KR20190138446A - 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치 - Google Patents

소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치 Download PDF

Info

Publication number
KR20190138446A
KR20190138446A KR1020180064913A KR20180064913A KR20190138446A KR 20190138446 A KR20190138446 A KR 20190138446A KR 1020180064913 A KR1020180064913 A KR 1020180064913A KR 20180064913 A KR20180064913 A KR 20180064913A KR 20190138446 A KR20190138446 A KR 20190138446A
Authority
KR
South Korea
Prior art keywords
contour
degrees
transform
curvelet
value
Prior art date
Application number
KR1020180064913A
Other languages
English (en)
Other versions
KR102096532B1 (ko
Inventor
김완진
윤근수
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 KR1020180064913A priority Critical patent/KR102096532B1/ko
Publication of KR20190138446A publication Critical patent/KR20190138446A/ko
Application granted granted Critical
Publication of KR102096532B1 publication Critical patent/KR102096532B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52046—Techniques for image enhancement involving transmitter or receiver
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52046—Techniques for image enhancement involving transmitter or receiver
    • G01S7/52047—Techniques for image enhancement involving transmitter or receiver for elimination of side lobes or of grating lobes; for increasing resolving power
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/10132—Ultrasound image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치에 관한 것으로, 커블렛 변환의 하위 단계인 리지렛 변환 계수의 정보를 이용하여 수중 영상에서 실제 윤곽선이라고 판단되는 중요한 부분만 선택적으로 향상시킬 수 있다.

Description

소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치{Edge Enhancement Method and Apparatus based on Curvelet Transform for Object Recognition at Sonar Image}
본 발명은 소나 영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽석 향상 방법 및 장치에 관한 것이다.
수중영상은 영상 획득 환경 특성상 자연 및 인공적 잡음과 현탁 입자(Suspended particle)로 인해 다양한 잡음이 포함되며, 이러한 문제점을 해결하기 위한 기법으로 최근 잡음을 효과적으로 분석 가능한 변환영역 필터링 기법이 고안되고 있다. 변환영역 기법으로 시간-주파수 분해(Time-Frequency Decomposition)를 이용한 웨이블릿 변환(Wavelet Transform)과 웨이블릿의 등방성 특성으로 발생하는 영상의 곡선표현의 한계를 극복하기 위해 웨이블릿 변환의 고차원을 일반화한 커브렛 변환(Curvelet Transform) 기반의 잡음제거 및 보정 기법들이 최근 고안되고 있으며, 커브렛 변환 기반의 기법은 도 2와 같은 6가지 단계로 이루어진다.
영상을 커브렛 변환하게 되면 영상처리를 위해 수학식 1과 같이 부대역(Sub-band) 분해단계에서
Figure pat00001
trous 알고리즘과 B-spline 필터를 적용하여 4개의 부대역 영상으로 분해된다.
Figure pat00002
,
Figure pat00003
는 각각 저역 통과(Low-pass), 고역 통과(High-pass) 필터된 영상이며 원본영상인
Figure pat00004
의 상세 정보를 나타낸다. B-spline의 저역 통과 필터는 원본영상을 부대역 분해하는데 사용된다.
[수학식 1]
스무드 분할(Smooth Partitioning) 단계에서 수학식 2의
Figure pat00005
,
Figure pat00006
(Scale),
Figure pat00007
,
Figure pat00008
는 각각 분할된 이등변 사각형, 스케일, 첫 번째 및 마지막 고역통과 필터를 나타낸다. 커블렛 변환의 세밀한 적용을 위해 영상을
Figure pat00009
으로 분할하여 지역화 된 창(Window) 모음을
Figure pat00010
로 정의한다. 이 과정에서
Figure pat00011
는
Figure pat00012
범위에 속하게 되며, 영상은 각 부대역으로 분할되므로 부대역
Figure pat00013
와
Figure pat00014
의 곱셈으로 수학식 3의
Figure pat00015
를 정의할 수 있다.
[수학식 2]
[수학식 3]
스무드 분할 단계에서 재정규화를 위한 함수
Figure pat00016
의 전달 연산자
Figure pat00017
는 수학식 4와 같이 정의된다.
[수학식 4]
재정규화는 각
Figure pat00018
를
Figure pat00019
로 정규화 하는 것을 의미하며, 수학식 5의
Figure pat00020
로 정의된다.
[수학식 5]
정의된
Figure pat00021
를 영상에서 분리하여 2차원 고속 푸리에 변환(FFT2D)을 수행하여, 이를 방사형 구조인 렉트폴라(Rectpolar)에 적용한다. 이후, 렉트폴라에 각도별로 1차원 고속 푸리에 역변환(FFT
Figure pat00022
)을 적용하여 라돈변환을 표현한다.
커블렛 변환에서는 라돈 계수에 1차원 웨이블릿 변환(WT1D)을 적용하여 리지렛 변환(Ridgelet Transform)을 수행하며, 일반적으로 영상은 직선보다 곡선이 많이 존재하므로 직선만 완벽하게 재구성 가능한 라돈 변환(Radon Transform)을 보완하기 위해 리지렛 변환을 적용한다.
다음 수학식 6에서
Figure pat00023
은 주파수영역에서 리지렛 변환의 요소이고 이진 코로나
Figure pat00024
는
Figure pat00025
범위에서 주파수영역을 나누며,
Figure pat00026
은 각도의 스케일과 위치,
Figure pat00027
는 리지렛의 스케일과 위치,
Figure pat00028
과
Figure pat00029
는
Figure pat00030
를 위한 마이어 웨이블릿(Meyer Wavelet)을 의미한다.
정규화된 각각의 사각형에 대해 리지렛 변환을 진행하여 수학식 7의
Figure pat00031
과 같은 리지렛 계수(Ridgelet Coefficients)를 도출 가능하다.
[수학식 6]
[수학식 7]
도 3은 기존 고안된 커브렛 기반 샤프닝 필터(Sharpening Filter)를 이용한 영상 보정 방법을 나타낸다. 이 방법은 영상의 윤곽선 향상에 우수하지만 영상 전체에 적용되므로 영상의 객체뿐만 아니라 잡음 부분도 같이 향상되어 실제 윤곽선이 아닌 이외의 영역에서 인공물(Artifact)이 증가하는 문제점을 가지고 있다.
[선행기술문헌번호]
선행기술 1: 한국등록특허 10-1748074호
선행기술 2: 한국등록특허 10-1781757호
선행기술 3: 한국등록특허 10-1696089호
본 발명은 커블렛 변환의 하위 단계인 리지렛 변환 계수의 정보를 이용하여 수중 영상에서 실제 윤곽선이라고 판단되는 중요한 부분만 선택적으로 향상시킬 수 있는 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치를 제공하는 것이다.
일 실시 예에 따른 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법에 있어서, 잡음을 포함한 상기 소나영상에 대한 커브렛 변환을 수행하는 단계; 상기 커브렛 변환의 하위 단계인 리지렛 계수의 각도 최댓값을 기반으로 윤곽선의 방향정보를 획득하는 단계; 상기 획득된 방향정보에 대해 그래디언트(Gradient) 및 윤곽선 방위각을 계산하고, 계산된 각도에 따라 적어도 네방향으로 윤곽선을 검출하는 단계; 상기 검출된 네방향의 윤곽선의 중심화소의 절댓값과 이웃화소값을 비교함으로써 윤곽선 결정 맵(Map)을 생성하는 단계; 및 상기 생성된 윤곽선 결정 맵을 기초로 선택적 샤프닝을 적용하는 단계를 포함한다.
다른 실시 예에 따른 소나 영상의 표적 인식 방법은 윤곽선 향상 방법을 포함하는 전처리 단계; 상기 전처리된 소나영상으로부터 표적을 검출하는 단계; 및 상기 검출된 표적을 분류하는 단계를 포함한다.
또 다른 실시 예에 따른 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법을 수행하는 프로세서에 있어서, 상기 프로세서는, 잡음을 포함한 상기 소나영상에 대한 커브렛 변환을 수행하고, 상기 커브렛 변환의 하위 단계인 리지렛 계수의 각도 최댓값을 기반으로 윤곽선의 방향정보를 획득하고, 상기 획득된 방향정보에 대해 그래디언트(Gradient) 및 윤곽선 방위각을 계산하고, 계산된 각도에 따라 적어도 네방향으로 윤곽선을 검출하고, 상기 검출된 네방향의 윤곽선의 중심화소의 절댓값과 이웃화소값을 비교함으로써 윤곽선 결정 맵(Map)을 생성하고, 상기 생성된 윤곽선 결정 맵을 기초로 선택적 샤프닝을 적용한다.
또 다른 실시 예에 따른 윤곽선 향상 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체를 포함한다.
실시 예에 따른 윤곽선 향상 방법 및 장치는 커블렛 변환의 하위 단계인 리지렛 변환 계수의 정보를 이용하여 수중 영상에서 실제 윤곽선이라고 판단되는 중요한 부분만 선택적으로 향상시킬 수 있다.
도 1은 획득된 소나영상의 물체 인식과정을 나타낸 블록 도이다.
도 2는 종래기술에 따른 커브렛 변환의 과정을 나타낸 블록 도이다.
도 3은 일반적인 윤곽선 향상 기법이 적용되어진 기존 고안된 전처리 방법의 모식도이다.
도 4는 일 실시 예에 따른 선택적 윤곽선 향상 전처리 방법의 모식도이다.
도 5는 다른 실시 예에 따른 각도에 따른 윤곽선 검출방법에 대한 모식도이다.
도 6 및 7은 또 다른 실시 예에 따른 실험에 이용된 원 영상이다.
도 8 내지 13은 종래기술 및 본 발명의 실시 예들에 적용된 방법을 적용하여 표적, 그림자, 배경의 윤곽선 향상을 비교한 영상들이다.
도 14 및 15는 또 다른 실시 예에 따른 원영상에 잡음을 추가한 영상들이다. 도 16 내지 19는 종래기술 및 본 발명의 실시 예들에 적용된 방법을 적용하여 PSNR 향상을 비교한 영상들이다.
본 실시 예들에서 사용되는 용어는 본 실시 예들에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 기술분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 임의로 선정된 용어도 있으며, 이 경우 해당 실시 예의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 실시 예들에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 실시 예들의 전반에 걸친 내용을 토대로 정의되어야 한다.
실시 예들에 대한 설명에서, 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 그 중간에 다른 구성요소를 사이에 두고 전기적으로 연결되어 있는 경우도 포함한다. 또한, 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 실시 예들에 기재된 “부”의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
본 실시 예들에서 사용되는 “구성된다”또는“포함한다”등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계는 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
하기 실시 예들에 대한 설명은 권리범위를 제한하는 것으로 해석되지 말아야 하며, 해당 기술분야의 당업자가 용이하게 유추할 수 있는 것은 실시 예들의 권리범위에 속하는 것으로 해석되어야 할 것이다. 이하 첨부된 도들을 참조하면서 오로지 예시를 위한 실시 예들을 상세히 설명하기로 한다.
본 발명은 획득된 소나영상의 수중물체 인식의 향상을 위한 전처리 방법으로 도 1은 소나영상을 이용하여 객체 인식(Object Recognition)을 위한 과정을 순서도로 표현한 것이다. 전처리(Pre-processing) 단계는 수중 환경에서 발생하는 다양한 자연적, 인공적 잡음 데이터를 제거하여 객체의 주요 특징을 보정하기 위한 과정이다.
본 발명에서는 도 4와 같이 커블렛 변환의 하위 단계인 리지렛 변환 계수의 정보를 이용하여 수중 영상에서 실제 윤곽선이라고 판단되는 중요한 부분만 선택적으로 향상할 수 있는 방법을 설명한다.
먼저, 윤곽선 결정(Edge Determination) 과정을 상세히 설명한다.
본 발명에서는 이용하여 리지렛 계수
Figure pat00032
를
Figure pat00033
로 재 정의하고,
Figure pat00034
,
Figure pat00035
,
Figure pat00036
는 스케일, 원점으로부터 이격된 위치, 스케일에 비례하는 각도 분해능을 의미한다. 리지렛 계수의 스케일인
Figure pat00037
는 각도와 위치를 포함하는
Figure pat00038
로 나뉘게 되며,
Figure pat00039
에서 방향에 대한 각도의 최댓값은
Figure pat00040
를 통해 계산될 수 있다.
다음 수학식 8으로부터 계산된
Figure pat00041
은
Figure pat00042
의
Figure pat00043
에 대한 최댓값을 나타내며, 각도
Figure pat00044
와
Figure pat00045
에 위치한 윤곽선 방향(Edge Direction)은 다음수학식 9와 같이 정의된다.
[수학식 8]
[수학식 9]
Figure pat00046
는 수학식 5로부터 재정규화 된
Figure pat00047
의 최댓값을 수학식 9와 같이 재정의하였으며, 1차원 웨이블릿 역변환(WT1D
Figure pat00048
) 후 라돈 역변환(RDT
Figure pat00049
)을 수행하여 웨이블릿 영역으로 변환되어진다.
Figure pat00050
의 윤곽선 방향 정보를 적용하여 실제 윤곽선 결정 및 맵을 얻을 수 있으며, 윤곽선에 대한 그래디언트(Gradient)는 수학식 10의
Figure pat00051
과 같이 그리고 윤곽선 방위각은 수학식 11을 수행하여
Figure pat00052
로 정의된다.
[수학식 10]
[수학식 11]
다음으로, 선택적 샤프닝(Selective Sharpening)과정을 상세히 설명한다.
본 발명의 주요 목적은 기존 잡음 제거 기법에 의해서 블러링(Blurring)된 리지렛 영역에서 계수의 정보를 활용하여 실제 윤곽선 계수를 결정하고 이를 향상하는 기법으로 전체 계수에 대하여 일괄적으로 샤프닝을 수행하는 것이 아니라, 실제 윤곽선으로 결정된 계수의 영역에만 선택적으로 샤프닝 마스크(Sharpening Mask)를 적용하여 이외의 영역에서 인공물(Artifact)을 감소시키는 것이다.
도 5와 같이
Figure pat00053
의 각도에 따라 0부터 3까지 4가지 방향으로 윤곽선 검출을 진행하고
Figure pat00054
와
Figure pat00055
는 윤곽선의 법선 방향을 따르며,
Figure pat00056
를 포함하는
Figure pat00057
의 이웃 화소를 의미한다.
Figure pat00058
는 절댓값이 이웃 화소보다 작으면 결과 값을 0으로 설정하며, 이웃 화소보다 크면 값을 유지한다.
다음 수학식 12의
Figure pat00059
은 윤곽선방향을 고려한 실제 윤곽선 맵으로
Figure pat00060
의 값이 0보다 클 때
Figure pat00061
를 수행하여 선택적으로 샤프닝을 진행한다.
[수학식 12]
다음 수학식 13에서
Figure pat00062
은 각각
Figure pat00063
의 최댓값, 고역 통과 필터(High Pass Filter)를 의미하며,
Figure pat00064
는 선택적 샤프닝 결과에 대한 추정치이다. 실제 윤곽선의 특징을 선택적으로 개선하여 영상보정을 수행한다.
[수학식 13]
본 발명에서는 윤곽선 강도(Edge Intensity)와 객관적인 영상 화소 평가법인 PSNR(Peak Signal-to-Noise Ratio)를 통해 고안된 기법의 영상을 평가하였다. 윤곽선 강도는 영상의 향상된 정도를 나타내는 척도로, 수평과 수직에 대해 소벨 필터(Sobel Filter)를 컨볼루션(Convolution)하여 다음 수학식 14 및 15와 같이 정의된다.
[수학식 14]
[수학식 15]
수학식 14의
Figure pat00065
,
Figure pat00066
는 소벨 필터이며, 수학식 15의
Figure pat00067
,
Figure pat00068
는 윤곽선 강도를 측정할 영상과 컨볼루션 연산자를 의미한다. 실험 영상의 화질을 정량적으로 비교하기 위해 가장 많이 사용되는 영상 품질 평가 방법 인 PSNR을 사용하였으며, 원영상과 비교영상 간의 손실정도를 측정하여 화소를 평가한다.
수학식 16에서
Figure pat00069
는 영상 각 화소의 가로, 세로 위치이며,
Figure pat00070
은 영상의 가로, 세로 크기를 의미한다. 그리고
Figure pat00071
는 각각 원영상과 비교영상이며, 수학식 17의
Figure pat00072
는 원영상의 최댓값을 나타낸다.
[수학식 16]
[수학식 17]
영상은 사이드 스캔 소나로부터 획득된 인공어초, 범선 및 기뢰의 실제 소나영상을 이용하였고, 해상도: 512x512, 잡음: 10 dB 추가 적용하였다.
실험 결과, 실시 예에 따른 윤곽선 강도는 원 영상 대비 인공어초 영상: 2.55, 범선 및 기뢰 영상: 2.17 향상되었으며, 종래기술 대비 인공어초 영상 2.33, 범선 및 기뢰 영상: 2.04가 향상되었다.
PSNR의 경우 인공어초: 1.34 dB, 범선 및 기뢰: 1.03 dB 이상 향상 되었으며, 실시 예에 따른 방법을 적용한다면 향후 사이드 스캔 소나영상 뿐만 아니라 다양한 소나영상에서도 영상보정을 통한 객체인식 향상에 있어 다양하게 활용 가능하다.
도 6 내지 19를 참조하면, 도 6 내지 7에는 인공어초, 범선 및 기뢰의 원 영상들이 도시되어 있고, 도 8에 도시된 것처럼, 인공 어초 원 영상은 12.65이지만, 종래기술에 따른 윤곽선 강도는 12.87인 반면에, 실시 예에 따른 윤곽선 강도는 15.20으로, 2.33이 보다 향상되었다.
도 11에 도시된 것처럼, 범선 및 기뢰의 영상은 10.79이지만, 종래기술에 따른 윤곽선 강도는 10.92인 반면에, 실시 예에 따른 윤곽선 강도는 12.96으로, 2.04가 보다 향상되었다.
도 14 및 15에는 10dB 잡음이 추가된 범선 및 기뢰, 인공어초 영상들이 도시되어 있다.
도 16 및 17에 도시된 것처럼, 실시 예에 따른 인공어초 영상은 26.93dB이고, 종래기술에 따른 인공어초 영상은 25.59dB로, 1.34dB가 보다 향상되었다. 도 18 및 19에 도시된 것처럼, 범선 및 기뢰 적용 결과도 1.03dB가 향상되었다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (8)

  1. 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법에 있어서,
    잡음을 포함한 상기 소나영상에 대한 커브렛 변환을 수행하는 단계;
    상기 커브렛 변환의 하위 단계인 리지렛 계수의 각도 최댓값을 기반으로 윤곽선의 방향정보를 획득하는 단계;
    상기 획득된 방향정보에 대해 그래디언트(Gradient) 및 윤곽선 방위각을 계산하고, 계산된 각도에 따라 적어도 네방향으로 윤곽선을 검출하는 단계;
    상기 검출된 네방향의 윤곽선의 중심화소의 절댓값과 이웃화소값을 비교함으로써 윤곽선 결정 맵(Map)을 생성하는 단계; 및
    상기 생성된 윤곽선 결정 맵을 기초로 선택적 샤프닝을 적용하는 단계를 포함하는 윤곽선 향상 방법.
  2. 제 1 항에 있어서,
    상기 네 방향은,
    0도 내지 45도와 180도 내지 225도를 포함하는 제1 방향, 45도 내지 90도와 225도 내지 270도를 포함하는 제2 방향, 90도 내지 135도와 270도 내지 315도를 포함하는 제3 방향, 및 135도 내지 180도와 315 내지 0도를 포함하는 제4 방향인 것을 특징으로 하는 커브렛 변환 기반의 윤곽선 향상 방법.
  3. 제 1 항에 있어서,
    상기 윤곽선 결정 맵(Map)을 생성하는 단계는,
    상기 중심화소의 절대값이 이웃화소보다 값이 작으면 0으로, 상기 값이 크면 값을 유지함으로써 상기 윤곽선 결정 맵을 생성하는 것을 특징으로 하는 커브렛 변환 기반의 윤곽선 향상 방법.
  4. 제 1 항에 있어서,
    상기 커브렛 변환의 하위 단계인 리지렛 변환을 수행한 후 상기 리지렛 계수를 획득하는 단계를 더 포함하는 것을 특징으로 하는 커브렛 변환 기반의 윤곽선 향상 방법.
  5. 제 1 항에 있어서,
    상기 윤곽선 방위각은,
    상기 계산된 그래디언트 값을 기초로 상기 윤곽선 방위각을 계산하는 것을 특징으로 하는 윤곽선 향상 방법.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 따른 윤곽선 향상 방법을 포함하는 전처리 단계;
    상기 전처리된 소나영상으로부터 표적을 검출하는 단계; 및
    상기 검출된 표적을 분류하는 단계를 포함하는 소나 영상의 표적 인식 방법.
  7. 제 1 항 내지 제 5 항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체.
  8. 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법을 수행하는 프로세서에 있어서,
    상기 프로세서는,
    잡음을 포함한 상기 소나영상에 대한 커브렛 변환을 수행하고, 상기 커브렛 변환의 하위 단계인 리지렛 계수의 각도 최댓값을 기반으로 윤곽선의 방향정보를 획득하고, 상기 획득된 방향정보에 대해 그래디언트(Gradient) 및 윤곽선 방위각을 계산하고, 계산된 각도에 따라 적어도 네방향으로 윤곽선을 검출하고, 상기 검출된 네방향의 윤곽선의 중심화소의 절댓값과 이웃화소값을 비교함으로써 윤곽선 결정 맵(Map)을 생성하고, 상기 생성된 윤곽선 결정 맵을 기초로 선택적 샤프닝을 적용하는 프로세서.
KR1020180064913A 2018-06-05 2018-06-05 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치 KR102096532B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180064913A KR102096532B1 (ko) 2018-06-05 2018-06-05 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180064913A KR102096532B1 (ko) 2018-06-05 2018-06-05 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190138446A true KR20190138446A (ko) 2019-12-13
KR102096532B1 KR102096532B1 (ko) 2020-04-02

Family

ID=68847275

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180064913A KR102096532B1 (ko) 2018-06-05 2018-06-05 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102096532B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276388A (zh) * 2019-06-14 2019-09-24 深圳市吉影科技有限公司 应用于水下无人机的图像处理方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970022845A (ko) * 1995-10-20 1997-05-30 김광호 전처리 방법
JPH10198809A (ja) * 1996-12-24 1998-07-31 Daewoo Electron Co Ltd 輪郭線トレーシング方法
JPH10208061A (ja) * 1997-01-15 1998-08-07 Daewoo Electron Co Ltd 輪郭線映像信号符号化装置
JPH10289326A (ja) * 1997-04-11 1998-10-27 Daewoo Electron Co Ltd 輪郭線映像信号復号化方法及び輪郭線映像信号復号化装置
KR19990016658A (ko) * 1997-08-19 1999-03-15 윤종용 화상의 국부 이치화 장치 및 방법
US6766062B1 (en) * 2000-02-16 2004-07-20 The Board Of Trustees Of The Leland Stanford Junior University - Office Of Technology Digital ridgelet transform via digital polar coordinate transform
JP2005296331A (ja) * 2004-04-12 2005-10-27 Toshiba Corp 超音波診断装置及び画像データ処理装置
KR20150068005A (ko) * 2013-12-11 2015-06-19 한국 한의학 연구원 측면 윤곽선 검출 방법 및 측면 윤곽선 검출 장치
KR101580956B1 (ko) * 2014-06-23 2015-12-30 포항공과대학교 산학협력단 소나 이미지 에뮬레이터 및 이를 이용한 소나 이미지 예측 방법
KR20170023565A (ko) * 2015-08-24 2017-03-06 상명대학교서울산학협력단 영상 처리를 이용한 손가락 개수 인식 방법 및 장치
KR101748074B1 (ko) * 2016-03-23 2017-06-27 국방과학연구소 소나영상용 잡음제거 기법의 성능 향상을 위한 선택적 윤곽선 보존 방법

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970022845A (ko) * 1995-10-20 1997-05-30 김광호 전처리 방법
JPH10198809A (ja) * 1996-12-24 1998-07-31 Daewoo Electron Co Ltd 輪郭線トレーシング方法
JPH10208061A (ja) * 1997-01-15 1998-08-07 Daewoo Electron Co Ltd 輪郭線映像信号符号化装置
JPH10289326A (ja) * 1997-04-11 1998-10-27 Daewoo Electron Co Ltd 輪郭線映像信号復号化方法及び輪郭線映像信号復号化装置
KR19990016658A (ko) * 1997-08-19 1999-03-15 윤종용 화상의 국부 이치화 장치 및 방법
US6766062B1 (en) * 2000-02-16 2004-07-20 The Board Of Trustees Of The Leland Stanford Junior University - Office Of Technology Digital ridgelet transform via digital polar coordinate transform
JP2005296331A (ja) * 2004-04-12 2005-10-27 Toshiba Corp 超音波診断装置及び画像データ処理装置
KR20150068005A (ko) * 2013-12-11 2015-06-19 한국 한의학 연구원 측면 윤곽선 검출 방법 및 측면 윤곽선 검출 장치
KR101580956B1 (ko) * 2014-06-23 2015-12-30 포항공과대학교 산학협력단 소나 이미지 에뮬레이터 및 이를 이용한 소나 이미지 예측 방법
KR20170023565A (ko) * 2015-08-24 2017-03-06 상명대학교서울산학협력단 영상 처리를 이용한 손가락 개수 인식 방법 및 장치
KR101748074B1 (ko) * 2016-03-23 2017-06-27 국방과학연구소 소나영상용 잡음제거 기법의 성능 향상을 위한 선택적 윤곽선 보존 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276388A (zh) * 2019-06-14 2019-09-24 深圳市吉影科技有限公司 应用于水下无人机的图像处理方法及装置
CN110276388B (zh) * 2019-06-14 2022-05-31 深圳市吉影科技有限公司 应用于水下无人机的图像处理方法及装置

Also Published As

Publication number Publication date
KR102096532B1 (ko) 2020-04-02

Similar Documents

Publication Publication Date Title
Negi et al. 3-D discrete shearlet transform and video processing
Wadhwa et al. Phase-based video motion processing
Padmavathi et al. Comparison of filters used for underwater image pre-processing
Ravisankar et al. Acoustic image enhancement using Gaussian and Laplacian pyramid–a multiresolution based technique
CN111080661A (zh) 基于图像的直线检测方法、装置以及电子设备
Wilken et al. Application of 2D Fourier filtering for elimination of stripe noise in side-scan sonar mosaics
US20080107352A1 (en) System and Method for Structure Enhancement and Noise Reduction in Medical Images
Pandey et al. Enhancing the quality of satellite images by preprocessing and contrast enhancement
CN116152115B (zh) 基于计算机视觉的垃圾图像去噪处理方法
Goyal et al. Dual way residue noise thresholding along with feature preservation
Xu et al. A denoising algorithm via wiener filtering in the shearlet domain
CN104504664A (zh) 基于人眼视觉特性的nsct域水下图像自动增强系统及其方法
CN112037151A (zh) 基于小波分析的图像去噪方法
KR20190138446A (ko) 소나영상의 객체 인식을 위한 커브렛 변환 기반의 윤곽선 향상 방법 및 장치
Priyadharsini et al. Underwater acoustic image enhancement using wavelet and KL transform
CN115546653B (zh) 一种基于深度加强网络的遥感图像去噪方法
Potocnik et al. Image enhancement by using directional wavelet transform
Bhairnallykar et al. Pre-processing of multimodal MR images using NLM and histogram equalization
Bhonsle et al. Medical Image De-Noising Using Combined Bayes Shrink and Total Variation Techniques
Goossens et al. Design of a tight frame of 2D shearlets based on a fast non-iterative analysis and synthesis algorithm
Zhao et al. Side-scan Sonar Image De-noising Based on Bidimensional Empirical Mode Decomposition and Non-local Means
Vyas et al. Image enhancement
CN114004833B (zh) 复合材料太赫兹成像分辨力增强方法、装置、设备和介质
Rathod et al. ANALYSIS AND DENOISING MEDICAL LUNGS CT-SCAN IMAGES USING VARIOUS PREPROCESSING FILTERING TECHNIQUES
Shakeel et al. Efficient blind image deblurring method for palm print images

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