KR20150088164A - 영상 데이터 처리 방법 및 디바이스 - Google Patents

영상 데이터 처리 방법 및 디바이스 Download PDF

Info

Publication number
KR20150088164A
KR20150088164A KR1020140054434A KR20140054434A KR20150088164A KR 20150088164 A KR20150088164 A KR 20150088164A KR 1020140054434 A KR1020140054434 A KR 1020140054434A KR 20140054434 A KR20140054434 A KR 20140054434A KR 20150088164 A KR20150088164 A KR 20150088164A
Authority
KR
South Korea
Prior art keywords
group
pixels
degree
image
determining
Prior art date
Application number
KR1020140054434A
Other languages
English (en)
Other versions
KR101603268B1 (ko
Inventor
곽영진
김창수
이세호
김대희
김진환
최광표
고영준
이철우
Original Assignee
삼성전자주식회사
고려대학교 산학협력단
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 삼성전자주식회사, 고려대학교 산학협력단 filed Critical 삼성전자주식회사
Publication of KR20150088164A publication Critical patent/KR20150088164A/ko
Application granted granted Critical
Publication of KR101603268B1 publication Critical patent/KR101603268B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)

Abstract

영상 데이터를 처리하는 방법은 영상에 포함된 픽셀들의 픽셀값들을 기준으로 픽셀들을 하나 이상의 그룹들로 분류하고, 각 그룹의 픽셀값들이 희귀한 정도인 각 그룹의 희귀도를 결정하고, 각 그룹의 픽셀들이 서로 가까운 정도인 각 그룹의 응집도를 결정하고, 각 그룹의 픽셀들이 영상의 중앙으로부터 가까운 정도인 각 그룹의 중심 밀집도를 결정하고, 결정된 희귀도, 응집도 및 중심 밀집도 중 적어도 하나에 기초하여 각 그룹의 중요도를 결정할 수 있다.

Description

영상 데이터 처리 방법 및 디바이스 {Method and device for processing image data}
개시된 하나 이상의 실시 예는 영상 데이터를 처리하는 방법 및 영상 데이터를 처리하는 디바이스에 관한 것이다.
정보통신기술이 발달함에 따라 영상 데이터를 처리하는 기술이 개선되고 있다. 휴대 단말기 등을 통해 영상 데이터를 처리할 필요성이 증가하고 있다.
휴대 단말기를 통해 영상 데이터가 디스플레이 되는 경우 화면의 크기에 제한이 있는 상태에서 영상 데이터가 디스플레이 될 수 있다.
휴대 단말기의 성능이나 디스플레이의 한계로 인해서 휴대 단말기의 특성을 고려하여 영상 데이터를 처리할 필요가 있다.
또한 영상 데이터를 전송 및 저장하기 위해 영상 데이터 압축 기술이 요구된다.
본 발명은 영상 데이터를 효율적으로 처리하는 방법을 제공할 수 있다.
본 발명에 개시된 하나 이상의 실시 예에서 디바이스는 픽셀들을 소정의 기준에 따라 분류하여 분류된 그룹을 이용하여 영상 데이터를 처리하는 방법을 제공할 수 있다.
다양한 실시 예에 따른 영상 데이터 처리 방법은 영상에 포함된 픽셀들의 픽셀값들을 기준으로 픽셀들을 하나 이상의 그룹들로 분류하는 단계, 각 그룹의 픽셀값들이 희귀한 정도인 각 그룹의 희귀도를 결정하는 단계, 각 그룹의 픽셀들이 서로 가까운 정도인 각 그룹의 응집도를 결정하는 단계, 각 그룹의 픽셀들이 영상의 중앙으로부터 가까운 정도인 각 그룹의 중심 밀집도를 결정하는 단계 및 결정된 희귀도, 응집도 및 중심 밀집도 중 적어도 하나에 기초하여 각 그룹의 중요도를 결정하는 단계를 포함할 수 있다.
다른 실시 예에 따른 영상 데이터 처리 방법에 따를 때 희귀도를 결정하는 단계는 영상의 픽셀값들의 분포와 상기 영상에서 각 그룹의 픽셀이 차지하는 비율에 기초하여 각 그룹의 희귀도를 결정하는 단계를 포함할 수 있다.
도 1은 다양한 실시 예에 따른 영상 데이터 처리 방법 및 디바이스를 설명하기 위한 도면이다.
도 2 는 다양한 실시 예에 따라 디바이스가 영상에 포함된 픽셀들을 하나 이상의 그룹들로 분류하여 각 그룹의 중요도를 결정하는 방법을 설명하기 위한 흐름도이다.
도 3은 다양한 실시 예에 따라 디바이스가 희귀도를 부여하는 방법을 설명하기 위한 흐름도이다.
도 4는 다양한 실시 예에 따라 디바이스가 응집도를 부여하는 방법을 설명하기 위한 흐름도이다.
도 5는 다양한 실시 예에 따라 디바이스가 서브 그룹을 이용하여 응집도를 부여하는 방법을 설명하기 위한 흐름도이다.
도 6은 다양한 실시 예에 따라 디바이스가 중심 밀집도를 부여하는 방법을 설명하기 위한 흐름도이다.
도 7 은 다양한 실시 예에 따라 디바이스가 중요도에 기초하여 각 그룹의 영상들에 대한 압축 방식을 결정하는 방법을 설명하기 위한 흐름도이다.
도 8은 다양한 실시 예에 따라 디바이스가 중요점을 검출하는 방법을 설명하기 위한 흐름도이다.
도 9는 다양한 실시 예에 따라 디바이스가 희귀도를 결정하는 방법을 설명하기 위한 도면이다.
도 10은 다양한 실시 예에 따라 디바이스가 희귀도를 결정하는 방법을 설명하기 위한 도면이다.
도 11은 다양한 실시 예에 따라 디바이스가 응집도를 결정하는 방법을 설명하기 위한 도면이다.
도 12는 다양한 실시 예에 따라 디바이스가 응집도를 결정하는 방법을 설명하기 위한 도면이다.
도 13은 다양한 실시 예에 따라 디바이스가 중심 밀집도를 결정하는 방법을 설명하기 위한 도면이다.
도 14는 다양한 실시 예에 따라 디바이스가 중요점을 검출하는 방법을 설명하기 위한 도면이다.
도 15는 다양한 실시 예에 따라 디바이스의 구성을 설명하기 위한 블록도이다.
이하 본 명세서에 기재된 본 발명의 다양한 실시 예들에서, '영상'은 정지 영상 뿐만 아니라 비디오와 같은 동영상을 포함하여 포괄적으로 지칭할 수 있다.
이하 도 1 내지 도 15를 참조하여, 다양한 실시 예에 따른 영상 데이터 처리 방법 및 디바이스가 개시된다.
또한, 본 명세서에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하, 실시 예들을 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략할 수 있다.
도 1은 다양한 실시 예에 따른 영상 데이터 처리 방법 및 디바이스(110)를 설명하기 위한 도면이다.
디바이스(110)는 영상 데이터(120)를 수신할 수 있다. 디바이스(110)는 수신한 영상 데이터(120)를 처리할 수 있다.
디바이스(110)는 수신한 영상 데이터(120)를 처리하는 과정에서 영상에 포함된 픽셀들에 대한 희귀도, 응집도 또는 중심 밀집도를 결정할 수 있다.
디바이스(110)는 수신한 영상 데이터(120)를 처리하는 과정에서 영상에 포함된 픽셀들을 하나 이상의 그룹으로 분류하여, 각각의 그룹들에 대한 희귀도, 응집도 또는 중심 밀집도를 결정할 수 있다. 디바이스(110)는 결정된 희귀도, 응집도 및 중심 밀집도 중 적어도 하나에 기초하여 각 그룹의 중요도를 결정할 수 있다. 구체적인 사항은 후술한다.
도 2는 다양한 실시 예에 따라 디바이스(110)가 영상에 포함된 픽셀들을 하나 이상의 그룹들로 분류하여 각 그룹의 중요도를 결정하는 방법을 설명하기 위한 흐름도이다.
단계 S210에서 디바이스(110)는 영상에 포함된 픽셀들의 픽셀값들을 기준으로 픽셀들을 하나 이상의 그룹들로 분류할 수 있다.
픽셀값은 색상값, 휘도값을 포함할 수 있다.
디바이스(110)는 픽셀 단위로 각 픽셀의 밝기값이 전체 영상에서 희소한 정도를 결정할 수 있다. 또는, 디바이스(110)는 픽셀 단위로 각 픽셀의 색상값이 전체 영상에서 희소한 정도를 결정할 수 있다.
또한, 디바이스(110)는 그룹 단위로 각 그룹의 픽셀의 밝기값이 전체 영상에서 희소한 정도를 결정할 수 있다. 또는, 디바이스(110)는 그룹 단위로 각 그룹의 픽셀의 색상 값이 전체 영상에서 희소한 정도를 결정할 수 있다.
디바이스(110)는 각 그룹별로 희귀도를 결정하기 위해 영상에 포함된 픽셀들을 하나 이상의 그룹들로 분류할 수 있다. 예를 들면, 디바이스(110)는 픽셀값을 기준으로 영상에 포함된 픽셀들을 하나 이상의 그룹으로 분류할 수 있다.
예를 들면, 디바이스(110)는 소정의 범위 내의 픽셀값을 갖는 픽셀들이 하나의 그룹이 되도록 할 수 있다.
다른 예로, 디바이스(110)는 케이 민즈(K-means) 클러스터링을 이용하여 유사한 색상을 가지는 픽셀들이 하나의 그룹이 되도록 픽셀들을 하나 이상의 그룹으로 분류할 수 있다. 디바이스(110)는 CIELab 색공간 정보를 이용하여 픽셀들을 35개의 그룹으로 나눈 후 각 그룹에 대해 중요도를 계산할 수 있다.
다른 예로, 디바이스(110)는 영상에 포함된 픽셀들을 휘도를 기준으로 5개의 그룹들로 분류할 수 있다.
다른 예로, 디바이스(110)는 영상에 포함된 픽셀들을 각 픽셀의 색상을 기준으로 7개의 그룹들로 분류할 수 있다. 디바이스(110)는 영상에 포함된 픽셀들을 빛의 파장을 기준으로 7개의 그룹들로 분류할 수 있다.
다른 예로, 디바이스(110)는 영상에 포함된 픽셀들을 색상을 기준으로 소정의 개수의 그룹들로 분류할 수 있다. 예를 들면, 디바이스(110)는 픽셀들 사이의 파장 값의 차이가 소정의 값 이상인 경우에 각각의 픽셀들을 서로 상이한 그룹에 포함시킬 수 있다. 예를 들면, 디바이스(110)는 픽셀들을 하나 이상의 그룹들로 분류할 때, 파장 값의 차이가 30nm 이상인 픽셀들은 같은 그룹이 되지 않도록 할 수 있다.
디바이스(110)는 픽셀들을 분류하는 그룹들의 개수를 픽셀들의 색상의 분포를 고려하여 결정할 수 있다. 예를 들면, 디바이스(110)는 소정의 범위 내에 있는 파장값을 가진 픽셀들을 하나의 그룹으로 설정할 수 있다. 다른 예로, 디바이스(110)는 하나의 그룹에 소정의 개수 이상의 픽셀들이 포함되도록 할 수 있다.
단계 S220에서 디바이스(110)는 각 그룹의 픽셀값들이 희귀한 정도인 각 그룹의 희귀도를 결정할 수 있다.
희귀도는 각 그룹의 픽셀값들이 희귀한 정도를 의미할 수 있다.
디바이스(110)는 각 그룹 내에 포함된 픽셀값들이 전체 영상의 픽셀값들에 비하여 희소한 정도를 결정할 수 있다. 예를 들면, 전체 영상에서 붉은색 픽셀이 10개이고, 초록색 픽셀이 5개이고, 노란색 픽셀이 2개일 때 디바이스(110)는 노란색 픽셀값이 가장 희소하다고 결정할 수 있다.
디바이스(110)는 픽셀의 희귀도를 결정할 때 영상을 구성하는 픽셀들의 픽셀값의 분포를 이용할 수 있다.
예를 들면, 영상을 구성하는 픽셀이 150개 인 경우, 파장이 400~450[nm]에 속한 픽셀의 수가 140개이고, 파장이 550~560[nm]에 속한 픽셀의 수가 10개이고, 파장이 420~430[nm]에 속한 픽셀의 수가 1개일 때 디바이스(110)는 파장이 420~430[nm]에 속한 픽셀보다는 파장이 550~560[nm]에 속한 픽셀의 희귀도가 더 높다고 판단할 수 있다. 디바이스(110)는 10[nm] 내의 파장값을 갖는 픽셀의 수 뿐 아니라 전체적인 픽셀값의 분포를 고려하여 각 픽셀의 희귀도를 결정할 수 있다.
디바이스(110)는 픽셀의 희귀도 뿐 아니라 그룹의 희귀도도 결정할 수 있다.
예를 들면, 디바이스(110)는 그룹의 평균 색상을 이용하여 그룹의 희귀도를 결정할 수 있다. 관련된 예로, 디바이스(110)는 그룹의 평균 색상이 전체 영상의 픽셀값들에 비하여 희소한 정도를 판단할 수 있다. 다른 예로, 디바이스(110)는 그룹의 평균 색상이 다른 그룹들의 평균 색상들에 비하여 희소한 정도를 판단할 수 있다.
희귀도는 각 그룹의 픽셀값들이 희귀한 정도를 의미할 수 있다.
예를 들면, 희귀도는 각 그룹의 평균 색상이 희소한 정도를 나타낼 수 있다.
디바이스(110)는 각 그룹의 희귀도를 결정하기 위해 각 그룹간의 색상 차이 및 각 그룹에 포함된 픽셀의 수를 이용할 수 있다.
아래에 개시된 수학식(1)은 i번째 그룹인 Ci와 j번째 그룹인 Cj의 색상 차이를 계산하는 일 실시 예이다.
Ii, Ij는 각각 Ci와 Cj의 평균 색상을 벡터로 표현할 것을 의미할 수 있다. 또한, Lk, ak, bk는 각각 Ck에서의 평균 L, a, b 픽셀값을 의미할 수 있다.
[수학식(1)]
Figure pat00001
그러나 희귀도를 계산함에 있어 CIELab 색공간 정보를 이용하는 것은 하나의 실시 예일 뿐이고 다른 방식이 이용될 수 있다는 것을 통상의 기술자라면 쉽게 이해할 수 있다.
또한, 디바이스(110)는 각 그룹의 희귀도를 결정할 때 각 그룹의 픽셀 개수를 이용할 수 있다. hk는 k번째 그룹의 픽셀 개수를 의미할 수 있다. 예를 들면, 픽셀 개수가 많은 그룹의 희귀도는 픽셀 개수가 적은 그룹의 희귀도보다 낮을 수 있다.
또한, 픽셀값은 색상값을 포함할 수 있다. 따라서 이하에서 색상을 일 실시 예로 기술한 경우에도 다른 값에 의해 동일한 영상 처리가 수행될 수 있다는 것을 통상의 기술자라면 쉽게 이해할 수 있다.
예를 들면, 유사한 색상을 가지는 그룹의 픽셀값은 상호 유사할 수 있다. 또한, 유사한 색상을 가지는 그룹의 픽셀 개수는 상호 유사할 수 있다. 그러나 도 9의 좌측 도면에서 확인할 수 있는 것처럼 유사한 색상을 갖는 그룹들 사이에서도 픽셀 개수가 서로 상이할 수 있다. 유사한 색상을 가지는 그룹들의 픽셀 개수를 비슷하게 유지하도록 그룹 간 색상 차이를 가중치로 사용하여 hk값을 조절할 수 있다.
구체적인 hk값의 조절 방법은 도 9에서 설명한다.
아래에 개시된 수학식(2)은 i번째 그룹과 j번째 그룹의 색상 차이에 대한 가중치 Ws(Ci, Cj)를 계산하는 일 실시 예이다.
[수학식(2)]
Figure pat00002
(σs)^2는 가중치의 민감도를 결정하는 파라미터일 수 있다. Ws(Ci, Cj)는 색상이 유사한 그룹의 경우 높은 값을 가지고, 색상이 유사하지 않을 경우 낮은 값을 가질 수 있다. 아래에 개시된 수학식(3)는 Ws(Ci, Cj)를 이용하여 조절된 그룹의 픽셀 수를 계산하는 일 실시 예이다.
[수학식(3)]
Figure pat00003
색상 차이에 대한 가중치를 이용하여 조절된 픽셀 수는 유사한 색상에 대해 높은 상관관계를 가질 수 있다.
다양한 실시 예에 의할 때, Ck의 희귀도 Rk는 조절된 픽셀 수를 이용하여 계산될 수 있다.
아래의 수학식(4)는 Ck의 희귀도 Rk를 조절된 픽셀 수를 이용하여 계산하는 일 실시 예이다.
[수학식(4)]
단계 S230에서 디바이스(110)는 각 그룹의 픽셀들이 서로 가까운 정도인 각 그룹의 응집도를 결정할 수 있다.
응집도는 그룹의 분포를 측정하는 파라미터일 수 있다. 예를 들면, 응집도는 각 그룹에 포함되는 픽셀들의 위치에 대한 분산값을 이용하여 계산될 수 있다.
다른 예로, 디바이스(110)는 그룹 내에 포함된 픽셀들의 상호간의 거리의 평균값에 대응되는 값을 계산하여 계산한 값이 작을수록 높은 응집도를 부여할 수 있다.
다른 예로, 디바이스(110)는 그룹의 평균 위치를 결정하고, 그룹의 평균 위치부터 그룹에 포함되는 픽셀들까지의 거리의 평균을 계산하여 계산한 값이 작을수록 높은 응집도를 부여할 수 있다.
다른 예로, 디바이스(110)는 응집도를 결정함에 있어서 픽셀 내에 포함된 픽셀의 수를 이용할 수 있다. 디바이스(110)는 그룹 내에 포함된 픽셀들 상호간의 거리의 평균값이 동일한 그룹의 경우에는 그룹 내에 포함된 픽셀의 수가 더 많은 그룹에 더 높은 응집도를 부여할 수 있다.
응집도를 부여하는 구체적인 방법은 도 4 및 도 5에서 후술한다.
그룹 내 픽셀들이 모여있을수록 디바이스(110)는 해당 그룹에 높은 응집도를 부여할 수 있다. 또한, 디바이스(110)는 응집도가 높은 그룹에 높은 중요도를 부여할 수 있다.
배경으로 인식되는 그룹의 픽셀들은 영상 내에 전체적으로 퍼져있고, 중요한 물체로 인식되는 그룹의 픽셀들은 모여있을 수 있다. 디바이스(110)는 모여있는 픽셀들에의해 디스플레이되는 대상을 중요한 대상으로 인식할 수 있다.
응집도에 기초하여 중요도를 부여하는 구체적인 방법은 후술한다.
단계 S240에서 디바이스(110)는 각 그룹의 픽셀들이 영상의 중앙으로부터 가까운 정도인 각 그룹의 중심 밀집도를 결정할 수 있다.
예를 들면, 디바이스(110)는 각 그룹에 포함된 픽셀들의 영상의 중앙으로부터의 평균 거리를 계산할 수 있다. 그리고 디바이스(110)는 계산된 평균 거리가 큰 그룹보다 계산된 평균 거리가 작은 그룹에 높은 중심 밀집도를 부여할 수 있다.
다른 예로, 디바이스(110)는 각 그룹의 평균 위치를 결정하고, 영상의 중앙으로부터 각 그룹의 평균 위치까지의 거리를 이용하여 각 그룹의 중심 밀집도를 결정할 수 있다.
다른 예로, 디바이스(110)는 영상의 가로 세로 비율을 고려하여 각 그룹의 중심 밀집도를 결정할 수 있다. 디바이스(110)가 영상의 가로 세로 비율을 고려하여 각 그룹의 중심 밀집도를 결정하는 구체적인 방식은 도 6에서 후술한다.
단계 S250에서 디바이스(110)는 단계 S220 내지 단계 S240에서 결정된 희귀도, 응집도 및 중심 밀집도 중 적어도 하나에 기초하여 각 그룹의 중요도를 결정할 수 있다.
예를 들면, 디바이스(110)는 희귀도와 응집도와 중심 밀집도의 곱을 이용하여 중요점 을 결정할 수 있다.
아래의 수학식(5)은 중요점을 검출하는 일 실시 예이다.
[수학식(5)]
Figure pat00005
Rk는 희귀도, Ok는 응집도, Pk는 중심 밀집도를 의미할 수 있다.
예를 들면, 디바이스(110)는 단계 S220 내지 단계 S240에서 결정된 희귀도, 응집도 및 중심 밀집도의 곱의 값에 비례하도록 각 픽셀의 중요도를 결정할 수 있다.
다른 예로, 디바이스(110)는 단계 S220 내지 단계 S240에서 결정된 희귀도, 응집도 및 중심 밀집도의 곱의 값에 비례하도록 각 그룹의 중요도를 결정할 수 있다.
디바이스(110)는 상술한 방식으로 특정 픽셀의 희귀도, 응집도 및 중심 밀집도를 결정하고, 결정된 희귀도, 응집도 및 중심 밀집도를 곱한 값을 특정 픽셀의 중요도로 결정할 수 있다. 그리고 특정 픽셀은 특정 그룹 내에 포함되어있는 픽셀일 수 있다. 디바이스(110)는 하나의 그룹 내의 픽셀들에 대해서는 희귀도, 응집도 및 중심 밀집도가 동일하도록 계산 방식을 설정할 수 있다.
디바이스(110)는 중요한 영역을 결정하여 중요한 영역을 강조하여 표현할 수 있다.
디바이스(110)는 영상을 압축할 때 중요 영역을 결정하여 중요 영역과 비중요 영역에 대한 압축 파라미터를 차별화할 수 있다. 디바이스(110)는 중요 영역과 비중요 영역에 대한 압축 파라미터를 차별화 함으로써 압축 효율을 향상시킬 수 있다. 중요 영역은 중요도가 소정의 기준 이상인 그룹들이 영상에서 차지하는 영역을 의미할 수 있다. 비중요 영역은 중요도가 소정의 기준 미만인 그룹들이 영상에서 차지하는 영역을 의미할 수 있다.
다른 예로, 디바이스(110)는 소정의 가중치가 부여된 희귀도, 응집도, 중심 밀집도를 중요 그룹을 결정하기 위해 이용할 수 있다. 예를 들면, 디바이스(110)는 소정의 가중치가 부여된 희귀도, 응집도, 중심 밀집도를 합한 값에 비례하게 각 그룹의 중요도를 결정할 수 있다. 다른 예로, 디바이스(110)는 소정의 가중치가 부여된 희귀도, 응집도 및 중심 밀집도를 곱한 값에 비례하게 각 그룹의 중요도를 결정할 수 있다.
다른 예로, 디바이스(110)는 희귀도, 응집도 및 중심 밀집도 중 어느 하나라도 소정의 기준 이하의 값을 갖는 그룹은 비중요 영역에 포함되는 그룹으로 결정할 수 있다.
다른 예로, 디바이스(110)는 희귀도, 응집도 및 중심 밀집도 중 어느 하나라도 소정의 기준 이상의 값을 갖는 그룹은 중요 영역에 포함되는 그룹으로 결정할 수 있다.
다른 예로, 디바이스(110)는 소정 그룹의 희귀도, 응집도 및 중심 밀집도 중 가장 낮은 값을 배제하고 나머지 두개의 값만을 이용하여 소정 그룹의 중요도를 결정할 수 있다.
도 3은 다양한 실시 예에 따라 디바이스(110)가 희귀도를 부여하는 방법을 설명하기 위한 흐름도이다.
단계 S310에서 디바이스(110)는 분류된 그룹들 중 하나인 제 1 그룹의 픽셀값들의 평균값인 제 1 평균값을 결정할 수 있다.
디바이스(110)는 도 2의 단계 S210에서 분류된 하나 이상의 그룹들 중 하나의 그룹을 제 1 그룹으로 결정할 수 있다. 그리고 디바이스(110)는 결정된 제 1 그룹의 픽셀값의 평균을 결정할 수 있다.
예를 들면, 디바이스(110)는 제 1 그룹의 픽셀들의 색상이 갖는 파장 값의 평균 값을 제 1 평균값으로 결정할 수 있다.
다른 예로, 디바이스(110)는 제 1 그룹의 픽셀들의 휘도 값의 평균 값을 제 1 평균값으로 결정할 수 있다.
단계 S320에서 디바이스(110)는 분류된 그룹들 중 제 1 그룹 외의 그룹들의 평균 픽셀값들을 결정할 수 있다.
단계 S320에서 디바이스(110)가 제 1 그룹 외의 그룹들의 평균 픽셀값들을 결정하는 방식은 단계 S310의 내용을 채용할 수 있다.
디바이스(110)는 도 2의 단계 S210에서 분류된 그룹들 중 하나의 그룹을 제 1 그룹으로 결정할 수 있다. 그리고 디비이스(110)는 도 2의 단계 S210에서 분류된 하나 이상의 그룹들 중 단계 S310에서 결정된 제 1 그룹 외의 그룹들 각각에 대해서 평균 픽셀값들을 결정할 수 있다.
단계 S330에서 디바이스(110)는 제 1 평균값과 제 1 그룹 외의 그룹들의 평균 픽셀값들 간의 차이값들이 클수록 제 1 그룹에 높은 희귀도를 부여할 수 있다.
예를 들면, 디바이스(110)는 제 1 평균값과 제 1 그룹 외의 그룹들의 평균 픽셀값들과의 차이값의 평균값이 클수록 제 1 그룹에 높은 희귀도를 부여할 수 있다. 제 1 평균값이 15이고, 제 1 그룹 외의 그룹들의 평균 픽셀값들이 각각 10, 20인 경우보다 제 1 평균값이 15이고, 제 1 그룹 외의 그룹들의 평균 픽셀값들이 각각 9, 21인 경우에 제 1 그룹의 희귀도가 더 높을 수 있다.
도 3에 개시된 방법은 디바이스(110)가 희귀도를 결정하는 일 실시 예이고, 다른 방식으로 디바이스(110)가 희귀도를 결정할 수 있다는 것은 통상의 기술자라면 쉽게 인식할 수 있다.
예를 들면, 디바이스(110)는 상술한 제 1 그룹의 픽셀값들 각각에 대해서 희귀도를 결정하여, 제 1 그룹의 모든 픽셀값들의 희귀도의 평균에 대응하는 값을 제 1 그룹의 희귀도로 결정할 수 있다.
다른 예로, 디바이스(110)는 상술한 제 1 그룹의 픽셀값들 각각에 대해서 제 1 그룹 외의 픽셀값들과의 차이 값에 대한 평균값을 결정하여, 결정된 평균값에 대응하는 값을 제 1 그룹의 희귀도로 결정할 수 있다.
도 4는 다양한 실시 예에 따라 디바이스(110)가 응집도를 부여하는 방법을 설명하기 위한 흐름도이다.
단계 S410에서 디바이스(110)는 각 그룹의 픽셀들 중 소정의 거리 내로 인접한 픽셀들이 하나의 서브 그룹이 되도록 각 그룹의 픽셀들을 서브 그룹들로 분류할 수 있다.
디바이스(110)는 각 그룹의 픽셀들에 대해서 인접한 픽셀들이 하나의 서브 그룹을 형성하도록 각 그룹들의 픽셀들을 하나 이상의 서브 그룹들로 분류할 수 있다.
구체적으로 소정의 그룹의 픽셀들을 하나 이상의 서브 그룹으로 분류한 예가 도 11에 도시되어있다. 소정의 그룹의 픽셀들을 하나 이상의 서브 그룹으로 분류하는 구체적인 방법은 도 11에서 후술한다.
단계 S420에서 디바이스(110)는 단계 S410에서 분류된 서브 그룹들이 서로 가까울수록 각 그룹에 높은 응집도를 부여할 수 있다.
예를 들면, 디바이스(110)는 소정 그룹을 구성하는 서브 그룹들의 평균 위치들을 결정하고, 결정한 평균 위치들간의 평균 거리를 이용하여 소정 그룹의 응집도를 결정할 수 있다.
다른 예로, 디바이스(110)는 소정 그룹을 구성하는 서브 그룹들의 평균 위치들을 결정하고, 결정한 평균 위치들간의 거리의 합을 이용하여 소정 그룹의 응집도를 결정할 수 있다.
도 5는 다양한 실시 예에 따라 디바이스(110)가 서브 그룹을 이용하여 응집도를 부여하는 방법을 설명하기 위한 흐름도이다.
디바이스(110)는 하나의 그룹 내 픽셀 분포 뿐 아니라 복수개의 그룹 내의 픽셀 분포를 이용하여 응집도를 계산할 수 있다. 예를 들면, 디바이스(110)는 유사한 픽셀값을 가지는 그룹들을 병합하고, 병합된 그룹의 구성 요소들에 대한 기하학적 거리의 평균을 이용하여 응집도를 계산할 수 있다.
단계 S510에서 디바이스(110)는 하나 이상의 그룹들 중 하나인 제 1 그룹의 픽셀값들의 평균 값인 제 1 평균값으로부터 소정의 범위 내의 평균 픽셀값을 가지는 그룹을 하나 이상의 그룹들로부터 결정할 수 있다.
예를 들면, 디바이스(110)는 제 1 그룹의 픽셀의 파장의 평균 값이 455[nm]인 경우, 파장의 평균 값이 460[nm]인 그룹을 제 1 그룹과 병합할 그룹으로 결정할 수 있다.
단계 S520에서 디바이스(110)는 단계 S510에서 결정된 그룹과 제 1 그룹을 병합한 제 2 그룹의 픽셀들 중 소정의 거리 내로 인접한 픽셀들이 하나의 서브 그룹이 되도록 제 2 그룹의 픽셀들을 하나 이상의 서브 그룹들로 분류할 수 있다.
디바이스(110)는 단계 S510에서 결정된 그룹과 제 1 그룹을 병합하여 제 2 그룹을 결정할 수 있다. 디바이스(110)는 제 2 그룹의 픽셀들 중 소정의 거리 내로 인접한 픽셀들이 하나의 서브 그룹이 되도록 제 2 그룹의 픽셀들을 서브 그룹들로 분류할 수 있다.
디바이스(110)는 그룹간의 색상 차이 또는 픽셀값 차이를 이용하여 그룹들간의 병합을 수행할 수 있다. 예를 들면, 디바이스(110)는 i번째 그룹과 j번째 그룹의 색상 차이 가중치 Ws(Ci, Cj)가 소정의 값 이상인 경우 i번째 그룹과 j번째 그룹의 병합을 수행할 수 있다.
또한, 그룹간 병합이 수행된 이후 디바이스(110)는 연결 영역 라벨링 기법을 이용하여 픽셀들을 각각의 서브 그룹들로 라벨링할 수 있다. 구체적인 라벨링 방법에 대해서는 도 11에서 후술한다.
단계 S530에서 디바이스(110)는 제 1 그룹에 포함된 서브 그룹들이 서로 가까울수록 제 1 그룹에 높은 응집도를 부여할 수 있다.
응집도를 계산하기 위해 디바이스(110)는 그룹 내 서브 그룹들의 기하학적 거리의 분산 d(Ck, μk)를 계산할 수 있다. k번째 그룹인 Ck의 서브 그룹 Ln에 포함된 픽셀의 개수에 따라 서로 다른 가중치를 부여하여 분산을 계산할 수 있다.
아래에 개시된 수학식(6)은 k번째 그룹인 Ck의 분산을 계산하는 방법의 일 실시 예이다.
[수학식(6)]
Figure pat00006
μn은 Ln의 중심 위치를 의미할 수 있다. 또한,
Figure pat00007
는 μk의 평균을 의미할 수 있다. 그리고 NL은 그룹의 총 개수를 의미할 수 있다. 각 그룹에 포함된 픽셀의 개수에 따라 가중치를 서로 다르게 부여하기 위해 Ln에 대해서 그룹의 픽셀 개수를 가중치 wL(Ln)로 사용할 수 있다.
아래에 개시된 수학식(7)은 d(Ck, μk)를 이용하여 응집도 Ok를 구하는 일 실시 예이다.
수학식(7)
Figure pat00008
D는 영상의 대각선 길이를 의미할 수 있다. 또한, (σO)^2은 응집도를 조절하는 파라미터를 의미할 수 있다.
도 6은 다양한 실시 예에 따라 디바이스(110)가 중심 밀집도를 부여하는 방법을 설명하기 위한 흐름도이다.
단계 S610에서 디바이스(110)는 영상의 중앙으로부터 각 그룹의 픽셀들의 가로 위치까지의 가로 거리 및 각 그룹의 픽셀들의 세로 위치까지의 세로 거리를 결정할 수 있다.
예를 들면, 영상의 중앙이 원점이고, 가로는 x축이고, 세로는 y축인 좌표계를 이용하여 디바이스(110)는 영상의 중앙으로부터 각 그룹의 픽셀들의 가로 위치까지의 가로 거리 및 각 그룹의 픽셀들의 세로 위치까지의 세로 거리를 결정할 수 있다. 예를 들면, 디바이스(110)는 픽셀의 x축 좌표 값의 절대값을 픽셀의 가로 거리로 결정할 수 있다. 또한, 디바이스(110)는 픽셀의 y축 좌표 값의 절대값을 픽셀의 세로 거리로 결정할 수 있다.
단계 S620에서 디바이스(110)는 단계 S610에서 결정된 가로 거리 및 세로 거리 각각에 가중치를 부여할 수 있다.
예를 들면, 디바이스(110)는 영상의 가로 세로 비율을 이용하여 단계 S610에서 결정된 가로 거리 및 세로 거리 각각에 가중치를 부여할 수 있다. 영상의 가로 길이를 W_image라고 하고 영상의 세로 길이를 H_image라고 할 때, 디바이스(110)는 H_image를 가로 거리의 가중치로, W_image를 세로 거리의 가중치로 설정할 수 있다.
다른 예로, 디바이스(110)는 영상의 가로 세로 비율과 관계 없이 미리 결정되어있는 가중치를 단계 S610에서 결정된 가로 거리 및 세로 거리에 부여할 수 있다.
다른 예로, 영상의 가로 길이를 W_image라고 하고 영상의 세로 길이를 H_image라고 할 때, 디바이스(110)는 H_image에 비례하는 소정의 값을 가로 거리의 가중치로, W_image에 비례하는 소정의 값을 세로 거리의 가중치로 설정할 수 있다.
중심 밀집도는 각 그룹이 영상의 중심 위치 μ0에 얼마나 가까이 분포하는지를 나타내는 파라미터일 수 있다. 디바이스(110)는 중심 밀집도를 계산하기 위해서 μ0와 ck의 그룹 간의 평균 거리를 계산할 수 있다. 중심 밀집도 계산 방법은 응집도 계산 방식을 채용할 수 있다.
디바이스(110)는 중심 밀집도를 계산할 때 영상의 가로 세로비를 고려할 수 있다. 디바이스(110)는 x좌표와 y좌표 각각에 대해 μ0로부터 그룹 내에 포함된 픽셀들까지의 거리를 계산할 수 있다. 또한, 다양한 실시 예에 따라 디바이스(110)는 x축과 y축에서의 μ0로부터 각각의 그룹까지의 평균거리를 아래에 개시된 수학식(8), 수학식(9)을 이용하여 계산할 수 있다.
[수학식(8)]
Figure pat00009
[수학식(9)]
Figure pat00010
및 는 각각 Ln의 중심위치인 μn의 x좌표와 y좌표를 의미할 수 있다. 또한, 및 는 각각 영상의 중심 위치인 μ0의 x좌표와 y좌표를 의미할 수 있다.
wL(Ln)은 각 그룹이 가지는 픽셀의 개수를 의미할 수 있다.
상술한 수학식(8)과 수학식(9)는 평균거리를 계산하는 일 실시 예이다.
다른 예로, 디바이스(110)는 그룹 내에 포함된 픽셀들 중 일부 픽셀들을 선택하여 선택된 픽셀들의 영상 중앙으로부터의 거리를 이용하여 영상 중앙으로부터그룹까지의 거리를 결정할 수 있다.
아래에 개시된 수학식(10)는 k번째 그룹인 Ck의 중심밀집도 Pk를 계산하는 방법의 일 실시 예이다. 와 의 값이 작을수록 중심 밀집도가 높아지므로 디바이스(110)는 Ck의 중심밀집도 Pk를 수학식(10)과 같이 계산할 수 있다.
[수학식(10)]
Figure pat00011
W와 H는 각각 영상의 폭과 높이를 의미할 수 있다. (σp)^2은 중심 밀집도를 조절하는 파라미터를 의미할 수 있다. 중심 밀집도를 추출한 결과의 일 실시 예는 도 13에 도시되어있다.
단계 S630에서 디바이스(110)는 가중치가 부여되어 결정된 가로 거리 및 세로 거리가 작은 그룹에 높은 중심 밀집도를 부여할 수 있다.
예를 들면, 디바이스(110)는 가중치가 부여되어 결정된 가로 거리 및 세로 거리의 합이 작을수록 해당 그룹에 높은 중심 밀집도를 부여할 수 있다.
다른 예로, 디바이스(110)는 가중치가 부여된 결정된 가로 거리 및 결정된 세로 거리의 합에 반비례하도록 해당 그룹의 중심 밀집도를 결정할 수 있다.
다른 예로, 디바이스(110)는 가중치가 부여되어 결정된 가로 거리 및 세로 거리의 제곱의 평균에 반비례하도록 해당 그룹의 중심 밀집도를 결정할 수 있다.
또한, 디바이스(110)는 영상의 중심에 가까운 정도를 결정하여 영상의 중심에 가깝다고 판단되는 그룹에 높은 중요도를 부여할 수 있다. 디바이스(110)는 높은 중심 밀집도가 부여된 그룹의 중요도를 낮은 중심 밀집도가 부여된 그룹의 중요도보다 높게 결정할 수 있다.
도 7은 다양한 실시 예에 따라 디바이스(110)가 중요도에 기초하여 각 그룹의 영상들에 대한 압축 방식을 결정하는 방법을 설명하기 위한 흐름도이다.
단계 S710 내지 단계 S750에 개시된 내용은 각각 단계 S210 내지 단계 S250에 개시된 내용에 대응되므로 전체적인 설명을 간단히 하기 위해 발명의 상세한 설명을 생략한다.
단계 S760에서 디바이스(110)는 단계 S750에서 결정된 각 그룹의 중요도에 기초하여 각 그룹의 영상들에 대한 압축 방식을 결정할 수 있다.
디바이스(110)는 영상을 압축할 때 중요 영역을 판별하여 중요 영역과 비중요 영역에 대해 차별적 압축을 시행할 수 있다. 중요 영역은 단계 S750에서 결정된 중요도가 소정의 기준 이상인 그룹들이 영상에서 차지하는 영역을 의미할 수 있다.
예를 들면, 디바이스(110)는 중요도가 소정의 기준 이상인 그룹들에 대한 압축을 시행할 때 압축속도보다는 정확도에 더 중점을 둔 압축 방식을 선택하고, 중요도가 소정의 기준 미만인 그룹들에 대한 압축을 시행할 때 정확도보다는 압축속도에 더 중점을 둔 압축 방식을 선택할 수 있다.
다른 예로, 디바이스(110)는 중요도가 소정의 기준 이상인 그룹들에 대한 압축을 시행할 때 압축율보다는 품질에 더 중점을 둔 압축 방식을 선택하고, 중요도가 소정의 기준 미만인 그룹들에 대한 압축을 시행할 때 품질보다는 압축율에 더 중점을 둔 압축 방식을 선택할 수 있다.
또한, 디바이스(110)는 영상 내 중요점을 강조하여 표현할 수 있다. 영상 내 중요점을 강조하여 표현할 경우 영상의 품질이 향상될 수 있다.
예를 들면, 디바이스(110)는 단계 S750에서 결정된 중요도가 소정의 기준 이상인 그룹들은 소정 비율만큼 더 밝게 디스플레이 되도록 할 수 있다.
다른 예로, 디바이스(110)는 단계 S750에서 결정된 중요도가 소정의 기준 이상인 그룹들은 소정의 방식으로 강조되어 디스플레이 되도록 할 수 있다.
도 8은 다양한 실시 예에 따라 디바이스(110)가 중요점을 검출하는 방법을 설명하기 위한 흐름도이다.
단계 S810에서 디바이스(110)는 영상 데이터를 수신할 수 있다.
단계 S820에서 디바이스(110)는 수신한 영상 데이터에 대해서 각 그룹별로 희귀도를 결정할 수 있다. 단계 S820에서 디바이스(110)는 상술한 단계 S220에서의 동작을 수행할 수 있다.
단계 S830에서 디바이스(110)는 수신한 영상 데이터에 대해서 각 그룹별로 응집도를 결정할 수 있다. 단계 S830에서 디바이스(110)는 상술한 단계 S230에서의 동작을 수행할 수 있다.
단계 S840에서 디바이스(110)는 수신한 영상 데이터에 대해서 각 그룹별로 중심 밀집도를 결정할 수 있다. 단계 S840에서 디바이스(110)는 상술한 단계 S240에서의 동작을 수행할 수 있다.
단계 S850에서 디바이스(110)는 단계 S820 내지 단계 S840에서 결정된 희귀도, 응집도 및 중심 밀집도 중 적어도 하나를 이용해서 중요점 을 검출할 수 있다. 단계 S850에서 디바이스(110)는 상술한 단계 S250에서의 동작을 수행할 수 있다.
디바이스(110)는 희귀도 결정, 응집도 결정 및 중심 밀집도를 결정하는 동작을 각각 병력적으로 수행할 수 있다. 디바이스(110)는 병렬적으로 결정된 희귀도, 응집도 및 중심 밀집도를 이용하여 중요점을 검출할 수 있다. 디바이스(110)는 영상에 포함된 픽셀들의 픽셀들을 하나이상의 그룹들로 분류하고, 병렬적으로 결정된 희귀도, 응집도 및 중심 밀집도 중 적어도 하나를 이용하여 각 그룹의 중요도를 결정할 수 있다.
도 9는 다양한 실시 예에 따라 디바이스(110)가 희귀도를 결정하는 방법을 설명하기 위한 도면이다.
도 9의 그래프에서 가로축은 픽셀의 파장의 크기를, 세로 축은 그룹별 픽셀의 개수를 의미할 수 있다.
유사한 색상을 가지는 그룹의 픽셀값은 상호 유사할 수 있다. 또한, 유사한 색상을 가지는 그룹의 픽셀 개수는 상호 유사할 수 있다. 그러나 도 9의 좌측 도면에서 확인할 수 있는 것처럼 유사한 색상을 갖는 그룹에서도 픽셀 개수가 서로 상이할 수 있다. 유사한 색상을 가지는 그룹들의 픽셀 개수를 비슷하게 유지하도록 그룹 간 색상 차이를 가중치로 사용하여 그룹별 픽셀 개수인 hk값을 조절할 수 있다.
예를 들면, 조절되기 전의 픽셀 개수(910 및 920)를 보면 각 그룹별로 픽셀의 개수가 차이가 크다는 것을 확인할 수 있다. 그러나 조절이 수행된 이후에는 유사한 파장의 값을 갖는 그룹들간에 그룹별 픽셀 개수가 유사하다는 것을 확인할 수 있다.
그룹별 픽셀의 개수를 조절하는 방법의 일 실시 예에 대해서는 [수학식(3)]에서 상술한 바 있다.
도 10은 다양한 실시 예에 따라 디바이스(110)가 희귀도를 결정하는 방법을 설명하기 위한 도면이다.
희귀도를 결정하는 구체적인 방법은 상술하였다.
도 10에서는 희귀도가 높은 픽셀들이 상대적으로 높은 명도를 갖도록 희귀도를 표현한 이미지가 도시되었다. 도 10의 우측 이미지를 보면, 영상 내에서 많이 표시되는 색상은 어둡게 표시되고, 영상 내에서 희귀도가 높은 색상은 밝게 표시되어 희귀도의 차이를 구별할 수 있다.
도 11은 다양한 실시 예에 따라 디바이스(110)가 응집도를 결정하는 방법을 설명하기 위한 도면이다.
디바이스(110)는 소정의 그룹의 픽셀들이 영상 내에서 흩어져있는 경우 소정의 거리 내에 위치하는 픽셀들이 하나의 서브 그룹을 형성하도록 하나의 그룹 내의 픽셀들을 서브 그룹 단위로 분류할 수 있다.
따라서 디바이스(110)는 도 11에서 다양한 실시 예에 따라 소정의 그룹의 픽셀들을 11개의 서브 그룹들(1101 내지 1111)로 분류하였다.
디바이스(110)는 그룹을 구성하는 서브 그룹들간의 거리를 이용하여 그룹의 응집도를 결정할 수 있다.
예를 들면, 디바이스(110)는 소정 그룹을 구성하는 서브 그룹들의 평균 위치들을 결정하고, 결정한 평균 위치들간의 평균 거리를 이용하여 소정 그룹의 응집도를 결정할 수 있다.
다른 예로, 디바이스(110)는 소정 그룹을 구성하는 서브 그룹들의 평균 위치들을 결정하고, 결정한 평균 위치들간의 거리의 합을 이용하여 소정 그룹의 응집도를 결정할 수 있다.
또한, 디바이스(110)는 연결 영역 라벨링 기법을 이용하여 픽셀들을 각각의 서브 그룹들로 라벨링할 수 있다. 예를 들면, 디바이스(110)는 각각의 서브 그룹들에 포함된 픽셀의 수가 많을수록 낮은 번호를 부여하여 각각의 서브 그룹들에 라벨링 할 수 있다. 다른 예로, 디바이스(110)는 각각의 서브 그룹들에 무작위로 라벨링 할 수 있다.
도 12는 다양한 실시 예에 따라 디바이스(110)가 응집도를 결정하는 방법을 설명하기 위한 도면이다.
도 12는 응집도 추출 결과를 나타낼 수 있다. 배경 성분은 관심영역인 단풍잎보다 분산되어있기 때문에 낮은 응집도를 가짐을 확인할 수 있다.
디바이스(110)가 응집도를 결정하는 방법에 대해서는 상술하였다.
도 12에서는 응집도가 결정된 결과의 일 실시 예를 도시하고 있다. 구체적으로, 도 12에는 응집도가 낮은 그룹의 픽셀들의 명암은 낮게 표시되고, 응집도가 높은 그룹의 픽셀들의 명암은 높게 표시된 일 실시 예가 도시되어있다.
도 13은 다양한 실시 예에 따라 디바이스(110)가 중심 밀집도를 결정하는 방법을 설명하기 위한 도면이다.
디바이스(110)가 중심 밀집도를 결정하는 방법에 대해서는 상술하였다.
도 13에서는 중심 밀집도가 결정된 결과의 일 실시 예를 도시하고 있다. 구체적으로, 도 13에는 중심 밀집도가 낮은 그룹의 픽셀들의 명암은 낮게 표시되고, 중심 밀집도가 높은 그룹의 픽셀들의 명암은 높게 표시된 일 실시 예가 도시되어있다.
도 14는 다양한 실시 예에 따라 디바이스(110)가 중요점을 검출하는 방법을 설명하기 위한 도면이다.
디바이스(110)가 중요점을 결정하는 방법에 대해서는 상술하였다.
도 14에서는 중요도가 결정된 결과의 일 실시 예를 도시하고 있다. 구체적으로, 도 14에는 중요도가 낮은 그룹의 픽셀들의 명암은 낮게 표시되고, 중요도가 높은 그룹의 픽셀들의 명암은 높게 표시된 일 실시 예가 도시되어있다.
도 15는 다양한 실시 예에 따라 디바이스(110)의 구성을 설명하기 위한 블록도이다.
디바이스(110)는 상술한 영상 데이터 처리 방법을 수행할 수 있는 장치로, 상술한 영상 데이터 처리 방법을 수행하기 위한 모든 실시 예의 구현이 가능하다.
도 15에 도시된 바와 같이, 디바이스(110)는 분류부(1510), 희귀도 결정부(1520), 응집도 결정부(1530), 중심 밀집도 결정부(1540), 중요도 결정부(1550) 및 압축방식 결정부(1560)를 포함할 수 있다. 그러나 도시된 구성요소보다 많은 구성요소에 의해 디바이스(110)가 구현될 수도 있고, 도시된 구성요소보다 적은 구성요소에 의해 디바이스(110)가 구현될 수도 있다.
이하 상기 구성요소들에 대해 차례로 살펴본다.
분류부(1510)는 영상에 포함된 픽셀들의 픽셀값들을 기준으로 픽셀들을 하나 이상의 그룹들로 분류할 수 있다.
픽셀값은 색상값, 휘도값을 포함할 수 있다.
디바이스(110)는 픽셀 단위로 각 픽셀의 밝기값이 전체 영상에서 희소한 정도를 결정할 수 있다. 또는, 디바이스(110)는 픽셀 단위로 각 픽셀의 색상값이 전체 영상에서 희소한 정도를 결정할 수 있다.
또한, 디바이스(110)는 그룹 단위로 각 그룹의 픽셀의 밝기값이 전체 영상에서 희소한 정도를 결정할 수 있다. 또는, 디바이스(110)는 그룹 단위로 각 그룹의 픽셀의 색상 값이 전체 영상에서 희소한 정도를 결정할 수 있다.
분류부(1510)는 각 그룹별로 희귀도를 결정하기 위해 영상에 포함된 픽셀들을 하나 이상의 그룹들로 분류할 수 있다. 예를 들면, 분류부(1510)는 픽셀값을 기준으로 영상에 포함된 픽셀들을 하나 이상의 그룹으로 분류할 수 있다.
예를 들면, 분류부(1510)는 소정의 범위 내의 픽셀값을 갖는 픽셀들이 하나의 그룹이 되도록 할 수 있다.
다른 예로, 분류부(1510)는 케이 민즈(K-means) 클러스터링을 이용하여 유사한 색상을 가지는 픽셀들이 하나의 그룹이 되도록 픽셀들을 하나 이상의 그룹으로 분류할 수 있다. 분류부(1510)는 CIELab 색공간 정보를 이용하여 픽셀들을 35개의 그룹으로 나눈 후 각 그룹에 대해 중요도를 계산할 수 있다.
다른 예로, 분류부(1510)는 영상에 포함된 픽셀들을 휘도를 기준으로 5개의 그룹들로 분류할 수 있다.
다른 예로, 분류부(1510)는 영상에 포함된 픽셀들을 각 픽셀의 색상을 기준으로 7개의 그룹들로 분류할 수 있다. 분류부(1510)는 영상에 포함된 픽셀들을 빛의 파장을 기준으로 7개의 그룹들로 분류할 수 있다.
다른 예로, 분류부(1510)는 영상에 포함된 픽셀들을 색상을 기준으로 소정의 개수의 그룹들로 분류할 수 있다. 예를 들면, 분류부(1510)는 픽셀들 사이의 파장 값의 차이가 소정의 값 이상인 경우에 각각의 픽셀들을 서로 상이한 그룹에 포함시킬 수 있다. 예를 들면, 분류부(1510)는 픽셀들을 하나 이상의 그룹들로 분류할 때, 파장 값의 차이가 30nm 이상인 픽셀들은 같은 그룹이 되지 않도록 할 수 있다.
분류부(1510)는 픽셀들을 분류하는 그룹들의 개수를 픽셀들의 색상의 분포를 고려하여 결정할 수 있다. 예를 들면, 분류부(1510)는 소정의 범위 내에 있는 파장값을 가진 픽셀들을 하나의 그룹으로 설정할 수 있다. 다른 예로, 분류부(1510)는 하나의 그룹에 소정의 개수 이상의 픽셀들이 포함되도록 할 수 있다.
희귀도 결정부(1520)는 분류부(1510)에서 분류된 각 그룹의 픽셀값들이 희귀한 정도인 각 그룹의 희귀도를 결정할 수 있다.
희귀도는 각 그룹의 픽셀값들이 희귀한 정도를 의미할 수 있다.
희귀도 결정부(1520)는 각 그룹 내에 포함된 픽셀값들이 전체 영상의 픽셀값들에 비하여 희소한 정도를 결정할 수 있다. 예를 들면, 전체 영상에서 붉은색 픽셀이 10개이고, 초록색 픽셀이 5개이고, 노란색 픽셀이 2개일 때 희귀도 결정부(1520)는 노란색 픽셀값이 가장 희소하다고 결정할 수 있다.
희귀도 결정부(1520)는 픽셀의 희귀도를 결정할 때 영상을 구성하는 픽셀들의 픽셀값의 분포를 이용할 수 있다.
예를 들면, 영상을 구성하는 픽셀이 150개 인 경우, 파장이 400~450[nm]에 속한 픽셀의 수가 140개이고, 파장이 550~560[nm]에 속한 픽셀의 수가 10개이고, 파장이 420~430[nm]에 속한 픽셀의 수가 1개일 때 희귀도 결정부(1520)는 파장이 420~430[nm]에 속한 픽셀보다는 파장이 550~560[nm]에 속한 픽셀의 희귀도가 더 높다고 판단할 수 있다. 희귀도 결정부(1520)는 10[nm] 내의 파장값을 갖는 픽셀의 수 뿐 아니라 전체적인 픽셀값의 분포를 고려하여 각 픽셀의 희귀도를 결정할 수 있다.
희귀도 결정부(1520)는 픽셀의 희귀도 뿐 아니라 그룹의 희귀도도 결정할 수 있다.
예를 들면, 희귀도 결정부(1520)는 그룹의 평균 색상을 이용하여 그룹의 희귀도를 결정할 수 있다. 관련된 예로, 희귀도 결정부(1520)는 그룹의 평균 색상이 전체 영상의 픽셀값들에 비하여 희소한 정도를 판단할 수 있다. 다른 예로, 희귀도 결정부(1520)는 그룹의 평균 색상이 다른 그룹들의 평균 색상들에 비하여 희소한 정도를 판단할 수 있다.
희귀도는 각 그룹의 픽셀값들이 희귀한 정도를 의미할 수 있다.
예를 들면, 희귀도는 각 그룹의 평균 색상이 희소한 정도를 나타낼 수 있다.
희귀도 결정부(1520)는 각 그룹의 희귀도를 결정하기 위해 각 그룹간의 색상 차이 및 각 그룹에 포함된 픽셀의 수를 이용할 수 있다.
상술된 수학식(1)은 i번째 그룹인 Ci와 j번째 그룹인 Cj의 색상 차이를 계산하는 일 실시 예이다.
Ii, Ij는 각각 Ci와 Cj의 평균 색상을 벡터로 표현할 것을 의미할 수 있다. 또한, Lk, ak, bk는 각각 Ck에서의 평균 L, a, b 픽셀값을 의미할 수 있다.
그러나 희귀도를 계산함에 있어 CIELab 색공간 정보를 이용하는 것은 하나의 실시 예일 뿐이고 다른 방식이 이용될 수 있다는 것을 통상의 기술자라면 쉽게 이해할 수 있다.
또한, 희귀도 결정부(1520)는 각 그룹의 희귀도를 결정할 때 각 그룹의 픽셀 개수를 이용할 수 있다. hk는 k번째 그룹의 픽셀 개수를 의미할 수 있다. 예를 들면, 픽셀 개수가 많은 그룹의 희귀도는 픽셀 개수가 적은 그룹의 희귀도보다 낮을 수 있다.
또한, 픽셀값은 색상값을 포함할 수 있다. 따라서 이하에서 색상을 일 실시 예로 기술한 경우에도 다른 값에 의해 동일한 영상 처리가 수행될 수 있다는 것을 통상의 기술자라면 쉽게 이해할 수 있다.
예를 들면, 유사한 색상을 가지는 그룹의 픽셀값은 상호 유사할 수 있다. 또한, 유사한 색상을 가지는 그룹의 픽셀 개수는 상호 유사할 수 있다. 유사한 색상을 갖는 그룹들 사이에서도 픽셀 개수가 서로 상이할 수 있다. 유사한 색상을 가지는 그룹들의 픽셀 개수를 비슷하게 유지하도록 그룹 간 색상 차이를 가중치로 사용하여 hk값을 조절할 수 있다.
상술된 수학식(2)은 i번째 그룹과 j번째 그룹의 색상 차이에 대한 가중치 Ws(Ci, Cj)를 계산하는 일 실시 예이다.
(σs)^2는 가중치의 민감도를 결정하는 파라미터일 수 있다. Ws(Ci, Cj)는 색상이 유사한 그룹의 경우 높은 값을 가지고, 색상이 유사하지 않을 경우 낮은 값을 가질 수 있다. 상술된 수학식(3)는 Ws(Ci, Cj)를 이용하여 조절된 그룹의 픽셀 수를 계산하는 일 실시 예이다.
색상 차이에 대한 가중치를 이용하여 조절된 픽셀 수는 유사한 색상에 대해 높은 상관관계를 가질 수 있다.
다양한 실시 예에 의할 때, Ck의 희귀도 Rk는 조절된 픽셀 수를 이용하여 계산될 수 있다.
상술된 수학식(4)는 Ck의 희귀도 Rk를 조절된 픽셀 수를 이용하여 계산하는 일 실시 예이다.
응집도 결정부(1530)는 각 그룹의 픽셀들이 서로 가까운 정도인 각 그룹의 응집도를 결정할 수 있다.
응집도는 그룹의 분포를 측정하는 파라미터일 수 있다. 예를 들면, 응집도는 각 그룹에 포함되는 픽셀들의 위치에 대한 분산값을 이용하여 계산될 수 있다.
다른 예로, 응집도 결정부(1530)는 그룹 내에 포함된 픽셀들의 상호간의 거리의 평균값에 대응되는 값을 계산하여 계산한 값이 작을수록 높은 응집도를 부여할 수 있다.
다른 예로, 응집도 결정부(1530)는 그룹의 평균 위치를 결정하고, 그룹의 평균 위치부터 그룹에 포함되는 픽셀들까지의 거리의 평균을 계산하여 계산한 값이 작을수록 높은 응집도를 부여할 수 있다.
다른 예로, 응집도 결정부(1530)는 응집도를 결정함에 있어서 픽셀 내에 포함된 픽셀의 수를 이용할 수 있다. 응집도 결정부(1530)는 그룹 내에 포함된 픽셀들 상호간의 거리의 평균값이 동일한 그룹의 경우에는 그룹 내에 포함된 픽셀의 수가 더 많은 그룹에 더 높은 응집도를 부여할 수 있다.
응집도를 부여하는 구체적인 방법은 도 4 및 도 5에서 상술하였다.
그룹 내 픽셀들이 모여있을수록 응집도 결정부(1530)는 해당 그룹에 높은 응집도를 부여할 수 있다. 또한, 중요도 결정부(1550)는 응집도가 높은 그룹에 높은 중요도를 부여할 수 있다.
배경으로 인식되는 그룹의 픽셀들은 영상 내에 전체적으로 퍼져있고, 중요한 물체로 인식되는 그룹의 픽셀들은 모여있을 수 있다. 디바이스(110)는 모여있는 픽셀들에의해 디스플레이되는 대상을 중요한 대상으로 인식할 수 있다.
중심 밀집도 결정부(1540)는 각 그룹의 픽셀들이 영상의 중앙으로부터 가까운 정도인 각 그룹의 중심 밀집도를 결정할 수 있다.
예를 들면, 중심 밀집도 결정부(1540)는 각 그룹에 포함된 픽셀들의 영상의 중앙으로부터의 평균 거리를 계산할 수 있다. 그리고 중심 밀집도 결정부(1540)는 계산된 평균 거리가 큰 그룹보다 계산된 평균 거리가 작은 그룹에 높은 중심 밀집도를 부여할 수 있다.
다른 예로, 중심 밀집도 결정부(1540)는 각 그룹의 평균 위치를 결정하고, 영상의 중앙으로부터 각 그룹의 평균 위치 까지의 거리를 이용하여 각 그룹의 중심 밀집도를 결정할 수 있다.
다른 예로, 중심 밀집도 결정부(1540)는 영상의 가로 세로 비율을 고려하여 각 그룹의 중심 밀집도를 결정할 수 있다.
중요도 결정부(1550)는 분류부(1510), 희귀도 결정부(1520) 및 응집도 결정부(1530)에서 결정된 희귀도, 응집도 및 중심 밀집도 중 적어도 하나에 기초하여 각 그룹의 중요도를 결정할 수 있다.
예를 들면, 중요도 결정부(1550)는 희귀도와 응집도와 중심 밀집도의 곱을 이용하여 중요 점을 결정할 수 있다.
상술한 수학식(5)은 중요점을 검출하는 일 실시 예이다.
[수학식(5)]
Figure pat00012
Rk는 희귀도, Ok는 응집도, Pk는 중심 밀집도를 의미할 수 있다.
디바이스(110)는 상술한 방식으로 특정 픽셀의 희귀도, 응집도 및 중심 밀집도를 결정하고, 결정된 희귀도, 응집도 및 중심 밀집도를 곱한 값을 특정 픽셀의 중요도로 결정할 수 있다. 그리고 특정 픽셀은 특정 그룹 내에 포함되어있는 픽셀일 수 있다. 디바이스(110)는 하나의 그룹 내의 픽셀들에 대해서는 희귀도, 응집도 및 중심 밀집도가 동일하도록 계산 방식을 설정할 수 있다.
다른 예로, 중요도 결정부(1550)는 소정의 가중치가 부여된 희귀도, 응집도, 중심 밀집도를 중요 그룹을 결정하기 위해 이용할 수 있다. 예를 들면, 중요도 결정부(1550)는 소정의 가중치가 부여된 희귀도, 응집도, 중심 밀집도를 합한 값에 비례하게 각 그룹의 중요도를 결정할 수 있다. 다른 예로, 중요도 결정부(1550)는 소정의 가중치가 부여된 희귀도, 응집도 및 중심 밀집도를 곱한 값에 비례하게 각 그룹의 중요도를 결정할 수 있다.
예를 들면, 중요도 결정부(1550)는 분류부(1510), 희귀도 결정부(1520) 및 응집도 결정부(1530)에서 결정된 희귀도, 응집도 및 중심 밀집도의 곱의 값에 비례하도록 각 픽셀의 중요도를 결정할 수 있다.
다른 예로, 중요도 결정부(1550)는 분류부(1510), 희귀도 결정부(1520) 및 응집도 결정부(1530)에서 결정된 희귀도, 응집도 및 중심 밀집도의 곱의 값에 비례하도록 각 그룹의 중요도를 결정할 수 있다.
다른 예로, 중요도 결정부(1550)는 희귀도, 응집도 및 중심 밀집도 중 어느 하나라도 소정의 기준 이하의 값을 갖는 그룹은 비중요 영역에 포함되는 그룹으로 결정할 수 있다.
다른 예로, 중요도 결정부(1550)는 희귀도, 응집도 및 중심 밀집도 중 어느 하나라도 소정의 기준 이상의 값을 갖는 그룹은 중요 영역에 포함되는 그룹으로 결정할 수 있다.
다른 예로, 중요도 결정부(1550)는 소정 그룹의 희귀도, 응집도 및 중심 밀집도 중 가장 낮은 값을 배제하고 나머지 두개의 값만을 이용하여 소정 그룹의 중요도를 결정할 수 있다.
또한, 디바이스(110)는 중요한 영역을 결정하여 중요한 영역을 강조하여 표현할 수 있다.
압축방식 결정부(1560)는 중요도 결정부(1550)에서 결정된 각 그룹의 중요도에 기초하여 각 그룹의 영상들에 대한 압축 방식을 결정할 수 있다.
압축방식 결정부(1560)는 영상을 압축할 때 중요 영역을 결정하여 중요 영역과 비중요 영역에 대한 압축 파라미터를 차별화할 수 있다. 디바이스(110)는 중요 영역과 비중요 영역에 대한 압축 파라미터를 차별화 함으로써 압축 효율을 향상시킬 수 있다. 중요 영역은 중요도가 소정의 기준 이상인 그룹들이 영상에서 차지하는 영역을 의미할 수 있다. 비중요 영역은 중요도가 소정의 기준 미만인 그룹들이 영상에서 차지하는 영역을 의미할 수 있다.
이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다.
한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (17)

  1. 영상 데이터를 처리하는 방법에 있어서,
    영상에 포함된 픽셀들의 픽셀값들을 기준으로 상기 픽셀들을 하나 이상의 그룹들로 분류하는 단계;
    상기 각 그룹의 픽셀값들이 희귀한 정도인 상기 각 그룹의 희귀도를 결정하는 단계;
    상기 각 그룹의 픽셀들이 서로 가까운 정도인 상기 각 그룹의 응집도를 결정하는 단계;
    상기 각 그룹의 픽셀들이 상기 영상의 중앙으로부터 가까운 정도인 상기 각 그룹의 중심 밀집도를 결정하는 단계; 및
    상기 결정된 희귀도, 응집도 및 중심 밀집도 중 적어도 하나에 기초하여 상기 각 그룹의 중요도를 결정하는 단계를 포함하는 영상 데이터 처리 방법.
  2. 제 1 항에 있어서,
    상기 희귀도를 결정하는 단계는
    상기 영상의 픽셀값들의 분포와 상기 영상에서 상기 각 그룹의 픽셀이 차지하는 비율에 기초하여 상기 각 그룹의 희귀도를 결정하는 단계를 포함하는 영상 데이터 처리 방법.
  3. 제 1 항에 있어서,
    상기 희귀도를 결정하는 단계는
    상기 하나 이상의 그룹들 중 하나인 제 1 그룹의 픽셀값들의 평균 값인 제 1 평균값을 결정하는 단계;
    상기 하나 이상의 그룹들 중 상기 제 1 그룹 외의 그룹들의 평균 픽셀값들을 결정하는 단계;
    상기 제 1 평균값과 상기 평균 픽셀값들간의 차이값들이 클수록 상기 제 1 그룹에 높은 희귀도를 부여하는 단계를 포함하는 영상 데이터 처리 방법.
  4. 제 1 항에 있어서,
    상기 응집도를 결정하는 단계는
    상기 각 그룹의 픽셀들 중 소정의 거리 내로 인접한 픽셀들이 하나의 서브 그룹이 되도록 상기 각 그룹의 픽셀들을 서브 그룹들로 분류하는 단계; 및
    상기 서브 그룹들이 서로 가까울수록 상기 각 그룹에 높은 응집도를 부여하는 단계를 포함하는 영상 데이터 처리 방법.
  5. 제 1 항에 있어서,
    상기 응집도를 결정하는 단계는
    상기 하나 이상의 그룹들 중 하나인 제 1 그룹의 픽셀값들의 평균 값인 제 1 평균값으로부터 소정의 범위 내의 평균 픽셀값을 가지는 그룹을 상기 하나 이상의 그룹들로부터 결정하는 단계;
    상기 결정된 그룹과 상기 제 1 그룹을 병합한 제 2 그룹의 픽셀들 중 소정의 거리 내로 인접한 픽셀들이 하나의 서브 그룹이 되도록 상기 제 2 그룹의 픽셀들을 서브 그룹들로 분류하는 단계; 및
    상기 서브 그룹들이 서로 가까울수록 상기 제 1 그룹에 높은 응집도를 부여하는 단계를 포함하는 영상 데이터 처리 방법.
  6. 제 1 항에 있어서,
    상기 중심 밀집도를 결정하는 단계는
    상기 영상의 중앙으로부터 상기 각 그룹의 픽셀들의 가로 위치까지의 가로 거리 및 상기 각 그룹의 픽셀들의 세로 위치까지의 세로 거리를 결정하는 단계;
    상기 결정된 가로 거리 및 상기 결정된 세로 거리 각각에 가중치를 부여하는 단계; 및
    상기 가중치가 부여된 상기 결정된 가로 거리 및 상기 결정된 세로 거리가 작을수록 높은 중심 밀집도를 부여하는 단계를 포함하는 영상 데이터 처리 방법.
  7. 제 6 항에 있어서,
    상기 가중치를 부여하는 단계는
    상기 영상의 가로 세로 비율에 기초하여 상기 결정된 가로 거리 및 상기 결정된 세로 거리 각각에 가중치를 부여하는 단계를 포함하는 영상 데이터 처리 방법.
  8. 제 1 항에 있어서, 상기 영상 데이터 처리 방법은
    상기 결정된 각 그룹의 중요도에 기초하여 상기 각 그룹의 영상들에 대한 압축 방식을 결정하는 단계를 더 포함하는 영상 데이터 처리 방법.
  9. 영상 데이터를 처리하는 디바이스에 있어서,
    영상에 포함된 픽셀들의 픽셀값들을 기준으로 상기 픽셀들을 하나 이상의 그룹들로 분류하는 분류부;
    상기 각 그룹의 픽셀값들이 희귀한 정도인 상기 각 그룹의 희귀도를 결정하는 희귀도 결정부;
    상기 각 그룹의 픽셀들이 서로 가까운 정도인 상기 각 그룹의 응집도를 결정하는 응집도 결정부;
    상기 각 그룹의 픽셀들이 상기 영상의 중앙으로부터 가까운 정도인 상기 각 그룹의 중심 밀집도를 결정하는 중심 밀집도 결정부; 및
    상기 결정된 희귀도, 응집도 및 중심 밀집도 중 적어도 하나에 기초하여 상기 각 그룹의 중요도를 결정하는 중요도 결정부를 포함하는 디바이스.
  10. 제 9 항에 있어서,
    상기 희귀도 결정부는
    상기 영상의 픽셀값들의 분포와 상기 영상에서 상기 각 그룹의 픽셀이 차지하는 비율에 기초하여 상기 각 그룹의 희귀도를 결정하는 디바이스.
  11. 제 9 항에 있어서,
    상기 희귀도 결정부는
    상기 하나 이상의 그룹들 중 하나인 제 1 그룹의 픽셀값들의 평균 값인 제 1 평균값을 결정하고,
    상기 하나 이상의 그룹들 중 상기 제 1 그룹 외의 그룹들의 평균 픽셀값들을 결정하고,
    상기 제 1 평균값과 상기 평균 픽셀값들간의 차이값들이 클수록 상기 제 1 그룹에 높은 희귀도를 부여하는 디바이스.
  12. 제 9 항에 있어서,
    상기 응집도 결정부는
    상기 각 그룹의 픽셀들 중 소정의 거리 내로 인접한 픽셀들이 하나의 서브 그룹이 되도록 상기 각 그룹의 픽셀들을 서브 그룹들로 분류하고,
    상기 서브 그룹들이 서로 가까울수록 상기 각 그룹에 높은 응집도를 부여하는 디바이스.
  13. 제 9 항에 있어서,
    상기 응집도 결정부는
    상기 하나 이상의 그룹들 중 하나인 제 1 그룹의 픽셀값들의 평균 값인 제 1 평균값으로부터 소정의 범위 내의 평균 픽셀값을 가지는 그룹을 상기 하나 이상의 그룹들로부터 결정하고,
    상기 결정된 그룹과 상기 제 1 그룹을 병합한 제 2 그룹의 픽셀들 중 소정의 거리 내로 인접한 픽셀들이 하나의 서브 그룹이 되도록 상기 제 2 그룹의 픽셀들을 서브 그룹들로 분류하고,
    상기 서브 그룹들이 서로 가까울수록 상기 제 1 그룹에 높은 응집도를 부여하는 디바이스.
  14. 제 9 항에 있어서,
    상기 중심 밀집도 결정부는
    상기 영상의 중앙으로부터 상기 각 그룹의 픽셀들의 가로 위치까지의 가로 거리 및 상기 각 그룹의 픽셀들의 세로 위치까지의 세로 거리를 결정하고,
    상기 결정된 가로 거리 및 상기 결정된 세로 거리 각각에 가중치를 부여하고,
    상기 가중치가 부여된 상기 결정된 가로 거리 및 상기 결정된 세로 거리가 작을수록 높은 중심 밀집도를 부여하는 디바이스.
  15. 제 14 항에 있어서,
    상기 중심 밀집도 결정부는
    상기 영상의 가로 세로 비율에 기초하여 상기 결정된 가로 거리 및 상기 결정된 세로 거리 각각에 가중치를 부여하는 디바이스.
  16. 제 9 항에 있어서, 상기 디바이스는
    상기 결정된 각 그룹의 중요도에 기초하여 상기 각 그룹의 영상들에 대한 압축 방식을 결정하는 압축 방식 결정부를 더 포함하는 디바이스.
  17. 제 1 항 내지 제 8 항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020140054434A 2014-01-23 2014-05-07 영상 데이터 처리 방법 및 디바이스 KR101603268B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201461930545P 2014-01-23 2014-01-23
US61/930,545 2014-01-23

Publications (2)

Publication Number Publication Date
KR20150088164A true KR20150088164A (ko) 2015-07-31
KR101603268B1 KR101603268B1 (ko) 2016-03-14

Family

ID=53877281

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140054434A KR101603268B1 (ko) 2014-01-23 2014-05-07 영상 데이터 처리 방법 및 디바이스

Country Status (1)

Country Link
KR (1) KR101603268B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008048243A (ja) * 2006-08-18 2008-02-28 Sony Corp 画像処理装置、画像処理方法および監視カメラ
KR20080114706A (ko) * 2006-03-02 2008-12-31 톰슨 라이센싱 그림 신호 인코딩에서 그림 내의 픽셀 블록 그룹들에 대한 비트 할당을 결정하는 방법 및 장치
JP2011040859A (ja) * 2009-08-07 2011-02-24 Casio Computer Co Ltd 画像処理装置、画像処理方法及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080114706A (ko) * 2006-03-02 2008-12-31 톰슨 라이센싱 그림 신호 인코딩에서 그림 내의 픽셀 블록 그룹들에 대한 비트 할당을 결정하는 방법 및 장치
JP2008048243A (ja) * 2006-08-18 2008-02-28 Sony Corp 画像処理装置、画像処理方法および監視カメラ
JP2011040859A (ja) * 2009-08-07 2011-02-24 Casio Computer Co Ltd 画像処理装置、画像処理方法及びプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
이세호 외 2인, 희귀도 기반의 중요도 검출 기법. 2013년 한국방송공학회 추계학술대회 논문집. 2013년 11월. pp.244-245* *

Also Published As

Publication number Publication date
KR101603268B1 (ko) 2016-03-14

Similar Documents

Publication Publication Date Title
US9754160B2 (en) Method and device for detecting gathering of objects based on stereo vision as well as non-transitory computer-readable medium
CN107636589B (zh) 用于减少多个限界区的系统和方法
CN109918969A (zh) 人脸检测方法及装置、计算机装置和计算机可读存储介质
US20100232685A1 (en) Image processing apparatus and method, learning apparatus and method, and program
CN108898069A (zh) 基于多分类器融合的视频火焰检测方法
KR20090084563A (ko) 비디오 영상의 깊이 지도 생성 방법 및 장치
US8290277B2 (en) Method and apparatus for setting a lip region for lip reading
CN111738064A (zh) 一种雾霾图像的雾浓度识别方法
Xiong et al. Early smoke detection of forest fires based on SVM image segmentation
CN103295013A (zh) 一种基于成对区域的单幅图像阴影检测方法
Xu et al. Entities and features for classifcation of airborne laser scanning data in urban area
CN105184308B (zh) 一种基于全局优化决策的遥感图像建筑物检测分类方法
CN103617414A (zh) 一种基于最大间距准则的火灾颜色模型及火灾火焰和烟雾识别方法
US8737768B2 (en) Image processing device, method, and program
KR101030257B1 (ko) 카메라의 영상을 이용한 보행자 계수 방법 및 장치
KR101833943B1 (ko) 동영상의 주요 장면을 추출 및 탐색하는 방법 및 시스템
JP6508134B2 (ja) 物体判別装置
JP2011165170A (ja) 対象物検出装置及びプログラム
JP2011170890A (ja) 顔検出方法および装置並びにプログラム
KR101603268B1 (ko) 영상 데이터 처리 방법 및 디바이스
CN115294162B (zh) 目标识别方法、装置、设备及存储介质
CN116977931A (zh) 一种基于深度学习的高空抛物识别方法
KR20170091824A (ko) 이미지 분류 방법 및 장치
KR101357581B1 (ko) 깊이 정보 기반 사람의 피부 영역 검출 방법
CN112686105B (zh) 一种基于视频图像多特征融合的雾浓度等级识别方法

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
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190227

Year of fee payment: 4