1 |
1
두 개의 영상으로부터 관심점을 매칭하는 영상 처리 장치로서,상기 두 개의 영상에 대하여 스케일을 확대 또는 축소한 L-스케일 스페이스를 각각 생성하고, 상기 L-스케일 스페이스의 로컬 패치에 대하여 미리 정해진 배율을 사용하여 리샘플링하여 정규화 로컬 패치를 생성하며, 상기 정규화 로컬 패치에 대하여 관심점 함수를 적용하여 M-스케일 스페이스를 생성함으로써 관심점을 추출하는 영상 처리부를 포함하는 영상 처리 장치
|
2 |
2
제1항에서,상기 영상 처리부는 상기 M-스케일 스페이스로부터 복수의 극점을 추출하여 상기 추출된 복수의 극점을 그룹화하고, 상기 그룹화된 극점을 대비하여 상기 두 개의 영상의 관심점을 추출하는 영상 처리 장치
|
3 |
3
제2항에서,상기 영상 처리부는 상기 추출된 극점을 상기 M-스케일 스페이스의 상위 레벨에서 하위 레벨로 순회하면서 상기 추출된 극점을 그룹화하고, 상기 그룹화된 극점에 대하여 대표 위치, 대표 강도 및 스케일 지속성을 구하여 상기 그룹화된 극점의 대푯값으로 설정하는 영상 처리 장치
|
4 |
4
제2항에서,상기 영상 처리부는 상기 극점 주변의 로컬 패치의 특징 벡터인 로컬 디스크립터를 추출하고 상기 두 개의 영상의 로컬 디스크립터 사이의 거리를 측정하여 측정된 거리에 따라 상기 두 개의 영상의 그룹화된 극점의 대응 관계를 생성하는 영상 처리 장치
|
5 |
5
제4항에서,상기 영상 처리부는 상기 그룹화된 극점의 대응 관계 개수에 따라 상기 두 개의 영상의 관심점을 매칭하는 영상 처리 장치
|
6 |
6
제4항에서,상기 영상 처리부는 상기 두 개의 영상의 그룹화된 극점의 대응 관계에 따라 유사도 테이블을 생성하고 상기 유사도 테이블에 기초하여 상기 두 개의 영상의 관심점을 매칭하는 영상 처리 장치
|
7 |
7
제4항에서,상기 영상 처리부는 상기 그룹화된 극점의 대응 관계 정도와 임계값을 비교하여 상기 임계값보다 큰 대응 관계 정도를 가지는 그룹화된 극점을 상기 두 개의 영상의 관심점으로 매칭하는 영상 처리 장치
|
8 |
8
제1항에서,상기 L-스케일 스페이스는 스케일 스페이스를 생성할 때마다 각 옥타브 사이에 2배의 축소 및/또는 확대가 발생하는 영상 처리 장치
|
9 |
9
제1항에서,상기 관심점 함수는 상기 정규화 로컬 패치에 대한 강도를 계산하며 Harris 코너 검출기(Harris corner detector), KLT(Kanade-Lucas-Tomasi) 검출기, GST(generalized symmetric transform) 중 어느 하나인 영상 처리 장치
|
10 |
10
제1항에서,상기 L-스케일 스페이스의 로컬 패치를 스케일과 비례하여 정규화 처리를 수행함으로써 P×P로 정규화된 정규화 로컬 패치를 생성하는 영상 처리 장치
|
11 |
11
두 개의 영상으로부터 관심점을 매칭하는 영상 처리 방법으로서,상기 두 개의 영상에 대하여 스케일을 확대 또는 축소한 L-스케일 스페이스를 각각 생성하는 단계,상기 L-스케일 스페이스의 로컬 패치에 대하여 미리 정해진 배율을 사용하여 리샘플링하여 정규화 로컬 패치를 생성하는 단계, 그리고상기 정규화 로컬 패치에 대하여 관심점 함수를 적용하여 M-스케일 스페이스를 생성함으로써 관심점을 추출하는 단계를 포함하는 영상 처리 방법
|
12 |
12
제11항에서,상기 관심점 추출 단계는,상기 M-스케일 스페이스로부터 복수의 극점을 추출하여 상기 추출된 복수의 극점을 그룹화하는 단계, 그리고상기 그룹화된 극점을 대비하여 상기 두 개의 영상의 관심점을 추출하는 단계를 포함하는 영상 처리 방법
|
13 |
13
제12항에서,상기 극점 그룹화 단계는 상기 추출된 극점을 상기 M-스케일 스페이스의 상위 레벨에서 하위 레벨로 순회하면서 상기 추출된 극점을 그룹화하고, 상기 그룹화된 극점에 대하여 대표 위치, 대표 강도 및 스케일 지속성을 구하여 상기 그룹화된 극점의 대푯값으로 설정하는 단계를 포함하는 영상 처리 방법
|
14 |
14
제12항에서,상기 극점 주변의 로컬 패치의 특징 벡터인 로컬 디스크립터를 추출하는 단계, 그리고상기 두 개의 영상의 로컬 디스크립터 사이의 거리를 측정하여 측정된 거리에 따라 상기 두 개의 영상의 그룹화된 극점의 대응 관계를 생성하는 단계를 더 포함하는 영상 처리 방법
|
15 |
15
제14항에서,상기 그룹화된 극점의 대응 관계 개수에 따라 상기 두 개의 영상의 관심점을 매칭하는 단계를 더 포함하는 영상 처리 방법
|
16 |
16
제14항에서,상기 두 개의 영상의 그룹화된 극점의 대응 관계에 따라 유사도 테이블을 생성하는 단계, 그리고상기 유사도 테이블에 기초하여 상기 두 개의 영상의 관심점을 매칭하는 단계를 더 포함하는 영상 처리 방법
|
17 |
17
제14항에서,상기 그룹화된 극점의 대응 관계 정도와 임계값을 비교하여 상기 임계값보다 큰 대응 관계 정도를 가지는 그룹화된 극점을 상기 두 개의 영상의 관심점으로 매칭하는 단계를 더 포함하는 영상 처리 방법
|
18 |
18
제11항에서,상기 L-스케일 스페이스는 스케일 스페이스를 생성할 때마다 각 옥타브 사이에 2배의 축소 및/또는 확대가 발생하는 영상 처리 방법
|
19 |
19
제11항에서,상기 관심점 함수는 상기 정규화 로컬 패치에 대한 강도를 계산하며 Harris 코너 검출기(Harris corner detector), KLT(Kanade-Lucas-Tomasi) 검출기, GST(generalized symmetric transform) 중 어느 하나인 영상 처리 방법
|
20 |
20
제11항에서,상기 L-스케일 스페이스의 로컬 패치를 스케일과 비례하여 정규화 처리를 수행함으로써 P×P로 정규화된 정규화 로컬 패치를 생성하는 영상 처리 방법
|
21 |
21
제11항 내지 제20항 중 어느 한 항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체
|