KR970006423B1 - 신경망을 이용한 영상 패턴 분류 인식 장치 및 방법 - Google Patents

Abstract

내용없음.

Description

신경망을 이용한 영상 패턴 분류 인식 장치 및 방법

제1도는 종래의 영상 패턴 분류 인식 장치를 개략적으로 나타낸 블록도.

제2도는 본 발명에 의한 영상 패턴 분류 인식 장치를 개략적으로 나타낸 블록도.

제3A도는 본 발명에 따른 영상 패턴 분류 인식을 위한 극-지수대 샘플링에 의한 복소-대수 사상부의 일실시 예시도.

제4도는 본 발명에 따른 이차 신경망에 의한 이동 불변 변환 처리망부의 일실시 예시도.

제5A도는 본 발명에 따른 이동 불변 변화에 의한 이동 불변 변환 처리망의 다른 실시예 구현도.

제5B도는 상기 제5A도에 이용되는 1줄 이동 불변 변환망의 일실시예 구현도.

제6도는 본 발명에 따른 분류인식 신경망부의 일실시 예시도.

제7도는 본 발명에 의한 영상 패턴 분류 인식을 위한 수행과정을 개략적으로 나타낸 흐름도.

* 도면의 주요부분에 대한 부호의 설명

11 : 복소-대수 사상부 13 : 푸리에 변환부

13 : 다층 퍼셉트론부 21 : 복소-대수 사상부

23 : 위치이동 불변 처리망부 25 : 분류인식 신경망부

41 : 곱셈기 또는 AND 게이트 42 : 덧셈기

본 발명은 영상패턴 분류인식에 관한 것으로, 특히 물체의 영상을 크기 및 회전 변형예 불변인 형태로 변환시키는 영상 입력장치와 인공 신경망을 이용하여 입력 영상을 크기 및 회전 변형에 무관하게 분류 인식할 수 있게 하는 신경망을 이용하여 영상 패턴 인식 장치 및 방법에 관한 것이다.

최근들어, 공장 자동화 및 무인 시스템에 관한 요구가 증가하면서, 영상 정보를 분류 인식할 수 있는 장치가 절실하게 요구되었다. 특히, 대상물체나 영상 입력 장치 자체가 이동하는 경우, 영상 입력장치에 입력되는 물체의 영상은 크기 및 회전변형을 일으키므로 이와 같은 변형에 무관한 인식 장치가 필요하다. 따라서, 다양하게 크기 변형 및 회전 변형된 영상을 일정한 형태를 갖도록 변화시켜 그 결과를 인식하려는 장치들이 제안되어 왔다.

그리고, 상기한 바와 같은 종래의 경우로서 제1도에 도시된 바와 같이, 복소-대수 사상부(11), 푸리에 변환부(13), 및 다층퍼셉트론부(15)를 구비하고 있으며, 복소-대수 사상의 크기 및 회전 불변성을 이용하여 입력 영상을 크기 및 회전 변형에 불변인 영상을 만들고, 이때 이용된 사상의 출력이 위치 이동되는 것을 보정하기 위해 푸리에 변화하고 나서, 그 변환된 결과를 신경망으로 분류 인식하도록 되어 있다.

그러나, 이러한 종래의 장치 및 방법은 푸리에 변환을 위한 부가적인 계산수단 및 수행단계를 필수적으로 수행해야 하므로, 순수 신경망의 특징인 고속 병렬 처리가 아주 어렵고 복잡도가 매우 높다는 결점을 내포하고 있다.

따라서, 본 발명은 상기의 종래 기술이 갖는 제반 문제점을 해결하기 위해 안출된 것으로서, 푸리에 변환을 하지 않아도 되도록 신경망을 이동 변형에 불변하도록 만들어, 복잡도를 낮추면서 고속 병렬 처리가 가능하게 하는 신경망을 이용한 영상 패턴 분류 인식 장치 및 방법을 제공하는데 그 목적을 두고 있다.

본 발명은 상기한 목적을 달성하기 위해, 물체의 영상을 크기 및 회전 변형에 불변인 형태로 변환시키는 영상 입력 장치와 인공 신경망을 이용하여 입력된 영상패턴을 분류 인식하는 장치에 있어서, 입력 영상에 대하여 복소-대수 사상을 수행하는 복소-대수 사상 수단; 복소-대수 사상의 결과로 발생하는 위치 이동 현상을 보정하기 위해, 이차 신경망을 이용하여 상기 복소-대수 사상 수단의 출력을 위치 이동에 불변인 형태로 변환하는 위치이동 불변 처리 수단; 및 신경망을 이용하여 상기 위치이동 불변 처리 수단의 결과출력을 분류 인식하는 수단을 포함하는 신경망을 이용한 영상 패턴 분류 인식 장치를 제공한다. 그리고, 상기 복소-대수 사상 수단은 다수의 광 입력소자를 구비하되, 상기 광 입력 소자가 빛을 받아들이는 샘플링 영역(감광 영역)의 위치는 각 동심원마다 교대로 소정간격 만큼씩 위상을 달리하도록 배열하고, 상기 각 소자들은 극-지수대 분포를 위해 중심으로부터 가장자리로 동심원을 그리며 배열하고 상기 동심원의 반지름은 지수적으로 증가시키며, 각 동심원상의 광 입력소자의 수는 동일하게 함과 동시에, 같은 각도 위치에 등각도 간격으로 배열되도록 구성함을 특징으로 한다. 또한, 상기 위치 이동 불변 처리 수단을 각각 두 개의 입력소자에 두 입력단이 연결되어 있으며, 상기 두 입력단을 통해 입력되는 값을 곱하여 출력하는 다수의 곱셈 수단; 및 상기 다수의 곱셈 수단의 각 출력단에 각각 입력단이 연결되어 있으며, 다수의 입력단을 통해 입력되는 값들을 더하여 출력하는 적어도 하나의 덧셈 수단을 포함하여 구성됨을 특징으로 한다.

그리고, 본 발명은 상기한 목적을 달성하기 위해, 물체의 영상을 크기 및 회전 변형에 불변인 형태로 변환시키는 영상 입력 장치와 인공 신경망을 이용하여 입력된 영상패턴을 분류인식하는 방법에 있어서, 입력 영상에 대하여 복소-대수 사상을 수행하는 제1단계; 상기 제1단계의 복소-대수 사상 결과로 발생하는 위치 이동현상을 보정하기 위해, 이차 신경망을 이용하기 위하여 상기 제1단계의 출력을 위치 이동에 불변인 형태로 변환하는 제2단계; 및 신경망을 이용하여 상기 2단계의 결과출력을 분류 인식하고 출력하는 제3단계를 포함하는 신경망을 이용한 영상패턴 분류인식 방법을 제공한다.

이하, 본 발명을 첨부된 도면을 참조하여 상세히 설명한다.

제2도는 본 발명에 의한 영상 패턴 분류 인식 장치를 개략적으로 나타낸 블록도로서, 도면에서, 21은 복소-대수 사상부, 23은 위치이동 불변 처리망부, 25는 분류 인식 신경망부를 각각 나타낸다.

도면에 도시한 바와 같이, 본 발명에서의 영상 패턴 분류 입력 영상에 대하여 복소-대수 사상을 수행하는 복소-대수 사상부(21)와, 상기 복소-대수 사상의 결과로 발생하는 위치 이동 현상을 보정하기 위해 이차 신경망을 이용하여 상기 복소-대수 사상부(21)의 출력을 위치 이동에 불변인 형태로 변환하는 위치이동 불변 처리망주(23)와, 신경망을 이용하여 상기 위치이동 불변 처리망부(23)의 결과출력을 분류 인식하여 출력하는 분류 인식 신경망부를 구비하고 있다.

여기에서, 상기 각 부는 모두 신경망 구조를 이용하여 구성하는 것으로서, 영상 입력 신호가 망을 통과하면서 최종적으로 크기 및 회전에 불변인 형태로 변환되므로, 영상 신호의 고속 병렬처리가 가능하고, 광 입력소자의 배열방법 및 신경망에의 접속방법을 적절히 조작하는 것만으로 입력 영상을 크기 및 회전에 불변인 형태로 변환하는 것이 가능하므로, 푸리에 변환과 같은 수학적인 변환 작업이 없이 크기 및 회전에 불변인 변환과 위치 이동에 불변인 변환이 가능하다. 따라서, 입력 영상을 크기 및 회전에 무관하게 고속으로 인식할 수 있게 된다.

제3A도는 본 발명에 따른 영상 패턴 분류 인식을 위한 극-지수대 샘플링에 의한 복소-대수 사상부의 일실시 예시도로서, 광 입력 소자의 배열위치를 극-지수대로 배열하지 복소-대수 사상부를 구현한 일예이다.

도면에서 작은 원들이 중심에 있는 점은 광 입력소자를 나타내며, 작은 원은 광 입력 소자가 빛을 받아들이는 샘플링 영역(감광 영역)을 나타낸 것이다.

복소-대수 사상을 구현하는 것은 입력 영역에서 샘플링을 지수적으로 감소시키는 것과 같다. 즉 망막좌표계의 한 점을 샘플링하여 극 좌표로 변환하여 크기를 로그로 조정하는 것을 샘플링을 중심으로부터 지수적으로 감소시키는 것과 같은 효과를 갖는다. 따라서, 복소-대수 사상을 실제로 구현할 때는 극-지수대 샘플링 방법(polar exponential sampling)이 이용된다. 현재 기존의 카메라 장치, 예컨대 CCD 카메라는 광 수용기를 이차원 상에서 직교 배열시킴에 의해 외계의 영상을 받아들이므로 그대로는 극-지수대 샘플링이 곤란하다. 그러므로 본 발명에서의 극-지수대 샘플링을 위해서 광 수용기를 극-지수대로 배열한다. 즉, 광 수용기는 중심으로부터 가장자리고 동심원을 그리며 배열한다. 동심원의 반지금은 지수적으로 증가시키며 각 동심원상의 광 수용기는 수는 같게 함과 동시에, 같은 각도 위치에 등 각도 간격으로 배열한다.

본 발명에서, 샘플링 영역의 위치는 각 동심원마다 교대로(2*π/N)/2 만큼씩 위상을 달리한다. 이것은 샘플링 영역을 모두 같은 위치에 배열할 때 샘플링이 안되는 영역을 최소화하는 효과가 있다.

따라서, 각도를 N등분하고 반지름 즉 크기를 M분했을 때, 샘플링 영역은 M*N개 생긴다(본 도의 경우는 N=16, M=32 일 때의 예임). 이때, 각 샘플링 영역의 크기와 위치, 샘플링 주기(동심원의 반지름)는 다음 식으로 정의된다.

여기서, Ei는 i번째 동심원(한 주기)의 중심으로부터 거리(샘플링 주기), Emin은 샘플링의 최소영역, N은 한 주기내의 샘플링 영역의 수, Pi는 샘플링 영역의 크기(지름)을 각각 나타낸 것이다.

제3B도는 본 발명에 따른 영상 패턴 분류 인식을 위한 극-지수대 샘플링 결과를 예시한 직교배열 좌표계로서, 상기 제3A도에서의 샘플링된 광 입력 소자의 출력을 이해의 편의상 직교 배열로 재배치한 것이다. 그러므로 u축은 크기(Ei)를 ,v축은 각도를 나타낸다. 이하에서는 입력 영상의 복소-대수 사상의 결과가 u-v 직교 좌표계로 나타나는 것으로 가정한다.

제4도는 본 발명에 따른 이차 신경망에 의한 이동 불변 변환 처리망부의 일실시 예시도이다.

이는 복소-대수 사상의 결과로 발생하는 위치 이동 현상을 보정하기 위한 것으로, 상기 복소-대수 사상부(21)의 출력을 이차 신경망을 이용하여 위치 이동에 불변인 형태로 변환하는 변환 처리망부(23)의 일예를 보이고 있다.

도면에서 31은 두 개의 소자의 값을 곱하는 곱셈기 또는 AND 게이트를 나타낸 것이며, 42는 덧셈기를 나타낸 것이다.

도면에 도시된 바와 같이, 본 발명에 의한 이동 불변 변환 처리망부는 각각 두 개의 입력소자에 두 입력단이 연결되어 있으며 상기 두 입력단을 통해 입력되는 값을 곱하여 출력하는 다수의 곱셈기(41)와, 상기 다수의 곱셈기(41) 각 출력단에 각각 그 입력단이 연결되어 있으며, 다수의 입력단을 통해 입력되는 값들을 더하여 출력하는 다수의 덧셈기(42)를 구비하도록 구성되는 것이다.

그리고, Σ의 아래에 표시된 ( )와 [ ]는 그 덧셈기(42)에 입력되어야 할 곱셈기(41)의 종류를 각각 나타낸 것이다. 즉 (i, j)는 곱셈기의 두 입력소자의 위치 관계가 우하 방향으로 높이(u축)가 i이고 넓이(v축)가 j인 경우를 표시하고, [i, j]는 좌하 방향으로 높이(u축)가 i이고 넓이(v축)가 j인 경우를 표시한 것이다. 그러므로 도면의 A부분은 두 입력 소자의 위치 관계가 우하 방향으로 높이가 i이고 넓이가 j인 곱셈기들과 좌하 방향으로 높이가 i이고 넓이가 N-j인 곱셈기들이 출력을 모두 더하여 본 이동불변 변환 처리망부(23)의 출력을 만든다. 따라서, 이 덧셈기들의 출력은 위치 이동에 무관한 스펙트럼이 되는 것이다.

제5A도는 본 발명에 따른 이동 불변 변환에 의한 이동 불변 변환 처리망부의 다른 실시예 구현도이고, 제5B도는 상기 제5A도에서 사용된 Vi 또는 Hi의 구현예로서, 1줄 이동 불변 변환망을 이용하여 이동 불변 변환 처리망을 구현한 예를 도시한 것이다.

도면에서 Hi는 이차원 입력에서 i번째 행을 입력으로 하여 제5B도와 같은 망을 거쳐 그 줄에서 위치 이동에 불변인 출력을 생성한다. 마찬가지로 Vj는 이차원 입력에서 j번째 열을 입력으로 하여 제5B도와 같은 망을 거쳐 그 줄에서 위치 이동에 불변인 출력을 생성한다. 그리고, H-TIN은 Hi가 M개, V-TIN은 Vi가 N개 모여 형성된 이차원 영상 영역을 각각 나타내는 것이다. ZHV는 상기 복소-대수 사상부(21)의 출력이 상기 H-TIN과 V-TIN을 통과하여 생성된 출력이다. 그리고, 도면에 도시된 바와 같이, 상기 ZHV와 ZVH가 모여 위치 이동에 불변인 스펙트럼을 만드는 것이다.

화살표는 입력신호의 흐름 방향이다.

제5B도의 1줄 이동 불변 변환 망의 구현예는, 입력 차원이 8차인 경우를 도시한 것으로, 도면에서, x0 내지 x7은 입력을, y0 내지 y7은 출력을 나타낸 것이다. 그리고, f1은 AND 소자를 f2는 OR 소자를 각각 나타낸다. 이때, 입력 x에 대하여 출력 y는 위치 이동 불변이 된다.

제6도는 본 발명에 따른 분류 인식 신경망부의 일실시 예시도로서, 상기 위치이동 불변 처리망부(23)의 결과출력을 분류 인식하는 다층 퍼셉트론 구조를 보인 것으로, 이는 룸멜하트(Rumel-hart) 등이 이미 제안한 바 있는 공지의 다층 퍼셉트론 신경망 구조이다.

도면에서 작은 원은 뉴론을 각각 나타내며, 각 뉴론은 다음과 같은 식으로 정의된다.

여기서, W는 가중치를, y와 x는 각각 뉴론의 출력과 입력을, f는 활성화 함수(S자형 함수)를, i는 출력 뉴론의 번호를, j는 입력 뉴론의 번호를 각각 나타낸다.

제7도는 본 발명에 의한 영상 패턴 분류 인식 방법의 수행과정을 개략적으로 나타낸 흐름도로서, 도면에 도시한 바와 같이 본 발명에서의 영상 패턴 분류 인식과정은, 입력 영상에 대하여 복소-대수 사상을 수행하는 단계(21)와, 상기 복소-대수 사상의 결과로 발생하는 위치 이동 현상을 보정하기 위해 이차 신경망을 이용하여 상기 단계(71)의 출력을 위치 이동에 불변인 형태로 변환하는 단계(73)와, 신경망을 이용하여 상기 단계(73)의 결과출력을 분류인식하는 단계(75)에 의해 이루어지는 것이다.

이때, 상기 각 단계는 모두 망구조를 이용하는 것으로서 영상입력 신호가 망을 통과하면서 최종적으로 크기 및 회전에 불변인 형태로 변환되므로, 영상 신호의 고속 병렬처리가 가능하고, 광 입력소자의 배열방법 및 신경망에의 접속 방법을 적절히 조작하는 것만으로 입력 영상을 크기 및 회전에 불변인 형태로 변환하는 것이 가능하므로,, 푸리에 변환과 같은 수학적인 변환 작업이 없이 크기 및 회전에 불변인 변환과 위치 이동에 불변인 변환이 가능하다. 따라서, 입력영상을 크기 및 회전에 무관하게 고속으로 인식할 수 있게 된다.

즉, 본 발명은 복소-대수 사상이 입력영상(망막)상의 패턴에 회전이나 크기 변형이 생기면 u-v면 상에서 환이동으로 사상시키며, 이차 신경망을 불변하도록 만들 수 있다는 점을 이용하여, 상기 두 가지 기능을 결합시킴으로써 회전과 크기 변형에 무관한 인식시스템을 구성하는 것이다.

상술한 바와 같은, 본 발명은 신경망 및 망구조 계산 모델을 영상의 입력단계부터 분류 인식단계까지 일관되게 적용하므로써, 신경망 모델의 장점인 병결처리에 의한 고속 분류 인식이 가능하게 하고, 극-지수대 샘플링을 구현하는 복소-대수 사상을 이용하여 특징 추출에 부가적으로 소요되던 시간을 없애줄 뿐만 아니라, 상기 이차 신경망이 환이동 변환을 해결해 주므로 별도의 환이동 보정단계를 배제시키며, 인식성능을 현저히 제고시키는 매우 우수한 효과를 갖는다.

Claims (4)

1. 물체의 영상을 크기 및 회전 변형에 불변인 형태로 변환시키는 영상 입력 장치와 인공 신경망을 이용하여 입력된 영상패턴을 분류인식하는 장치에 있어서, 입력영상에 대하여 복소-대수 사상을 수행하는 복소-대수 사상 수단(21); 복소-대수 사상의 결과로 발생하는 위치 이동 현상을 보정하기 위해, 이차 신경망을 이용하여 상기 복소-대수 사상 수단(21)의 출력을 위치 이동에 불변인 형태로 변환하는 위치이동 불변 처리수단(23); 및 신경망을 이용하여 상기 위치이동 불변 처리 수단(23)의 결과 출력을 분류 인식하는 수단(25)을 포함하는 것을 특징으로 하는 신경망을 이용한 영상 패턴 분류 인식 장치.
2. 제1항에 있어서, 상기 복소-대수 사상 수단(21)은 다수의 광 입력소자를 구비하되, 상기 광 입력 소자가 빛을 받아들이는 샘플링 영역(감광 영역)의 위치는 각 동심원마다 교대로 소정간격 만큼씩 위상을 달리 하도록 배열하고, 상기 각 소자들은 극-지수대 분포를 위해 중심으로부터 가장자리로 동심원을 그리며 배열하고, 상기 동심원의 반지름은 지수적으로 증가시키며, 각 동심원상이 광 입력소자의 수는 동일하게 함과 동시에, 같은 각도 위치에 등각도 간격으로 배열되도록 구성함을 특징으로 하는 신경망을 이용한 영상 패턴 분류 인식 장치.
3. 제2항에 있어서, 상기 위치이동 불변 처리 수단(23)은 각각 두 개의 입력소자에 두 입력단이 연결되어 있으며, 상기 두 입력단을 통해 입력되는 값을 곱하여 출력하는 다수의 곱셈 수단(41); 및 상기 다수의 곱셈 수단(41)의 각 출력단에 각각 입력단이 연결되어 있으며, 다수의 입력단을 통해 입력되는 값들을 더하여 출력하는 적어도 하나의 덧셈 수단(42)을 포함하여 구성되는 것을 특징으로 하는 신경망을 이용한 영상 패턴 분류 인식 장치.
4. 물체의 영상을 크기 및 회전 변형에 불변인 형태로 변환시키는 영상 입력 장치와 인공 신경망을 이용하여 입력된 영상 패턴을 분류 인식하는 방법에 있어서, 입력 영상에 대하여 복소-대수 사상을 수행하는(71) 제1단계; 상기 제1단계의 복소-대수 사상 결과로 발생하는 위치 이동 현상을 보정하기 위해, 이차 신경망을 이용하여 상기 제1단계(71)의 출력을 이동에 불변인 형태로 변환하는(73) 제2단계; 및 신경망을 이용하여 상기 제2단계(23)의 결과출력을 분류 인식하는(75) 제3단계를 포함하는 것을 특징으로 하는 신경망을 이용한 영상 패턴 분류 인식 방법.