KR20140093801A - 근거리 열상 표적추적을 위한 영역기반 경계향상 방법 - Google Patents

근거리 열상 표적추적을 위한 영역기반 경계향상 방법 Download PDF

Info

Publication number
KR20140093801A
KR20140093801A KR1020130005253A KR20130005253A KR20140093801A KR 20140093801 A KR20140093801 A KR 20140093801A KR 1020130005253 A KR1020130005253 A KR 1020130005253A KR 20130005253 A KR20130005253 A KR 20130005253A KR 20140093801 A KR20140093801 A KR 20140093801A
Authority
KR
South Korea
Prior art keywords
boundary
target
tracking
region
image
Prior art date
Application number
KR1020130005253A
Other languages
English (en)
Other versions
KR101426864B1 (ko
Inventor
강재웅
정영헌
성기열
윤주홍
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020130005253A priority Critical patent/KR101426864B1/ko
Publication of KR20140093801A publication Critical patent/KR20140093801A/ko
Application granted granted Critical
Publication of KR101426864B1 publication Critical patent/KR101426864B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Abstract

본 발명은 표적의 열상정보를 획득하여 표적의 궤적을 추적하기 위해 추적창 조절을 이용하는 영상추적기의 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에 관한 것으로, 상기 발명은 상기 획득된 열상정보를 휘도 기울기 생성을 통해 경계 영상으로 변환하고 배경의 경계를 약화시킨 기준영상을 크기가 동일한 사전에 정해진 개수의 영역으로 분할하는 단계; 및 상기 분할된 영역들 각각에 속하는 경계의 세기를 비교하여 세기의 차이가 나는 영역들 간에는 보간을 수행하고 상기 영역들 각각에 속한 픽셀의 평균값을 이용하여 상기 추적창 조절을 수행하는 단계를 포함하는 것을 특징으로 한다. 이에 의해 본 발명은 영상추적을 위한 영역기반 경계영상을 향상시킴으로써 근거리 열상 표적 추적의 정확성과 지속성을 향상시킬 수 있다.

Description

근거리 열상 표적추적을 위한 영역기반 경계향상 방법{Region-based edge enhancement method for short-distance thermal target tracking}
본 발명은 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에 관한 것으로, 표적의 열상정보를 획득하고 분석하여 표적의 궤적을 추적하기 위해 추적창 조절을 이용하는 영상추적기의 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에 관한 것이다.
근거리 열상 표적추적은 적외선 센서 등에 의해 획득된 표적의 열상정보를 이용하여 표적의 궤적을 실시간으로 계산하는 것이다. 표적의 열상을 이용하여 상관추적을 수행할 시, 화상에서 움직이는 표적을 알맞게 추출하는 것은 불가능하며 추적을 유지하는 동안에도 표적이 기준영상에서 밀려 나오는 편류가 발생한다.
이러한 현상은 추적창 조절로 보완할 수 있으나 표적의 거리와 종류, 배경 등에 의존적이다. 특히, 원거리 표적은 단조로운 형상을 띠어 추적창 조절이 안정적이나 근거리 표적은 복잡한 윤곽을 가짐과 동시에 표적의 온도 분포도 복잡하여 추적창이 왜곡될 가능성이 크다.
종래 근거리 열상 표적추적에서 영상추적을 위한 경계향상 방법은 표적의 전체 영상을 기준으로 경계향상을 수행하며, 이 중에 하나인 EENC(Edge-Enhancement Normalized Correlation)는 표적영상을 휘도 기울기의 세기(Gradient Magnitude)로 변환하여 경계를 생성하고 수학식 1과 같이 경계영상을 향상한다.
Figure pat00001
는 픽셀좌표가
Figure pat00002
인 경계영상의 픽셀을 Gray-level(0~255) 값을 나타내고
Figure pat00003
와
Figure pat00004
은 각각 전체 경계영상에서 Gray-level이 가장 큰 픽셀 값과 가장 작은 픽셀 값을 나타낸다.
Figure pat00005
그러나 이와 같이 표적 전체의 경계영상을 단일한 기준으로 향상하는 방법은 표적 내부의 온도차이를 고려하지 않아 표적 내부의 윤곽을 부각시키면서 배경과의 윤곽을 약화시키고 추적창 조절 알고리즘의 성능을 저하시킨다.
상관추적의 잘못된 표적 인식과 기준영상의 편류는 참조영상 갱신(Reference Template Update)으로 완화할 수 있으나 두 가지 요인으로 인해 완전한 해결은 불가능하다.
첫 번째, 배경 픽셀들이 기준영상 내로 유입되어 표적으로 지정한 객체 대신 클러터를 표적으로 인식한다. 두 번째, 정밀한 팬-틸트 제어 알고리즘을 사용하여도 표적은 화면의 중앙에서 벗어난다.
이러한 문제점들은 매 프레임마다 산출되는 표적의 중심과 크기를 보정함으로써 해결이 가능하며, 이를 위한 종래 추적창 조절 기법 중에 하나인 BMRA(Best Matched Rectangle Adjustment)는 표적이 기준영상의 중앙에 위치하도록 추적창의 위치와 크기를 조절한다.
도 1은 종래 발명에 따른 BMRA의 대칭 비교 영역을 나타내는 도면이다. 도 1을 참조하면, BMRA는 기준영상을 휘도 기울기(Gradient) 생성을 통해 경계영상으로 변환하고 도 1의 (a)과 같이 동일한 크기(
Figure pat00006
Figure pat00007
Figure pat00008
)의 9개 영역으로 분할한다. 기준영상의 크기와 추적창의 크기는 동일하다.
각 영역에 속한 경계 화소들의 평균값
Figure pat00009
(
Figure pat00010
= 1, 2, 3, ..., 9)은 추적창의 크기와 위치를 조절하기 위해 사용되며 도 1의 (b), (c), (d)는 각각의 영역을 비교하는 방법을 나타낸다.
"uc"로 표시된 관심영역(region under consideration)을 "c"로 표시된 중앙영역(Central region)과 "opp"로 표시된 대항영역(opposite region)에 비교하고, 비교한 결과에 따라 관심영역이 위치한 쪽의 추적창 크기를 증가시키거나 축소시킨다. 즉, BMRA의 추적창 조절 방식은 표적과 배경 사이의 윤곽이 두드러지고 그 세기의 분포가 균일할 때 가장 좋은 성능을 가질 수 있다.
일반적으로 중 · 원거리 열상의 표적은 배경보다 밝고 형상이 단조로워 문턱치 처리만으로 표적을 쉽게 배경으로부터 분리할 수 있다.
그러나 근거리 열상의 표적은 내부의 온도 차이로 인해 대조비가 높고 지역적으로 명도(intensity)의 피크-레벨(peak-level)을 형성하는 경향이 강하여 임계 분할과 경계 생성이 까다롭다.
또한 지상 표적에 사용되는 대부분의 추적창 조절 기법들은 표적과 배경의 경계를 나타내는 휘도 기울기의 크기(Gradient Magnitude)를 사용하므로, 근거리 표적과 같이 표적-배경의 경계 세기보다 표적 내부의 경계 세기가 크게 나오는 경우에는 추적창이 축소되거나 축소된 상태에서 가림이나 선회와 같은 이유로 소멸되는 문제가 발생한다.
즉 표적의 거리에 따른 대조비 변화는 열상의 특징을 민감하게 변화시키는 요소로, 근거리 열상은 단조로운 레벨 분포를 가지는 원거리 열상과는 달리 표적자체의 밝기 레벨의 차이가 심화되어 추적창 조절의 성능이 떨어지고 추적창이 비대해짐에 따라 기준영상의 편류가 발생하거나 추적창이 축소됨에 따라 표적정보가 손실된다. 이는 추적의 지속성을 떨어뜨리며 형상변화가 심할수록 가속화된다.
본 발명의 목적은 표적과 배경 사이에 형성되는 경계의 세기를 일정한 수준으로 유지하여 경계창이 축소되거나 소멸되는 현상을 막음으로써 근거리 열상 표적 추적의 정확성과 지속성을 향상시킬 수 있는 근거리 열상 표적추적을 위한 영역기반 경계향상 방법을 제공하는 것이다.
상기 목적을 달성하기 위한 본 발명의 일 측면은 표적의 열상정보를 획득하여 표적의 궤적을 추적하기 위해 추적창 조절을 이용하는 영상추적기의 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에 관한 것이다.
본 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 상기 획득된 열상정보를 휘도 기울기 생성을 통해 경계 영상으로 변환하고 배경의 경계를 약화시킨 기준영상을 크기가 동일한 사전에 정해진 개수의 영역으로 분할하는 단계; 및 상기 분할된 영역들 각각에 속하는 경계의 세기를 비교하여 세기의 차이가 나는 영역들 간에는 보간을 수행하고 상기 영역들 각각에 속한 픽셀의 평균값을 이용하여 상기 추적창 조절을 수행하는 단계를 포함하는 것을 특징으로 한다.
상기 보간의 수행방법은 상기 추적창의 크기 조절에 대응하여 블록마스크의 크기가 변경되도록 블록기반 등화방식을 변경할 수 있다.
상기 블록기반 등화방식은, POSHE(Partially Overlapped Sub-block Histogram Equalization)을 사용하여, 상기 영역들이 9개로 분할되고, 상기 분할된 9개의 영역들을 4개씩 군집시켜 상기 9개의 영역들 중 인접 영역을 포함하는 서브블록을 구성하고, 상기 영역들 중 중심 영역의 히스토그램과 상기 중심 영역과 인접한 영역의 히스토그램의 비율을 이용하여 상기 9개의 영역들의 등화함수를 결정할 수 있다.
상기 추적창 조절은 경계영상의 휘도 기울기의 세기를 등화하는 것에 의해 구현될 수 있다.
이와 같이 본 발명은 기준영상을 휘도 기울기 생성을 통해 경계 영상으로 변환하고 크기가 동일한 9개 영역으로 나누고 각각의 영역에 속한 경계의 세기를 비교하여 세기가 차이나는 영역 간에는 보간을 수행하고 각 영역에 속한 픽셀의 평균값을 이용하여 추적창 조절을 수행하는 것에 의해 영상추적을 위한 영역기반 경계영상을 향상시킴으로써 근거리 열상 표적 추적의 정확성과 지속성을 향상시킬 수 있다.
도 1은 종래 발명에 따른 BMRA(Best Matched Rectangle Adjustment)의 대칭 비교 영역을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 POSHE(Partially Overlapped Sub-block Histogram Equalization)의 서브 블록 구조와 확률밀도함수(probability density function, pdf)를 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에서 기준영상을 POSHE로 등화하는 방법을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에서 변환 함수별 히스토그램 추출 방법을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에 대한 블록도이다.
도 6은 종래 입력영상 전체를 등화하고 경계를 추출하는 알고리즘에 대한 블록도이다.
도 7은 표적영상을 등화하고 경계를 추출하는 알고리즘에 대한 블록도이다.
도 8은 종래 경계 추출알고리즘과 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법의 추적창 변화형상을 비교하기 위한 실험결과를 보여주는 도면이다.
본 발명을 첨부된 도면을 참조하여 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
이하에서는 도 2 내지 도 8을 참조하여 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에 대해 설명한다.
본 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 움직이는 표적의 열상정보를 획득하고 분석하여 표적의 궤적을 추적하는 영상추적기의 소프트웨어적 알고리즘이다.
본 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은, 획득된 열상정보를 휘도 기울기 생성을 통해 경계 영상으로 변환하고 크기가 동일한 사전에 정해진 개수의 영역으로 나누며, 각 영역에 속한 경계의 세기를 비교하여 세기의 차이가 나는 영역들 간에는 보간을 수행하고, 각 영역에 속한 픽셀의 평균값을 이용하여 추적창을 조절한다.
사전에 정해진 영역들 중 이웃한 영역 간에 경계의 세기를 비교하고 보간하는 처리과정에서 보간의 방법은 크기가 가변적인 추적창 환경에 대응하여 변경되도록 블록기반 등화를 수행한다.
구체적으로 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 블록기반 등화방식으로 중첩 영역기반 명암대비 향상 기법 중에 하나인 POSHE(Partially Overlapped Sub-block Histogram Equalization)을 사용한다.
본 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 블록기반 등화방식으로 중첩 영역기반 명암대비 향상 기법 중에 하나로서, 크기가 가변적인 추적창 환경에 대응하여 변경될 수 있다.
블록기반 등화방식은 블록 마스크가 적용되는 범위를 표적 면적으로 한정하며, 표적 내에서도 윤곽이 균형있게 등화되도록 가중치를 설정할 수 있다.
이에 의해 본 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 표적과 배경 사이에 형성되는 경계의 세기를 일정한 수준으로 유지하여 경계창이 축소되거나 소멸되는 현상을 막음으로써 추적의 정확성과 지속성을 향상시킬 수 있다.
도 2는 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에서 사용되는 POSHE의 서브 블록 구조와 확률 밀도함수(probability density function, pdf)를 나타내는 도면이다.
도 2의 (a)을 참조하면, 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 POSHE를 사용하여 인접 영역을 포함하는 서브블록을 설정한다. 즉 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 (a)는 9개로 나눠진 영역을 4개씩 군집시켜 서브블록(T1, T2, T3, T4)을 구성한 것을 나타내고 (b)는 중심 영역의 등화함수를 결정할 때, 자신의 히스토그램과 인접한 영역에서 얻는 히스토그램의 비율을 나타낸다. 이러한 마스크 형태의 블록구조는 저역통과 필터와 유사한 기능을 수행할 수 있다.
도 3은 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에서 POSHE의 블록 마스크의 크기가 조정 가능하다는 전제로 기준영상을 POSHE로 등화하는 방법을 나타낸다. 즉 도 4는 POSHE를 사용하여 등화할 시 블록 마스크가 대응되는 구조를 나타낸다.
Figure pat00011
Figure pat00012
Figure pat00013
크기의 기준영상을 동일한 크기의 블록으로 나누고 각각의 블록의 등화함수를 산출하기 위해 추가적으로 배경영역을 사용한다.
근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 기준영상을 등화화기 위해 먼저 휘도 기울기가 표적과 배경 사이에서 강하게 나타나도록 유도한다.
즉 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 추적창에서 중앙을 제외한 8개 영역은 대조를 강조한다. 이 8개 영역은 표적과 배경 사이에 형성되는 경계를 포함할 확률이 크기 때문이다.
반면 추적창의 외부에 있는 배경픽셀들은, 표적을 둘러싼 경계 형성과 관련이 낮으므로 도 3과 같이 추적창 외부픽셀들의 히스토그램 정보가 기준영상에 반영되지 않도록 블록 마스크의 구조를 변경한다.
도 4는 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에서 변환 함수별 히스토그램 추출 방법을 나타낸다. 즉 도 4는 본 실시예에 따른 영역기반 경계향상 기법을 적용하는 구조를 나타낸다.
도 4를 참조하면, 각 영역을
Figure pat00014
,
Figure pat00015
, ...,
Figure pat00016
로, 각 영역에 반영되는 등화함수를
Figure pat00017
,
Figure pat00018
, ....,
Figure pat00019
로 명명한다. 각 영역의 등화함수를 결정하기 위해 히스토그램 누적분포를 추출하는 서브영역은 2
Figure pat00020
2영역 크기의 4개로 구성하고 각각의 등화함수를
Figure pat00021
,
Figure pat00022
, ...,
Figure pat00023
로 명명한다.
각 영역은 도 4에 도시된 바와 같이 해당 영역을 포함하는 서브영역의 히스토그램 정보로 등화함수를 결정한다.
예를 들어,
Figure pat00024
의 등화함수
Figure pat00025
를 결정하기 위한 히스토그램 추출 영역은 도 4의 좌측 도면과 같이
Figure pat00026
를 포함하는 단일 서브영역이 되고,
Figure pat00027
와
Figure pat00028
를 결정하기 위한 히스토그램 추출 영역은 도 4의 중앙과 우측 도면과 같이 각각 2개와 4개의 서브영역이 된다.
Figure pat00029
는
Figure pat00030
부터
Figure pat00031
,
Figure pat00032
는
Figure pat00033
에 있으면서
Figure pat00034
번째 레벨에 해당하는 픽셀의 개수라고 할 때,
Figure pat00035
의 등화 함수는
Figure pat00036
는 수학식 2와 같으며 서브-영역의 등화함수
Figure pat00037
,
Figure pat00038
,
Figure pat00039
,
Figure pat00040
는 수학식 3과 같다.
Figure pat00041
Figure pat00042
Figure pat00043
Figure pat00044
Figure pat00045
Figure pat00046
Figure pat00047
Figure pat00048
Figure pat00049
Figure pat00050
는
Figure pat00051
에 위치한
Figure pat00052
레벨 픽셀의 빈도수를 나타내며 확률밀도함수의 조건은 수학식 4와 같다.
Figure pat00053
Figure pat00054
Figure pat00055
Figure pat00056
,
Figure pat00057
,
Figure pat00058
,
Figure pat00059
의 등화 함수는 히스토그램 등화 함수의 중복이 2번이므로
Figure pat00060
의 등화함수
Figure pat00061
는 수학식 5와 같으며 서브-영역 히스토그램 평탄화 함수
Figure pat00062
,
Figure pat00063
는 수학식 6과 같다.
Figure pat00064
Figure pat00065
Figure pat00066
Figure pat00067
Figure pat00068
Figure pat00069
Figure pat00070
Figure pat00071
,
Figure pat00072
,
Figure pat00073
,
Figure pat00074
의 등화 함수는 히스토그램 등화 함수의 중복이 없으므로 서브-영역
Figure pat00075
의 등화 함수
Figure pat00076
는 수학식 7과 같다.
Figure pat00077
Figure pat00078
도 5는 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에 대한 블록도이고, 도 6은 종래 입력영상 전체를 등화하고 경계를 추출하는 알고리즘에 대한 블록도이며, 도 7은 표적영상을 등화하고 경계를 추출하는 알고리즘에 대한 블록도이고, 도 8은 종래 경계 추출알고리즘과 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법의 추적창 변화형상을 비교하기 위한 실험결과를 보여주는 도면이다.
이하 도 5 내지 도 8을 참조하여, 본 발명의 일 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법의 효과를 기존의 방법과 비교하여 설명한다. 도 5 내지 도 7에서는 본 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법과 종래 경계 추출알고리즘을 객관적으로 비교 및 분석하기 위해 일반적인 상관도 기반의 추적 절차를 따르는 시뮬레이터를 구성하고 추적창 조절을 제외한 나머지 처리과정과 설정값은 동일하게 반영하였다.
일반적인 상관도 기반의 추적절차(Normal Tracking)는 표적의 위치를 산출하기 위한 Cross-Correlation 단계, 표적의 크기를 계산하기 위한 Set Target Window 단계, 기준영상을 업데이트하기 위한 Template Update 단계, 추적창 조절을 위한 Window Adjustment 단계, 및 상관도 값이 기준치(0.85) 이상인 경우에 추적절차(Normal Tracking)을 수행하고 기준치(0.85)에 미치지 못하는 경우 예외절차(Coast Tracking)을 수행하는 Normalize Corr.Peak 단계와 Corr.Peak>0.85 단계를 포함할 수 있다.
도 5에 도시된 바와 같이, 본 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 표적과 배경의 휘도 기울기를 구하는 시점을 기준으로 BRC(Before Region-based CEM)로 명명한다. CEM은 Contrast Enhancement로서 대조비 향상을 의미한다.
도 6에 도시된 바와 같이, 종래 입력영상 전체를 등화하고 경계를 추출하는 알고리즘은, 표적과 배경의 휘도 기울기를 구하는 시점을 기준으로 AGC(After Global CEM)로 명명한다.
도 7에 도시된 바와 같이, 표적영상을 등화하는 알고리즘은, 표적과 배경의 휘도 기울기를 구하는 시점을 기준으로 ALC(After Local CEM)로 명명한다. ALC는 등화하는 영역을 기준영상으로 제한하는 방식으로 등화면적에 따른 추적창의 변화 형상을 나타냄으로써 본 실시예에 따른 BRC와의 차이를 나타낸다.
도 8과 같은 비교를 위해, 제 열상장비를 사용하여 야외에서 획득한 영상을 사용하였다. 실험환경은 MATLAB 7.0이며 입력 영상은 VGA(640480) 30Hz의 raw 영상을 사용하였다.
도 8에 도시된 바와 같이, 열상에서 표적이 선회를 동반하여 이동한 경우, AGC와 BRC의 추적창 변화 형상이 나타났다. 전반적으로 AGC와 ALC는 추적창이 경계의 세기를 반영한 무게중심적 지향을 하는 반면 본 실시예에 따른 BRC는 추적창이 표적의 형상을 중심으로 지향하였다.
이와 같이 본 실시예에 따른 근거리 열상 표적추적을 위한 영역기반 경계향상 방법은 상관추적의 기준영상을 크기가 동일한 영역으로 나누고 영역 단위로 등화함수를 조정하여 경계의 세기가 아닌 경계의 밀도에 근접한 값으로 추적창 조절을 수행함으로써, 측정된 표적의 중심이 표적 형상의 중심이 되도록 유도하고 기준영상에 속한 배경을 최소화함으로써 추적의 정확성과 지속성을 최대화할 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속함을 이해해야 할 것이다.

Claims (4)

  1. 표적의 열상정보를 획득하여 표적의 궤적을 추적하기 위해 추적창 조절을 이용하는 영상추적기의 근거리 열상 표적추적을 위한 영역기반 경계향상 방법에 있어서,
    상기 획득된 열상정보를 휘도 기울기 생성을 통해 경계 영상으로 변환하고 배경의 경계를 약화시킨 기준영상을 크기가 동일한 사전에 정해진 개수의 영역으로 분할하는 단계; 및
    상기 분할된 영역들 각각에 속하는 경계의 세기를 비교하여 세기의 차이가 나는 영역들 간에는 보간을 수행하고 상기 영역들 각각에 속한 픽셀의 평균값을 이용하여 상기 추적창 조절을 수행하는 단계를 포함하는 것을 특징으로 하는 근거리 열상 표적추적을 위한 영역기반 경계향상 방법.
  2. 제1항에 있어서,
    상기 보간의 수행방법은 상기 추적창의 크기 조절에 대응하여 블록 마스크의 크기가 변경되도록 블록기반 등화방식을 변경하는 것을 특징으로 하는 근거리 열상 표적추적을 위한 영역기반 경계향상 방법.
  3. 제2항에 있어서,
    상기 블록기반 등화방식은, POSHE(Partially Overlapped Sub-block Histogram Equalization)을 사용하여, 상기 영역들이 9개로 분할되고, 상기 분할된 9개의 영역들을 4개씩 군집시켜 상기 9개의 영역들 중 인접 영역을 포함하는 서브블록을 구성하고, 상기 영역들 중 중심 영역의 히스토그램과 상기 중심 영역과 인접한 영역의 히스토그램의 비율을 이용하여 상기 9개의 영역들의 등화함수를 결정하는 것을 특징으로 하는 근거리 열상 표적추적을 위한 영역기반 경계향상 방법.
  4. 제1항에 있어서,
    상기 추적창 조절은 경계영상의 휘도 기울기의 세기를 등화하는 것에 의해 구현되는 것을 특징으로 하는 근거리 열상 표적추적을 위한 영역기반 경계향상 방법.
KR1020130005253A 2013-01-17 2013-01-17 근거리 열상 표적추적을 위한 영역기반 경계향상 방법 KR101426864B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130005253A KR101426864B1 (ko) 2013-01-17 2013-01-17 근거리 열상 표적추적을 위한 영역기반 경계향상 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130005253A KR101426864B1 (ko) 2013-01-17 2013-01-17 근거리 열상 표적추적을 위한 영역기반 경계향상 방법

Publications (2)

Publication Number Publication Date
KR20140093801A true KR20140093801A (ko) 2014-07-29
KR101426864B1 KR101426864B1 (ko) 2014-08-07

Family

ID=51739792

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130005253A KR101426864B1 (ko) 2013-01-17 2013-01-17 근거리 열상 표적추적을 위한 영역기반 경계향상 방법

Country Status (1)

Country Link
KR (1) KR101426864B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628174B1 (ko) * 2014-12-09 2016-06-08 국방과학연구소 열원내장 이동객체와 주변 간의 상호 열교환 효과를 반영한 합성적외선영상 생성방법
CN113093469A (zh) * 2020-01-08 2021-07-09 中芯国际集成电路制造(上海)有限公司 目标图形修正、掩膜版制作及半导体结构形成的方法
CN113853515A (zh) * 2019-05-30 2021-12-28 松下知识产权经营株式会社 运动物体的应力分析装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101750162B1 (ko) 2015-07-17 2017-06-23 국방과학연구소 유도무기 체계에서의 표적 추적 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005242703A (ja) 2004-02-26 2005-09-08 Toyota Motor Corp 画像処理装置および画像処理方法
KR20090041068A (ko) * 2007-10-23 2009-04-28 엘아이지넥스원 주식회사 표적 추적 방법 및 장치
JP5759170B2 (ja) 2010-12-27 2015-08-05 キヤノン株式会社 追尾装置およびその制御方法
KR101087592B1 (ko) 2011-03-11 2011-11-29 국방과학연구소 Ｉｒ 영상추적기의 단일표적 추적성능 향상 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101628174B1 (ko) * 2014-12-09 2016-06-08 국방과학연구소 열원내장 이동객체와 주변 간의 상호 열교환 효과를 반영한 합성적외선영상 생성방법
CN113853515A (zh) * 2019-05-30 2021-12-28 松下知识产权经营株式会社 运动物体的应力分析装置
CN113853515B (zh) * 2019-05-30 2024-03-19 松下知识产权经营株式会社 运动物体的应力分析装置
CN113093469A (zh) * 2020-01-08 2021-07-09 中芯国际集成电路制造(上海)有限公司 目标图形修正、掩膜版制作及半导体结构形成的方法

Also Published As

Publication number Publication date
KR101426864B1 (ko) 2014-08-07

Similar Documents

Publication Publication Date Title
Chen et al. A highly accurate and computationally efficient approach for unconstrained iris segmentation
CN107886498B (zh) 一种基于星载图像序列的空间目标检测跟踪方法
CN105469094B (zh) 一种路面二值图像的边缘矢量线提取方法
CN109460764B (zh) 一种结合亮度特征与改进帧间差分法的卫星视频船舶监测方法
KR20130044099A (ko) 영상 처리 방법 및 장치
KR101426864B1 (ko) 근거리 열상 표적추적을 위한 영역기반 경계향상 방법
CN106204617B (zh) 基于残差图像直方图循环移位的自适应图像二值化方法
CN104933738A (zh) 一种基于局部结构检测和对比度的视觉显著图生成方法
Xu et al. A novel star image thresholding method for effective segmentation and centroid statistics
Přibyl et al. Feature point detection under extreme lighting conditions
CN101976436A (zh) 一种基于差分图修正的像素级多聚焦图像融合方法
CN110378924A (zh) 基于局部熵的水平集图像分割方法
Lian et al. A novel method on moving-objects detection based on background subtraction and three frames differencing
CN104197933A (zh) 一种望远镜视场中高星等滑动恒星的增强和提取方法
CN106295657A (zh) 一种视频数据结构化过程中提取人体高度特征的方法
CN109886195A (zh) 基于深度相机近红外单色灰度图的皮肤识别方法
CN113902694A (zh) 一种基于动静结合的目标检测方法
JP6079076B2 (ja) 物体追跡装置及び物体追跡方法
CN105243661A (zh) 一种基于susan算子的角点检测方法
CN108230365A (zh) 基于多源差异图像内容融合的sar图像变化检测方法
Junxia et al. Hand detection based on depth information and color information of the Kinect
JP5217917B2 (ja) 物体検知追跡装置，物体検知追跡方法および物体検知追跡プログラム
Chen et al. A computational efficient iris extraction approach in unconstrained environments
JP2024060851A (ja) 空撮画像変化抽出装置
CN106683128B (zh) 一种用于机场跑道图像的亚像素配准方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20170703

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180703

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190702

Year of fee payment: 6