1 |
1
각각 다른 초점 설정을 가진 두 개의 소스 영상에 대해 그레이 스케일 공간으로 변환하고, 상기 소스 영상을 특정 크기의 영상 패치로 분해하고, 상기 분해한 영상 패치에서 특징 벡터를 추출하고, 상기 추출한 특징 벡터에서 선명한 영상과 흐릿한 영상을 구분하기 위해 캐스케이드 포레스트 모델의 계층별 처리를 통해 예측 결과를 생성하는 케스케이드 포레스트 모델부;상기 예측 결과를 이용하여 상기 특징 벡터의 모든 픽셀에 대하여 초점 정보와 초점이 맞지 않은 정보를 나타내는 분류 결과를 할당하여 초점맵(Focus Map)을 생성하는 초점맵 생성부;상기 초점맵 생성부에서 상기 생성한 초점맵의 각 픽셀에서 기설정한 영역 임계값과 비교하여 상기 영역 임계값보다 작으면 0을 1로, 1을 0으로 반전하여 노이즈 영역을 제거하는 일관성 검사를 수행하여 초기 의사 결정맵을 생성하는 일관성 검사부;상기 초기 의사 결정맵에서 초점이 맞춰진 영역과 초점이 맞지 않는 영역 사이의 경계에 아티팩트(Artifacts)를 줄이기 위해 가이드 영상 필터링을 수행하여 최종 의사 결정맵을 생성하는 결정맵 생성부; 및상기 최종 의사 결정맵에 대하여 픽셀 단위 처리를 통해 최종 융합 영상을 생성하는 최종 융합 영상 처리부를 포함하는 지능형 다중 초점 영상 융합 장치
|
2 |
2
청구항 1에 있어서,상기 케스케이드 포레스트 모델부는 상기 두 개의 소스 영상에 대해 그레이 스케일 공간으로 변환하고, 가우시안 필터링을 수행하여 상기 흐릿한 영상을 얻으며, 영상의 선명도를 표현하는 가시성(Visibility, VIS), 공간 주파수(Spatial Frequency, SF), 그라디언트 에너지(Energy of Gradient, EOG) 및 분산(Variance, VAR)의 4가지 특징 벡터를 추출하는 지능형 다중 초점 영상 융합 장치
|
3 |
3
청구항 2에 있어서,상기 가시성(Fvis)은 픽셀의 강도와 영상 패치의 평균 강도의 차이이고, 강도를 픽셀값을 나타내는 다음의 수학식 1에 의해 표현하는 지능형 다중 초점 영상 융합 장치
|
4 |
4
청구항 2에 있어서,상기 공간 주파수(Fsf)는 높을수록 영상 패치가 더 선명해지고, 하기의 수학식 2, 수학식 3 및 수학식 4로 정의되는 지능형 다중 초점 영상 융합 장치
|
5 |
5
청구항 2에 있어서,상기 그라디언트 에너지(Feog)는 하기의 수학식 6과 같이 표현되고, 영상의 초점 설정을 감지하기 위해 적용되고, 상기 그라디언트 에너지가 작을수록 패치가 더 흐려지는 지능형 다중 초점 영상 융합 장치
|
6 |
6
청구항 2에 있어서,상기 분산(Fvar)은 다음의 수학식 7과 같이 표현되고, 상기 영상 패치의 그레이 레벨 대비를 측정하기 위한 평가 함수인 지능형 다중 초점 영상 융합 장치
|
7 |
7
청구항 1에 있어서,상기 일관성 검사부는 상기 초기 의사 결정맵을 하기의 수학식 8과 수학식 9에 의해 표현하는 지능형 다중 초점 영상 융합 장치
|
8 |
8
청구항 1에 있어서,상기 최종 융합 영상 처리부는 상기 최종 융합 영상을 하기의 수학식 10에 의해 생성하는 지능형 다중 초점 영상 융합 장치
|
9 |
9
삭제
|
10 |
10
삭제
|