| 1 |
1
컴퓨터로 구현되는 영상 정합 장치(100)에 의해 각 단계가 수행되는 영상 정합 방법으로서,(1) 제1 영상 및 제2 영상에서 키-포인트를 추출하는 단계;(2) 상기 제1 영상의 특정 키-포인트의 위치를 기준으로 상기 제2 영상에서 후보 키-포인트를 찾는 단계; 및(3) 상기 제1 영상의 특정 키-포인트와 상기 제2 영상의 후보 키-포인트를 샴 랜덤 포레스트(Siamese Random Forest) 분류기를 이용해 매칭하는 단계를 포함하며,상기 단계 (3)은,(3-1) 상기 제1 영상의 특정 키-포인트와 상기 제2 영상의 후보 키-포인트에서 각각 추출된 두 특징 벡터의 차이를 이용해 상기 샴 랜덤 포레스트 분류기를 위한 입력 벡터를 구성하는 단계;(3-2) 상기 입력 벡터를 상기 샴 랜덤 포레스트 분류기에 입력해 두 특징 벡터의 유사도를 측정하는 단계; 및(3-3) 상기 유사도가 임계값 이상이면 상기 제1 영상의 특정 키-포인트와 상기 제2 영상의 후보 키-포인트를 매칭하는 단계를 포함하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 방법
|
| 2 |
2
제1항에 있어서, 상기 단계 (1)에서는,AKAZE(Accelerated KAZE)를 이용해 키-포인트를 추출하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 방법
|
| 3 |
3
제1항에 있어서, 상기 단계 (2)에서는,K-최근접 이웃법(K-Nearest Neighbor)을 이용해 상기 제1 영상의 특정 키-포인트의 위치를 기준으로 상기 제2 영상에서 미리 정해진 거리 내에 존재하는 후보 키-포인트를 찾는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 방법
|
| 4 |
4
제1항에 있어서,상기 제1 영상에서 추출된 모든 키-포인트에 대해 상기 단계 (2) 및 단계 (3)을 반복 실행하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 방법
|
| 5 |
5
제1항에 있어서, 상기 단계 (3-1)에서는,상기 제1 영상의 특정 키-포인트로부터 추출된 특징 벡터와 상기 제2 영상의 후보 키-포인트로부터 추출된 특징 벡터의 각 차원에서의 차를 상기 입력 벡터로 구성하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 방법
|
| 6 |
6
제1항에 있어서, 상기 샴 랜덤 포레스트 분류기는,랜덤 포레스트 분류기와 샴 구조를 결합한 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 방법
|
| 7 |
7
제6항에 있어서, 상기 샴 랜덤 포레스트 분류기는,동일한 두 영상에 대해서는 유사도가 증가하고, 서로 다른 두 영상에 대해서는 유사도가 감소하는 방향으로 학습된 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 방법
|
| 8 |
8
제1항에 있어서, 상기 단계 (3) 이후에는,(4) 전체 키-포인트에 대한 상기 단계 (3)에서 매칭된 키-포인트의 비율이 기준값 이상이면, 상기 제1 영상과 제2 영상을 동일 영상으로 판단하는 단계를 더 포함하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 방법
|
| 9 |
9
영상 정합 장치(100)로서,제1 영상 및 제2 영상에서 키-포인트를 추출하는 키-포인트 추출부(110);상기 제1 영상의 특정 키-포인트의 위치를 기준으로 상기 제2 영상에서 미리 정해진 거리 내에 존재하는 후보 키-포인트를 찾는 검색부(120); 및상기 제1 영상의 특정 키-포인트와 상기 제2 영상의 후보 키-포인트를 샴 랜덤 포레스트(Siamese Random Forest) 분류기를 이용해 매칭하는 매칭부(130)를 포함하며,상기 매칭부(130)는,상기 제1 영상의 특정 키-포인트와 상기 제2 영상의 후보 키-포인트에서 각각 추출된 두 특징 벡터의 차이를 이용해 상기 샴 랜덤 포레스트 분류기를 위한 입력 벡터를 구성하는 벡터 구성 모듈(131);상기 입력 벡터를 상기 샴 랜덤 포레스트 분류기에 입력해 두 특징 벡터의 유사도를 측정하는 유사도 측정 모듈(132); 및상기 유사도가 임계값 이상이면 상기 제1 영상의 특정 키-포인트와 상기 제2 영상의 후보 키-포인트를 매칭하는 매칭 모듈(133)을 포함하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 장치(100)
|
| 10 |
10
제9항에 있어서, 상기 키-포인트 추출부(110)는,AKAZE(Accelerated KAZE)를 이용해 키-포인트를 추출하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 장치(100)
|
| 11 |
11
제9항에 있어서, 상기 검색부(120)는,K-최근접 이웃법(K-Nearest Neighbor)을 이용해 상기 제1 영상의 특정 키-포인트의 위치를 기준으로 상기 제2 영상에서 미리 정해진 거리 내에 존재하는 후보 키-포인트를 찾는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 장치(100)
|
| 12 |
12
제9항에 있어서, 상기 검색부(120) 및 매칭부(130)는,상기 제1 영상에서 추출된 모든 키-포인트에 대해 후보 키-포인트의 검색 및 매칭을 반복 실행하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 장치(100)
|
| 13 |
13
제9항에 있어서, 상기 벡터 구성 모듈(131)은,상기 제1 영상의 특정 키-포인트로부터 추출된 특징 벡터와 상기 제2 영상의 후보 키-포인트로부터 추출된 특징 벡터의 각 차원에서의 차를 상기 입력 벡터로 구성하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 장치(100)
|
| 14 |
14
제9항에 있어서, 상기 샴 랜덤 포레스트 분류기는,랜덤 포레스트 분류기와 샴 구조를 결합한 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 장치(100)
|
| 15 |
15
제14항에 있어서, 상기 샴 랜덤 포레스트 분류기는,동일한 두 영상에 대해서는 유사도가 증가하고, 서로 다른 두 영상에 대해서는 유사도가 감소하는 방향으로 학습된 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 장치(100)
|
| 16 |
16
제9항에 있어서,전체 키-포인트에 대한 상기 매칭부(130)에서 매칭된 키-포인트의 비율이 기준값 이상이면, 상기 제1 영상과 제2 영상을 동일 영상으로 판단하는 영상 정합부(140)를 더 포함하는 것을 특징으로 하는, 샴 랜덤 포레스트를 이용한 영상 정합 장치(100)
|
