KR20150020750A

KR20150020750A - 클러스터링 기법을 이용한 다수 영상의 합성 시스템 및 방법

Info

Publication number: KR20150020750A
Application number: KR20130097556A
Authority: KR
Inventors: 장민수; 서지원
Original assignee: 현대모비스 주식회사
Priority date: 2013-08-19
Filing date: 2013-08-19
Publication date: 2015-02-27
Also published as: CN104427262A; KR101497933B1; CN104427262B; US20150049950A1; US9367906B2

Abstract

본 발명은 복수 개의 영상을 합성할 때 클러스터링 기법을 이용함으로써 복수 영상들의 연결 영역에서의 밝기 차이를 최소화하는 다수 영상의 합성 시스템 및 방법에 관한 것으로, 본 발명의 다수 영상의 합성 방법은 둘 이상의 입력 영상을 입력받는 단계와, 둘 이상의 입력 영상을 하나의 합성 영상으로 합성하는 단계와, 합성 영상에서 각 입력 영상의 밝기 분포도를 산출하는 단계와, 밝기 분포도에서 하나 이상의 증감곡선(모달;modal)의 밝기 대표값을 산출하는 단계와, 밝기 대표값을 통해 각 입력 영상의 클러스터링 여부 및 클러스터링 타입을 판단하고 각 증감곡선을 그룹화하는 단계와, 각 그룹화된 증감곡선들의 밝기 대표값을 통해 각 그룹의 보정 목표치를 산출하는 단계와, 각 그룹의 보정 목표치에서 해당 그룹의 각 증감곡선의 밝기 대표값을 감산하여 각 증감곡선의 보정치를 산출하는 단계와, 각 입력 영상의 화소값에 따라 대응하는 보정치를 가산하여 밝기를 보정하는 단계를 포함한다.

Description

클러스터링 기법을 이용한 다수 영상의 합성 시스템 및 방법{System and Method for compositing various images using clustering technique}

본 발명은 다수 영상의 합성 시스템 및 방법에 관한 것으로, 더 구체적으로는 복수 개의 카메라로부터 획득한 복수의 영상을 하나의 영상으로 합성할 때 클러스터링 기법을 이용해 연결 영역에서의 밝기 차이를 최소화하기 위한 클러스터링 기법을 이용한 다수 영상의 합성 시스템 및 방법에 관한 것이다.

사고 위험 방지, 주차시 편리함 등을 위해 자동차에 블랙박스나 후방카메라의 기능을 탑재하는 사용자들이 많아지고 있다.

그에 따라, 최근에는 차량의 전후방뿐만 아니라 좌우측면에도 카메라를 설치해 총 4대의 카메라가 차량 위에서 내려다보는 것처럼 디스플레이에 출력되는 AVM(Around View Monitor) 시스템이 개발되었다.

이 AVM 시스템은 차량의 사방에 설치된 카메라로부터 얻어진 영상을 합성함으로써 차량 앞쪽에 장착된 모니터를 통해 사용자가 편리하게 주위를 관찰할 수 있도록 설계되었다.

그러나 종래의 AVM 시스템은 차량에 설치된 각 카메라의 촬영 영상 밝기가 서로 달라 합성 후의 영상이 매끄럽지 못해 사용자가 자연스러움을 느끼지 못하는 문제점이 있었다.

또한, 일본 공개 특허(2010-187161)에서 제안하는 차재 카메라의 화상 합성 표시 방법은 화상 밝기를 화상에 속하는 전체 화소의 평균치로 산출하기 때문에, 타 물체나 그림자에 의해 밝기 평균값 또는 gain에 오차가 발생하여 정확한 밝기 보정이 어렵다는 문제점이 있었다.

일본공개특허 제2010-187161호(출원일 : 2009.02.12)

본 발명의 목적은 복수 개의 카메라로부터 얻은 영상을 하나의 영상으로 합성할 때 클러스터링 기법을 이용해 연결 영역에서의 밝기 차이를 최소화하는 클러스터링 기법을 이용한 다수 영상의 합성 시스템 및 방법을 제공하는 것이다.

또한, 사용자가 이질감을 느끼지 않고 운전에 더 집중할 수 있는 환경을 만드는 클러스터링 기법을 이용한 다수 영상의 합성 시스템 및 방법을 제공하는 것이다.

상술한 본 발명의 목적을 달성하기 위하여, 클러스터링 기법을 이용한 다수 영상의 합성 방법은 둘 이상의 입력 영상을 입력받는 단계와, 둘 이상의 입력 영상을 하나의 합성 영상으로 합성하는 단계와, 합성 영상에서 각 입력 영상의 밝기 분포도를 산출하는 단계와, 밝기 분포도에서 하나 이상의 증감곡선(모달;modal)의 밝기 대표값을 산출하는 단계와, 밝기 대표값을 통해 각 입력 영상의 클러스터링 여부 및 클러스터링 타입을 판단하고 각 증감곡선을 그룹화하는 단계와, 각 그룹화된 증감곡선들의 밝기 대표값을 통해 각 그룹의 보정 목표치를 산출하는 단계와, 각 그룹의 보정 목표치에서 해당 그룹의 각 증감곡선의 밝기 대표값을 감산하여 각 증감곡선의 보정치를 산출하는 단계와, 각 입력 영상의 화소값에 따라 대응하는 보정치를 가산하여 밝기를 보정하는 단계를 포함하는 것을 특징으로 한다.

각 입력 영상의 밝기 분포도 산출 단계에서, 밝기 분포도는 합성 영상에서 각 입력 영상에 해당하는 전체 영역에서 산출되거나 합성 영상에서 각 입력 영상끼리 인접하는 영역에서 산출될 수 있다.

또한, 밝기 분포도는 양자화 레벨을 일반적인 밝기 레벨인 256레벨(8비트)보다 낮추어 밝기 분포도의 형태를 단순화시킨다.

하나 이상의 증감곡선의 밝기 대표값을 산출하는 단계에서, 증감곡선은 적어도 한 개 이상의 극대를 포함하는 극소와 극소 사이의 포물선 형태를 가지는 곡선을 의미하며, 밝기 대표값은 상기 각 증감곡선의 화소들의 평균 밝기값 또는 극대값 중 어느 하나로 산출될 수 있다.

각 입력 영상의 클러스터링 여부 및 클러스터링 타입을 판단하고 각 증감곡선을 그룹화하는 단계에서, 밝기 대표값이 유사한 각 증감곡선끼리 같은 그룹으로 분류되는 클러스터링 기법이 이용된다.

클러스터링 타입은 밝기 대표값이 두 개 이상인 입력 영상의 증감곡선들을 동시에 같은 그룹으로 분류하는 일괄 클러스터링과 입력 영상들의 증감곡선들을 밝기 대표값이 유사한 증감곡선이 속해 있는 그룹으로 하나씩 분류하는 개별 클러스터링으로 나누어진다.

일괄 클러스터링은 밝기 대표값이 두 개 이상인 입력 영상의 증감곡선들을 동시에 같은 그룹으로 분류하는 것으로, 밝기 대표값이 한 개인 입력 영상들의 밝기 대표값의 평균을 산출하고, 밝기 대표값이 두 개인 입력 영상의 밝기 대표값들과의 차이를 비교해 절대값이 가장 작은 밝기 대표값을 갖는 증감곡선과 같은 그룹으로 밝기 대표값이 한 개인 입력 영상의 증감곡선들을 모두 한꺼번에 일괄 클러스터링하는 것을 특징으로 하고, 개별 클러스터링은 입력 영상의 밝기 대표값이 두 개이거나 이미 클러스터링이 완료된 밝기 대표값들의 평균을 참조하여 클러스터링하는 것을 특징으로 한다.

보정 목표치 산출 단계에서,

보정 목표치는 각 그룹화된 증감곡선들의 밝기 대표값들의 평균값 또는 가장 면적이 넓은 증감곡선의 대표값 또는 가장 극대값이 큰 증감곡선의 대표값 중 어느 하나로 산출될 수 있다.

보정치 산출 단계에서,

각 증감곡선에 해당하는 보정치는 각 증감곡선이 속한 그룹의 보정 목표치에서 각 증감곡선의 밝기 대표값을 감산한 값으로 산출된다.

밝기 보정 단계에서,

각 증감곡선의 보정치에 입력 영상의 화소값에 의한 가중치를 곱하여 입력 영상의 화소값에 따라 각각 대응하는 보정치를 산출하고, 입력 영상의 화소값에 따라 각각 대응하는 보정치를 보정 전의 입력 영상의 화소값에 각각 더하여 밝기를 보정한다.

본 발명의 클러스터링 기법을 이용한 다수 영상의 합성 시스템 및 방법에 따르면, 복수 개의 영상을 합성할 때 클러스터링 기법을 이용함으로써 복수 영상들의 연결 영역에서의 밝기 차이가 최소화되어 사용자가 이질감을 느끼지 않고 운전에 더 집중할 수 있어 사고 발생 위험을 방지하고, 또한 주차시 편리함을 제공할 수 있다.

도 1은 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 다수 영상의 합성 시스템의 개략도;
도 2는 본 발명의 클러스터링 기법을 이용한 다수 영상의 합성 방법을 나타내는 흐름도;
도 3은 증감곡선을 나타내는 개략도;
도 4는 클러스터링 여부 및 타입 판단을 위한 흐름도;
도 5는 밝기 대표값과 입력 영상의 개수에 따른 클러스터링 여부 및 타입 판단을 위한 개략도;
도 6은 밝기 대표값이 한 개인 입력 영상이 세 개, 밝기 대표값이 두 개인 입력 영상이 한 개 입력되었을 때의 클러스터링 타입 판단을 위한 흐름도; 및
도 7은 밝기 대표값이 한 개인 입력 영상이 두 개, 밝기 대표값이 두 개인 입력 영상이 두 개 입력되었을 때의 클러스터링 타입 판단을 위한 흐름도이다.

이하, 첨부한 도면을 참조로 본 발명의 바람직한 실시예에 따른 클러스터링 기법을 이용한 다수 영상의 합성 시스템 및 방법에 대하여 상세하게 설명한다.

도 1에 도시한 바와 같이, 본 실시예에 따른 클러스터링 기법을 이용한 다수 영상의 합성 시스템은 영상 입력부(110), 영상 합성부(120), 밝기 정보 분석부(130), 밝기 대표값 클러스터링부(140), 밝기 보정치 산출부(150), 밝기 보정치 제어부(160)를 포함한다.

영상 입력부(110)는 차량의 전후좌우에 설치된 카메라를 통해 차량에 인접한 주변 영역을 촬영하여 얻어진 다수의 영상을 입력받고, 영상 합성부(120)는 다수의 각 입력 영상을 하나의 합성 영상으로 합성한다.

여기서, 카메라는 차량에 설치되는 것으로 한정되는 것은 아니며, 다수의 영상을 합성하기 위한 시스템에 사용될 수 있기 때문에 카메라가 설치되는 위치나 장소가 어느 곳이든 본 발명을 적용시킬 수 있다.

밝기 정보 분석부(130)는 합성 영상에서 각 입력 영상에 해당하는 전체 영역 또는 합성 영상에서 각 입력 영상끼리 인접하는 영역에서 밝기 분포도를 산출한다.

전체 영역 또는 인접 영역에서 밝기 분포도를 산출한 후, 양자화 레벨을 일반적인 밝기 레벨인 256레벨(8비트)보다 낮추어 밝기 분포도의 형태를 단순화시키고, 밝기 분포도에서 하나 이상의 증감곡선(모달;modal)의 밝기 대표값을 산출한다.

밝기 대표값은 각 증감곡선의 화소들의 평균 밝기값 또는 극대값 중 어느 하나로 산출될 수 있다.

여기서, 증감곡선(모달;modal)이란 도 3에 도시한 바와 같이, 적어도 1개 이상의 극대를 포함하는 극소와 극소 사이의 포물선 형태를 가지는 것을 말한다.

밝기 대표값 클러스터링부(140)는 밝기 대표값을 통해 각 입력 영상의 클러스터링 여부 및 클러스터링 타입을 판단하고 각 증감곡선을 그룹화한다.

클러스터링 기법이란, 클러스터 분석이라는 데이터 집합을 구성하는 객체간의 통계적 유사성에 기초하여 밝기 대표값이 유사한 증감곡선끼리 같은 그룹에 분류하는 일종의 분류 작업이라 할 수 있다.

밝기 대표값이 유사한 증감곡선들은 같은 그룹으로 클러스터링하고, 클러스터링을 하지 않을 경우에는 바로 밝기 보정치 산출부(150)로 이동한다.

밝기 보정치 산출부(150)는 각 그룹화된 증감곡선들의 밝기 대표값들의 평균값 또는 가장 면적이 넓은 증감곡선의 대표값 또는 가장 극대값이 큰 증감곡선의 대표값 중 어느 하나로 보정 목표치를 산출하고, 각 증감곡선이 속한 그룹의 보정 목표치에서 각 증감곡선의 밝기 대표값을 뺀 값으로 각 증감곡선에 해당하는 보정치를 산출한다.

밝기 보정치 제어부(160)는 산출된 각 증감곡선의 보정치에 입력 영상의 화소값에 의한 가중치를 곱하여, 입력 영상의 화소값에 따라 각각 대응하는 보정치를 산출한 후, 입력 영상의 화소값에 따라 각각 대응하는 보정치를 보정 전의 화소값에 각각 더해, 보정 후의 화소값을 얻는다.

도 2에 도시한 바와 같이, 본 실시예에 따른 클러스터링 기법을 이용한 다수 영상의 합성 방법은, 둘 이상의 입력 영상을 입력받는 단계(S110)와 둘 이상의 입력 영상을 하나의 합성 영상으로 합성하는 단계(S120)와 합성 영상에서 각 입력 영상의 밝기 분포도를 산출하는 단계(S130)와 밝기 분포도에서 하나 이상의 증감곡선(모달;modal)의 밝기 대표값을 산출하는 단계(S140)와 밝기 대표값을 통해 각 입력 영상의 클러스터링 여부 및 클러스터링 타입을 판단하고 각 증감곡선을 그룹화하는 단계(S150)와 각 그룹화된 증감곡선들의 밝기 대표값을 통해 각 그룹의 보정 목표치를 산출하는 단계(S160)와 각 그룹의 보정 목표치에서 해당 그룹의 각 증감곡선의 밝기 대표값을 감산하여 각 증감곡선의 보정치를 산출하는 단계(S170)와 각 입력 영상의 화소값에 따라 대응하는 보정치를 가산하여 밝기를 보정하는 단계(S180);를 포함할 수 있다.

우선, 둘 이상의 입력 영상을 입력받는 단계(S110)에서는 차량의 전후좌우에 설치된 카메라를 통해 차량에 인접한 주변 영역을 촬영하여 얻어진 다수의 영상이 입력될 수 있다.

다음으로, 둘 이상의 입력 영상을 하나의 합성 영상으로 합성하는 단계(S120)에서는 각 입력 영상을 하나의 합성 영상으로 합성할 수 있다.

차량의 사방을 하나의 화면에 담기 위해서 주변을 광각카메라로 촬영하는 바, 짧은 초점 거리를 갖는 카메라 렌즈의 왜곡에 의해 영상의 테두리 부분이 일그러지는 왜곡 현상이 발생하므로, 하나의 합성 영상으로 합성된 후 왜곡에 대한 보정과 평면화 등이 기본적으로 이루어지게 된다.

다음으로, 합성 영상에서 각 입력 영상의 밝기 분포도를 산출하는 단계(S130)에서는 밝기 분포도는 합성 영상에서 각 입력 영상에 해당하는 전체 영역에서 산출되거나 합성 영상에서 각 입력 영상끼리 인접하는 영역에서 산출될 수 있다.

전체 영역 또는 인접 영역에서 밝기 분포도를 산출한 후, 양자화 레벨을 일반적인 밝기 레벨인 256레벨(8비트)보다 낮추어 밝기 분포도의 형태를 단순화시킨다.

양자화란 연속된 아날로그의 변화량이 일정한 폭의 범위 내에서 불연속적으로 변화하는 유한 개의 레벨로 구분하고 각 레벨에 대하여 각각 유일한 값을 부여하는 것이다.

그러므로, 양자화 레벨을 낮추면 밝기 분포도가 단순한 형태를 가진다.

다음으로, 밝기 분포도에서 하나 이상의 증감곡선(모달;modal)의 밝기 대표값을 산출하는 단계(S140)에서는 밝기 대표값이 각 증감곡선의 화소들의 평균 밝기값 또는 극대값 중 어느 하나로 산출될 수 있다.

그러므로, 도 3의 밝기 분포도에는 두 개의 증감곡선이 있는 것으로 설명될 수 있다.

각 증감곡선의 밝기 대표값은 밝기 분포도 산출 단계에서 양자화레벨을 낮춘 밝기 분포도의 형태를 참고로 증감곡선에 속하는 화소들의 평균 밝기값으로 산출될 수 있다.

화소들의 평균 밝기값은 증감곡선의 x축 값과 각 x축 값에 대응하는 y축 값을 각각 곱하여 모두 더한 값이 x축 값에 해당하는 y의 값을 모두 합산한 값으로 나누어져 산출된다.

또한 각 증감곡선의 밝기 대표값은 각 증감곡선의 극대값으로 산출될 수 있다.

다음으로, 밝기 대표값을 통해 각 입력 영상의 클러스터링 여부 및 클러스터링 타입을 판단하고 각 증감곡선을 그룹화하는 단계(S150)에서는 클러스터링(clustering) 기법이 사용된다.

밝기 대표값이 유사한 증감곡선들은 같은 그룹으로 클러스터링하고, 클러스터링을 하지 않을 경우에는 바로 밝기 보정치 산출 단계로 이동한다.

도 4 내지 도 5에 도시한 바와 같이, 밝기 대표값이 한 개인 입력 영상의 수와 밝기 대표값이 두 개인 입력 영상의 수에 따라 클러스터링 여부와 타입이 판단된다.

일괄 클러스터링은 밝기 대표값이 두 개 이상인 입력 영상의 증감곡선들을 동시에 같은 그룹으로 분류하는 것으로, 밝기 대표값이 한 개인 입력 영상들의 밝기 대표값의 평균을 산출하고, 밝기 대표값이 두 개인 입력 영상의 밝기 대표값들과의 차이를 비교해 절대값이 가장 작은 밝기 대표값을 갖는 증감곡선과 같은 그룹으로 밝기 대표값이 한 개인 입력 영상의 증감곡선들을 모두 한꺼번에 일괄 클러스터링하는 것을 특징으로 한다.

개별 클러스터링은 입력 영상들의 증감곡선들을 밝기 대표값이 유사한 증감곡선이 속해 있는 그룹으로 하나씩 분류하는 것으로, 일괄 클러스터링과 달리 하나씩 분류하기 때문에 밝기 대표값이 두 개이거나 이미 클러스터링이 완료된 밝기 대표값들의 평균을 참조하여 클러스터링할 수 있다.

예를 들어, 입력 영상1,2,3,4를 합성 영상으로 생성하고 두 개의 밝기 대표값을 갖는 입력 영상1의 두 개의 증감곡선이 그룹1과 그룹2에 클러스터링 되어 있다고 가정한다.

여기에 밝기 대표값이 한 개인 입력 영상2의 증감곡선을 클러스터링한다면, 입력 영상2의 밝기 대표값이 그룹1의 밝기 대표값 또는 그룹2의 밝기 대표값과의 절대값 차이가 가장 작은 그룹으로 개별 클러스터링한다.

그 다음으로, 밝기 대표값이 한 개인 입력 영상3의 증감곡선을 클러스터링할 때는, 입력 영상3의 밝기 대표값이 그룹1의 밝기 대표값 또는 그룹2의 밝기 대표값의 평균과의 절대값 차이가 가장 작은 그룹으로 개별 클러스터링한다.

그 다음으로, 밝기 대표값이 한 개인 입력 영상4의 증감곡선을 클러스터링할 때는, 입력 영상4의 밝기 대표값이 그룹1의 밝기 대표값의 평균 또는 그룹2의 밝기 대표값의 평균과의 절대값 차이가 가장 작은 그룹으로 개별 클러스터링한다.

네 개의 입력 영상을 입력받은 경우, 네 개의 입력 영상의 밝기 대표값이 모두 한 개이거나 모두 두 개이면 클러스터링하지 않는다.

밝기 대표값이 한 개인 입력 영상을 세 개, 밝기 대표값이 두 개인 입력 영상을 한 개 입력 받은 경우, 도 6에 도시한 바와 같이, 밝기 대표값이 한 개인 입력 영상들의 밝기 대표값 중에서 (가장 큰 밝기 대표값 - 가장 작은 밝기 대표값)이 임계값보다 작으면 일괄 클러스터링하고 임계값보다 크면 개별 클러스터링한다.

밝기 대표값이 한 개인 입력 영상을 두 개, 밝기 대표값이 두 개인 입력 영상을 두 개 입력 받은 경우, 도 7에 도시한 바와 같이, 밝기 대표값이 한 개인 두 개의 입력 영상의 인접하고 (둘 중 밝기 대표값이 큰 영상의 밝기 대표값 - 밝기 대표값이 작은 영상의 밝기 대표값)이 임계값보다 작으면 일괄 클러스터링, 임계값보다 크면 개별 클러스터링한다.

또한, 밝기 대표값이 한 개인 두 개의 입력 영상이 서로 인접하지 않으면 개별 클러스터링한다.

밝기 대표값이 한 개인 입력 영상을 한 개, 밝기 대표값이 두 개인 입력 영상을 세 개 입력 받은 경우, 별도로 클러스터링 타입을 판단하지 않고 개별 클러스터링한다.

이와 같이, 입력 영상의 밝기 대표값과 입력 영상의 갯수에 따라 클러스터링 기법이 달라질 수 있다.

다음으로, 각 그룹화된 증감곡선들의 밝기 대표값을 통해 각 그룹의 보정 목표치를 산출하는 단계(S160)에서는 각 그룹화된 증감곡선들의 밝기 대표값들의 평균값 또는 가장 면적이 넓은 증감곡선의 대표값 또는 가장 극대값이 큰 증감곡선의 대표값 중 어느 하나로 산출될 수 있다.

가장 면적이 넓은 증감곡선의 대표값을 구할 때의 면적은 증감곡선의 x축 값에 해당하는 y의 값을 모두 적산하여 산출된다.

다음으로, 각 그룹의 보정 목표치에서 해당 그룹의 각 증감곡선의 밝기 대표값을 감산하여 각 증감곡선의 보정치를 산출하는 단계(S170)에서는 각 증감곡선에 해당하는 보정치는 각 증감곡선이 속한 그룹의 보정 목표치에서 각 증감곡선의 밝기 대표값을 뺀 값으로 산출된다.

다음으로, 각 입력 영상의 화소값에 따라 대응하는 보정치를 가산하여 밝기를 보정하는 단계(S180)에서는 산출된 각 증감곡선의 보정치에 입력 영상의 화소값에 의한 가중치를 곱하여, 입력 영상의 화소값에 따라 각각 대응하는 보정치가 산출될 수 있다.

화소값은 화소의 밝기값을 0(검정색)과 255(흰색) 사이의 숫자로 나타낸 것이다.

최종적으로, 입력 영상의 화소값에 따라 각각 대응하는 보정치를 보정 전의 화소값에 각각 더하게 되면, 보정 후의 화소값을 얻을 수 있다.

상술한 방법을 통해 종래에 비해 구체적인 클러스터링 기법을 이용한 다수 영상의 합성을 함으로써 입력 영상들의 연결 영역의 밝기에 대한 이질감이 최소화될 수 있다.

이상, 본 발명의 바람직한 실시예를 참조로 본 발명의 클러스터링 기법을 이용한 다수 영상의 합성 방법에 대하여 설명하였지만, 본 발명의 권리범위는 상술한 실시예에 한정되지 않으며, 본 발명의 사상을 벗어나지 않는 범위 내에서 수정, 변경 및 다양한 변형실시예가 가능함은 당업자에게 명백하다.

Claims

둘 이상의 입력 영상을 입력받는 영상 입력부;
상기 둘 이상의 입력 영상을 하나의 합성 영상으로 합성하는 영상 합성부;
상기 합성 영상에서 상기 각 입력 영상의 밝기 분포도와 상기 밝기 분포도에서 하나 이상의 증감곡선(모달;modal)의 밝기 대표값을 산출하는 밝기 정보 분석부;
상기 밝기 대표값을 통해 상기 각 입력 영상의 클러스터링 여부 및 클러스터링 타입을 판단하고 상기 각 증감곡선을 그룹화하는 밝기 대표값 클러스터링부;
상기 각 그룹화된 증감곡선들의 상기 밝기 대표값을 통해 각 그룹의 보정 목표치를 산출하고 상기 각 그룹의 보정 목표치에서 해당 그룹의 상기 각 증감곡선의 상기 밝기 대표값을 감산하여 상기 각 증감곡선의 보정치를 산출하는 밝기 보정치 산출부;
상기 각 입력 영상의 화소값에 따라 대응하는 상기 보정치를 가산하여 밝기를 보정하는 밝기 보정치 제어부를 포함하는 클러스터링 기법을 이용한 다수 영상의 합성 시스템.
청구항 1에 있어서,
상기 밝기 정보 분석부는 합성 영상에서 각 입력 영상에 해당하는 전체 영역 또는 합성 영상에서 각 입력 영상끼리 인접하는 영역에서 밝기 분포도를 산출하고, 각 증감곡선의 화소들의 평균 밝기값 또는 극대값 중 어느 하나로 밝기 대표값을 산출하는 것을 특징으로 하는 클러스터링 기법을 이용한 다수 영상의 합성 시스템.
청구항 2에 있어서,
상기 증감곡선은 적어도 한 개 이상의 극대를 포함하는 극소와 극소 사이의 포물선 형태를 가지는 곡선을 의미하는 것을 특징으로 하는 클러스터링 기법을 이용한 다수 영상의 합성 시스템.
청구항 1에 있어서,
상기 밝기 대표값 클러스터링부는 밝기 대표값이 유사한 상기 각 증감곡선끼리 같은 그룹으로 분류하는 클러스터링 기법을 이용되는 것을 특징으로 하는 클러스터링 기법을 이용한 다수 영상의 합성 시스템.
청구항 1에 있어서,
상기 밝기 보정치 산출부는 상기 각 그룹화된 증감곡선들의 밝기 대표값들의 평균값 또는 가장 면적이 넓은 증감곡선의 대표값 또는 가장 극대값이 큰 증감곡선의 대표값 중 어느 하나로 보정 목표치를 산출하는 것을 특징으로 하는 클러스터링 기법을 이용한 다수 영상의 합성 시스템.
청구항 1에 있어서,
상기 밝기 보정치 제어부는 상기 각 증감곡선의 보정치에 상기 입력 영상의 화소값에 의한 가중치를 곱하여 상기 입력 영상의 화소값에 따라 각각 대응하는 보정치를 산출하고, 상기 입력 영상의 화소값에 따라 상기 각각 대응하는 보정치를 상기 보정 전의 입력 영상의 화소값에 각각 더하여 밝기를 보정하는 것을 특징으로 하는 클러스터링을 이용한 다수 영상의 합성 시스템.
둘 이상의 입력 영상을 입력받는 단계;
상기 둘 이상의 입력 영상을 하나의 합성 영상으로 합성하는 단계;
상기 합성 영상에서 상기 각 입력 영상의 밝기 분포도를 산출하는 단계;
상기 밝기 분포도에서 하나 이상의 증감곡선(모달;modal)의 밝기 대표값을 산출하는 단계;
상기 밝기 대표값을 통해 상기 각 입력 영상의 클러스터링 여부 및 클러스터링 타입을 판단하고 상기 각 증감곡선을 그룹화하는 단계;
상기 각 그룹화된 증감곡선들의 상기 밝기 대표값을 통해 각 그룹의 보정 목표치를 산출하는 단계;
상기 각 그룹의 보정 목표치에서 해당 그룹의 상기 각 증감곡선의 상기 밝기 대표값을 감산하여 상기 각 증감곡선의 보정치를 산출하는 단계;
상기 각 입력 영상의 화소값에 따라 대응하는 상기 보정치를 가산하여 밝기를 보정하는 단계를 포함하는 것을 특징으로 하는 클러스터링 기법을 이용한 다수 영상의 합성 방법.
청구항 7에 있어서,
상기 밝기 분포도 산출 단계에서,
상기 밝기 분포도는 상기 합성 영상에서 상기 각 입력 영상에 해당하는 전체 영역 또는 상기 합성 영상에서 상기 각 입력 영상끼리 인접하는 영역 중 어느 하나에서 산출될 수 있는 것을 특징으로 하는 클러스터링 기법을 이용한 다수 영상의 합성 방법.
청구항 7에 있어서,
상기 밝기 대표값은 상기 각 증감곡선의 화소들의 평균 밝기값 또는 극대값 중 어느 하나로 산출될 수 있는 것을 특징으로 하는 클러스터링 기법을 이용한 다수 영상의 합성 방법.
청구항 7에 있어서,
상기 각 입력 영상의 클러스터링 여부 및 클러스터링 타입을 판단하고 상기 각 증감곡선을 그룹화하는 단계에서,
상기 밝기 대표값이 유사한 상기 각 증감곡선끼리 같은 그룹으로 분류되는 클러스터링 기법이 이용되는 것을 특징으로 하는 클러스터링 기법을 이용한 다수 영상의 합성 방법.
청구항 10에 있어서,
상기 클러스터링 타입은 밝기 대표값이 두 개 이상인 입력 영상의 증감곡선들을 동시에 같은 그룹으로 분류하는 일괄 클러스터링과 입력 영상들의 증감곡선들을 밝기 대표값이 유사한 증감곡선이 속해 있는 그룹으로 하나씩 분류하는 개별 클러스터링으로 나누어지는 것을 특징으로 하는 클러스터링 기법을 이용한 다수 영상의 합성 방법.
청구항 11에 있어서,
상기 일괄 클러스터링은 밝기 대표값이 두 개 이상인 입력 영상의 증감곡선들을 동시에 같은 그룹으로 분류하는 것으로, 밝기 대표값이 한 개인 입력 영상들의 밝기 대표값의 평균을 산출하고, 밝기 대표값이 두 개인 입력 영상의 밝기 대표값들과의 차이를 비교해 절대값이 가장 작은 밝기 대표값을 갖는 증감곡선과 같은 그룹으로 밝기 대표값이 한 개인 입력 영상의 증감곡선들을 모두 한꺼번에 일괄 클러스터링하는 것을 특징으로 하는 클러스터링을 이용한 다수 영상의 합성 방법.
청구항 11에 있어서,
상기 개별 클러스터링은 입력 영상의 밝기 대표값이 두 개이거나 이미 클러스터링이 완료된 밝기 대표값들의 평균을 참조하여 클러스터링하는 것을 특징으로 하는 클러스터링을 이용한 다수 영상의 합성 방법.
청구항 7에 있어서,
상기 보정 목표치 산출 단계에서,
상기 보정 목표치는 상기 각 그룹화된 증감곡선들의 밝기 대표값들의 평균값 또는 가장 면적이 넓은 증감곡선의 대표값 또는 가장 극대값이 큰 증감곡선의 대표값 중 어느 하나로 산출될 수 있는 것을 특징으로 하는 클러스터링을 이용한 다수 영상의 합성 방법.
청구항 7에 있어서,
상기 보정치 산출 단계에서,
상기 각 증감곡선에 해당하는 보정치는 상기 각 증감곡선이 속한 그룹의 보정 목표치에서 상기 각 증감곡선의 밝기 대표값을 감산한 값으로 산출되는 것을 특징으로 하는 클러스터링을 이용한 다수 영상의 합성 방법.
청구항 7에 있어서,
상기 밝기 보정 단계에서,
상기 각 증감곡선의 보정치에 상기 입력 영상의 화소값에 의한 가중치를 곱하여 상기 입력 영상의 화소값에 따라 각각 대응하는 보정치를 산출하고, 상기 입력 영상의 화소값에 따라 상기 각각 대응하는 보정치를 상기 보정 전의 입력 영상의 화소값에 각각 더하여 밝기 보정하는 것을 특징으로 하는 클러스터링을 이용한 다수 영상의 합성 방법.