| 1 |
1
참조영상으로부터 컬러공간 변환을 사용하여 제 1 컬러 특징벡터를 추출하는 제 1 특징벡터 추출부와,상기 추출된 제 1 컬러 특징벡터를 이용하여 EM 알고리즘을 사용한 가우시안 혼합 모델을 계산하여 참조영상의 컬러분포를 모델링하는 컬러분포 모델링부와,입력영상으로부터 컬러공간 변환을 사용하여 제 2 컬러 특징벡터를 추출하는 제 2 특징벡터 추출부와,상기 추출된 제 2 컬러 특징벡터를 이용하여 상기 모델링된 컬러분포에 대응하는 상기 입력영상의 컬러영역을 가우시안 혼합 모델을 통해 화소단위로 검출하는 컬러영역 검출부를 포함하며,상기 제 1 특징벡터 추출부 및 제 2 특징벡터 추출부는, 상기 참조영상의 잡음을 제거한 후, YCrCb, RGB, YIQ, HSV, LAB 및 XYZ 중에서 선택된 컬러 모델로부터 컬러 특징벡터를 추출하고, 다차원 가우시안 혼합 모델로 표현하고,상기 제 1 특징벡터 추출부는, YCrCb 컬러공간의 경우 색차 정보인 CrCb 채널만을 사용하여 상기 제 1 컬러 특징벡터를 추출하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 장치
|
| 2 |
2
제 1 항에 있어서,상기 가우시안 혼합 모델을 이용한 컬러 영역의 검출 장치는,검출된 상기 컬러영역에 대해 모폴로지 연산을 수행하여 잡음을 제거하고, 홀을 메우며, 연결요소 알고리즘에 의해 크기필터를 적용하는 방식으로 후처리하는 후처리부를 더 포함하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 장치
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
제 1 항에 있어서,상기 제 2 특징벡터 추출부는, YCrCb 컬러공간의 경우 색차 정보인 CrCb 채널만을 사용하여 상기 제 2 컬러 특징벡터를 추출하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 장치
|
| 6 |
6
제 1 항 또는 제 2 항에 있어서,상기 컬러분포 모델링부는, 상기 제 1 컬러 특징벡터를 복수의 가우시안 분포의 가중치를 포함하는 가우시안 혼합 모델로 나타내고, 복수의 관찰데이터에 대한 로그우도(log-likelihood)를 최대로 하는 파라미터를 상기 EM 알고리즘을 통해 반복적으로 계산하는 방식으로 상기 컬러분포를 모델링하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 장치
|
| 7 |
7
제 6 항에 있어서,상기 컬러분포 모델링부는, 상기 가우시안 혼합 모델의 평균, 공분산 및 가중치에 대한 파라미터를 임의의 값으로 초기화한 후 로그 우도를 계산하고, 현재 파라미터를 사용하여 모든 데이터 포인트에 대해 모든 가우시안 분포의 반응값을 계산하며, 모든 가우시안 분포 파라미터를 갱신한 후에, 로그 우도를 재계산하고, 수렴하지 않을 경우 반복 수행하는 방식으로 상기 EM 알고리즘을 수행하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 장치
|
| 8 |
8
제 1 항 또는 제 2 항에 있어서,상기 컬러영역 검출부는, 상기 제 1 컬러 특징벡터를 계산하고, 상기 EM 알고리즘을 사용하여 상기 가우시한 혼합 모델의 평균벡터, 공분산행렬 및 가중치를 계산한 후에, 상기 참조영상의 클래스 분포를 가우시안 분포로 나타내는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 장치
|
| 9 |
9
제 8 항에 있어서,상기 컬러영역 검출부는, 상기 입력영상의 각 화소로부터 계산된 상기 제 2 컬러 특징벡터에 대해 각 클래스의 가우시안 분포에서 임계값을 설정하여 상기 입력영상의 클래스를 결정하는 방식으로 상기 참조 영상의 클래스 분포에 대응하는 상기 컬러영역을 검출하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 장치
|
| 10 |
10
참조영상으로부터 컬러공간 변환을 사용하여 제 1 컬러 특징벡터를 추출하는 단계와,상기 추출된 제 1 컬러 특징벡터를 이용하여 EM 알고리즘을 사용한 가우시안 혼합 모델을 계산하여 참조영상의 컬러분포를 모델링하는 단계와,입력영상으로부터 컬러공간 변환을 사용하여 제 2 컬러 특징벡터를 추출하는 단계와,상기 추출된 제 2 컬러 특징벡터를 이용하여 상기 모델링된 컬러분포에 대응하는 상기 입력영상의 컬러영역을 가우시안 혼합 모델을 통해 화소단위로 검출하는 단계를 포함하며,상기 제 1 컬러 특징벡터를 추출하는 단계 및 상기 제 2 컬러 특징벡터를 추출하는 단계는, 상기 참조영상의 잡음을 제거한 후, YCrCb, RGB, YIQ, HSV, LAB 및 XYZ 중에서 선택된 컬러 모델로부터 컬러 특징벡터를 추출하고, 다차원 가우시안 혼합 모델로 표현하고,상기 제 1 컬러 특징벡터를 추출하는 단계는, YCrCb 컬러공간의 경우 색차 정보인 CrCb 채널만을 사용하여 상기 제 1 컬러 특징벡터를 추출하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 방법
|
| 11 |
11
제 10 항에 있어서,상기 가우시안 혼합 모델을 이용한 컬러 영역의 검출 방법은,검출된 상기 컬러영역에 대해 모폴로지 연산을 수행하여 잡음을 제거하고, 홀을 메우며, 연결요소 알고리즘에 의해 크기필터를 적용하는 방식으로 후처리하는 단계를 더 포함하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 방법
|
| 12 |
12
삭제
|
| 13 |
13
삭제
|
| 14 |
14
제 10 항에 있어서,상기 제 2 컬러 특징벡터를 추출하는 단계는, YCrCb 컬러공간의 경우 색차 정보인 CrCb 채널만을 사용하여 상기 제 2 컬러 특징벡터를 추출하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 방법
|
| 15 |
15
제 10 항 또는 제 11 항에 있어서,상기 컬러분포를 모델링하는 단계는, 상기 제 1 컬러 특징벡터를 복수의 가우시안 분포의 가중치를 포함하는 가우시안 혼합 모델로 나타내고, 복수의 관찰데이터에 대한 로그우도(log-likelihood)를 최대로 하는 파라미터를 상기 EM 알고리즘을 통해 반복적으로 계산하는 방식으로 상기 컬러분포를 모델링하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 방법
|
| 16 |
16
제 15 항에 있어서,상기 컬러분포를 모델링하는 단계는, 상기 가우시안 혼합 모델의 평균, 공분산 및 가중치에 대한 파라미터를 임의의 값으로 초기화한 후 로그 우도를 계산하고, 현재 파라미터를 사용하여 모든 데이터 포인트에 대해 모든 가우시안 분포의 반응값을 계산하며, 모든 가우시안 분포 파라미터를 갱신한 후에, 로그 우도를 재계산하고, 수렴하지 않을 경우 반복 수행하는 방식으로 상기 EM 알고리즘을 수행하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 방법
|
| 17 |
17
제 10 항 또는 제 11 항에 있어서,상기 화소단위로 검출하는 단계는, 상기 제 1 컬러 특징벡터를 계산하고, 상기 EM 알고리즘을 사용하여 상기 가우시한 혼합 모델의 평균벡터, 공분산행렬 및 가중치를 계산한 후에, 상기 참조영상의 클래스 분포를 가우시안 분포로 나타내는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 방법
|
| 18 |
18
제 17 항에 있어서,상기 화소단위로 검출하는 단계는, 상기 입력영상의 각 화소로부터 계산된 상기 제 2 컬러 특징벡터에 대해 각 클래스의 가우시안 분포에서 임계값을 설정하여 상기 입력영상의 클래스를 결정하는 방식으로 상기 참조 영상의 클래스 분포에 대응하는 상기 컬러영역을 검출하는 가우시안 혼합 모델을 이용한 컬러 영역의 검출 방법
|
