KR101417527B1 - 항공기에서 촬영되는 항공 영상을 이용하는 지형 변화 탐지 장치 및 방법 - Google Patents
항공기에서 촬영되는 항공 영상을 이용하는 지형 변화 탐지 장치 및 방법 Download PDFInfo
- Publication number
- KR101417527B1 KR101417527B1 KR1020120155890A KR20120155890A KR101417527B1 KR 101417527 B1 KR101417527 B1 KR 101417527B1 KR 1020120155890 A KR1020120155890 A KR 1020120155890A KR 20120155890 A KR20120155890 A KR 20120155890A KR 101417527 B1 KR101417527 B1 KR 101417527B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- terrain
- stitching
- change
- images
- Prior art date
Links
- 230000008859 change Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims description 62
- 238000001514 detection method Methods 0.000 title claims description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 19
- 238000002156 mixing Methods 0.000 claims description 16
- 239000003550 marker Substances 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010422 painting Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 6
- 230000006378 damage Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- OWZREIFADZCYQD-NSHGMRRFSA-N deltamethrin Chemical compound CC1(C)[C@@H](C=C(Br)Br)[C@H]1C(=O)O[C@H](C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 OWZREIFADZCYQD-NSHGMRRFSA-N 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
항공기를 이용하여 지형 변화를 탐지하는 장치가 제공된다. 상기 장치는 지형을 제1 시점에 항공 촬영한 제1 영상 및 상기 지형을 제2 시점에 항공 촬영한 제2 영상을 차분하여 차영상을 생성하는 제1 계산부 및 상기 차영상을 이진화하여 변화 마스크를 생성하는 제2 계산부를 포함한다.
Description
영상을 이용한 지형 변화를 탐지하는 장치 및 방법에 연관되며, 보다 특정하게는 항공기에서 촬영되는 항공 영상을 이용하여 지형 변화를 탐지를 제공하는 장치 및 방법에 연관된다.
우리나라는 경제 개발 계획 등의 급속한 산업화로 인해 고도 성장의 시대에 접어들면서 국가 산업의 발달 및 국토의 급속한 개발이 이루어졌다. 이에 따라, 생활 수준도 함께 향상되어 지속적인 경제 성장도 이루고 있다.
그러나, 단순 경제 발전을 위한 개발 지향적 정책의 남발로 인해 수도권의 과밀 현상, 지역간의 불균형 심화, 국토의 무분별한 개발 및 환경 파괴 등이 문제로 대두되고 있는 실정이다.
정부에서 위와 같은 문제를 해결하고 국토의 균형적인 발전을 위해 국토 종합 계획을 수립하고 막대한 예산 및 인력을 투입하고 있으나, 보다 체계적이고 종합적인 국토의 관리를 위한 대책 수립이 필요하다.
위와 같은 대책 수립을 위해 국토에 대한 정확한 파악, 개발 계획을 위한 효율적인 자료 수집, 현황 분석 및 관리 체계가 수립되어야 한다. 따라서, 국토 내의 지형 변화 탐지와 자연 현상의 정량적 분석이 가능하도록 지형 변화의 지속적인 관찰과 효율적인 정보 수집 방법이 필요함을 알 수 있었다.
또한, 위와 같이 국토와 관련된 지형 탐사뿐만 아니라 태풍 등의 자연 재해로 인한 피해 지역 확인, 재개발 보상 시 불법 건축물 단속, 군사 시설 내의 부대 이동 현황 및 감시 기능을 겸비한 지형 변화를 탐사할 수 있는 기술이 요구된다.
일측에 따르면, 항공기에서 촬영되는 항공 영상을 이용하여 지형 변화를 탐지하는 장치가 제공된다. 지형을 상기 지형 변화 탐지 장치는 제1 시점에 항공 촬영한 제1 영상 및 상기 지형을 제2 시점에 항공 촬영한 제2 영상을 차분하여 차영상을 생성하는 제1 계산부 및 상기 차영상을 이진화하여 변화 마스크를 생성하는 제2 계산부를 포함할 수 있다.
일실시예에 따르면, 상기 지형 변화 탐지 장치는 상기 제1 영상 및 상기 제2 영상 중 적어도 하나에 대해 전역적 호모그라피를 추정하는 처리부를 더 포함할 수 있다.
일실시예에 따르면, 상기 지형 변화 탐지 장치의 상기 처리부는 상기 제1 영상 및 상기 제2 영상 중 적어도 하나에 대해 가우시안 커널을 이용하여 크기를 줄이고, RANSAC(RANdom SAmple Consensus) 알고리즘을 적용하여 상기 전역적 호모그라피를 추정할 수 있다.
일실시예에 따르면, 상기 지형 변화 탐지 장치의 상기 제1 계산부는 상기 제1 영상 및 상기 제2 영상의 각각을 블록 단위로 비교하여 블록 기반으로 상기 차영상을 생성할 수 있다.
일실시예에 따르면, 상기 지형 변화 탐지 장치는 상기 변화 마스크에 포함된 검출 영역 중 임계치 이하의 크기를 갖는 영역을 제거하여 형태학적 노이즈 제거를 수행하는 노이즈 제거부를 더 포함할 수 있다.
일실시예에 따르면, 상기 지형 변화 탐지 장치는 상기 지형을 공간적으로 분할한 복수 개의 영역들 각각에 대해 상기 제1 시점에 항공 촬영된 복수 개의 제1 서브 영상들을 스티칭하여 상기 제1 영상을 생성하고, 상기 복수 개의 영역들 각각에 대해 상기 제2 시점에 항공 촬영된 복수 개의 제2 서브 영상들을 스티칭하여 상기 제2 영상을 생성하는 스티칭부를 더 포함할 수 있다.
일실시예에 따르면, 상기 스티칭부는, 상기 스티칭 전에 상기 복수 개의 제1 서브 영상들 각각 또는 상기 복수 개의 제2 서브 영상들 각각의 밝기 리매핑을 수행할 수 있다.
일실시예에 따르면, 상기 스티칭부는 상기 스티칭 과정에서 SIFT(Scale Invariant Feature Transformation) 특징점을 추출 및 비교하여 상기 스티칭을 수행할 수 있다.
일실시예에 따르면, 상기 스티칭부는 보간 및 블렌딩 중 적어도 하나의 기법을 이용하여 상기 복수 개의 제1 서브 영상들 사이의 경계 또는 상기 복수 개의 제2 서브 영상들 사이의 경계에서 심리스(seamless) 처리를 수행할 수 있다.
일실시예에 따르면, 상기 스티칭부는 상기 블렌딩에 있어서 저주파 성분은 상대적으로 넓게 블렌딩하고 고주파 성분은 상대적으로 좁게 블렌딩하는 멀티 밴드 블렌딩을 수행할 수 있다.
일실시예에 따르면, 상기 스티칭부는 상기 스티칭 과정에서 상기 지형과 관계 없는 마커(Marker) 영역을 탐색하고, 상기 마커 영역을 인패인팅하여 상기 마커 영역을 제거할 수 있다.
다른 일측에 따르면, 항공기에서 촬영되는 항공 영상을 이용하여 지형 변화를 탐지하는 방법이 제공된다. 상기 지형 변화 탐지 방법은 지형을 제1 시점에 항공 촬영한 제1 영상 및 상기 지형을 제2 시점에 항공 촬영한 제2 영상을 차분하여 차영상을 생성하는 단계 및 상기 차영상을 이진화하여 변화 마스크를 생성하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 지형 변화 탐지 방법은 상기 변화 마스크에 포함된 검출 영역 중 임계치 이하의 크기를 갖는 영역을 제거하여 형태학적 노이즈 제거를 수행하는 단계를 더 포함할 수 있다.
일실시예에 따르면, 상기 지형 변화 탐지 방법은 상기 지형을 공간적으로 분할한 복수 개의 영역들 각각에 대해 상기 제1 시점에 항공 촬영된 복수 개의 제1 서브 영상들을 스티칭하여 상기 제1 영상을 생성하고, 상기 복수 개의 영역들 각각에 대해 상기 제2 시점에 항공 촬영된 복수 개의 제2 서브 영상들을 스티칭하여 상기 제2 영상을 생성하는 단계를 더 포함할 수 있다.
도 1은 일실시예에 따른, 지형 변화 탐지 장치의 블록도이다.
도 2는 일실시예에 따른, 항공기에서 촬영되는 복수 개의 서브 영상들을 나타내는 도면이다.
도 3의 (a) 및 (b)는 일실시예에 따른, 상기 복수 개의 영상들 각각에 대해 밝기 리매핑을 수행하기 위한 실시예를 나타내는 도면이다.
도 4는 일실시예에 따른, 상기 복수 개의 영상들 각각에 대해 SIFT 특징점을 추출 및 비교를 수행하기 위한 실시예를 나타내는 도면이다.
도 5는 일실시예에 따른, 지형을 제1 시점에서 항공 촬영한 제1 영상 및 상기 지형을 제2 시점에서 항공 촬영한 제2 영상을 나타내는 도면이다.
도 6은 일실시예에 따른, 상기 제1 영상과 상기 제2 영상을 차분하여 차영상을 생성하는 실시예를 나타내는 도면이다.
도 7은 일실시예에 따른, 상기 생성된 차영상을 이진화함으로써 변화 마스크를 생성하는 실시예를 나타내는 도면이다.
도 2는 일실시예에 따른, 항공기에서 촬영되는 복수 개의 서브 영상들을 나타내는 도면이다.
도 3의 (a) 및 (b)는 일실시예에 따른, 상기 복수 개의 영상들 각각에 대해 밝기 리매핑을 수행하기 위한 실시예를 나타내는 도면이다.
도 4는 일실시예에 따른, 상기 복수 개의 영상들 각각에 대해 SIFT 특징점을 추출 및 비교를 수행하기 위한 실시예를 나타내는 도면이다.
도 5는 일실시예에 따른, 지형을 제1 시점에서 항공 촬영한 제1 영상 및 상기 지형을 제2 시점에서 항공 촬영한 제2 영상을 나타내는 도면이다.
도 6은 일실시예에 따른, 상기 제1 영상과 상기 제2 영상을 차분하여 차영상을 생성하는 실시예를 나타내는 도면이다.
도 7은 일실시예에 따른, 상기 생성된 차영상을 이진화함으로써 변화 마스크를 생성하는 실시예를 나타내는 도면이다.
이하에서, 일부 실시예들을, 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 관례, 새로운 기술의 출현 등에 따라 달라질 수 있다.
또한 특정한 경우는 이해를 돕거나 및/또는 설명의 편의를 위해 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.
지형이 변화는 시공간적으로 매우 다양한 형태를 보이기 때문에, 이에 대한 적절한 모니터링 및 지형 변화 정보 획득을 위한 방안이 요구되고 있다. 본 발명은 앞에서 언급한 문제를 해결하기 위한 방안으로 항공기에서 촬영되는 항공 영상을 활용할 수 있다.
또한, 지형 변화 탐지 기술은 재난 발생 시 피해 면적 산출, 산불 발생 시 피해 면적의 산출, 토지 개발에 따른 개발 면적 산출, 적 부대의 이동을 감시하는 등의 여러 분야에서 활용될 수 있다.
본 발명의 일실시예에 따르면 카메라로 촬영되는 지형 및 건물 등에 대해 시간의 차이를 두고 촬영한 두 개의 영상을 이용하여 지형 변화를 탐지할 수 있다. 상기 두 개의 영상은 정지 영상일 수도 있고 또는 동영상일 수도 있다. 상기 두 개의 영상을 비교하기 위해서는 시간상으로 먼저 촬영된 영상(이를 테면, 제1 영상)이 존재할 수 있고, 어느 정도 시간의 차이를 두고 나중에 촬영된 영상(이를 테면, 제2 영상)이 존재할 수 있다.
일실시예에 따른 상기 영상의 종류는 하나의 이미지 또는 대형 면적을 비교하기 위해 이미지 스티칭(Image Stitching) 작업이 이루어진 영상 또는 동영상을 이용할 수 있다.
일실시예에 따르면, 640 x 480 UAV 영상 2장의 stitching 시간은 약 2~3초 이내가 되며, 영상이 추가될수록 배로 증가할 수 있다. 3장 내지 4장의 이미지를 정합하여 이미지 변화 검출(Image change detection) 소요 시간은 대략 15초 내외로 유지될 수 있다.
도 1은 일실시예에 따른, 지형 변화 탐지 장치(100)의 블록도이다. 상기 지형 변화 탐지 장치는 스티칭부(110), 제1 계산부(120), 처리부(130), 제2 계산부(140) 및 노이즈 제거부(150)를 포함할 수 있다.
일실시예에 따르면, 제1 시점에서 지형을 항공 촬영한 제1 영상 및 제2 시점에서 상기 지형을 항공 촬영한 제2 영상은 공간적으로 분할되어 있는 복수 개의 영상 영역들을 포함할 수 있다. 이를 테면, 상기 제1 영상은 제1 시점에서 상기 지형이 항공 촬영된 복수 개의 제1 서브 영상들을 포함할 수 있고, 상기 제2 영상은 제2 시점에서 상기 지형이 항공 촬영된 복수 개의 제2 서브 영상들을 포함할 수 있다.
일실시예에 따른 상기 스티칭부는 상기 제1 시점에서 항공 촬영된 복수 개의 상기 제1 서브 영상들을 스티칭하여, 상기 제1 영상을 생성할 수 있다. 또한, 상기 제2 시점에서 항공 촬영된 복수 개의 상기 제2 서브 영상들을 스티칭함으로써 상기 제2 영상을 생성할 수 있다.
일실시예에 따른 상기 스티칭부는 상기 스티칭하기 전에 상기 복수 개의 제1 서브 영상 및 제2 서브 영상 각각에 대해 전처리 과정을 수행할 수 있는데, 이것은 아래에서 더 상세히 기술된다.
일실시예에 따른 상기 제1 계산부는 상기 스티칭부에 의해 생성되는 상기 제1 영상 및 상기 제2 영상을 차분함으로써 차영상을 생성할 수 있다. 또한 상기 처리부는 상기 제1 영상 및 상기 제2 영상 중 적어도 하나에 대해 전역적 호모그라피를 추정할 수 있다.
일실시예에 따른 상기 제2 계산부는 상기 제1 계산부에 의해 생성되는 상기 차영상을 이진화 함으로써 변화 마스크를 생성할 수 있다. 일실시예에 따른 상기 노이즈 제거부는 상기 변화 마스크에 포함되는 검출 영역 중 임계치 이하의 크기를 갖는 영역을 제거하여 형태학적 노이즈 제거를 수행할 수 있다.
도 2는 일실시예에 따른, 항공기에서 촬영되는 복수 개의 서브 영상들을 나타내는 도면이다. 위에서 기술된 바와 같이 일실시예에 따른 상기 지형 변화 탐지 장치는 지형(또는 건물 등)에 대해 시간 차이를 두고 촬영한 두 개의 영상(이를 테면, 정지 영상 또는 동영상)을 이용하여, 상기 두 개의 영상 사이에서 변화된 부분을 추출하는 기능을 포함할 수 있다. 상기 두 개의 영상은, 시간상으로 먼저 촬영된 영상 이를 테면, 상기 제1 영상과, 시간상으로 나중에 촬영된 영상 이를 테면 상기 제2 영상일 수 있다.
일실시예에 따르면, 상기 지형을 공간적으로 분할한 복수 개의 영역들 각각에 대해 제1 시점에 항공 촬영된 복수 개의 상기 제1 서브 영상들이 스티칭됨으로써 상기 제1 영상이 생성될 수 있다.
반대로 상기 지형을 공간적으로 분할한 복수 개의 영역들 각각에 대해 제2 시점에 항공 촬영된 복수 개의 상기 제2 서브 영상들이 스티칭됨으로써 상기 제2 영상이 생성될 수 있다.
도 2의 (a), (b), (c) 및 (d)에서 도시된 도면은 이를 테면, 상기 제2 서브 영상에 포함되고 상기 제2 시점에서 항공 촬영된 복수 개의 상기 제2 서브 영상들을 나타내고 있다. 도면에 도시된 각각의 상기 제2 서브들이 상기 스티칭부에 의해 서로 스티칭되어 상기 제2 영상을 생성하게 되는 것이다. 이러한 스티칭에 대한 방법은 아래에서 더 상세히 기술된다.
도 3의 (a) 및 (b)는 일실시예에 따른, 상기 복수 개의 영상들 각각에 대해 밝기 리매핑을 수행하기 위한 실시예를 나타내는 도면이다.
일실시예에 따르면, 상기 스티칭부는 상기 스티칭을 하기 전에 상기 복수 개의 제1 서브 영상들 각각 또는 상기 복수 개의 제2 서브 영상들 각각에 대해 밝기 리매핑(Luminance remapping)을 수행할 수 있다.
상기 밝기 리매핑은 입력된 두 영상에 대해 밝기 분포를 유사하게 일치 시키는 기술로써, 도 3은 도 2의 (a) 및 (b)에 대해 예시적으로 밝기 리매핑을 수행하는 실시예를 도시하였다.
위에서 언급된 바와 같이, 도 3의 (a) 및 (b)는 상기 제2 영상을 구성하는 상기 제2 서브 영상들일 수 있다. 그러나, 입력되는 서브 영상들은 시점에 따라 밝기 분포가 서로 다를 수도 있다. 이를 테면, 도 3의 (a)는 도 3의 (b)에 비해 밝기가 어둡고, 도 3의 (b)는 적당한 밝기를 갖는다고 가정할 수 있다.
따라서, 도 3의 (a)와 같은 경우에는 상기 밝기 리매핑 과정을 통해 도 3의 (b)와 같이 밝기가 조절되어 어두웠던 서브 영상이 밝게 조정될 수 있다. 이와 같이, 상기 스티칭을 하기 전에 상기 서브 영상들에 대해 밝기 리매핑을 수행함으로써 밝기 분포를 유사하게 일치시킬 수 있으며, 상기 서브 영상들이 스티칭이 되어 더욱 선명한 하나의 영상을 생성할 수 있다.
도 4는 일실시예에 따른, 상기 복수 개의 영상들 각각에 대해 SIFT 특징점을 추출 및 비교를 수행하기 위한 실시예를 나타내는 도면이다. 일실시예에 따른 상기 스티칭부는 상기 스티칭 과정에서 SIFT(Scale Invariant Feature Transformation) 특징점을 추출 및 비교하여 상기 스티칭을 수행할 수 있다.
일실시예에 따르면 상기 영상들 사이의 변환 관계를 호모그래피(homography)라고 말하며, 상기 영상들 간의 대응점을 통해 변환 관계를 구할 수 있다. 상기 대응점 계산에서는 영상에서 가장 안정되며 특징을 잘 나타낼 수 있는 특징점을 추출하는 것이 가장 중요하다. 그러므로, 상기 특징점을 추출하는 경우 SIFT(Scale Invariant Feature Transformation) 특징점을 사용할 수 있다. 상기 SIFT는 회전과 크기 변환에 불면하고, 밝기 변화에 비교적 안정적이므로, 현재 가장 널리 사용되는 특징점 추출 알고리즘이다.
또한, 상기 영상들 사이의 변환 관계는 크게 유클리디언(Euclidean), 유사성(similarity), 아핀(affine) 및 프로젝티브(projective) 변환으로 나뉠 수 있다. 이 중에서 상기 프로젝티브 변환이 가장 자유도가 높으며, 다양한 형태를 표현할 수 있다. 본 발명에서는 자연스러운 모자이크 영상을 생성하기 위해 상기 프로젝트 변환을 이용할 수 있다.
상기 영상들 사이의 변환 관계, 즉 상기 호모그래피를 구하는 문제에서 가장 핵심은 아웃라이어에 대한 영향을 감소시키는 것이다. 또한 대응점 중에서 대략 10% 정도의 아웃라이어에도 그 결과는 상당히 저하될 수 있다. 따라서, RANSAC(RANdom SAmple Consensus set) 기술을 이용함으로써 상기 특징점 중에서 가장 신뢰할 만한 특징점을 판별하여 아웃라이어를 제거할 수 있다.
호모그래피 추정(Homography estimation)이 영상들 간의 기하학적 유사성을 높이기 위한 기술이라고 한다면, 보간(interpolation) 및 블렌딩(blending) 기술은 정합된 영상 결과를 더욱 자연스럽게 만들어주는 일종의 렌더링(rendering) 기술일 수 있다. 상기 보간 기술은 주로 상기 프로젝티브 변환 과정에서 데이터 정보가 없어서 생성된 파노라마 영상에 생기 구멍(hole)을 채우는 보간법을 지칭한다. 본 발명에서는 처리 시간이 빠르고 효과적인 이중 선형 보간법(bilinear interpolation)이 이용될 수 있다.
일실시예에 따르면, 상기 보간 기술과 더불어 렌더링 기술의 또 다른 기술은 블렌딩 기술은 서로 다른 영상이 합쳐졌을 경우, 경계에서 생기는 선(seam)을 제거하기 위해 사용되는 기술이다. 상기 블렌딩 기술은 경계 부분의 선(seam)을 자연스럽게 섞는 기술이다. 본 발명은 블렌딩 기술 중에서 멀티 밴드 블렌딩 기술을 사용하여 경계선 주의에서 저주파 성분은 넓게 하고, 고주파 성분은 좁게 섞음으로써 선 주변의 세밀한 성분의 오차를 최소화할 수 있다(또는, 심리스 (seamless) 처리를 수행할 수 있다).
도 4에 도시된 바와 같이, 복수의 상기 제2 서브 영상들이 스티칭되어 상기 제2 영상을 생성할 수 있다. 또한 상기 제2 서브 영상들이 스티칭되기 전에 상기 영상들 간의 밝기가 유사해지도록 밝기 리매핑 과정을 포함할 수 있다.
도 4와 같이 상기 서브 영상들이 스티칭되는 경우, 영상과 영상 사이의 경계선이 복잡하게 이루어진 부분(410)은 위에 기술된 멀티 밴드 블렌딩 기술에 의해 고주파 성분이 좁게 섞여짐으로써 심리스 처리될 수 있다. 반대로, 영상과 영상 사이의 경계선이 상대적으로 단순하게 이루어진 부분(420)은 위에서 기술된 상기 멀티 밴드 블렌딩 기술에 의해 저주파 성분이 넓게 섞여짐으로써 심리스 처리될 수 있다.
일실시예에 따르면, 상기 스티칭부는 상기 스티칭 과정에서 상기 지형과 관계 없는 마커(Marker) 영역을 탐색할 수 있고, 상기 마커 영역을 인패인팅하여(Inpainting) 상기 마커 영역을 제거할 수 있다.
일실시예에 따르면, 일부 많은 마커를 포함하는 영상들이 잇는 경우, 특히 항공 영상에는 운영자에게 비행 정보를 제공하다 보니 원래의 영상에 여러 가지의 정보들이 섞여 잇는 경우가 대부분일 수 있다.
그러나, 이러한 정보들은 영상 분석 과정에서 프로세싱 단계뿐만 아니라 시각적인 부분에서도 큰 악영항을 줄 수 있다. 또한, 차후의 지형 변화 탐지에서 좋지 않은 결과를 초래할 수 있기 때문에, 상기 임패인팅 기술을 이용하여 마커를 제거할 수 있다.
도 5는 일실시예에 따른, 지형을 제1 시점에서 항공 촬영한 제1 영상 및 상기 지형을 제2 시점에서 항공 촬영한 제2 영상을 나타내는 도면이다. 위에서 기술된 바와 같이 본 발명의 지형 변화 탐지 장치 및 방법은 항공 촬영되는 지형(또는 건물 등)에 대해 적절한 시간의 차이를 두고 촬영되는 두 개의 영상이 이용될 수 있다. 상기 두 개의 영상은 정지 영상이거나 또는 동영상일 수 있다.
일실시예에 따른 상기 지형 변화 탐지 장치는 상기 두 개의 영상을 비교하기 위해 도 5의 (a)와 같이 시간상으로 먼저 촬영된 이를 테면, 상기 제1 시점에서 항공 촬영된 상기 제1 영상과 도 5의 (b)와 같이 시간상으로 나중에 촬영된 이를 테면, 상기 제2 시점에서 항공 촬영된 상기 제2 영상을 이용할 수 있다.
도 5의 (a)와 도 5의 (b)를 육안으로 비교했을 경우에는, 상기 제1 시점에서 촬영된 상기 제1 영상에서 존재하지 않던 두 개의 비닐하우스(501, 502)와 컨테이너 가건물(503)이 상기 제2 시점에서 촬영된 상기 제2 영상 내에 존재하는 것을 볼 수 있다.
일실시예에 따른 상기 제1 영상 및 상기 제2 영상 사이에서 차 영상을 구하기 위해 제공되는 두 개의 영상(상기 제1 영상 및 상기 제2 영상) 사이에는 기본 적으로 시간 차이가 존재하며, 영상을 얻는 시점 및 노출 상태가 매우 다를 수 있다.
따라서, 가우시안 커널을 이용하여 영상의 크기를 줄이면서 관계를 구하는 피라미드를 이용할 수 있다. 상기 피라미드를 이용함으로써 한 단계의 레벨로만 각 영상을 줄임으로써 RANSAC(RANdom SAmple Consensus)을 이용하여 이질적인 영상 간의 전역적인 호모그래피를 추정할 수 있다.
일실시예에 따르면, 앞에 언급된 기하학적 정합과 밝기 보정을 통해 획득되는 각각의 중복된 영역에 대해 차이 값을 구하는 것을 차영상(differencing)이라고 말할 수 있다. 일반적으로 차이가 낮은 영상에 대해서는 픽셀 기반의 차이 값을 구하지만, 지형 변화 탐지와 같은 경우의 영상은 상당히 넓은 영역을 포함하기 때문에 기하학적으로 차이가 크다.
따라서, 상기 지형 변화 탐지 장치 및 방법은 픽셀 기반이 아닌 블록 기반의 차영상 방법을 사용할 수 있다. 상기 차영상을 생성하여, 상기 차영상을 이진화함으로써 변화 마스크(Change Mask)를 생성하는 내용에 대해서는 아래에서 도면과 함께 더 상세히 기술된다.
도 6의 (a)는 일실시예에 따른, 상기 제1 영상과 상기 제2 영상을 차분하여 차영상을 생성하는 실시예를 나타내는 도면이다.
앞에서 언급한 바와 같이, 앞에 언급된 기하학적 정합과 밝기 리매핑을 통해 획득되는 각각의 중복된 서브 영역에 대해 차이 값을 구하는 것을 차영상(differencing)이라고 말할 수 있다.
이를 테면, 도 5의 (a)에 도시된, 상기 제1 시점에 항공 촬영된 상기 제1 영상과 도 5의 (b)에 도시된, 상기 제2 시점에 항공 촬영된 상기 제2 영상을 서로 차분하게 되면, 도 6의 (a)와 같은 차영상을 획득할 수 있다.
도 6의 (b)는 일실시예에 따른, 상기 생성된 차영상을 이진화함으로써 변화 마스크를 생성하는 실시예를 나타내는 도면이다.
일실시예에 따른 상기 제2 계산부는 위의 과정에 의해 생성된 도 6의 (a)와 같은 상기 차영상을 이진화하여 도 6의 (b)에서 도시한 바와 같은 상기 변화 마스크를 생성할 수 있다. 상기 변화 마스크에서 나타난 영역은 관심 영역으로써 이질적인 영상 간의 차이를 탐지한 부분이 될 수 있다.
위와 같이, 상기 이진 영상을 생성하더라도 사익 영상 안에는 노이즈가 남아있을 수 있다. 일반적으로 일정 크기 이하의 객체를 노이즈라고 가정할 수 있으므로, 형태학적(morphology) 방법을 사용하여 노이즈를 제거할 수 있다. 즉, 상기 운용자가 임계치를 조정함으로써 일정한 크기 이하의 물체를 고려하지 않음으로써 지형 변화 탐지 기증을 높일 수 있다.
일실시예에 따른 상기 노이즈 제거부가 위에 언급한 바와 같이, 상기 변화 마스크에 포함된 검출 영역 중 상기 임계치 이하의 크기를 갖는 영역을 제거하여 형태학적 노이즈 제거를 수행할 수 있다. 또한, 상기 임계치는 상기 운용자에 의해 조정이 가능할 수 있다.
도 7은 일실시예에 따른, 상기 지형 변화 탐지 방법의 흐름도이다.
일실시예에 따르면, 상기 제1 영상 및 상기 제2 영상은 일정한 시간 차이를 두고 항공 촬영된 영상이 될 수 있다. 먼저, 상기 제1 영상 및 상기 제2 영상에 연관되는 복수의 서브 영상을 항공 촬영에 의해 획득 될 수 있다(710).
이를 테면, 상기 제1 영상은 제1 시점에서 상기 지형이 항공 촬영된 복수 개의 제1 서브 영상들을 가공함으로써 생성될 수 있고, 상기 제2 영상은 제2 시점에서 상기 지형이 항공 촬영된 복수 개의 제2 서브 영상들을 가공함으로써 생성될 수 있다. 이와 같은 가공 과정은 아래의 단계에서 상세히 설명된다.
일실시예에 따른 상기 스티칭부는 상기 제1 시점에서 항공 촬영된 복수 개의 상기 제1 서브 영상들을 스티칭하여, 상기 제1 영상을 생성할 수 있는데, 이러한 스티칭 과정 전에 상기 복수의 서브 영상들에 대해 밝기 리매핑이 수행될 수 있다(720). 일실시예에 따른 상기 밝기 리매핑은 입력된 영상들이 시점에 따라 밝기 분포가 다를 경우, 전처리 과정을 통해 상기 밝기 분포를 유사하게 일치시키는 과정일 수 있다.
상기 밝기 리매핑 과정을 통해 서브 영상들 간의 밝기 분포가 적절하게 조정된 후에는, SIFT 특징점을 이용하여 영상 사이에서 안정되면서도 특징을 잘 나타낼 수 있도록 특징점을 추출할 수 있다(730). 여기서, 상기 영상들 간의 변환 관계를 호모그래피라고 말하며, 영상 간의 대응점을 통해 변환 관계를 구할 수 있다.
일실시예에 따른 상기 SIFT는 회전과 크기 변환에 불면하고, 밝기 변화에 비교적 안정적이다.
위와 같은 스티칭 과정을 통해 복수 개의 서브 영역을 스티칭함으로써 상기 제1 영상 또는 상기 제2 영상을 생성할 수 있다(740).
상기 지형 변화 탐지 장치의 상기 제1 계산부는 시간의 차이를 갖는 두 개의 영상인 상기 제1 영상과 상기 제2 영상을 서로 차분할 수 있다(750). 이와 같이 상기 제1 영상과 상기 제2 영상을 서로 차분함으로써 두 영상의 차이 값이 차 영상을 생성하게 된다.
일실시예에 따른 상기 제2 계산부는 상기 차영상을 이진화하여 상기 변화 마스크를 생성할 수 있다(760). 도 7의 지형 변화 탐지 방법의 흐름도에는 도시되지 않았지만, 상기 변화 마스크를 생성한 후에, 상기 노이즈 제거부에 의해 상기 변화 마스크에 포함되는 검출 영역 중 상기 임계치 이하의 크기를 갖는 영역을 제거하여 형태학적 노이즈 제거가 수행될 수 있다. 일실시예에 따르면, 상기 임계치는 상기 운용자가 미리 설정 가능할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (15)
- 지형을 제1 시점에 항공 촬영한 제1 영상 및 상기 지형을 제2 시점에 항공 촬영한 제2 영상을 차분하여 차영상을 생성하는 제1 계산부;
상기 차영상을 이진화하여 변화 마스크를 생성하는 제2 계산부; 및
상기 지형을 공간적으로 분할한 복수 개의 영역들 각각에 대해 상기 제1 시점에 항공 촬영된 복수 개의 제1 서브 영상들을 스티칭하여 상기 제1 영상을 생성하고, 상기 복수 개의 영역들 각각에 대해 상기 제2 시점에 항공 촬영된 복수 개의 제2 서브 영상들을 스티칭하여 상기 제2 영상을 생성하는 스티칭부
를 포함하는 지형 변화 탐지 장치. - 제1항에 있어서,
상기 제1 영상 및 상기 제2 영상 중 적어도 하나에 대해 전역적 호모그라피를 추정하는 처리부
를 더 포함하는 지형 변화 탐지 장치. - 제2항에 있어서,
상기 처리부는 상기 제1 영상 및 상기 제2 영상 중 적어도 하나에 대해 가우시안 커널을 이용하여 크기를 줄이고, RANSAC(RANdom SAmple Consensus) 알고리즘을 적용하여 상기 전역적 호모그라피를 추정하는 지형 변화 탐지 장치. - 제1항에 있어서,
상기 제1 계산부는 상기 제1 영상 및 상기 제2 영상의 각각을 블록 단위로 비교하여 블록 기반으로 상기 차영상을 생성하는 지형 변화 탐지 장치. - 제1항에 있어서,
상기 변화 마스크에 포함된 검출 영역 중 임계치 이하의 크기를 갖는 영역을 제거하여 형태학적 노이즈 제거를 수행하는 노이즈 제거부
를 더 포함하는 지형 변화 탐지 장치. - 삭제
- 제1항에 있어서,
상기 스티칭부는, 상기 스티칭 전에 상기 복수 개의 제1 서브 영상들 각각 또는 상기 복수 개의 제2 서브 영상들 각각의 밝기 리매핑을 수행하는 지형 변화 탐지 장치. - 제1항에 있어서,
상기 스티칭부는, 상기 스티칭 과정에서 SIFT(Scale Invariant Feature Transformation) 특징점을 추출 및 비교하여 상기 스티칭을 수행하는 지형 변화 탐지 장치. - 제1항에 있어서,
상기 스티칭부는, 보간 및 블렌딩 중 적어도 하나의 기법을 이용하여 상기 복수 개의 제1 서브 영상들 사이의 경계 또는 상기 복수 개의 제2 서브 영상들 사이의 경계에서 심리스(seamless) 처리를 수행하는 지형 변화 탐지 장치. - 제9항에 있어서,
상기 스티칭부는, 상기 블렌딩에 있어서 저주파 성분은 상대적으로 넓게 블렌딩하고 고주파 성분은 상대적으로 좁게 블렌딩하는 멀티 밴드 블렌딩을 수행하는 지형 변화 탐지 장치. - 제1항에 있어서,
상기 스티칭부는, 상기 스티칭 과정에서 상기 지형과 관계 없는 마커(Marker) 영역을 탐색하고, 상기 마커 영역을 인패인팅하여 상기 마커 영역을 제거하는 지형 변화 탐지 장치. - 지형을 제1 시점에 항공 촬영한 제1 영상 및 상기 지형을 제2 시점에 항공 촬영한 제2 영상을 차분하여 차영상을 생성하는 단계;
상기 차영상을 이진화하여 변화 마스크를 생성하는 단계; 및
상기 지형을 공간적으로 분할한 복수 개의 영역들 각각에 대해 상기 제1 시점에 항공 촬영된 복수 개의 제1 서브 영상들을 스티칭하여 상기 제1 영상을 생성하고, 상기 복수 개의 영역들 각각에 대해 상기 제2 시점에 항공 촬영된 복수 개의 제2 서브 영상들을 스티칭하여 상기 제2 영상을 생성하는 단계
를 포함하는 지형 변화 탐지 방법. - 제12항에 있어서,
상기 변화 마스크에 포함된 검출 영역 중 임계치 이하의 크기를 갖는 영역을 제거하여 형태학적 노이즈 제거를 수행하는 단계
를 더 포함하는 지형 변화 탐지 방법. - 삭제
- 제12항 내지 제13항 중 어느 한 항의 지형 변화 탐지 방법을 수행하는 프로그램을 수록한 컴퓨터 판독 가능 기록 매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120155890A KR101417527B1 (ko) | 2012-12-28 | 2012-12-28 | 항공기에서 촬영되는 항공 영상을 이용하는 지형 변화 탐지 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120155890A KR101417527B1 (ko) | 2012-12-28 | 2012-12-28 | 항공기에서 촬영되는 항공 영상을 이용하는 지형 변화 탐지 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140085964A KR20140085964A (ko) | 2014-07-08 |
| KR101417527B1 true KR101417527B1 (ko) | 2014-07-10 |
Family
ID=51735324
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120155890A KR101417527B1 (ko) | 2012-12-28 | 2012-12-28 | 항공기에서 촬영되는 항공 영상을 이용하는 지형 변화 탐지 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101417527B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101591197B1 (ko) | 2014-10-01 | 2016-02-04 | 한국항공우주연구원 | 보조 정보를 이용한 모자이크 영상 생성 장치 및 방법 |
| KR20190114523A (ko) | 2018-03-30 | 2019-10-10 | 서울시립대학교 산학협력단 | 라이다 데이터를 이용한 지형 변화 실시간 탐지 방법, 이를 위한 시스템 및 서버에 저장된 컴퓨터프로그램 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529831B (zh) * | 2019-08-28 | 2024-05-24 | 深圳市熠摄科技有限公司 | 利用图像处理技术的地貌潜变观测设备 |
| KR102468927B1 (ko) * | 2020-11-17 | 2022-11-21 | 한국항공우주연구원 | Sar 영상에서의 객체 변화 탐지 방법 및 sar 영상에서의 객체 변화 탐지 시스템 |
| CN116563774A (zh) * | 2023-02-23 | 2023-08-08 | 中国铁塔股份有限公司重庆市分公司 | 国土耕地非法开采自动识别方法及*** |
| CN116363085B (zh) * | 2023-03-21 | 2024-01-12 | 江苏共知自动化科技有限公司 | 基于小样本学习和虚拟合成数据的工业零件目标检测方法 |
| KR102616873B1 (ko) * | 2023-09-13 | 2023-12-27 | 메이사플래닛 주식회사 | 변화 탐지 장치 및 방법 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002297641A (ja) * | 2001-03-29 | 2002-10-11 | Hitachi Software Eng Co Ltd | 地図データの保存方法、更新方法、表示方法、およびソフトウェア |
| JP2009124685A (ja) * | 2007-11-09 | 2009-06-04 | Mitsubishi Electric Research Laboratories Inc | 複数のビデオを結合してリアルタイムで表示する方法及びシステム |
| KR100954884B1 (ko) * | 2009-10-29 | 2010-04-28 | 주식회사 힘스코리아 | 영상 이진화 장치 |
-
2012
- 2012-12-28 KR KR1020120155890A patent/KR101417527B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002297641A (ja) * | 2001-03-29 | 2002-10-11 | Hitachi Software Eng Co Ltd | 地図データの保存方法、更新方法、表示方法、およびソフトウェア |
| JP2009124685A (ja) * | 2007-11-09 | 2009-06-04 | Mitsubishi Electric Research Laboratories Inc | 複数のビデオを結合してリアルタイムで表示する方法及びシステム |
| KR100954884B1 (ko) * | 2009-10-29 | 2010-04-28 | 주식회사 힘스코리아 | 영상 이진화 장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101591197B1 (ko) | 2014-10-01 | 2016-02-04 | 한국항공우주연구원 | 보조 정보를 이용한 모자이크 영상 생성 장치 및 방법 |
| KR20190114523A (ko) | 2018-03-30 | 2019-10-10 | 서울시립대학교 산학협력단 | 라이다 데이터를 이용한 지형 변화 실시간 탐지 방법, 이를 위한 시스템 및 서버에 저장된 컴퓨터프로그램 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20140085964A (ko) | 2014-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101417527B1 (ko) | 항공기에서 촬영되는 항공 영상을 이용하는 지형 변화 탐지 장치 및 방법 | |
| KR102137264B1 (ko) | 카메라 포즈 추정 장치 및 방법 | |
| Qin et al. | A hierarchical building detection method for very high resolution remotely sensed images combined with DSM using graph cut optimization | |
| Christoudias et al. | Synergism in low level vision | |
| US10255507B2 (en) | Detection of an object in a distorted image | |
| EP3001384A1 (en) | Three-dimensional coordinate computing apparatus, three-dimensional coordinate computing method, and program for three-dimensional coordinate computing | |
| Li et al. | Extracting man-made objects from high spatial resolution remote sensing images via fast level set evolutions | |
| KR102607517B1 (ko) | 3d 포인트 클라우드에서 합성 이미지 생성 | |
| US9928574B2 (en) | Method and apparatus for generating superpixels | |
| Porzi et al. | Learning contours for automatic annotations of mountains pictures on a smartphone | |
| JP2010205067A (ja) | 領域抽出装置、領域抽出方法及び領域抽出プログラム | |
| WO2021110051A1 (en) | Method and system for associating device coordinate systems in a multi‐person ar system | |
| Wendel et al. | Unsupervised facade segmentation using repetitive patterns | |
| CN102428497A (zh) | 判定三维形状一致的方法以及装置 | |
| JP5290915B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
| Bellavia et al. | Image orientation with a hybrid pipeline robust to rotations and wide-baselines | |
| EP3044734B1 (en) | Isotropic feature matching | |
| Kröhnert et al. | Segmentation of environmental time lapse image sequences for the determination of shore lines captured by hand-held smartphone cameras | |
| JP2013012034A (ja) | 領域抽出方法、領域抽出プログラム及び領域抽出装置 | |
| KR20160036081A (ko) | 그래프 매칭 및 사이클 검출에 의한 자동 모델 초기화로의 라인 트래킹 | |
| CN104424653A (zh) | 基于小波变换的图像边缘检测方法 | |
| KR101749029B1 (ko) | 영상에서의 신체 부위 검출 방법 및 그 장치 | |
| KR101284252B1 (ko) | 영상 곡률 공간정보를 이용한 코너검출방법 | |
| KR20140123399A (ko) | 사용자 영상의 신체 부위를 검출하는 장치 및 방법 | |
| Chican et al. | Constrained patchmatch for image completion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20170330 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20180406 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20190326 Year of fee payment: 6 |