KR20020067514A

KR20020067514A - 이미지 매칭

Info

Publication number: KR20020067514A
Application number: KR1020027005910A
Authority: KR
Inventors: 부라스페닝랄프에이.씨.; 에른스트파비안이.; 반오버벨드코르넬리우스더블유.에이.엠.; 윌린스키피오트르
Original assignee: 코닌클리케 필립스 일렉트로닉스 엔.브이.
Priority date: 2000-09-07
Filing date: 2001-08-27
Publication date: 2002-08-22
Also published as: WO2002021438A3; CN1307599C; WO2002021438A2; JP2004508639A; US7046850B2; KR100843112B1; US20020064310A1; EP1374174A2; JP4700892B2; CN1547725A

Abstract

본 발명은 픽셀들로 구성된 제 1 디지털 이미지의 이미지 특징들을 정규화하는 단계, 후보값들의 유한 세트를 정의하는 단계로서, 후보 값은 제 1 이미지와 제 2 이미지의 이미지 특징들 사이의 가능한 매칭을 위한 후보를 나타내는, 상기 정의 단계, 후보 값들의 평가를 위한 매칭 패널티 함수를 수립하는 단계와, 매칭 패널티 함수의 평가의 결과에 기초하여 후보 값을 선택하는 단계, 제 1 이미지의 픽셀들의 적어도 일부를 각각의 세그먼트들에 할당하는 것을 포함하는 제 1 이미지의 세그멘테이션에 의한 제 1 이미지의 정규화 단계, 세그먼트의 픽셀들의 적어도 일부를 위한 확실성 파라미터를 결정하는 단계와, 적어도 부분적으로 확실성 파라미터에 기초하도록 매칭 패널티 함수를 수립하는 단계를 포함하는, 상기 디지털 이미지들의 매칭을 제공한다.

Description

이미지 매칭{Image matching}

2개 또는 그 이상의 이미지들의 매칭은 이미지 처리에 사용되고, 본질적으로 후속 이미지들(subsequent images)에서 매칭 섹션들(matching sections)을 결정하는 것으로 구성된다. 이미지들의 매칭은 깊이 재구성(depth reconstruction), 이미지 데이터 압축(image data compression), 및 운동 분석(motion analysis)과 같은 이미지 처리의 몇 가지 분야들에서 필수적인 단계이다.

매칭 처리는, 제 1 이미지에서 제 1 위치의 이미지 특징들(image features)의 결정과, 제 2 이미지에서 이들 이미지 특징들의 위치를 결정하는 단계를 포함한다. 병진(translation) 및 회전(rotation)과 같이 제 1 및 제 2 이미지의 특징들 사이에서 위치의 차이의 정보는 또 다른 처리에 사용될 수 있다. 예컨대, 2개의 후속 이미지들 사이의 이미지 특징의 병진은 이미지 특징과 연관된 객체(object)의 속도 측정을 얻는데 사용될 수 있다.

이미지 매칭은 예컨대 MPEG (디)코딩 및 텔레비전 스캔 속도 컨버전(television scan rate conversion)과 사용하기 위한 보편적인 이미지 처리 하드 또는 소프트웨어에 구현된, 문맥 독립 처리(context independent processing)에 의해 실행될 수 있다. 이러한 응용들에서, 비디오 스트림의 후속 디지털 이미지들은 매칭된다. 그런 처리에 사용된 일반적인 방법은 다음과 같다.

비디오 스트림으로부터, 2개의 후속 이미지들이 매칭되고, 이들 이미지들이 2차원 디지털 이미지들 I₁(x,y) 및 I₂(x,y)이 되게 한다. 이러한 2개의 이미지들의 매칭은, 다음 식에 따라 이미지 I₁에서의 매 픽셀을 이미지 I₂에서의 픽셀에 이상적으로 매핑하는 한 쌍의 함수들 M = M_x(x,y) 및 M = M_y(x,y)의 계산을 포함한다.

I₂(x,y) = I₁(x+M_x(x,y),y+M_y(x,y)).

이러한 함수들 M은 픽셀들 또는 특징들이 2개의 이미지들 사이에 이동된 방법에 관한 정보를 포함한다. 함수들 M은, 예컨대, 비디오 스트림에서의 픽셀들의 겉보기 운동(apparent motion)으로서 해석될 수 있고, 각각의 픽셀에 대한 운동 벡터(motion vector)를 제공한다. 이 운동 벡터는 MPEG 압축 및 텔레비전에서의 스캔 속도 업컨버전들(scanrate upconversions)을 위한 자연 운동(natural motion)에서, 예컨대, 2차원 이미지들로부터의 깊이 재구성에 사용될 수 있다. 그러므로, 이미지들의 매칭은 함수들 M의 발견(finding)으로 구성된다.

모든 픽셀들에 대해 독립적으로 정의되는 함수로서의 M에 대한 정의는 M을 발견하는 문제가 까다로워짐을 야기한다. M의 구성은 큰 문제가 된다. 그리고, 함수 M이 어쨋든 결정될 수 있다하더라도, 시간 및 계산 능력 모두에서 상당한 비용들을 초래한다. M을 발견하는 문제를 단순화하기 위해, 함수 M의 정규화(regularization)가 제안되었다. US 5 072 293 호에, 이미지 프레임에 대해일정한 이미지들 내의 미리 정의된 블록들에 대해 일정하도록 함수 M을 설정하는 방법이 알려져 있다. 이 접근 방법은 M을 발견하는 문제를 단순화하고, 함수 M을 발견하는데 필요한 비용을 줄인다. 이 방법의 단점은 계산들이 여전히 비용이 든다는 것이다.

본 발명은 디지털 이미지들의 매칭에 관한 것이다.

도 1은 세그먼트 매칭 처리(segment matching process)의 예를 개략적으로 예시하는 도면.

도 2는 디지털 이미지들을 매칭하기 위한 디바이스를 개략적으로 도시하는 도면.

본 발명의 목적은 공지된 방법보다 현저히 더 빠르고 더 효율적인 후속 이미지들의 섹션들을 매칭하기 위한 방법을 제공하는 것이다.

이 목적을 달성하기 위해, 본 발명은 독립 청구항들에 정의된 바와 같이 이미지를 세그멘팅하는 방법 및 디바이스, 컴퓨터 프로그램, 유형의 매체, 신호 및 디스플레이 장치를 제공한다.

본 발명의 제 1 실시예에 있어서, 이미지들은 상기 제 1 이미지의 픽셀들의 적어도 일부를 각각의 세그먼트들에 할당하는 것을 포함하는 세그멘테이션에 의해 제 1 이미지를 정규화하고, 세그먼트의 픽셀들의 적어도 일부를 위한 확실성 파라미터(certainty parameter)를 결정하며, 적어도 부분적으로 확실성 파라미터에 기초하도록 매칭 패널티 함수(matching penalty function)를 수립함으로써 매칭된다. 세그멘테이션에 의한 제 1 이미지를 정규화하고, 확실성 정보를 갖는 세그먼트들을 제공함으로써, 본 발명에 따른 매칭 처리는 효율적이고 고속으로 실행될 수 있다. 유사 세그멘테이션(quasi segmentation)이 사용되면, 이미지들을 세그먼트하고, 확실성 정보를 제공하는데 필요한 노력은 현저히 감소된다. 유사 세그멘테이션은 발명의 명칭이 "디지털 이미지들의 세그멘테이션(Segmentation of digital images)"(우리측 참조 PHNL000493)인 동일 출원인으로 계류중인 특허 출원에 기술된다.

특히 본 발명의 이로운 상술들은 종속 청구항들에 소개된다. 본 발명의 다른 목적들, 상술들, 변형들, 효과들 및 상세한 설명들은 도면들을 참조하여 다음의 상세한 설명에 개시된다.

본 발명의 실시예의 다음의 예에서, 2개의 이미지들의 매칭은 설명될 것이다. 이들 이미지들은 비디오 스트림으로부터 수반하는 이미지들일 수 있지만, 본 발명은 거기에 제한되지 않는다. 이미지들은 이미지 픽셀들로 구성되는 디지털 이미지들이고, 2개의 2차원 디지털 이미지들, I₁(x, y) 및 I₂(x,y)로서 정의되고,x및y는 이미지들의 개별적인 픽셀들을 나타내는 좌표들이다.

이들 2개의 이미지들의 매칭은 한 쌍의 함수들 M = M_x(x,y) 및 M = M_y(x,y)의 계산을 포함한다. M은 이미지 I₁에서의 모든 픽셀을 다음 식에 따라 이미지 I₂에서의 픽셀에 매핑하기 전에 정의된다.

I₂(x,y) = I₁(x + M_x(x,y),y + M_y(x,y))

본 발명의 실시예에 따라, M의 구성은, 다음 식에 의해 M의 이전 정의를 변경함으로써 유사한 운동을 갖는 픽셀들의 그룹들에 대해 일정한 함수로서 M을 재정의함으로써 변경된다.

I₂(x,y) = I₁(x + M_x(G(x,y)),y + M_y(G(x,y)))

함수G는 유사한 운동(similar motion)을 갖는 픽셀들의 컬렉션(collection)을 위해 M을 일정하게 유지하도록 도입된다. 함수 G의 도입은 매칭 문제의 정규화(regularization)이고, 그 변경은 M을 찾도록 요구되는 노력을 현저히 줄인다.

M이 일정하다고 보이는 픽셀들의 컬렉션은 유사한 운동을 갖는다고 여겨지는 픽셀들로 구성된다. 그러한 컬렉션들을 찾기 위해, 이미지들은 세그멘테이션에 의해 세그먼트들로 분할된다. 이미지의 세그멘테이션은 결국 이미지의 매 픽셀에 대해, 세그먼트들의 유한한 세트 중 하나에 대한 멤버십(membership)을 결정하는 것이다. 여기에서, 세그먼트는 픽셀들의 연결된 컬렉션이다. 세그멘테이션의 유리한 방법은 부분적인 세그멘테이션이고, 세그먼트에 대한 픽셀의 멤버십은 컬러, 루미넌스 및 텍스처와 같은 픽셀들의 이미지 관련된 속성들에 기초하여 결정된다. 부분적인 세그멘테이션으로부터 초래하는 세그먼트들은 이미지 객체들과 필수적으로 직접 대응하지 않지만, 일정한 세그먼트에서의 픽셀들은 유사한 운동을 갖는 매우 높은 확률을 여전히 갖는다. 세그멘테이션의 특정한 유리한 방법은 본 명세서에 참조에 의해 편입되어 고려되는 텍스트, 발명의 명칭이 "디지털 이미지들의 세그멘테이션(Segmentation of digital images"(우리측 참조 PHNL000493)인 동일 출원인계류중인 특허 출원에 기술된 소위 유사 세그멘테이션(quasi segmentation)이다.

이미지(I₁)는 각각의 세그먼트를 정의하는 경계들(borders)에 의해 경계되는 픽셀들로 구성되는 세그먼트들을 초래하는 유사 세그멘테이션의 전술한 방법에 의해 세그먼트들로 분할된다. 유사 세그멘테이션의 결과로서, 세그먼트들은 하드 경계 섹션들(hard border sections) 및 소프트 경계 섹션들(soft border sections)에 의해 정의된다. 하드 경계 섹션들은 이미지 특징들의 분석으로부터 초래하고, 관련 세그먼트 경계(relevant segment border)가 되도록 높은 확실성(certainty)을 갖는다. 소프트 경계 섹션들은 검출된 하드 경계 섹션들까지 거리들의 계산에 의해 결정되고, 그러므로, 관련 세그먼트 경계가 되도록 더 낮은 확실성을 갖는다. 경계 섹션이 이미지 콘텐트와 더 잘 대응할수록, 하드 경계 섹션이 더 많이 관련된다. 본 발명의 실시예에 따라, 세그먼트들을 매칭하는 형태에서의 이미지들의 매칭은 각각의 세그먼트들의 높은 확실성 특징들(high certainty features)의 매칭을 위해 우선순위(priority)와 함께 수행된다.

도 1에서는, 유사 세그멘테이션에 의해 결정되고, 하드 경계 섹션(11; 실성으로 표시됨) 및 소프트 경계 섹션(12; 파선으로 표시됨)에 의해 경계 지워진 이미지(I₁)의 세그먼트(10)가 도시된다. 이미지(I₁)와 이미지(I₂) 사이의 세그먼트(10)를 위한 변위 함수(displacement function)를 결정하기 위해, 변위 함수 M를 결과적으로 산출하는 세그먼트(10)를 매칭하는 이미지(I₂)에서의 세그먼트(10)의 투사가 발견될 필요가 있다. 이는 각각의 후보에 대한 매칭 기준(matching criterion)을계산하고, 최고의 매칭 결과를 갖는 후보를 선택하는 세그먼트(10)와의 매칭을 위한 이미지(I₂)의 가능한 매칭 후보들(possible matching candidates)의 수를 선택함으로써 수행된다. 매칭 기준은. 제 1 이미지의 세그먼트가 제 2 이미지에서의 투사와 매칭하는 확실성의 측정이다.

도 1에는, 세그먼트(10)와의 매칭을 위한 이미지(I₂)의 후보들이 하드 경계 섹션들(21, 31, 41) 및 소프트 경계 섹션들(22, 32, 42)에 의해 각각 경계된 이미지(I₂)의 투사들(20, 30, 40)로서 도시된다. 각각의 투사들(20, 30, 40)을 위해, 함수 M는 각각의 화살표(M1, M2, M3)에 의해 표시된다. 결과적으로 M1, M2 및 M3은 함수 M를 위해 후보값들로 고려될 수 있다. 어떤 후보 투사들(20, 30, 40)이 세그먼트(10)와 가장 잘 매칭하는지를 결정하기 위해, 매칭 기준은 각각의 투사(20, 30, 40)에 대해 계산되어야 한다. 본 발명에 따라, 매칭 기준은 M에 대한 후보 값들 및 후보 투사들의 평가에서 더 많은 가중치(weight)를 높은 확실성 하드 경계 섹션들에 제공한다. 그러므로, 세그먼트의 하드 경계 섹션들과 투사의 경계 섹션 사이의 매칭은 세그먼트의 소프트 경계 섹션들의 매칭보다 매칭에 대해 훨씬 더 높은 확실성을 제공한다.

매칭 기준은 디지털 이미징 처리에 사용되고, 매칭 에러 또는 매칭 패널티 함수(matching penalty function)를 최소화하는 그 구현에서 공지되어 있다. 원래 매칭 함수를 최소화함으로써 매칭하는 방법들 및 그런 함수들은, 예컨대, 신호 처리(signal processing): 이미지 통신 6(Image Communication 6)(1994) 229-239에발행된 디 한(De Haan)과 비젠(Biezen)에 의한 "3-D 재귀 탐색 블록-매칭을 갖는 서브-픽셀 운동 추정(Sub-pixel motion estimation with 3-D recursive search block-matching)"으로부터 당해 기술분야에 공지되어 있다.

x 및 y 좌표들에서의 함수 M인 i 후보들(M_x및 M_y)의 유한 세트는 다음에 의해 정의된다.

{(M_x,i,M_y,i)|i=1,2,3,...)}

원래 후보들(M_x및 M_y)의 유한 세트의 선택은, 예컨대, 디 한과 비젠의 상술된 공보로부터 당해 기술에 공지되어 있다. 양호하게는, 후보들의 집합은 각각의 후보를 평가하도록 요구된 계산들의 수를 줄이도록 작게 유지된다. 후보 투사(candidate projection)는 각각의 후보와 연관된다.

세그먼트에서의 픽셀들의 컬렉션은 Ω에 의해 표시된다. i-번째 후보를 위한 매칭 패널티(P_i)는 다음에 의해 정의된다.

이 매칭 패널티 함수는 같은 가중치를 세그먼트에서의 매 픽셀에 대해 제공한다. 전술한 바와 같이, 세그먼트의 픽셀들은 세그먼트에 속하도록 동일한 확실성을 갖지 않는다. 이를 고려하여, 매칭 패널티 함수는 다음과 같이 수정된다.

가중 함수(weighting function) w(x,y)는 높은 확실성을 갖는 픽셀들이 패널티 함수의 평가에 더 기여하도록 각각의 픽셀에 대한 확실성-가중 인자(weightingfactor)를 할당하는 함수이다. 이 실시예에 있어서, w(x,y)의 값은 세그먼트의 하드 경계 섹션까지의 픽셀의 거리 d(x,y)에 관한 것이며, 하드 경계 섹션으로부터의 거리를 줄인다. 유클리드의 "시티 블록(city block)", "체스판(chessboard)" 또는 상술된 함께 계류중인 출원 PHNL000493에 기술된 거리 변환(distance transform)과 같은 거리에 대한 적합한 정의가 사용될 수 있다. w(x,y)에 대해, 함수의 값이 세그먼트 경계로부터의 거리를 줄일 만큼 긴 어떤 적합한 함수가 선택될 수 있다. 예들로서, 1차원 경우의 w(x,y)를 위한 많은 함수들이 다음에 도시되고, 2차원 함수는 당업자에게는 명백할 것이다. 제한 없는 예들은 다음과 같다.

w(x)=1/d(x),

w(x)=1/d(x²),

w(x)=1 if d(x)<1.5; w(x)=0 if d(x)≥1.5,

w(x)=(5-d(x))/4 if x<5; d(x)=0 if x≥5,

w(x)=(5²-d(x)²)/(5²-1) if d(x)<5; w(x)=o if d(x)≥5, 및

w(x)=(15²-d(x)²)/(15²-1) if d(x)<15; w(x)=0 if d(x)≥15.

모든 함수들이 하드 경계 섹션까지의 거리를 증가시키면서 감소된 값을 유도함을 주목한다. 함수 III의 경우에, 값은 미리 결정된 거리 위에 일정하고, 따라서 거리를 증가시키면서 감소된 값을 또한 유도하는 그 거리를 넘어 값은 0이다. 함수들 III 내지 VI은 가장 가까운 픽셀들의 고정된 수에만 계산들을 한정하고, 이는 요구된 계산들의 수를 또한 감소시킨다. 이미지들의 세그멘테이션이 유사 세그멘테이션의 양호한 방법을 사용하여 실행되었다면, 픽셀이 속한 세그먼트의 가장 가까운 하드 경계 섹션까지의 거리는 거리 어레이에서의 정보의 형태로 세그멘테이션 처리로부터 이미 공지되어 있다. 이는 매칭 처리를 위한 현저히 감소된 계산들의 이점을 유도한다.

도시된 실시예에 있어서, 확실성 함수는 하드 경계 섹션까지의 픽셀의 거리에 관한 것이다. 그러나, 본 발명은 이 예에 제한되지 않고, 각각의 픽셀에 확실성 값(certainty value)을 할당하는 다른 방법들이 사용될 수 있다. 그 경우에, 확실성 어레이 w(x,y)는 각각의 픽셀들이 속한 세그먼트에 관계된 각각의 픽셀에 대한 가중 인자들로 채워져야 한다.

또한, 본 발명은 예컨대, 패턴 또는 이미지 인식(image recognition)에서의 사용을 위한 단일 이미지 내에 이미지 섹션들을 매칭하기 위해 사용될 수 있다.

또한, 본 발명은 컴퓨터 상에서 실행할 때 본 발명의 방법의 단계들을 수행하기 위한 컴퓨터 프로그램 코드 섹션들을 포함하는 컴퓨터 프로그램 제품에 관한 것이다. 본 발명의 컴퓨터 프로그램 제품은 하드 또는 플로피 디스크 또는 CD-ROM과 같은 적합한 정보 캐리어(information carrier) 상에 저장되거나 또는 컴퓨터의 메모리 섹션에 저장될 수 있다.

또한, 본 발명은 디지털 이미지들을 매칭하기 위한 도 2에 도시된 디바이스(100)에 관한 것이다. 디바이스(100)에는 상술된 방법에 따라 디지털 이미지들을 매칭하기 위한 처리 유닛(110)이 제공된다. 처리 유닛(110)은 디지털 이미지들이 수신될 수 있고, 유닛(110)을 통해 놓일 수 있는 입력 섹션(120)과 접속된다. 또한, 유닛(110)은 이미지들 사이의 결과적으로 발견된 매칭들(resulting found matches)이 출력될 수 있는 출력 섹션(130)에 접속된다. 디바이스(100)는 디스플레이 장치(200)에 포함될 수 있고, 디스플레이 장치는, 예컨대 (3차원) 텔레비전 제품이다.

상술된 실시예들이 본 발명을 제한하기보다는 오히려 예시한다는 것과, 당업자들이 첨부된 청구항들의 범위로부터 벗어나지 않고 많은 대안적인 실시예들을 고안할 수 있음은 주목되어야 한다. 청구항들에서, 괄호 안에 위치된 어떤 참조 부호들은 청구항을 제한하는 것으로 구성되지 않는다. 단어' 포함하는(comprising)'은 청구항에 열거된 것들과 다른 엘리먼트들 또는 단계들의 존재를 배제하지 않는다. 본 발명은 몇몇 별개의 엘리먼트들을 포함하는 하드웨어 및 적합하게 프로그래밍된 컴퓨터에 의해 구현될 수 있다. 몇몇 수단을 열거하는 디바이스 청구항에 있어서, 이들 몇몇의 수단은 하나 및 동일한 아이템의 하드웨어에 의해 구현될 수 있다. 일정한 측정들이 서로 다른 종속항들에서 인용된다는 것은 이들 측정들의 조합이 유리하게 사용될 수 없음을 나타내는 것은 아니다.

요약하면, 본 발명은 픽셀들로 구성된 제 1 디지털 이미지의 이미지 특징들을 정규화하는 단계, 후보값들의 유한 세트를 정의하는 단계로서, 후보 값은 제 1 이미지와 제 2 이미지의 이미지 특징들 사이의 가능한 매칭을 위한 후보를 나타내는, 상기 정의 단계, 후보 값들의 평가를 위한 매칭 패널티 함수를 수립하는 단계와, 매칭 패널티 함수의 평가의 결과에 기초하여 후보 값을 선택하는 단계, 제 1 이미지의 픽셀들의 적어도 일부를 각각의 세그먼트들에 할당하는 단계를 포함하는제 1 이미지의 세그멘테이션에 의한 제 1 이미지의 정규화 단계, 세그먼트의 픽셀들의 적어도 일부를 위한 확실성 파라미터를 결정하는 단계와, 적어도 부분적으로 확실성 파라미터에 기초하도록 매칭 패널티 함수를 수립하는 단계를 포함하는, 상기 디지털 이미지들의 매칭을 제공한다.

Claims

디지털 이미지들을 매칭하기 위한 방법으로서,

픽셀들로 구성된 제 1 디지털 이미지(I₁)의 이미지 특징들을 정규화하는 단계,

픽셀들로 구성된 제 2 디지털 이미지(I₂)를 제공하는 단계,

후보 값들(M_x,i,M_y,i)의 유한 세트를 정의하는 단계로서, 후보 값은 상기 제 1 이미지의 이미지 특징들과 상기 제 2 이미지의 이미지 특징들 사이의 가능한 매칭(possible matching)을 위한 후보를 나타내는, 상기 정의 단계,

상기 후보 값들(M_x,i,M_y,i)의 평가를 위해 매칭 패널티 함수(P'_i)를 수립하는 단계,

매 후보 값(M_x,i,M_y,i)에 대해 상기 매칭 패널티 함수(P'_i)를 평가하는 단계와,

상기 매칭 패널티 함수의 평가의 결과에 기초하여 후보 값(M_x,i,M_y,i)을 선택하는 단계를 포함하는, 상기 디지털 이미지들의 매칭 방법에 있어서,

상기 이미지의 픽셀들의 적어도 일부를 각각의 세그먼트들에 할당하는 단계를 포함하는 상기 제 1 이미지의 세그멘테이션에 의한 상기 제 1 이미지의 정규화 단계,

세그먼트의 픽셀들의 적어도 일부를 위한 확실성 파라미터(W(x,y))를 결정하는 단계와,

적어도 부분적으로 상기 확실성 파라미터(W(x,y))에 기초하도록 상기 매칭 패널티 함수(p'_i)를 수립하는 단계를 포함하는 것을 특징으로 하는, 디지털 이미지들의 매칭 방법.
제 1 항에 있어서,

상기 확실성 파라미터(w(x,y))는 세그먼트의 하드 경계 섹션까지의 픽셀의 거리(d(x,y))에 기초하는, 디지털 이미지들의 매칭 방법.
제 1 항에 있어서,

상기 세그멘테이션은 유사 세그멘테이션에 의해 달성되는, 디지털 이미지들의 매칭 방법.
프로세서가 제 1 항에 따른 방법을 수행할 수 있게 하기 위한 컴퓨터 프로그램.
제 4 항에 따른 컴퓨터 프로그램을 담고있는 유형의 매체(tangible media).
제 4 항에 따른 컴퓨터 프로그램을 담고있는 신호.
디지털 이미지들을 매칭하기 위한 디바이스로서,

디지털 이미지들을 수신하기 위한 입력 섹션(120),

매칭 결과들을 출력하기 위한 출력 섹션(130),

픽셀들로 구성된 제 1 디지털 이미지(I₁)의 이미지 특징들을 정규화하기 위한 수단(110),

픽셀들로 구성된 제 2 디지털 이미지(I₂)를 제공하기 위한 수단(110),

후보 값들(M_x,i,M_y,i)의 유한 세트를 정의하기 위한 수단(110)으로서, 후보 값은 상기 제 1 이미지의 이미지 특징들과 상기 제 2 이미지의 이미지 특징들 사이의 가능한 매칭을 위한 후보를 나타내는, 상기 정의 수단(110),

상기 후보 값들(M_x,i,M_y,i)의 평가를 위한 매칭 패널티 함수(P'_i)를 수립하기 위한 수단(110),

매 후보값(M_x,i,M_y,i)에 대해 상기 매칭 패널티 함수(P'_i)를 평가하기 위한 수단(110)과,

상기 매칭 패널티 함수의 평가의 결과에 기초하여 후보값(M_x,i,M_y,i)을 선택하기 위한 수단(110)을 포함하는, 상기 디지털 이미지들의 매칭 디바이스에 있어서,

상기 이미지의 픽셀들의 적어도 일부를 각각의 세그먼트들에 할당하는 수단을 포함하는 상기 제 1 이미지의 세그멘테이션에 의한 상기 제 1 이미지를 정규화하기 위한 수단(110),

세그먼트의 픽셀들의 적어도 일부를 위한 확실성 파라미터(w(x,y))를 수립하기 위한 수단(110)과,

적어도 부분적으로 상기 확실성 파라미터(w(x,y))에 기초하도록 상기 매칭 패널티 함수(P'_i)를 수립하기 위한 수단(110)을 더 포함하는 디지털 이미지들의 매칭 디바이스.
제 7 항에 청구된 디바이스를 포함하는 디스플레이 장치.