KR20120094102A - 유사도 산출 디바이스, 유사도 산출 방법 및 프로그램 - Google Patents

유사도 산출 디바이스, 유사도 산출 방법 및 프로그램 Download PDF

Info

Publication number
KR20120094102A
KR20120094102A KR1020127017705A KR20127017705A KR20120094102A KR 20120094102 A KR20120094102 A KR 20120094102A KR 1020127017705 A KR1020127017705 A KR 1020127017705A KR 20127017705 A KR20127017705 A KR 20127017705A KR 20120094102 A KR20120094102 A KR 20120094102A
Authority
KR
South Korea
Prior art keywords
image
displacement vector
displacement
geometric transformation
unit
Prior art date
Application number
KR1020127017705A
Other languages
English (en)
Inventor
도시오 가메이
요이치 나카무라
Original Assignee
닛본 덴끼 가부시끼가이샤
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 닛본 덴끼 가부시끼가이샤 filed Critical 닛본 덴끼 가부시끼가이샤
Publication of KR20120094102A publication Critical patent/KR20120094102A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/753—Transform-based matching, e.g. Hough transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G06V10/7515—Shifting the patterns to accommodate for positional errors

Abstract

제 1 화상내에 설정된 제 1 국소 영역과 제 2 화상내에서 상기 제 1 국소 영역에 가장 유사한 제 2 국소 영역 사이의 변위 벡터를 추정하는 변위 벡터 추정 유닛 (101), 상기 제 1 화상을 상기 제 2 화상으로 기하학적으로 변환하는 기하학적 변환 파라미터를 추정하는 기하학적 변환 파라미터 추정 유닛 (102), 상기 기하학적 변환 파라미터에 기초하여 상기 변위 벡터를 보정하는 변위 벡터 보정 유닛 (103), 상기 변위 벡터 보정 유니트 (103) 에 의해 보정된, 상기 변위 벡터를 2 차원 공간에서 스코어링하여 스코어링된 화상을 생성하는 스코어링 유닛 (104), 상기 스코어링된 화상에서 피크를 검출하는 피크 검출 유닛 (105), 및 상기 피크의 크기에 따라 상기 제 1 화상과 상기 제 2 화상의 유사도를 산출하는 유사도 산출 유닛 (106) 을 포함한 유사도 산출 디바이스가 제공된다.

Description

유사도 산출 디바이스, 유사도 산출 방법 및 프로그램{SIMILARITY DEGREE CALCULATION DEVICE, SIMILARITY DEGREE CALCULATION METHOD, AND PROGRAM}
본 발명은 유사도 산출 디바이스, 유사도 산출 방법 및 프로그램에 관한 것이다.
종래에는, 예를 들어 화상들과 같은 패턴들을 매칭 (matching) 하는 기술로서 화상들의 템플릿 (template) 매칭 기술이 알려져 있다. 이 기술은, 템플릿 화상을 블록 영역에 분할하고, 블록 유닛들 각각에 템플릿 매칭을 수행하고, 각각의 블록들에 대하여 탐색될 화상 내에서 최대 매칭율 (maximum matching ratio) 을 획득할 수 있는 변위량을 결정한다. 템플릿 매칭은 이 변위량에 대응하는 스코어링 (scoring) 공간의 좌표에 매칭율 등을 스코어링하고, 이 스코어링 공간에서의 피크 (peak) 를 검출함으로써 수행된다.
그러나, 예를 들어, 템플릿 화상에 대해 탐색될 화상이 상대적으로 회전하는 등의 기하학적 변환이 발생한 경우에는, 최대 매칭율을 획득할 수 있는 변위량이 기하학적 변환에 따라 변화한다. 특히, 회전 변동에서는, 기하학적 변환에 연관된 변위량은 위치에 따라 상이하기 때문에, 스코어링 공간에서의 스코어링 위치가 변화하여, 스코어링 공간에서의 피크가 더 이상 가파르지 않게 되며, 둔해진다. 따라서, 매칭의 정밀도가 열화된다.
전술한, 기하학적 변환에 연관된 변위량의 변화를 고려한 화상 매칭 방법의 예가, 특허 문헌 1에 개시되어 있다.
특허문헌 1 에는, 입력 화상 및 모델 화상으로부터 각각 복수의 특징적인 국소 영역들을 잘라내는 처리, 선택한 국소 영역의 화상 정보를 특징 공간내의 포인트 세트에 투영하는 처리, 하나의 화상의 각각의 국소 영역에 대해, 특징 공간내에 있어서 상기 하나의 화상의 국소 영역에 가장 가까운 위치에 투영되는 또 다른 화상의 국소 영역을 탐색하여, 국소 영역들을 연관시키는 처리, 연관된 하나의 화상의 국소 영역과 또 다른 화상의 국소 영역의 위치 관계에 기초하여 입력 화상과 모델 화상 간의 기하학적 변환 파라미터를 추정하는 기하학적 변환 파라미터 추정 처리, 추정한 기하학적 변환 파라미터를 이용하여 하나의 화상의 국소 영역의 화상 정보 또는 전체 화상의 화상 정보에 대해 기하학적 변환을 수행하고, 연관된 국소 영역들의 정합성 (consistency) 을 평가하고 매칭하는 처리를 포함한 화상 매칭 처리 방법이 개시되어 있다.
특허문헌 1 : 일본 공개특허공보 2001－92963호
그러나, 특허문헌 1 에 기재된 화상 매칭 처리 방법에서는, 추정한 기하학적 변환 파라미터를 이용하여 하나의 화상의 국소 영역의 화상 정보 또는 전체 화상의 화상 정보에 대해 기하학적 변환을 수행하고, 연관된 국소 영역들의 정합성이 평가되므로, 화상 정보에 대한 기하학적 변환을 수행하기 위한 연산과 변환된 화상들의 국소 영역들을 연관시키고 유사도를 산출하는 연산이 필요하므로, 연산량이 상당히 증가한다.
따라서, 본 발명의 예시적인 목적은, 예를 들어 회전과 같은 기하학적 변환이 발생하는 경우에도 매칭 정밀도의 열화를 억제하여, 연산량을 감소시킬 수 있는 유사도 산출 디바이스를 제공하는 것이다.
본 발명에 따른 유사도 산출 디바이스는, 제 1 화상내에 설정된 제 1 국소 영역과 제 2 화상내에서 상기 제 1 국소 영역들 각각과 가장 유사한 제 2 국소 영역 사이의 변위 벡터를 추정하는 변위 벡터 추정 유닛, 복수의 상기 변위 벡터들에 기초하여, 상기 제 1 화상을 상기 제 2 화상으로 기하학적으로 변환하는 기하학적 변환 파라미터를 추정하는 기하학적 변환 파라미터 추정 유닛, 상기 기하학적 변환 파라미터에 기초하여, 상기 변위 벡터로부터 상기 기하학적 변환에 의한 변위를 감산하고, 상기 변위 벡터를 보정하는 변위 벡터 보정 유닛, 상기 변위 벡터 보정 유니트에 의해 보정된 상기 변위 벡터를 각각의 변위 벡터들의 엘리먼트들에 의해 정의되는 2 차원 공간에서 스코어링하는 스코어링 유닛, 상기 스코어링이 수행된 2 차원 공간에서의 피크를 검출하는 피크 검출 유닛, 및 상기 피크의 크기에 따라 상기 제 1 화상과 상기 제 2 화상의 유사도를 산출하는 유사도 산출 유닛을 포함한다.
본 발명의 예시적인 양태에 따라, 매칭될 화상에 상대적인 회전과 같은 기하학적 변환이 발생하는 경우에도, 추정한 기하학적 변환 파라미터를 이용한 변위 벡터의 보정 후에 스코어링이 수행되고, 이어서 화상들의 유사도가 산출되므로, 매칭 정밀도의 열화를 억제하는 것이 가능하여 연산량을 감소시키는 것이 가능하다.
도 1 은 본 발명의 실시형태에 따른 패턴 매칭 디바이스의 구성을 보여주는 블록도이다.
도 2 는 본 발명의 실시형태에 따른 패턴 매칭 디바이스의 동작을 보여주는플로우 차트이다.
도 3(a) 내지 도 3(c) 는 화상의 각각의 기준점들에서 추정되는 변위 벡터들의 예를 개략적으로 도시한 다이어그램들이다.
도 4(a) 내지 도 4(c) 는 스코어링 공간에서 도 3(a) 내지 도 3(c) 의 각각의 변위 벡터들에 대한 스코어링 처리를 수행함으로써 획득되는 스코어링 값들을 개략적으로 도시한 다이어그램들이다.
도 5 는 본 발명의 애플리케이션에 기초하여, 스코어링 공간에서 검출되는 피크의 변동을 설명하는 다이어그램이다.
이제, 본 발명을 구현하기 위한 바람직한 예시적인 실시형태들이 도면들을 참조하여 설명된다.
도 1 은 본 발명의 실시형태에 따른 패턴 매칭 디바이스 (유사도 산출 디바이스) (100) 의 구성을 보여주는 블록도이다.
도 1 에 보여진 바와 같이, 패턴 매칭 디바이스 (100) 는, 변위 벡터 추정 유닛 (101), 기하학적 변환 파라미터 추정 유닛 (102), 변위 벡터 보정 유닛 (103), 스코어링 유닛 (104), 피크 검출 유닛 (105), 및 유사도 산출 유닛 (106) 을 포함한다.
변위 벡터 추정 유닛 (101), 기하학적 변환 파라미터 추정 유닛 (102), 변위 벡터 보정 유닛 (103), 스코어링 유닛 (104), 피크 검출 유닛 (105) 및 유사도 산출 유닛 (106) 는, 프로그램에 따라 컴퓨터의 프로세서에 의해 수행되는 동작들의 모듈들로서 나타내어지고, 이러한 유닛들은 일체로 패턴 매칭 디바이스 (100) 의 프로세서의 기능들을 구성한다.
변위 벡터 추정 유닛 (101) 은, 제 1 화상내에 설정된 제 1 국소 영역과 제 2 화상내의 상기 제 1 국소 영역과 가장 유사한 제 2 국소 영역 사이의 (변위량인) 변위 벡터를 추정한다.
기하학적 변환 파라미터 추정 유닛 (102) 은, 제 1 화상을 제 2 화상으로 기하학적으로 변환하는 기하학적 변환 파라미터를 추정한다.
변위 벡터 보정 유닛 (103) 은, 기하학적 변환 파라미터에 기초하여 변위 벡터를 보정한다.
스코어링 유닛 (104) 은, 변위 벡터 보정 유닛 (103) 에 의해 보정된 변위 벡터를 2 차원 공간에서 스코어링하여, 스코어링된 화상을 생성한다.
피크 검출 유닛 (105) 은, 스코어링된 화상에서의 피크를 검출한다.
유사도 산출 유닛 (106) 은, 피크의 크기에 따라 제 1 화상과 제 2 화상의 유사도를 산출한다.
이제, 패턴 매칭 디바이스 (100) 의 동작에 대해 설명한다.
도 2 는, 본 발명의 실시형태에 따른 패턴 매칭 디바이스 (100) 의 동작의 예를 보여주는 플로우 차트이다. 여기서는 얼굴 화상들의 매칭을 예로 들어 설명한다.
먼저, 패턴 매칭 디바이스 (100) 에, 화상 매칭의 대상이 되는 2 개의 화상이 입력된다 (단계 S201). 화상들의 입력은 스캐너등을 통하여 수행할 수 있다. 또한, 이하의 설명에서, 화상 매칭의 대상이 되는 2 개의 화상들 중 하나의 화상 (제 1 화상) 을 f(x, y) 로서 표시하고, 다른 하나의 화상 (제 2 화상) 을 g(x, y) 로서 표시하며, 각각의 화상들의 화상 사이즈는 256×256 화소들로 한다.
제 1 화상 f(x, y) 및 제 2 화상 g(x, y) 의 크기와 방향은, 눈의 위치의 검출등을 통하여 미리 상기 2 개의 화상들을 연관시켜 기본적으로 정규화된다. 이러한 유형의 정규화 처리를 위해 종래 기술이 이용될 수도 있다. 그러나, 일반적으로, 검출될 눈의 위치에는 검출 오차들이 있어, 예를 들어 2 개의 화상들의 사이의 회전과 같은 기하학적 변동이 발생하는 경우가 있다.
다음으로, 변위 벡터 추정 유닛 (101) 은, 입력된 제 1 화상 f(x, y) 내에 설정된 복수의 기준점들 (s, t) 을 포함하는 복수의 국소 영역들에 대해, 블록 매칭법 등을 통하여 제 1 화상 f(x, y) 과 가장 유사한 제 2 화상 g(x, y) 의 국소 영역을 획득하고, 상기 2 개의 화상들의 유사한 국소 영역들간의 변위량으로서 변위 벡터 ｖ(s, t)를 산출한다 (단계 S202).
구체적으로는, 먼저 화상 f(x, y) 의 기준점들 (s, t) 을 중심으로 한 국소 영역과 화상 g(x, y) 의 기준점들 (s+p, t+q) 을 중심으로 한 국소 영역의 상관 값 R(s, t, p, q) 이 식 (1) 을 기초로 산출된다. 각각의 국소 영역의 크기는, x 방향이 2Nu+1, y 방향이 2Nv+1 이 되도록, 예를 들어 Nu=Nv=8 화소들로 설정된다. 또한, 기준점들 (s, t) 은, 예를 들어 모든 8×8 화소들마다 설정되어, 제 1 화상내에 32×32 의 기준점들이 설정된다.
[식 1]
Figure pct00001
다음으로, 상관 값 R 이 최대가 되는 변위량 (pmax, qmax) 이, 식 (2) 을 기초로 기준 포인트들 (s, t) 에 대한 변위 벡터ｖ(s, t) 로서 획득된다.
여기서, max-1 R 은 R 이 최대 값이 되는 p, q 를 나타낸다.
[식 2]
Figure pct00002
또한, 기준점들 (s, t) 에서 최대가 되는 상관 값은 Rmax(s, t) 로 표시되었음에 유의한다.
다음으로, 기하학적 변환 파라미터 추정 유닛 (102) 은, 단계 (S202) 에서 획득한 변위 벡터ｖ(s, t) 를 이용하여, 화상 f(x, y) 와 화상 g(x, y) 의 사이의 기하학적 변환 파라미터를 추정한다 (단계 S203). 화상 f(x, y) 와 화상 g(x, y) 의 사이에 아핀 변환 (affine transformation) 제약의 대상이 되는 기하학적 변환이 있다는 가정하에, 화상 f(x, y) 의 기준점들 (s, t) 과 화상 g(x, y) 의 기준점들 (s', t') 의 관계는 식 (3) 에 의해 나타내어진다.
[식 3]
Figure pct00003
여기서, A, b 는 아핀 변환의 파라미터들이다. 다음으로, 변위 벡터 추정 유닛 (101) 에 의해 획득된 각각의 기준점들 (s, t) 의 변위 벡터 ｖ(s, t) 를 이용하여, 예를 들어 최소 자승법을 이용하여 A, b 를 추정한다. 구체적으로는, 식 (4) 에 나타낸 J 를 최소화하는 A, b 가 획득된다.
[식 4]
Figure pct00004
이 예에서 기하학적 변환 파라미터들 (A, b) 을 추정하기 위해, 6 개의 자유도들을 가지는 아핀 변환이 이용되었으나, 상기 추정은 또한 병진과 회전의 3 개의 파라미터들, 또는 병진과 회전과 확대와 축소의 4 개의 파라미터들을 이용하여 수행될 수도 있다는 것에 유의한다.
다음으로, 변위 벡터 보정 유닛 (103) 은, 단계 (S203) 에서 획득된 기하학적 변환 파라미터들 (A, b) 을 이용하여 식 (5) 에 기초하여 변위 벡터 ｖ(s, t) 를 보정하여, 보정된 변위 벡터ｖ'(s, t) 를 산출한다 (단계 S204).
[식 5]
Figure pct00005
다음으로, 스코어링 유닛 (104) 은, 단계 (S204) 에서 획득된 보정된 변위 벡터ｖ'(s, t) 를 이용하여 변환 벡터 ｖ'(s, t) 를 ｖ'(s, t) 에 대응하는 2 차원의 스코어링 공간 (H) 에서 스코어링한다 (단계 S205).
스코어링 공간 (H) 은 ｖ'(s, t)=(p', q') 인 경우 얼라인먼트([p'］,［q'］)로 나타낸다. 여기서［x］는 x 를 이산화 (discretizing) 함으로써 획득된 값이다. 식 (6) 및 식 (7) 에 보여진 바와 같이, 스코어링 유닛 (104) 은 스코어링 공간 (H) 에, 1 또는 변위 벡터를 산출할 때에 획득한 최대 상관 값 Rmax(s, t) 를 가산한다.
[식 6]
Figure pct00006
[식 7]
Figure pct00007
다음으로, 피크 검출 유닛 (105) 은 스코어링 공간 H 에서의 최대 값을 보여주는 피크를 검출한다 (단계 S206). 피크를 검출하기 위해서, 스코어링 유닛 (104) 으로 획득된 스코어링 공간 (H) 에 대해 평활화 처리 (smoothing processing) 등을 수행할 수도 있다는 것에 유의한다. 전술한 바와 같이 평활화를 수행한 결과로서, 노이즈 (noise) 에 대한 완강성 (tenacity) 을 확보하는 것이 가능하다. 평활화 처리로서는, 예를 들어, 가우시안 컨벌션 연산 (Gaussian convulsion operation) 등이 2 차원의 배열 (array) 인 스코어링 공간 (H) 에 대해 수행될 수도 있다.
다음으로, 유사도 산출 유닛 (106) 은 스코어링 공간 (H) 에서의 최대 피크 값를 획득하고 피크의 크기에 따라 제 1 화상과 제 2 화상의 유사도를 산출한다 (단계 S207). 여기서, 스코어링 공간 (H) 에 대해 평활화 처리등을 수행하지 않은 경우에는, 피크 근방에 대해 예를 들어, 가우스의 창 (Gauss window) 과 같은 가중 처리를 수행하여, 피크 근방의 스코어링 공간 (H) 의 값들의 총합을 획득할 수도 있다.
전술한 처리에 기초하여, 제 1 화상과 제 2 화상의 유사도가 산출된다.
도 3 은, 각 기준점들에서 추정되는 2 개의 화상들간의 변위 벡터들의 예를 개략적으로 나타낸 다이어그램이다. 도 3 의 (A) 는, 2 개의 화상들 사이에 변위나 회전이 없이 매칭이 이상적으로 수행되는 경우에 추정되는 변위 벡터의 예를 보여준다. 도 3 의 (B) 는 2 개의 화상들 사이에 병진적 변위가 있는 경우에 추정되는 변위 벡터의 예이다. 도 3 의 (C) 는 회전 변동이 발생했을 경우에 추정되는 변위 벡터의 예이다.
도 4 의 (A) 내지 도 4 의 (C)는, 스코어링 공간에서 도 3 의 (A) 내지 도 3 의 (C) 의 각각의 변위 벡터들에 대한 스코어링 처리를 수행함으로써 획득되는 스코어링 값들을 개략적으로 도시한 다이어그램들이다.
다이어그램들에 보여진 바와 같이, 도 4 의 (A) 는, 2 개의 화상들 사이에 변위나 회전이 없기 때문에, 변위 벡터가 스코어링 공간의 좌표 (0, 0) 부근에 분포하고, 스코어링 공간에서는 가파른 피크가 검출된다. 도 4 의 (B) 에서는, 2 개의 화상들 사이에 병진적 변위가 있지만, 변위 벡터는 이 병진에 따라 시프트된 (shifted) 좌표 값들 부근에 분포하므로, 가파른 피크가 검출된다.
한편, 도 4 의 (C) 에서는, 2 개의 화상들 사이에 회전 변동이 있고, 각각의 변위 벡터들에는 회전의 기하학적 변환에 연관되는 변위의 변동이 더해져, 변위 벡터의 분포가 일정하지 않다. 그러므로, 스코어링 공간에서 검출되는 피크 값이 작아지고, 피크가 둔해진다. 또, 화상의 스케일 변동 (확대/축소) 이 발생하는 경우에도, 회전 변동과 마찬가지로 화상의 위치에 따라 변동량이 변화하므로, 피크가 둔해지고 피크 값이 작아진다.
본 실시형태에 따라, 변위 벡터ｖ(s, t) 를 기하학적 변환 파라미터들 (A, b) 을 이용하여 보정함으로써, 기하학적 변환에 연관되는 변동량이 보정되고, 원점의 좌표 값들 (0, 0) 에 가까운 분포를 가지는 변위 벡터ｖ'(s, t) 가 획득될 수 있다.
예를 들어, 도 5 의 (A) 에 보여진 바와 같이, 스코어링 처리를 수행했을 때에 획득되는 피크가 화상의 회전 변동으로 인해 둔한 경우에서도, 기하학적 변환 파라미터를 이용하여 변위 벡터를 보정함으로써, 도 5 의 (B) 에 보여진 바와 같이, 가파르고 큰 피크가 검출된다. 그러므로, 본 실시형태에 따르면, 기하학적 변환에 연관되는 스코어링 공간에서의 피크의 둔함이 해소되어, 2 개의 화상들의 유사도 판정의 정밀도가 향상될 수 있다.
또한, 본 실시형태에 따라, 2 개의 화상들 사이의 변위 벡터는 기하학적 변환 파라미터를 이용하여 보정되므로, 스코어링 처리는 기하학적 변환의 대상인 변위 벡터를 이용함으로써 직접 수행될 수 있다. 그러므로, 화상 정보 자체에 기하학적 변환을 수행하는 경우와 비교하여, 화상의 기하학적 변환 처리를 수행할 필요가 없고, 기하학적으로 변환된 화상에 대하여 국소 영역들을 다시 연관시킬 필요도 없기 때문에, 연산량을 상당히 감소시키는 것이 가능하다.
본 실시형태에서는, 얼굴 화상들의 매칭의 경우가 설명되었지만, 본 발명은 예를 들어 지문 화상들 또는 정맥 화상들과 같은 다른 생체 패턴들의 매칭에 또한 적용될 수 있다는 것에 유의한다. 또한, 본 발명은 생체 패턴들의 매칭 이외에도 다양한 분야들의 화상 매칭에 적용될 수 있다.
이 출원은, 2010년 1월 8일에 출원된 일본 특허출원 번호 제 2010－002569 호로부터의 우선권에 관한 것이며 그 우선권을 주장하며, 그 개시의 전체가 여기에 참조로서 포함된다.
이상, 본 발명은 실시형태들을 참조하여 설명했지만, 본 발명은 전술한 실시형태들로 한정되는 것은 아니다. 본 발명의 구성이나 상세한 사항들은 본 발명의 범위내에서 해당 기술의 당업자에 의해 다양하게 변경될 수 있다.
본 발명은, 예를 들어 회전과 같은 기하학적 변환이 발생하는 경우에도, 매칭 정밀도의 열화를 억제하여, 연산량을 저감하는 것에 적합하게 이용될 수 있다.
100 패턴 매칭 디바이스, 101 변위 벡터 추정 유닛, 102 기하학적 변환 파라미터 추정 유닛, 103 변위 벡터 보정 유닛, 104 스코어링 유닛, 105 피크 검출 유닛, 106 유사도 산출 유닛

Claims (5)

  1. 제 1 화상 내에 설정된 복수의 제 1 국소 영역들과 제 2 화상 내에서 상기 제 1 국소 영역들 각각과 가장 유사한 제 2 국소 영역 사이의 변위 벡터를 추정하는 변위 벡터 추정 유닛;
    복수의 상기 변위 벡터들에 기초하여, 상기 제 1 화상을 상기 제 2 화상으로 기하학적으로 변환하는 기하학적 변환 파라미터를 추정하는 기하학적 변환 파라미터 추정 유닛;
    상기 기하학적 변환 파라미터에 기초하여, 상기 변위 벡터로부터 상기 기하학적 변환에 의해 야기된 변위를 감산하고, 상기 변위 벡터를 보정하는 변위 벡터 보정 유닛;
    상기 변위 벡터 보정 유닛에 의해 보정된 상기 변위 벡터를 각각의 변위 벡터들의 엘리먼트들에 의해 정의된 2 차원 공간에서 스코어링 (scoring) 하는 스코어링 유닛;
    상기 스코어링이 수행된 상기 2 차원 공간에서의 피크를 검출하는 피크 검출 유닛; 및
    상기 피크의 크기에 따라 상기 제 1 화상과 상기 제 2 화상의 유사도를 산출하는 유사도 산출 유닛을 포함하는, 유사도 산출 디바이스.
  2. 제 1 항에 있어서,
    상기 기하학적 변환 파라미터는 아핀 변환 (affine transformation) 의 파라미터인, 유사도 산출 디바이스.
  3. 제 1 항 또는 제 2 항에 있어서
    상기 스코어링 유닛은 상기 스코어링이 수행된 상기 2 차원 공간에 대해 평활화 처리 (smoothing processing) 를 수행하는, 유사도 산출 디바이스.
  4. 제 1 화상 내에 설정된 복수의 제 1 국소 영역들과 제 2 화상 내에서 상기 제 1 국소 영역들 각각과 가장 유사한 제 2 국소 영역 사이의 변위 벡터를 추정하는 단계;
    복수의 상기 변위 벡터들에 기초하여, 상기 제 1 화상을 상기 제 2 화상으로 기하학적으로 변환하는 기하학적 변환 파라미터를 추정하는 단계;
    상기 기하학적 변환 파라미터에 기초하여, 상기 변위 벡터로부터 상기 기하학적 변환에 의해 야기된 변위를 감산하고, 상기 변위 벡터를 보정하는 단계;
    상기 보정된 변위 벡터를 각각의 변위 벡터들의 엘리먼트들에 의해 정의된 2 차원 공간에서 스코어링 (scoring) 하는 단계;
    상기 스코어링이 수행된 상기 2 차원 공간에서의 피크를 검출하는 단계; 및
    상기 피크의 크기에 따라 상기 제 1 화상과 상기 제 2 화상의 유사도를 산출하는 단계를 포함하는, 유사도 산출 방법.
  5. 컴퓨터로 하여금,
    제 1 화상 내에 설정된 복수의 제 1 국소 영역들과 제 2 화상 내에서 상기 제 1 국소 영역들 각각과 가장 유사한 제 2 국소 영역 사이의 변위 벡터를 추정하는 변위 벡터 추정 유닛;
    복수의 상기 변위 벡터들에 기초하여, 상기 제 1 화상을 상기 제 2 화상으로 기하학적으로 변환하는 기하학적 변환 파라미터를 추정하는 기하학적 변환 파라미터 추정 유닛;
    상기 기하학적 변환 파라미터에 기초하여, 상기 변위 벡터로부터 상기 기하학적 변환에 의해 야기된 변위를 감산하고, 상기 변위 벡터를 보정하는 변위 벡터 보정 유닛;
    상기 변위 벡터 보정 유닛에 의해 보정된 상기 변위 벡터를 각각의 변위 벡터들의 엘리먼트들에 의해 정의된 2 차원 공간에서 스코어링 (scoring) 하는 스코어링 유닛;
    상기 스코어링이 수행된 상기 2 차원 공간에서의 피크를 검출하는 피크 검출 유닛; 및
    상기 피크의 크기에 따라 상기 제 1 화상과 상기 제 2 화상의 유사도를 산출하는 유사도 산출 유닛으로서 기능하도록 하는, 프로그램.
KR1020127017705A 2010-01-08 2010-12-15 유사도 산출 디바이스, 유사도 산출 방법 및 프로그램 KR20120094102A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2010-002569 2010-01-08
JP2010002569 2010-01-08

Publications (1)

Publication Number Publication Date
KR20120094102A true KR20120094102A (ko) 2012-08-23

Family

ID=44305402

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020127017705A KR20120094102A (ko) 2010-01-08 2010-12-15 유사도 산출 디바이스, 유사도 산출 방법 및 프로그램

Country Status (6)

Country Link
US (1) US8855373B2 (ko)
EP (1) EP2523161A1 (ko)
JP (1) JP5717055B2 (ko)
KR (1) KR20120094102A (ko)
CN (1) CN102725774B (ko)
WO (1) WO2011083665A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120162449A1 (en) * 2010-12-23 2012-06-28 Matthias Braun Digital image stabilization device and method
JP6349817B2 (ja) * 2014-03-19 2018-07-04 富士通株式会社 位置合わせ装置、位置合わせ方法及び位置合わせ用コンピュータプログラム
JP6497007B2 (ja) * 2014-09-09 2019-04-10 日本電気株式会社 情報処理装置、情報処理方法、及び、プログラム
CN104917931B (zh) * 2015-05-28 2018-03-02 京东方科技集团股份有限公司 运动图像补偿方法及装置、显示装置
CN108256566A (zh) * 2018-01-10 2018-07-06 广东工业大学 一种基于余弦相似度的自适应模版匹配方法及装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3630569B2 (ja) * 1998-10-23 2005-03-16 株式会社東芝 映像領域追跡方法および装置
US6621929B1 (en) * 1999-06-22 2003-09-16 Siemens Corporate Research, Inc. Method for matching images using spatially-varying illumination change models
JP4426029B2 (ja) * 1999-09-27 2010-03-03 富士通株式会社 画像照合方法および装置
JP3576987B2 (ja) * 2001-03-06 2004-10-13 株式会社東芝 画像のテンプレートマッチング方法及び画像処理装置
JP2002298141A (ja) * 2001-03-29 2002-10-11 Nec Corp パターン照合装置とそのパターン照合方法、及びパターン照合プログラム
EP1359536A3 (en) * 2002-04-27 2005-03-23 Samsung Electronics Co., Ltd. Face recognition method and apparatus using component-based face descriptor
US7646891B2 (en) 2002-12-26 2010-01-12 Mitshubishi Denki Kabushiki Kaisha Image processor
JP4178480B2 (ja) 2006-06-14 2008-11-12 ソニー株式会社 画像処理装置、画像処理方法、撮像装置および撮像方法
US8520981B2 (en) * 2007-11-08 2013-08-27 Nec Corporation Document retrieval of feature point groups using a geometrical transformation
WO2009104429A1 (ja) * 2008-02-19 2009-08-27 日本電気株式会社 パターン照合装置、パターン照合方法、及びプログラム
US9305240B2 (en) * 2011-12-07 2016-04-05 Google Technology Holdings LLC Motion aligned distance calculations for image comparisons

Also Published As

Publication number Publication date
WO2011083665A1 (ja) 2011-07-14
EP2523161A1 (en) 2012-11-14
JPWO2011083665A1 (ja) 2013-05-13
JP5717055B2 (ja) 2015-05-13
CN102725774B (zh) 2015-06-17
CN102725774A (zh) 2012-10-10
US20120294492A1 (en) 2012-11-22
US8855373B2 (en) 2014-10-07

Similar Documents

Publication Publication Date Title
US7486825B2 (en) Image processing apparatus and method thereof
JP3944647B2 (ja) 物体計測装置、物体計測方法、およびプログラム
US10636165B2 (en) Information processing apparatus, method and non-transitory computer-readable storage medium
US9275276B2 (en) Posture estimation device and posture estimation method
US10223804B2 (en) Estimation device and method
US10818032B2 (en) Method for object size and rotation estimation based on log-polar space
WO2015014111A1 (zh) 一种光流跟踪方法和装置
JP2008185375A (ja) Ｓａｒ画像の３ｄ形状算出装置及びｓａｒ画像の歪補正装置
KR20120094102A (ko) 유사도 산출 디바이스, 유사도 산출 방법 및 프로그램
US20180122097A1 (en) Apparatus, method, and non-transitory computer-readable storage medium for storing program for position and orientation estimation
JP2014134856A (ja) 被写体識別装置、被写体識別方法および被写体識別プログラム
JP2010039617A (ja) 対象物追跡装置及びプログラム
JP4708740B2 (ja) 画像処理装置及び画像処理方法
US11758110B2 (en) Camera calibration information acquisition device, image processing device, camera calibration information acquisition method, and recording medium
JP6163868B2 (ja) 画像処理方法、画像処理装置および画像処理プログラム
US8582922B2 (en) Image processing device and method
JP2009146150A (ja) 特徴位置検出方法及び特徴位置検出装置
JP4887820B2 (ja) 画像位置計測方法、画像位置計測装置および画像位置計測プログラム
KR101741501B1 (ko) 카메라와 객체 간 거리 추정 장치 및 그 방법
KR102173244B1 (ko) Surf 특징점 추적 기반 영상 안정화 시스템
JP7152506B2 (ja) 撮像装置
JP2012215549A (ja) 追尾装置
JP3351460B2 (ja) 移動体の挙動解析予測装置およびそのうねり対応づけ処理方法
WO2014192061A1 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
US20230011093A1 (en) Adjustment support system and adjustment support method

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
NORF Unpaid initial registration fee