| 1 |
1
소나(sonar)를 이용하여 획득한 영상에서 잡음을 제거하는 단계;기준영상과 상기 잡음을 제거한 영상의 특징들을 추출하여, 유사도가 최대가 되는 특징들을 추출하고, 상기 특징들을 결합하여 상기 기준영상과 상기 잡음을 제거한 영상을 일치시켜 정합(Image registration)하는 단계;상기 정합한 영상에서, 상기 기준영상과 상기 잡음을 제거한 영상의 유사한 속성들의 집합으로 이루어진 영상으로, 상기 속성들은 밝기, 색상, 텍스쳐, 깊이, 모션 속성 중 적어도 하나를 포함하는 배경영상을 제거하여 차(difference image)영상을 구하고, 상기 차 영상으로부터 물체 후보영역을 추출하는 단계; 및상기 물체 후보영역의 특징(feature)을 추출하고, 상기 추출된 특징을 기초로 상기 물체 후보영역에서 물체를 검출하는 단계;를 포함하는 수중물체 식별방법
|
| 2 |
2
제1항에 있어서, 상기 잡음 제거 단계는, 평균 필터, 가우시안 필터, 중앙값 필터 중 적어도 하나를 사용하는 것을 특징으로 하는 수중물체 식별방법
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,상기 특징들은, 모서리 검출(Edge Detection), 기울기 방향성 히스토그램(Histogram of Oriented Gradient), SIFT(Scale Invariant Feature Transform), SURF(Speeded Up Robust Feature) 중 어느 하나를 사용하여 추출되는 것을 특징으로 하는 수중물체 식별방법
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서,상기 검출된 물체를 인식하고, 상기 검출된 물체를 고유 벡터(Eigenvector)로 분해하고, 상기 고유 벡터의 선형 조합을 통해서 인식하여, 목적 물체인지 여부를 판단하는 단계를 더 포함하는 수중물체 식별방법
|
| 7 |
7
삭제
|
| 8 |
8
제6항에 있어서,상기 고유 벡터는 공분산 행렬(Covariance matrix)을 이용하여 구한 것으로 상기 공분산 행렬은 하기 수학식으로 도출된 것을 특징으로 하는 수중물체 식별방법
|
| 9 |
9
소나(sonar)를 이용하여 획득한 영상에서 잡음을 제거하는 잡음 제거부;기준영상과 상기 잡음을 제거한 영상의 특징들을 추출하여, 유사도가 최대가 되는 특징들을 추출하고, 상기 특징들을 결합하여 상기 기준영상과 상기 잡음을 제거한 영상을 일치시켜 정합(Image registration)하는 영상 정합부;상기 정합한 영상에서 상기 기준영상과 상기 잡음을 제거한 영상의 유사한 속성들의 집합으로 이루어진 영상으로, 상기 속성들은 밝기, 색상, 텍스쳐, 깊이, 모션 속성 중 적어도 하나를 포함하는 배경영상을 제거하여 차(difference image)영상을 구하고, 상기 차 영상으로부터 물체 후보영역을 추출하는 영상 분할부;상기 물체 후보영역의 특징(feature)을 추출하고, 상기 추출된 특징을 기초로 상기 물체 후보영역에서 물체 검출부;상기 검출된 물체를 인식하고 목적 물체인지 여부를 판단하는 물체 분류부;를 포함하는 수중물체 식별 장치
|
