력영상으로부터 특징점을 검출한 결과(proposed)를 실시예(601)로서 나타내고 있으며, 별도의 전처리 없이 입력영상으로부터 특징점을 검출한 결과(Original)를 비교예(605)로서 나타낸다.
실시예(601)와 비교예(605)에서 입력영상의 종류는, 도 7a 내지 도 7i에 예시되는 36개의 영상, 즉, Bark, Bikes, Boat, Bricks, Cars, Graffitti, Trees, UBC, Yatch, Soccer, Expo, Concert, ETRI, ETRI Night, Lake Night, Lake, Baseball, SoccerNight, Concert 2, Yeosu, Seoul 1, Seoul 2, Seoul 3, Aquarium, NUST 1, NUST 2, Port, Bridge, Yuna, Frog, Hall, SouthBuilding, Gerrard Hall, Person Hall, Garaham Hall으로 구분할 수 있다.
그리고, 도 6에서, 입력영상의 여상 크기는 영상 해상도(Resolution)의 크기를 나타내며, 성능향상 수준은 각 입력영상의 비교예의 특징점 수 대비 실시예의 특징점 수의 비율을 나타낸다.
매칭된 특징점의 개수를 확인하기 위한 알고리즘으로서, SURF(Speed-Up Robust Features) 알고리즘을 사용하였고, 복수의 입력영상에 대한 에피폴라 대응(Epipolar correspondences)을 확인하기 위하여, 정규화된 8점(normalized eight-point) 알고리즘을 사용하였다. 또한, 펀더멘탈 매트릭스(Fundamental matrix)의 획득과, 에피폴라 대응(Epipolar correspondences)의 정확성을 높이는데 기여하는 외곽선을 제거하기 위하여 RANSAC(RANdom Sample Consensus)을 사용하였다.
다시, 도 6을 참조하면, 실시예(601)는 비교예(605)에 비하여 상대적으로 많은 수의 특징점을 검출하는 것을 확인할 수 있으며, 평균적으로 비교예(605)에 비하여 175%의 성능 향상이 나타나는 것을 확인할 수 있다.
도 8은 본 개시의 일 실시예에 따른 영상 전처리 방법 및 장치를 실행하는 컴퓨팅 시스템을 예시하는 블록도이다.
도 8을 참조하면, 컴퓨팅 시스템(1000)은 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다.
프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory) 및 RAM(Random Access Memory)을 포함할 수 있다.
따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다. 예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.
본 개시의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.
본 개시의 다양한 실시 예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시 예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.
또한, 본 개시의 다양한 실시 예는 하드웨어, 펌웨어(firmware), 소프트웨어, 또는 그들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 범용 프로세서(general processor), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
본 개시의 범위는 다양한 실시 예의 방법에 따른 동작이 장치 또는 컴퓨터 상에서 실행되도록 하는 소프트웨어 또는 머신-실행가능한 명령들(예를 들어, 운영체제, 애플리케이션, 펌웨어(firmware), 프로그램 등), 및 이러한 소프트웨어 또는 명령 등이 저장되어 장치 또는 컴퓨터 상에서 실행 가능한 비-일시적 컴퓨터-판독가능 매체(non-transitory computer-readable medium)를 포함한다.
Claims (10)
- 영상 전처리 방법에 있어서,
영상 정합을 처리할 복수의 입력영상을 확인하는 과정과,
상기 복수의 입력영상의 색상 및 명도 값을 고려하여, 히스토그램 균일화(Histogram Equalization) 및 감마 변환(gamma transformation) 중, 적어도 하나의 변환방식을 선택하는 과정과,
상기 히스토그램 균일화 방식이 선택됨에 대응하여, 상기 복수의 입력영상에 상기 히스토그램 균일화를 처리하는 과정과,
상기 감마 변환 방식이 선택됨에 대응하여, 상기 복수의 입력영상에 상기 감마 변환을 처리하는 과정을 포함하되,
상기 적어도 하나의 변환방식을 선택하는 과정은 상기 복수의 입력영상의 색상(Hue)값을 소정의 임계값과 비교한 결과에 기반하여, 상기 입력영상의 변환 방식을 추정하고, 상기 복수의 입력영상의 명도(Value)값에 기반하여 상기 입력 영상의 최종 변환방식을 결정하는 과정을 포한하는 것을 특징으로 하는 영상 전처리 방법.
- 제1항에 있어서,
상기 히스토그램 균일화를 처리하는 과정은,
상기 복수의 입력영상을 대상으로 상기 히스토그램 균일화를 처리하는 과정과,
히스토그램 균일화 처리된 상기 복수의 입력영상을 다양한 크기로 변환하고, 최적화된 크기값을 확인하는 과정을 포함하는 것을 특징으로 하는 영상 전처리 방법.
- 제1항에 있어서,
상기 감마 변환을 처리하는 과정은,
상기 복수의 입력영상을 다양한 크기로 변환하는 과정과,
다양한 크기로 변환된 상기 복수의 입력영상을 대상으로 상기 감마 변환을 처리하는 과정과,
상기 복수의 입력영상에 대한 최적화된 크기값을 확인하는 과정을 포함하는 것을 특징으로 하는 영상 전처리 방법.
- 제1항에 있어서,
상기 적어도 하나의 변환방식을 선택하는 과정은,
상기 복수의 입력영상의 색상(Hue) 값에 기초하여 상기 적어도 하나의 변환방식을 추정하는 과정과,
추정된 상기 적어도 하나의 변환방식에 기준으로 하되, 상기 복수의 입력영상의 명도(Value) 값을 고려하여 상기 적어도 하나의 변환방식을 결정하는 과정을 포함하는 것을 특징으로 하는 영상 전처리 방법.
- 제1항에 있어서,
상기 적어도 하나의 변환방식을 선택하는 과정은,
상기 복수의 입력영상을 HSV(Hue, Saturation, Value) 모델로 변환하는 과정을 포함하는 것을 특징으로 하는 영상 전처리 방법.
- 제5항에 있어서,
상기 적어도 하나의 변환방식을 선택하는 과정은,
상기 복수의 입력영상의 색상(Hue) 값이 모두 미리 정해진 임계값 이하의 값을 나타내는지 확인하는 과정과,
상기 복수의 입력영상의 색상(Hue) 값이 모두 미리 정해진 색상 임계값 이하임에 대응하여 상기 히스토그램 균일화 방식을 추정하고, 상기 복수의 입력영상의 색상(Hue) 값이 모두 상기 미리 정해진 색상 임계값 이하가 아님에 대응하여 상기 감마 변환 방식을 추정하는 과정과,
추정된 상기 변환 방식에 기반하여 상기 복수의 입력영상의 명도(Value)값을 고려하여 상기 적어도 하나의 변환방식을 결정하는 과정을 포함하는 것을 특징으로 하는 영상 전처리 방법.
- 제6항에 있어서,
상기 적어도 하나의 변환방식을 선택하는 과정은,
상기 감마 변환 방식이 추정됨에 대응하여, 상기 복수의 입력영상에 포함된 제1입력 영상의 명도값이 미리 정해진 제1명도값 이하이고, 상기 복수의 입력영상에 포함된 제2입력 영상의 명도값이 미리 정해진 제2명도값 이상이거나, 또는 상기 제1입력 영상의 명도값이 상기 미리 정해진 제2명도값 이상이고, 상기 제2입력 영상의 명도값이 상기 미리 정해진 제1명도값 이하임에 따라, 상기 히스토그램 균일화 방식으로 결정하는 과정을 포함하는 것을 특징으로 하는 영상 전처리 방법.
- 제6항에 있어서,
상기 적어도 하나의 변환방식을 선택하는 과정은,
상기 감마 변환 방식이 추정됨에 대응하여, 상기 복수의 입력영상의 명도값 차이가 미리 정해진 명도차 임계값 이상임에 따라 상기 히스토그램 균일화 방식으로 결정하는 과정을 포함하는 것을 특징으로 하는 영상 전처리 방법.
- 제6항에 있어서,
상기 적어도 하나의 변환방식을 선택하는 과정은,
상기 히스토그램 균일화 방식이 추정됨에 대응하여, 상기 복수의 입력영상의 명도값이 모두 미리 정해진 명도 임계값 이상임에 따라 상기 감마 변환 방식을 결정하는 과정을 포함하는 것을 특징으로 하는 영상 전처리 방법.
- 영상 전처리 장치에 있어서,
영상 정합을 처리할 복수의 입력영상을 확인하고, 상기 복수의 입력영상의 색상 및 명도 값을 고려하여, 히스토그램 균일화(Histogram Equalization) 및 감마 변환(gamma transformation) 중, 적어도 하나의 변환방식을 선택하고, 선택된 상기 적어도 하나의 변환방식을 제공하는 변환방식 선택부와,
상기 히스토그램 균일화 방식이 선택됨에 대응하여, 상기 복수의 입력영상에 상기 히스토그램 균일화를 처리하는 HE 처리부와,
상기 복수의 입력영상에 상기 감마 변환을 처리하는 감마 변환 처리부를 포함하되,
상기 적어도 하나의 변환방식을 제공하는 변환방식 선택부는 상기 복수의 입력영상의 색상(Hue)값을 소정의 임계값과 비교한 결과에 기반하여, 상기 입력영상의 변환 방식을 추정하고, 상기 복수의 입력영상의 명도(Value)값에 기반하여 상기 입력 영상의 최종 변환방식을 결정하는 것을 특징으로 하는 영상 전처리 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190061356A KR102444544B1 (ko) | 2019-05-24 | 2019-05-24 | 영상의 전처리 방법 및 장치 |
| US16/882,089 US11182886B2 (en) | 2019-05-24 | 2020-05-22 | Method and apparatus for image preprocessing |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190061356A KR102444544B1 (ko) | 2019-05-24 | 2019-05-24 | 영상의 전처리 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200135013A KR20200135013A (ko) | 2020-12-02 |
| KR102444544B1 true KR102444544B1 (ko) | 2022-09-19 |
Family
ID=73457038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190061356A KR102444544B1 (ko) | 2019-05-24 | 2019-05-24 | 영상의 전처리 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11182886B2 (ko) |
| KR (1) | KR102444544B1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113751332A (zh) * | 2020-06-03 | 2021-12-07 | 泰连服务有限公司 | 视觉检查系统和检查零件的方法 |
| CN113344907B (zh) * | 2021-06-29 | 2023-09-08 | 深圳前海微众银行股份有限公司 | 一种图像检测方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040190789A1 (en) * | 2003-03-26 | 2004-09-30 | Microsoft Corporation | Automatic analysis and adjustment of digital images with exposure problems |
| CN109753978A (zh) * | 2017-11-01 | 2019-05-14 | 腾讯科技（深圳）有限公司 | 图像分类方法、装置以及计算机可读存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100456619B1 (ko) | 2001-12-05 | 2004-11-10 | 한국전자통신연구원 | 에스.브이.엠(ｓｖｍ)을 이용한 얼굴 등록/인증 시스템 및방법 |
| KR100918480B1 (ko) | 2007-09-03 | 2009-09-28 | 한국전자통신연구원 | 스테레오 비전 시스템 및 그 처리 방법 |
| KR101637229B1 (ko) | 2008-12-23 | 2016-07-08 | 고려대학교 산학협력단 | Ｓｉｆｔ 기반의 특징점 추출 장치 및 방법과 이를 이용한 얼굴 인식 시스템 |
| EP2507744A2 (en) * | 2009-12-02 | 2012-10-10 | QUALCOMM Incorporated | Feature matching by clustering detected keypoints in query and model images |
| US8582889B2 (en) | 2010-01-08 | 2013-11-12 | Qualcomm Incorporated | Scale space normalization technique for improved feature detection in uniform and non-uniform illumination changes |
| KR101772178B1 (ko) | 2015-12-04 | 2017-08-25 | 엘지전자 주식회사 | 차량용 랜드마크 검출 장치 및 방법 |
-
2019
- 2019-05-24 KR KR1020190061356A patent/KR102444544B1/ko active IP Right Grant
-
2020
- 2020-05-22 US US16/882,089 patent/US11182886B2/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040190789A1 (en) * | 2003-03-26 | 2004-09-30 | Microsoft Corporation | Automatic analysis and adjustment of digital images with exposure problems |
| CN109753978A (zh) * | 2017-11-01 | 2019-05-14 | 腾讯科技（深圳）有限公司 | 图像分类方法、装置以及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200135013A (ko) | 2020-12-02 |
| US11182886B2 (en) | 2021-11-23 |
| US20200372620A1 (en) | 2020-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9269155B2 (en) | Region growing method for depth map/color image | |
| US9633278B2 (en) | Object identification device, method, and storage medium | |
| JP2018028899A5 (ko) | ||
| US9576372B2 (en) | Object detecting apparatus, object detecting method, and program | |
| JP6355346B2 (ja) | 画像処理装置、画像処理方法、プログラム、及び記憶媒体 | |
| EP2879080A2 (en) | Image processing device and method, and computer readable medium | |
| JP2016521890A (ja) | 文書バウンダリ検知方法 | |
| KR101631012B1 (ko) | 화상 처리 장치 및 화상 처리 방법 | |
| US9280830B2 (en) | Image processing apparatus and segmentation method | |
| CN110866932A (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
| KR102444544B1 (ko) | 영상의 전처리 방법 및 장치 | |
| CN110598795A (zh) | 图像差异检测方法及装置、存储介质、终端 | |
| US9378405B2 (en) | Determining barcode locations in documents | |
| JP6274876B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
| JP6388507B2 (ja) | 画像処理装置 | |
| US20160358039A1 (en) | Apparatus and method for detecting object | |
| US9122935B2 (en) | Object detection method, storage medium, integrated circuit, and object detection apparatus | |
| JP2001167273A5 (ko) | ||
| Senanayake et al. | Colour Transfer by Feature Based Histogram Registration. | |
| JP2013182416A (ja) | 特徴量抽出装置、特徴量抽出方法及び特徴量抽出プログラム | |
| WO2020170291A1 (ja) | メータ検出装置、メータ検出方法、及びメータ検出プログラム | |
| JP2017041113A (ja) | 画像処理装置、画像処理システム、画像処理方法及びプログラム | |
| CN111582045B (zh) | 一种活体的检测方法、装置以及电子设备 | |
| JP2009157766A (ja) | 顔認識装置、顔認識方法、顔認識プログラムおよびそのプログラムを記録した記録媒体 | |
| JP6493559B2 (ja) | 文字認識装置及び文字認識方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |