| 1 |
1
랜덤 포레스트(random forest) 및 패치-와이즈 가중치 소프트 보팅(patch-wise weighted soft voting)을 이용하는 소실 점 검출 방법에 있어서,입력 이미지로부터 복수의 패치들을 추출하는 단계; 상기 복수의 패치들 각각의 피처(feature)를 기반으로 랜덤 포레스트를 적용하여 상기 복수의 패치들 중 적어도 하나의 유효 패치를 선택하는 단계; 상기 적어도 하나의 유효 패치를 기반으로 패치-와이즈 가중치 소프트 보팅 기법을 이용하여 보팅 맵(voting map)을 생성하는 단계; 및 상기 보팅 맵에 기초하여 상기 입력 이미지에서의 소실 점을 검출하는 단계를 포함하는 소실 점 검출 방법
|
| 2 |
2
제1항에 있어서,유효 피처를 포함하는 유효 패치를 구분하도록 상기 랜덤 포레스트를 트레이닝하는 단계를 더 포함하는 소실 점 검출 방법
|
| 3 |
3
제2항에 있어서,상기 유효 피처를 포함하는 유효 패치를 구분하도록 상기 랜덤 포레스트를 트레이닝하는 단계는 적어도 하나의 트레이닝 이미지에 포함되는 픽셀들 각각의 텍스처 오리엔테이션(texture orientation)에 기초하여, 상기 적어도 하나의 트레이닝 이미지로부터 복수의 트레이닝 패치들을 추출하는 단계; 상기 복수의 트레이닝 패치들 각각의 피처를 추출하는 단계; 상기 적어도 하나의 트레이닝 이미지의 소실 점에 기초하여 상기 복수의 트레이닝 패치들 각각의 피처가 소실 점 검출에 유효한 정보를 포함하는지를 판단하는 단계; 및 상기 판단 결과에 기초하여 랜덤 포레스트 분류 모델을 생성/업데이트하는 단계를 포함하는 소실 점 검출 방법
|
| 4 |
4
제3항에 있어서,상기 복수의 트레이닝 패치들 각각의 피처를 추출하는 단계는 HOT(histogram of oriented textures), WALF(multi-scale weber adaptive local feature), lap color channel 또는 dark channel 중 적어도 하나의 기법을 적용하여, 상기 복수의 트레이닝 패치들 각각의 피처를 추출하는 단계를 포함하는 소실 점 검출 방법
|
| 5 |
5
제3항에 있어서,상기 판단 결과에 기초하여 랜덤 포레스트 분류 모델을 생성/업데이트하는 단계는 상기 소실 점 검출에 유효한 정보를 포함하는 피처와 관련된 정보를 포함하는 상기 랜덤 포레스트 분류 모델을 생성/업데이트하는 단계를 포함하는 소실 점 검출 방법
|
| 6 |
6
제3항에 있어서,상기 복수의 패치들 각각의 피처(feature)를 기반으로 랜덤 포레스트를 적용하여 상기 복수의 패치들 중 적어도 하나의 유효 패치를 선택하는 단계는 상기 생성/업데이트된 랜덤 포레스트 분류 모델에 상기 복수의 패치들 각각의 피처를 매칭하여 상기 적어도 하나의 유효 패치를 선택하는 단계를 포함하는 소실 점 검출 방법
|
| 7 |
7
제1항에 있어서,상기 적어도 하나의 유효 패치를 기반으로 패치-와이즈 가중치 소프트 보팅 기법을 이용하여 보팅 맵(voting map)을 생성하는 단계는 상기 적어도 하나의 유효 패치에 포함되는 픽셀들 각각의 텍스처 오리엔테이션 중 상기 적어도 어느 하나의 유효 패치의 지배적인 오리엔테이션을 획득하는 단계; 상기 적어도 어느 하나의 유효 패치의 지배적인 오리엔테이션에 기초하여 가중치 소프트 보팅을 수행하는 단계; 및 상기 가중치 소프트 보팅을 수행한 결과, 상기 보팅 맵을 생성하는 단계를 포함하는 소실 점 검출 방법
|
| 8 |
8
제7항에 있어서,상기 적어도 하나의 유효 패치에 포함되는 픽셀들 각각의 텍스처 오리엔테이션 중 상기 적어도 어느 하나의 유효 패치의 지배적인 오리엔테이션을 획득하는 단계는 상기 적어도 하나의 유효 패치에 포함되는 픽셀들 각각의 텍스처 오리엔테이션을 기초로, 상기 텍스처 오리엔테이션을 계급(bin)으로 갖는 히스토그램을 형성하는 단계; 상기 히스토그램에서 가장 높은 도수를 갖는 미리 설정된 개수의 적어도 하나의 계급을 선택하는 단계; 및 상기 선택된 적어도 하나의 계급을 상기 적어도 어느 하나의 유효 패치의 지배적인 오리엔테이션으로 획득하는 단계를 포함하는 소실 점 검출 방법
|
| 9 |
9
제8항에 있어서,상기 적어도 어느 하나의 유효 패치의 지배적인 오리엔테이션에 기초하여 가중치 소프트 보팅을 수행하는 단계는 상기 선택된 적어도 하나의 계급의 도수를 상기 가중치 소프트 보팅에서 보팅 가중치로 이용하는 단계를 포함하는 소실 점 검출 방법
|
| 10 |
10
제1항에 있어서,상기 입력 이미지로부터 복수의 패치들을 추출하는 단계는 슬라이딩 패션(sliding fashion)을 이용하여, 상기 입력 이미지로부터 상기 복수의 패치들을 추출하는 단계를 포함하는 소실 점 검출 방법
|
| 11 |
11
전자 기기를 구현하는 컴퓨터와 결합하여 소실 점 검출 방법을 실행시키기 위해 매체에 저장된 컴퓨터 프로그램에 있어서,상기 소실 점 검출 방법은 입력 이미지로부터 복수의 패치들을 추출하는 단계; 상기 복수의 패치들 각각의 피처(feature)를 기반으로 랜덤 포레스트(random forest)를 적용하여 상기 복수의 패치들 중 적어도 하나의 유효 패치를 선택하는 단계; 상기 적어도 하나의 유효 패치를 기반으로 패치-와이즈 가중치 소프트 보팅(patch-wise weighted soft voting) 기법을 이용하여 보팅 맵(voting map)을 생성하는 단계; 및 상기 보팅 맵에 기초하여 상기 입력 이미지에서의 소실 점을 검출하는 단계를 포함하는 컴퓨터 프로그램
|
| 12 |
12
제11항에 있어서,상기 소실 점 검출 방법은 유효 피처를 포함하는 유효 패치를 구분하도록 상기 랜덤 포레스트를 트레이닝하는 단계를 더 포함하는 컴퓨터 프로그램
|
| 13 |
13
랜덤 포레스트(random forest) 및 패치-와이즈 가중치 소프트 보팅(patch-wise weighted soft voting)을 이용하는 소실 점 검출 시스템에 있어서,입력 이미지로부터 복수의 패치들을 추출하는 패치 추출부; 상기 복수의 패치들 각각의 피처(feature)를 기반으로 랜덤 포레스트를 적용하여 상기 복수의 패치들 중 적어도 하나의 유효 패치를 선택하는 유효 패치 선택부; 상기 적어도 하나의 유효 패치를 기반으로 패치-와이즈 가중치 소프트 보팅 기법을 이용하여 보팅 맵(voting map)을 생성하는 보팅 맵 생성부; 및 상기 보팅 맵에 기초하여 상기 입력 이미지에서의 소실 점을 검출하는 소실 점 검출부를 포함하는 소실 점 검출 시스템
|
| 14 |
14
제13항에 있어서,유효 피처를 포함하는 유효 패치를 구분하도록 상기 랜덤 포레스트를 트레이닝하는 랜덤 포레스트 트레이닝부를 더 포함하는 소실 점 검출 시스템
|
