KR101868483B1 - 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법 - Google Patents

영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법 Download PDF

Info

Publication number
KR101868483B1
KR101868483B1 KR1020160132654A KR20160132654A KR101868483B1 KR 101868483 B1 KR101868483 B1 KR 101868483B1 KR 1020160132654 A KR1020160132654 A KR 1020160132654A KR 20160132654 A KR20160132654 A KR 20160132654A KR 101868483 B1 KR101868483 B1 KR 101868483B1
Authority
KR
South Korea
Prior art keywords
edge
edge blur
foreground
background
parameter
Prior art date
Application number
KR1020160132654A
Other languages
English (en)
Other versions
KR20180040846A (ko
Inventor
서수영
Original Assignee
경북대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020160132654A priority Critical patent/KR101868483B1/ko
Priority to PCT/KR2017/011349 priority patent/WO2018070844A1/ko
Priority to EP17859967.6A priority patent/EP3528205A4/en
Priority to US16/341,765 priority patent/US11227394B2/en
Publication of KR20180040846A publication Critical patent/KR20180040846A/ko
Application granted granted Critical
Publication of KR101868483B1 publication Critical patent/KR101868483B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

본 발명은 밝기값에 따른 에지 블러를 예측하기 위한 방법에 관한 것으로, 기준선 검출을 위한 기준 패턴과 에지 위치 검출을 위한 그리드 패턴이 형성되고, 그리드 패턴에 포함되는 밝기값 변화가 서로 다른 복수 개의 타겟 시트를 준비하는 제1 단계와, 타겟 시트를 촬영하여 타겟 시트 영상을 획득하는 제2 단계, 각 타겟 시트 영상별 해당 타겟 시트의 기준 패턴을 분석하여 기준선을 추정함과 더불어, 그리드 패턴을 분석하여 그리드 패턴에 형성된 에지 프로파일을 추출하는 제3 단계, 에지 프로파일을 근거로 인접 픽셀간 밝기차에 의한 기울기를 산출함과 더불어, 이 기울기에 기초하여 영상 내에 존재하는 밝기 대조에 따른 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 각각 획득하는 제4 단계 및, 상기 배경 에지 블러 파라미터와 전경 에지 블러 파라미터 분포를 근거로 밝기값에 대응되는 화소 수치별 배경 에지 블러 예측 정보와 전경 에지 블러 예측정보를 각각 생성하는 제5 단계를 포함하여 구성되는 것을 특징으로 한다.
본 발명에 따르면, 밝기값에 따른 두 개의 에지 파라미터를 각각 예측하고, 예측된 에지 파라미터를 갖는 에지 블러를 통해 보다 더 정확한 서브 픽셀 정밀도를 갖는 에지 위치를 결정할 수 있게 됨으로써, 지리 정보 구축, 주행 로봇 등에 있어 정확하고 신속한 에지 위치 인식이 가능한 효과가 있다.

Description

영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법{Prediction of two blur parameters of edges in varying contrast}
본 발명은 다양한 밝기 조합을 가진 에지 프로파일로부터 에지에서 발생하는 두 개의 에지 블러 파라미터를 밝기값 대조에 따라 예측하고, 예측된 두 개의 에지 블러 파라미터에 대응되는 에지 블러를 통해 에지 모델링을 수행함으로써, 보다 안정된 서브 픽셀 정밀도의 에지 위치를 결정할 수 있도록 해 주는 방법에 관한 것이다.
이미지 처리분야에서, 에지는 일반적인 밝기값이 급격하게 변하는 물체의 경계를 나타낸다. 에지의 검출 및 위치결정은 이미지로부터 물체를 추출 및 인식하는 필수적인 절차이다. 이러한 에지의 중요성으로 인해, 이미지 처리 분야에서 에지 검출이 광범위하게 연구되고 있다.
물체 형상의 정밀한 측정을 위해서는 서브픽셀 정밀도로 에지 위치를 결정할 필요가 있다. 이에 따라 서브픽셀 정밀도의 에지 위치결정을 위한 많은 연구가 있어왔다. 이와 아울러 에지 검출 및 위치결정 결과의 품질을 정량화하기 위한 연구들도 이어지고 있다.
한편, 실제 이미지에서 에지들은 다양하게 블러링(blurring)된다. 이때, 대부분의 이미지 블러링은 카메라의 움직임이나 초점에 의해 발생되며, 안정화된 카메라에 있어서도 카메라 렌즈의 분해능에 의해 일정 량의 블러링이 발생한다.
즉, 이미지에서 에지 검출은 에지 블러 파라미터를 기반으로 추정될 수 있다.
일반적으로 에지 검출을 위해서는 에지 모델링을 수행하게 되는데, 이때 에지들은 통상적으로 두 개의 밝기파라미터와 한 개의 에지 블러 파라미터를 갖도록 모델링된다.
이에, 에지 프로파일 모델과 그 파라미터를 산출하는 다양한 방법이 제안되었다. 예컨대, Ye 등은 가우시안 함수를 이용하여 에지 프로파일 모델을 생성함과 더불어 최소자승법을 이용하여 에지와 에지 블러 파라미터를 추정하는 방법을 제안하였고(비특허문헌 1 참고), Wu 등은 균일한 원형 마스크로 점 분포 함수를 모델링하고, 에지에서 수직방향으로의 기울기 조합을 분석하여 에지 블러 파라미터를 산출하는 방법을 제안하였다(비특허문헌 2 참고).
그러나, 상기한 에지 모델링 방법은 도2의 (a) 및 (d)에 도시된 바와 같이 에지 프로파일에서 자주 나타나는 험프(hump : H)와 거터(gutter: G) 발생에 대해서는 설명이 되지 않는 문제가 있다.
이는 에지 위치 결정에 영향을 주게 되어 결국 서브 픽셀 정밀도의 에지 위치 결정에 결정적인 영향을 미치는 요인으로 작용할 수 있다.
따라서, 보다 안정된 서브 픽셀 정밀도의 에지 위치 결정을 위해서는 험프(hump)와 거터(gutter)에 대해서도 해석이 가능한 에지 모델을 생성할 필요가 있다.
1. J. Ye, G. Fu, U.P. Poudel, High-accuracy edge detection with Blurred Edge Model, Image Vis. Comput. 23 (2005) 453-467. doi:10.1016/j.imavis.2004.07.007. 2. S. Wu, W. Lin, S. Xie, Z. Lu, E.P. Ong, S. Yao, Blind blur assessment for vision-based applications, J. Vis. Commun. Image Represent. 20 (2009) 231-241. doi:10.1016/j.jvcir.2009.03.002.
본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위해 제안된 것으로서, 밝기의 대조 변화의 영향을 고려하여 에지 블러 파라미터를 결정하고, 이를 이용하여 에지 모델링을 위한 에지 블러를 설정함으로써, 보다 안정된 서브픽셀 정밀도의 에지 위치를 결정할 수 있도록 해 주는 것이다.
상기와 같은 목적을 달성하기 위한 본 발명의 일 측면에 따르면, 밝기값에 따른 에지 블러를 예측하기 위한 방법으로서, 기준선 검출을 위한 기준 패턴과 에지 위치 검출을 위한 그리드 패턴이 형성되고, 그리드 패턴에 포함되는 밝기값 변화가 서로 다른 복수 개의 타겟 시트를 준비하는 제1 단계와, 타겟 시트를 촬영하여 타겟 시트 영상을 획득하는 제2 단계, 각 타겟 시트 영상별 해당 타겟 시트의 기준 패턴을 분석하여 기준선을 추정함과 더불어, 그리드 패턴을 분석하여 그리드 패턴에 형성된 에지 프로파일을 추출하는 제3 단계, 에지 프로파일을 근거로 인접 픽셀간 밝기차에 의한 기울기를 산출함과 더불어, 이 기울기에 기초하여 영상 내에 존재하는 밝기 대조에 따른 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 각각 획득하는 제4 단계 및, 상기 배경 에지 블러 파라미터와 전경 에지 블러 파라미터 분포를 근거로 밝기값에 대응되는 화소 수치별 배경 에지 블러 예측 정보와 전경 에지 블러 예측정보를 각각 생성하는 제5 단계를 포함하여 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
또한, 상기 타겟 시트는 일정 폭을 갖는 선분 형상으로서 중앙의 공간을 두고 서로 이격형성되는 한 쌍의 수직 영역과 2개의 수평 영역으로 이루어지는 기준 패턴과, 상기 중앙 공간에 형성되는 4개의 정사각형으로 이루어지는 그리드패턴을 포함하는 것을 특징으로 하는 영상 대조에 따른 에지 변위량 예측방법이 제공된다.
또한, 상기 그리드 패턴은 상부 2개의 정사각형과 하부 2개의 정사각형으로 이루어지며, 하나의 정사각형과 그 대각선 방향의 정사각형은 배경으로 사용되고, 나머지 사각형들은 전경으로 사용되며, 전경 및 배경 밝기값은 가변적인 밝기값을 갖도록 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
또한, 상기 전경 밝기값은 배경 밝기값 보다 밝게 되도록 설정되되, 상기 배경은 0.0 ~ 0.9 범위의 가변적인 밝기값을 갖도록 설정되고, 전경은 0.1 ~ 1.0 범위의 가변적인 밝기값을 갖도록 복수 개의 타겟 시트가 제작되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
또한, 상기 제2 단계는 각 타겟 시트에 대하여 카메라 대 물체 간 거리를 가변시키면서 복수개의 영상을 획득하는 단계를 포함하고, 상기 제3 단계는 카메라 대 물체간 거리별 밝기값 변화에 따른 에지 프로파일을 추정하며, 상기 제4 단계는 카메라 대 물체간 거리별 밝기 대조에 따른 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 각각 획득하고, 상기 제5 단계는 밝기값 변화 및 카메라 대 물체간 거리를 고려하여 일정 간격의 밝기값에 대한 배경 에지 블러 파라미터와 전경 에지 블러 파라미터 분포에 따른 배경 에지 블러 예측 정보와 전경 에지 블러 예측정보를 각각 생성하는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
또한, 상기 제4 단계에서 에지 블러 파라미터 획득단계는 상기 제3 단계에서 수집된 에지 프로파일을 기 설정된 간격으로 리샘플링하는 단계와, 리샘플링된 간격에 대해 모든 에지 프로파일에 대한 평균 프로파일을 생성하는 단계, 연속되는 평균 프로파일의 차이 값을 이용하여 연속 구간의 중심값으로 산출되는 기울기 프로파일을 획득하는 단계, 상기 기울기 프로파일에 대응되는 하기 수학식과 같은 기울기 모델링 함수를 생성하고, 이를 만족하는 최소의 제곱 오차합을 만들어내는 한 쌍의 값을 선택함으로써, 밝기 대조에 따른 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 각각 산출하는 단계를 포함하여 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
Figure 112018003137546-pat00001
여기서, δ 는 리샘플링 간격의 단위이고, e 는 랜덤 에러, hb 배경 밝기, hf 는 전경 밝기, σb 는 배경 에지 블러 파라미터, σf 는 전경 에지 블러 파라미터.
또한, 상기 기울기 모델링 함수에서 배경 에지 블러 파라미터(σb ), 전경 에지 블러 파라미터(σf ) 는 타겟 시트의 그리드 패턴에 대한 평균 밝기값으로 설정되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
또한, 상기 밝기 대조에 따른 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 산출하는 단계는, 브루트-포스(brute-force) 방법을 이용하여 "0.01"의 간격을 가지면서 "0.2" 에서 "2.0" 사이의 값을 갖는 배경 에지 블러 파라미터와 전경 에지 블러 파라미터 조합에 대한 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 산출하도록 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
또한, 상기 제5 단계는 상기 제4 단계에서 획득된 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 기 설정된 화소 수치값(DN)에 대한 데이터 포인트로서 수집하는 단계와, 상기 데이터 포인트를 이용하여 배경 에지 블러 파라미터와 전경 에지 블러 파라미터에 대한 각각의 평면 표면 특성을 산출하는 단계, 상기 평면 표면 특성으로부터 배경 에지 블러 파라미터와 전경 에지 블러 파라미터에 대한 잔차성분을 획득하고, 이 잔차성분을 이용하여 크리깅 기법에 따른 크리깅 표면 특성을 각각 산출하는 단계 및, 상기 평면 표면 특성과 상기 크리깅 표면 특성 간의 차를 근거로 배경 에지 블러 파라미터 및 전경 에지 블러 파라미터에 대한 화소 수치별 표면 특성을 각각 생성함으로써, 배경 및 전경 에지 블러 예측 정보를 확정하는 단계를 포함하여 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
또한, 상기 배경 에지 블러 파라미터와 전경 에지 블러 파라미터에 대한 평면은 하기 수학식과 같이 모델링 하는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
Figure 112018003137546-pat00002
여기서, X는 배경 화소 수치값(DN), Y는 전경 화소 수치값(DN), Z는 에지 블러를 나타내고, a,b,c는 추정되어질 평면 파라미터이며, e는 에지 블러 파라미터에 존재하는 것으로 추정되는 랜덤 에러.
또한, 상기 크리깅 표면 특성을 산출하는 단계는, 에지 블러 파라미터로부터 하기 수학식과 같은 잔차성분을 획득하는 단계와, 상기 잔차성분들에 대한 베리오그램을 획득하고, 베리오그램의 포인트를 관측값으로 하여 이차 함수 형태의 공분산 함수를 생성하는 단계 및, 최소자승기법을 이용하여 공분산 함수에 대한 파라미터를 추정함으로써, 일정 간격을 갖는 화소 수치값에 대한 크리깅 표면 특성을 획득하는 단계를 포함하여 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
Figure 112018003137546-pat00003
이때,
Figure 112018003137546-pat00004
여기서,
Figure 112018003137546-pat00005
는 파라미터 벡터, R 은 잔차 벡터, X는 배경 화소 수치값(DN), Y는 전경 화소 수치값(DN), A는 배경 DN과 전경 DN의 벡터 행렬, Z는 에지 블러, a, b, c는 추정되어질 평면 파라미터, e는 에지 블러 파라미터에 존재하는 것으로 추정되는 랜덤 에러, N은 상기 랜덤 에러가 정규분포를 따르는 것을 나타내는 기호, σ0 2는 상기 랜덤 에러의 표준편차, I는 항등 행렬임.
또한, 상기 이차함수 형태의 공분산 함수는 하기 수학식과 같이 생성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
Figure 112018003137546-pat00006
여기서, a,b는 추정 파라미터이고, h는 인접 잔차간의 거리임.
또한, 상기 일정 간격을 갖는 화소 수치별 표면 특성에 따른 에지 블러 예측값은 하기 수학식에 의해 산출되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
Figure 112018003137546-pat00007
여기서, P는 잔차에 의해 예측된 그리드 구성에서의 임의 포인트이고, k,K,R은 하기와 같이 정의됨.
Figure 112018003137546-pat00008
여기서, PPi 는 P 포인트와 Pi 포인트 사이의 거리이고, PiPj 는 Pi 포인트와 Pj 포인트 사이의 거리이며, Ri 는 Pi 포인트 잔차임.
또한, 상기 표면 특성에 따른 배경 에지 블러 예측값은 배경 화소 수치값이 증가할수록 또는 전경 화소 수치값이 증가할수록 감소하도록 설정되고, 상기 표면 특성에 따른 전경 에지 블러 예측값은 배경 화소 수치값이 증가할수록 또는 전경 화소 수치값이 감소할수록 증가하도록 설정되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
또한, 상기 배경 및 전경 에지 블러 예측 정보를 확정하는 단계는, 상기 배경 에지 블러 표면 특성과 전경 에지 블러 표면 특성 간의 차이값이 "0"인 에지 블러 예측 정보를 생성하는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법이 제공된다.
본 발명에 따르면, 이미지의 다양한 밝기 대조 특성을 고려하여 이미지의 배경 영역과 전경 영역에 대한 각각의 에지 블러 파라미터를 추정하고, 이들 각 영역에 대응되는 두 개의 에지 블러 파라미터를 이용하여 에지 모델링처리를 수행함으로써, 보다 안정된 서브 픽셀 정밀도를 갖는 에지 위치를 결정할 수 있게 된다.
또한, 배경 영역과 전경 영역에 대한 에지 블러 파라미터가 각각 예측되므로, 디블러링(deblurring)이 유용하여 여러개의 에지가 조밀하거나 중첩되는 경우 에지를 분리하는데 용이함은 물론, 디노이즈(denoise)량을 보다 용이하게 간파할 수 있게 된다.
따라서, 지리 정보 구축, 주행 로봇 등에 있어 정확하고 신속한 에지 위치 인식이 가능한 효과가 있다.
도1은 두 개 밝기 영역에서의 이상적인 스텝 에지를 도시한 도면.
도2는 서로 다른 세 가지 조건에 따른 에지 프로파일(a,b,c)과 기울기 프로파일(d,e,f)을 도시한 도면.
도3은 본 발명이 적용되는 에지 블러 예측 시스템의 개략적인 구성을 도시한 도면.
도4는 도3에 도시된 타겟시트(100)의 패턴 이미지를 도시한 도면.
도5는 배경 밝기가 0.3이고, 전경밝기가 0.8로 설계된 크롭 이미지를 도시한 도면.
도6 내지 도8은 본 발명에 따른 에지 모델링을 위한 에지 블러 예측 방법을 설명하기 위한 흐름도.
도9는 타겟 시트의 그리드 패턴에 대해 설정된 양성(positive) 방향을 나타낸 도면.
도10은 전경 밝기가 "0.0", 배경 밝기가 "1.0" 이면서 COD = 4m 인 크롭 이미지에 대해 수집된 에지 프로파일을 나타낸 도면.
도11은 수집된 에지 프로파일에 따른 기울기 프로파일과 브루트-포스 방법에 의해 추정된 에지 블러 파라미터 곡선을 도시한 도면.
도12는 배경 DN과 전경 DN에 대해 추정된 에지 블러 파라미터의 분포 특성을 도시한 도면.
도13은 COD가 1m 인 경우와, COD가 6m인 경우에 대한 베리오그램과 그 공분산 함수를 도시한 도면.
도14와 도15는 배경 에지 블러 파라미터와 전경 에지 블러 파라미터에 대하여 발생되는 크리깅에 의해 생성된 평면 표면 특성을 도시한 도면.
도16과 도17은 전경 에지 블러 파라미터와 배경 에지 블러 파라미터에 대하여 크리깅과 평면 표면 차에 의해 발생되는 에지 블러 표면 특성을 도시한 도면.
도18은 배경 에지 블러 파라미터 표면과 전경 에지 블러 파라미터 표면 사이의 차에 의해 생성된 표면 특성을 나타낸 도면.
이하에서는 첨부된 도면을 참조하여 본 발명을 보다 상세하게 설명한다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호로 나타내고 있음을 유의해야 한다. 한편, 이에 앞서 본 명세서 및 특허청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
본 발명은 에지 모델링을 위해 밝기 대조를 통해 서로 다른 두 개의 밝기 영역에 대한 각각의 에지 블러 파라미터를 추정하고, 이를 이용하여 에지 모델링을 위한 에지 블러를 예측하는 것으로, 에지 블러 파라미터는 에지의 어두운 측면(배경 영역)에서의 밝기 블러링량에 따른 배경 에지 블러 파라미터와, 에지의 밝은 측면(전경 영역)에서의 밝기 블러링량에 따른 전경 에지 블러 파라미터로 구분된다.
먼저, 도1은 두 개 밝기 영역에서의 이상적인 스텝 에지를 도시한 것으로, hb 는 배경 밝기(Background Brightness : BB)이고, hf 는 전경 밝기(Foreground Brightness : FB)이다. 도1에서 곡선들은 배경 영역의 밝기와 전경 영역의 밝기의 주변으로 블러링되는 양을 가우시안 함수로 모델링한 것을 나타낸 것으로, 임의 지점 x에서 밝기값은 빗금친 영역의 면적을 합친값으로 모델링함을 나타낸다.
먼저, 도1로부터 배경 밝기(BB)와 전경 밝기(FB)에 대한 블러 함수 fb(x)와 ff(x)는 각각 수학식 1과 수학식2로 모델링한다.
Figure 112016099188792-pat00009
Figure 112016099188792-pat00010
여기서, σb 는 배경 밝기에 대한 표준편차로서, 본 발명에서 추정할 배경 영역에 대한 에지 블러 파라미터이고, σf 는 전경 밝기에 대한 표준편차로서, 본 발명에서 추정할 전경 영역에 대한 에지 블러 파라미터이다.
또한, 일반적으로 x 위치에서의 밝기값(도1에서 헤칭 영역)은 주변 밝기값의 합으로 결정되는 바, 도1에서 밝기 함수 F(x)는 수학식 3과 같이 배경 영역과 전경 영역의 블러들을 적분한 형태로 표현할 수 있다.
Figure 112016099188792-pat00011
또한, 에지의 기울기 프로파일(f(x))은 상기 수학식3으로부터 수학식 4와 같이 도출된다.
Figure 112016099188792-pat00012
도2는 서로 다른 세 가지 조건에 따른 에지 프로파일(a,b,c)과 기울기 프로파일(d,e,f)을 도시한 것이다. 도2에서 (a)와 (d)는 각각 배경 밝기의 에지 블러 파라미터(σb)가 전경 밝기의 에지 블러 파라미터(σf) 보다 큰 경우(σb > σf)의 에지 프로파일과 기울기 프로파일이고, (b)와 (e)는 각각 배경 밝기의 에지 블러 파라미터(σb)와 전경 밝기의 에지 블러 파라미터(σf)가 동일한 경우(σb = σf)의 에지 프로파일과 기울기 프로파일이며, (c)와 (f)는 각각 배경 밝기의 에지 블러 파라미터(σb)가 전경 밝기의 에지 블러 파라미터(σf) 보다 작은 경우(σb < σf)의 에지 프로파일과 기울기 프로파일을 각각 나타낸 것이다. 보다 상세하게는 도1에서 (a) 내지 (c)에 도시된 에지 프로파일은 상기 수학식 3에서의 F(x)로서, 배경 밝기(hb)가 "20" 이고, 전경 밝기(hf)가 "60" 으로 설정된 상태에서 (a)와 (d)는 배경 에지 블러 파라미터(σb) = "1.0", 전경 에지 블러 파라미터(σf)= "0.5"로 설정된 경우의 결과이고, (b)와 (e)는 배경 에지 블러 파라미터(σb)와 전경 에지 블러 파라미터(σf)가 모두 "1.0"으로 설정된 경우의 결과이며, (c)와 (f)는 배경 에지 블러 파라미터(σb)= "1.0" , 전경 에지 블러 파라미터(σf)= "1.5"로 설정된 경우의 결과이다. 또한, 도2에서 녹색과 청색과 적색은 각각 상기 수학식1에 대응되는 배경 블러 함수(fb(x))와, 상기 수학식 2에 대응되는 전경 블러 함수(ff(x)) 및, 상기 수학식 4에 대응되는 기울기 프로파일(f(x))을 나타낸다.
도2에 도시된 (a)와 (d)의 경우에서와 같이 거터(G)와 험프(H) 특성은 배경 에지 블러 파라미터(σb)가 전경 에지 블러 파라미터(σf) 보다 큰 경우에 나타남을 알 수 있다. 이는 본 발명에 따라 추정된 두 개의 에지 블러 파라미터를 이용하여 결정된 에지 블러를 통해 에지 모델링을 수행하는 경우, 거터와 험프 특성에 대한 해석이 가능함을 의미한다.
이어, 본 발명은 상술한 이론적 근거를 바탕으로 다양한 밝기 대조 기반의 두개의 에지 블러 파라미터를 이용한 에지 블러 예측 방법을 설명한다.
도3은 본 발명이 적용되는 에지 블러 예측 시스템의 개략적인 구성을 도시한 도면이다.
도3에 도시된 바와 같이 본 발명에 적용되는 에지 블러 예측 시스템은 다수의 타켓시트(100)와, 카메라(200) 및 에지 블러 예측장치(300)를 포함하여 구성된다.
상기 타겟시트(100)는 에지 블러를 예측하기 위한 특정 패턴이 이미징되어 구성된다. 도4는 상기 타겟시트(100)의 패턴 이미지를 도시한 것으로, 일정 폭을 갖는 선분 형상으로서 중앙의 공간을 두고 서로 이격형성되는 한 쌍의 수직 영역과 2개의 수평 영역으로 이루어지는 기준 패턴과, 상기 중앙 공간에 형성되는 4개의 정사각형으로 이루어지는 그리드패턴의 2가지 패턴영역을 갖는다. 그리드패턴은 상부 2개의 정사각형과 하부 2개의 정사각형으로 이루어지며, 좌측상단과 그 대각선 방향의 우측하단의 정사각형은 배경(background)으로 사용되면서 0.1 단위로 0.0(검은색)에서 0.9까지 가변적인 밝기값으로 형성됨과 더불어, 우측상단과 그 대각선 방향의 좌측하단의 정사각형은 전경(foreground)으로 사용되면서 0.1의 단위로 0.1에서 1.0(흰색)까지 가변적인 밝기값으로 형성된다. 이때, 상기 전경 밝기는 배경 밝기 보다 0.1 에서 1.0 레벨 높게 설정되고, 이에 따라 총 55개의 서로 다른 밝기 패턴을 갖는 타겟 시트(100)가 구비될 수 있다.
도4에서 패턴의 각 부분 치수는 표 1과 같다.
부분 a b c d
길이(mm) 9 52.5 35 9
한편, 도3에서 카메라(200)는 상기 서로 다른 밝기 패턴을 갖는 타겟 시트(100)를 촬영하여, 그 타겟시트 촬영 영상(이하 "타겟 영상"이라 칭함)을 상기 에지 블러 예측장치(300)로 제공한다. 상기 카메라(200)는 각 타겟시트(100)에 대해 카메라(200)와 타겟시트(100)간 거리(이하, "COD"라 칭함)를 1m ~ 6m 범위에서 1m 단위로 변화시키면서 촬영한다. 즉, 상기 카메라(200)는 55개의 각 타겟시트(100)에 대해 거리별 6개의 타켓 영상을 촬영함으로써, 총 330 장의 타켓 영상을 상기 에지 블러 예측장치(300)로 제공한다. 본 발명에 있어서는 디지털 싱글 렌즈 카메라를 이용하여 타겟 시트(100)를 촬영하였으며, 일정량의 인위적인 블러를 추가하기 위하여 각 이미지에 대해 1:4 JPEG 압축률을 적용하였다. 도5는 배경 밝기가 0.3이고, 전경밝기가 0.8로 설계된 크롭 이미지로서, (a) 내지 (f)는 COD가 순차로 1m, 2m, 3m, 4m, 5m,6m 인 상태에서 촬영한 이미지이다.
또한, 도3에서 에지 블러 예측장치(300)는 상기 카메라(200)로부터 제공되는 서로 다른 밝기 및 COD에 대응되는 다수의 타켓영상을 분석하여 에지 프로파일을 수집하고, 이 에지 프로파일을 이용하여 밝기값 대조에 따른 에지 블러 파라미터를 추정하며, 추정된 에지 블러 파라미터를 근거로 에지 블러를 예측하여 이를 통해 에지 모델링 처리를 수행하도록 구성된다.
이때, 상기 에지 블러 예측장치(300)는 모든 타겟 영상에 대해 추정된 배경 밝기와 전경 밝기에 대응되는 화소 수치값(이하, "DN" 이라 칭함)을 관측값으로 하여 크리깅 기법에 적용함으로써, 일정한 간격으로 구성된 DN 그리드 위치별 에지 블러를 예측하도록 구성된다. 여기서, DN 은 타켓 시트에서 0.1~1.0 으로 주어지는 각 밝기 강도에 대응되는 0 ~ 255로 주어지는 밝기값에 대한 디지털 번호이다.
도6은 본 발명에 따른 에지 블러 예측 방법을 설명하기 위한 흐름도이다.
먼저, 기준선 검출을 위한 기준 패턴과 에지 위치 검출을 위한 그리드 패턴이 형성되되, 그리드 패턴에 포함되는 배경 영역과 전경 영역에 밝기값이 서로 다른 복수의 타켓 시트(100)를 준비한다(ST10). 이때, 그리드 패턴의 배경 영역과 전경 영역의 밝기값은 0.1 ~1.0 의 차이가 나도록 설정된다.
이어, 카메라(200)에서 각 타켓 시트(100)에 대하여 카메라(200) 대 타켓 시트(100) 간 거리(COD)를 가변시키면서 촬영하고, 이를 통해 획득한 복수개의 타겟 영상을 에지 블러 예측장치(300)로 제공한다(ST20). 즉, 각 COD에 대해 서로 다른 밝기 대조 특성을 갖는 다수의 타켓 시트(100)에 대한 타겟 영상이 에지 블러 예측장치(300)로 제공된다.
에지 블러 예측장치(300)는 카메라(200)로부터 제공되는 복수의 타겟 영상에 대해 도4에 도시된 타겟 시트 패턴 영역에 대응되는 크롭 이미지를 추출한다(ST30). 이때, 상기 에지 블러 예측장치(300)는 렌즈 왜곡을 제거하기 위하여 모든 타겟 영상에 대해 포토모델러 소프트웨어를 이용하여 재샘플링한 후, 이 결과 이미지에서 도4와 같은 타겟 시트 패턴 영역만을 포함하도록 크롭한다.
이후, 에지 블러 예측장치(300)는 각 COD에 대하여 각 타겟 영상별 크롭 이미지를 분석하여 COD에 따른 타겟 영상별 에지 프로파일을 생성하고, 이를 근거로 두 개의 에지 블러 파라미터를 추정한다(ST40).
이때, 상기 에지 블러 예측장치(300)는 한 쌍의 수직 및 수평 방향의 기준선을 사용하여 에지 프로파일을 수집한다.
즉, 에지 블러 예측장치(300)는 에지 기준선을 검출하기 위해 이진 임계화 및 영역 특성을 이용하여 기준 영역을 검출한다. 이진 임계화 단계에서는, 기 설정된 밝기 문턱값을 이용하여 크롭 이미지로부터 이진 이미지가 생성되고, 그 후 각 이진 이미지가 4개의 연결성을 갖는 연결 성분 레이블링에 의해 레이블된다. 레이블링이 좌-우 방향, 상-하 방향으로 수행되므로 레이블 영역 중 첫 번째 영역은 수평 기준영역의 좌측 영역으로 설정된다. 그 다음, 각 영역의 치수를 좌측 영역의 치수와 비교하여 레이블된 영역 중에서 수평 기준 영역의 우측 영역이 결정된다. 또한, 수직 영역은 첫 번째 영역과 나머지 영역의 치수를 비교하여 결정된다. 그리고, 수평 영역과 수직 영역의 중심 기준선을 각 영역의 중심 위치를 직선으로 연결함으로써 추정한다. 이때, 에지 프로파일이 기준선을 따라 도9에 도시된 양성(positive) 방향으로 수집된다. 즉, 양성 방향은 도9에 도시된 화살표 방향과 같이 배경 영역(어두운 영역)에서 전경 영역(밝은 영역)방향으로 설정된다.
도10에서 (a)는 전경 밝기가 "0.0", 배경 밝기가 "1.0" 이면서 COD = 4m 인 크롭 이미지에 대한 에지 프로파일 수집 결과이고, (b)는 (a)의 수집 결과를 보정한 것이다. 즉, 도10 (a)는 x 위치에 대한 에지의 중심(EC)이 "0" 위치로부터 횡방향으로 어긋나 있다. 이를 에지 프로파일의 대칭 면적에 기초한 에지 위치 결정 알고리즘을 이용하여 각 프로파일의 변위를 산출하여 제거함으로써, 도10 (b)와 같이 에지의 중심(EC)이 "0" 으로 보정된 에지 프로파일 결과를 획득할 수 있다. 여기서, 도10과 같은 에지 프로파일을 생성하는 과정에 대해서는 본 발명자가 이전 출원한 출원번호 10-2016-0021722호에 상세히 기재되어 있고, 면적 대칭에 기초한 에지 위치 결정 알고리즘에 대해서는 본 발명자가 이전 출원한 출원번호 10-2016-0077856호에 상세히 기재되어 있으므로, 이에 대한 설명은 생략한다.
또한, 에지 블러 예측장치(300)는 상술한 바와 같이 COD별 각 크롭 이미지로부터 수집된 에지 프로파일을 근거로 에지 블러 파라미터를 추정하게 되는 바, 에지 블러 파라미터를 추정과정은 도7에 도시된 흐름도를 참조한다.
먼저, 에지 블러 예측장치(300)는 수집된 에지 프로파일을 기 설정된 간격으로 리샘플링한다(ST41). 이때, 에지 프로파일은 도10 (b)와 같이 보정된 에지 프로파일일 될 수 있으며, 리샘플링 간격은 "0.1" 픽셀로 설정될 수 있다.
이어, 에지 블러 예측장치(300)는 기 설정된 리샘플링 간격에 대해 모든 에지 프로파일의 평균을 산출한다. 즉, 에지 블러 예측장치(300)는 COD 별 모든 타겟 이미지에 대한 평균 프로파일을 생성한다(ST42).
이후, 연속되는 평균 프로파일의 차이 값을 이용하여 연속 구간에 대한 중심값으로 산출되는 기울기 프로파일을 획득한다(ST43). 도11에서 청색 라인은 이와 같은 방법으로 획득한 기울기 프로파일을 예시한 것이다.
또한, 에지 블러 예측장치(300)는 임의 x 위치에서의 기울기 값 s 를 하기 수학식 5와 같이 모델링한다(ST44).
Figure 112016099188792-pat00013
여기서, δ 는 간격의 단위이고, e 는 랜덤 에러이다. 이때, 전경 밝기(hb)와 배경 밝기(hf)는 도4에 도시된 타겟 시트(100)의 그리드 패턴에 대한 픽셀 평균 밝기값으로 설정한다. 즉, 배경 에지 블러 파라미터(σb)와 전경 에지 블러 파라미터(σf)를 추정하기 위하여 모든 x 위치에 대응되는 기울기값 s를 이용한다.
또한, 에지 블러 예측장치(300)는 브루트-포스(brute-force) 방법을 통해 "0.01"의 간격을 가지면서 "0.2" 에서 "2.0" 사이의 값을 갖는 2개의 블러 파라미터 조합을 설정하고, 상기 수학식5에서 최소의 제곱 오차합을 만들어내는 한 쌍의 값을 선택함으로써, 밝기 대조에 따른 배경 에지 블러 파라미터(σb)와 전경 에지 블러 파라미터(σf) 를 획득한다(ST45). 도11에서 적색 라인은 브루트-포스 방법에 의해 추정된 에지 블러 파라미터 곡선이다. 또한, 하기 표2는 이미지 특성에 대응되는 추정 파라미터를 나타낸 것으로, 타겟 시트(100)와의 이격거리 즉, COD가 1m 인 경우에 대한 이미지 특성별 추정 파라미터(σb, σf)값이 나타나 있다. 이때, 이미지 특성값으로는 표2에 도시된 바와 같이 COD와, 배경 밝기(BI), 전경 밝기(FI), 배경 DN(BDN), 전경 DN(FDN)을 포함한다. 여기서, BI와 FI 는 타겟 시트의 그리드 패턴에 대응되는 밝기 값이고, BDN 과 FDB 은 카메라(200)를 통해 획득한 타겟 이미지에 대응되는 화소 수치값이다.
Figure 112016099188792-pat00014
한편, 도12는 배경 DN과 전경 DN에 대해 추정된 에지 블러 파라미터의 분포 특성을 도시한 것이다. 도12에서 청색은 배경 에지 블러 파라미터(σb)를 나타내고, 적색은 전경 에지 블러 파라미터(σf)을 나타내며, 흑색 라인은 배경 DN과 전경 DN에 대응되는 두 개의 에지 블러 파라미터의 연결라인이다. 또한, 도12에서 (a) 내지 (f)는 COD 가 순차로 1m, 2m, 3m, 4m, 5m, 6m 인 상태에서 획득한 타겟 이미지에 대한 에지 블러 파라미터의 분포 특성을 도시한 것이다.
도12에 의하면 대부분의 경우 배경 에지 블러 파라미터(σb) 값이 배경 에지 블러 파라미터(σf) 값 보다 큰 것을 알 수 있다.
한편, 도6에서 상기 에지 블러 예측장치(300)는 상기 ST50단계에서 추정된 두 개의 에지 블러 파라미터를 근거로 일정 간격의 밝기값에 대응되는 에지 블러 예측 정보를 생성한다(ST50).
에지 블러 예측정보 생성과정은 도8에 도시된 흐름도를 참조한다.
먼저, 에지 블러 예측장치(300)는 각 COD별 타겟 이미지에 대해 획득된 두 개의 에지 블러 파라미터에 대한 DN 조합별 데이터 포인트를 수집한다(ST51).
이어, 에지 블러 예측장치(300)는 수집된 데이터 포인트를 이용하여 배경 및 전경 에지 블러 파라미터에 대한 평면 표면 특성을 획득함과 더불어(ST52), 에지 블러 파라미터의 평면 표면 특성 분포로부터 잔차성분을 획득한다(ST53).
먼저, 에지 블러(Z)는 하기 수학식 6과 같이 모델링된다.
Figure 112016099188792-pat00015
여기서, X는 배경 DN, Y는 전경 DN, Z는 에지 블러를 나타내고, a,b,c는 추정되어질 평면 파라미터이며, e는 에지 블러 파라미터에 존재하는 것으로 추정되는 랜덤 에러이다.
에지 블러가 n 개 주어진 경우, 평면은 수학식7과 같이 모델링된다.
Figure 112016099188792-pat00016
상기 수학식7은 벡터 행렬의 형태로 표현될 수 있으며, 수학식8과 같다.
Figure 112016099188792-pat00017
여기서, 파라미터 벡터
Figure 112016099188792-pat00018
는 수학식 9에 의해 추정된다.
Figure 112016099188792-pat00019
또한, 잔차 벡터(R)는 수학식 10에 의해 산출된다.
Figure 112016099188792-pat00020
하기 표3에는 배경 에지 블러(BBP,σb)에 의한 평면 파라미터와, 전경 에지 블러(FBP,σf)에 대한 평면 파라미터 및, 잔차들의 평균 절대값 차(Mean Absolute Difference:MAD)가 나타나 있다.
Figure 112016099188792-pat00021
즉, 상기 표3를 통해 배경 에지 블러 파라미터는 배경 DN이 증가할수록 전경 DN이 감소할수록 증가함을 알 수 있다. 또한, 배경 블럭 파라미터 평면 계수 값(a,b,c)으로부터 COD 가 2m인 경우의 평면을 제외한 나머지 결과에서 배경 DN 증가에 따른 전경 에지 블러 파라미터 증가가 전경 DN 증가에 따른 전경 에지 블러 파라미터 감소보다 더 크다는 것을 알 수 있다. 또한, 표3에서 잔차들의 MAD 값은 3차원 평면이 모든 COD들과 2개의 블러 파라미터에 대하여 0.12 픽셀 이내로 블러치를 피팅함을 나타낸다.
블러 파라미터 추정치가 3차원 평면에 잘 피팅되었다고 하더라도 블러 파라미터들이 특정량의 비선형을 포함하는 경우, 블러 추정치를 모델링하기 충분하지 않을 수 있다. 이러한 문제를 해결하기 위해 본 출원인은 크리깅 기반 평면 피팅 방법을 제안한다.
이에 따르면, 에지 블러 예측장치(100)는 크리깅 기반의 표면 피팅 방법을 이용하여 기 추정된 에지 블러 파라미터들을 3D 평면상에 피팅하여 크리깅 표면 특성을 획득한다(ST55).
먼저, 에지 블러 예측장치(300)는 상기 수학식 10 으로부터 획득한 잔차들에 대한 베리오그램을 획득한다. 즉, 임의 거리 h에 대한 베리오그램은 수학식 11과 같이 산출된다.
Figure 112016099188792-pat00022
여기서,
Figure 112016099188792-pat00023
는 거리가 h 이내인 인접 잔차 쌍의 수이고, Ri 와 Rj는 인접하는 i번째와 j번째 포인트에서 잔차값이다.
본 실시예에서 베리오그램은 "5"의 크기 단위이면서 최대 인접 거리는 "60" 으로 설정하였으며, 이에 대한 실험 결과로서, 도13에는 COD가 1m 인 경우와, COD가 6m인 경우에 대한 베리오그램과 그 공분산 함수가 도시되어 있다. 즉, 도13에서 청색 원은 베리오그램이고 적색 라인은 그들의 공분산 함수로서, (a)는 COD=1m 인 경우의 배경 에지 블러 프로파일(σb)에 대한 공분산 결과이고, (b)는 COD=6m 인 경우의 배경 에지 블러 프로파일(σb)에 대한 공분산 결과이며, (c)는 COD=6m 인 경우의 전경 에지 블러 프로파일(σf)에 대한 공분산 결과이고, (d)는 COD=6m 인 경우의 전경 에지 블러 프로파일(σf)에 대한 공분산 결과이다.
이때, 베리오그램 포인트(도13에 도시된 청색 원)는 수학식 13과 같이 공분산 함수 C(h)를 추정하기 위한 관측값으로 설정된다.
Figure 112016099188792-pat00024
여기서, e는 랜덤 에러이다.
베리오그램의 시각적 분석으로부터 상기 공분산 함수는 2개 파라미터를 포함하는 이차 함수(수학식 13)로 모델링된다.
Figure 112016099188792-pat00025
여기서, a와 b는 추정 파라미터이다. 이때, 모든 COD에 대하여 상기 파라미터(수학식 13에서 a,b)는 최소자승기법을 이용하여 추정된다.
또한, 공분산 함수를 사용하여 그리드 구성에서 일정 간격을 갖는 DN에 대한 에지 블러(I(P))를 예측할 수 있다.
Figure 112016099188792-pat00026
여기서, P는 잔차에 의해 예측된 그리드 구성에서의 임의 포인트이고, k,K,R은 수학식15와 같이 정의된다.
Figure 112016099188792-pat00027
여기서, PPi 는 P 포인트와 Pi 포인트 사이의 거리이고, PiPj 는 Pi 포인트와 Pj 포인트 사이의 거리이며, Ri 는 Pi 포인트 잔차이다. 본 실시예에서, DN의 그리드 크기는 "5"로 설정하였다.
에지 블러 예측장치(300)는 그리드 포인트에서 잔차를 예측한 후, 에지 블러를 산출하기 위하여 예측된 잔차와 트렌드를 고려한다. 표4는 크리깅 잔차들의 MAD를 나타낸 것으로, 상기 표3에 나타난 평면 피팅 결과와 유사함을 알 수 있다. 즉, 표3 및 표4에 나타낸 바와 같이, DN에 대한 에지 블러 파라미터의 분포가 선형에 가까워짐을 알 수 있다.
Figure 112016099188792-pat00028
도14와 도15은 각각 배경 에지 블러 파라미터와 전경 에지 블러 파라미터에 대하여 크리깅에 의해 발생되는 표면 특성을 도시한 것이다. 도14에서 (a) 내지 (f)는 순차로 COD=1m, COD=2m, COD=3m, COD=4m, COD=5m, COD=6m 인 경우의 전경 에지 블러 파라미터 표면 특성 결과이고, 도15에서 (a) 내지 (f)는 순차로 COD=1m, COD=2m, COD=3m, COD=4m, COD=5m, COD=6m 인 경우의 전경 에지 블러 파라미터 표면 특성 결과이다.
도14에서 배경 에지 블러 파라미터는 상기 표3에서 예측된 바와 같이 배경 DN 이나 전경 DN 이 증가할수록 감소함을 알 수 있다. 또한, COD가 증가할수록 전경 DN에 따른 배경 에지 블러 파라미터의 비율이 감소함을 알 수 있다.
도14에 도시된 배경 에지 블러 파라미터 분포들을 비교하여 볼 때, 도15에 도시된 전경 에지 블러 파라미터 분포는 비교적 작은 값이지만, 일정량의 비선형 특성을 나타남을 확인할 수 있다.
즉, 도15에서 전경 에지 블러 파라미터는 배경 DN과 함께 증가하고, 전경 DN과 함께 감소함을 알 수 있다. 이때, 배경 DN과 함께 변화하는 전경 에지 블러 파라미터의 변화율은 전경 DN과 함께하는 변화율보다 의미가 있다.
한편, 도6에서 에지 블러 예측장치(300)는 배경 및 전경 에지 블러 파라미터 표면 특성에 따른 에지 블러 예측정보를 생성한다(ST60). 즉, 에지 블러 예측장치(300)는 밝기값에 따른 배경 에지 블러 파라미터의 평면 표면 특성과 크리깅 표면 특성 차이값을 이용하여 배경 에지 블러 예측정보를 생성하고, 밝기값에 따른 전경 에지 블러 파라미터의 평면 표면 특성과 크리깅 표면 특성 차이값을 근거로 전경 에지 블러 예측정보를 각각 생성한다.
도16과 도17은 각각 전경 에지 블러 파라미터와 배경 에지 블러 파라미터에 대하여 크리깅과 평면 표면 차에 의해 발생되는 에지 블러 표면 특성을 도시한 것으로, 반투명 영역은 크리깅과 평면 표면 차가 "0"인 표면을 나타낸 것이다. 도16에서 (a) 내지 (f)는 순차로 COD=1m, COD=2m, COD=3m, COD=4m, COD=5m, COD=6m 인 경우의 배경 에지 블러 표면 특성 결과이고, 도17에서 (a) 내지 (f)는 순차로 COD=1m, COD=2m, COD=3m, COD=4m, COD=5m, COD=6m 인 경우의 전경 에지 블러 표면 특성 결과이다.
도16을 통해 크리깅에 의해 도출된 배경 에지 블러 파라미터 표면이 모든 COD에 대해 오목 다운 패턴을 갖는 것을 알 수 있다. 또한, 도17을 통해 크리깅에 의해 도출된 전경 에지 블러 파라미터 표면이 COD=1m 와 COD=2m 인 경우에는 오목 다운 패턴을 가지지만, 그 외의 COD에 대해서는 오목 업 패턴을 갖는 것을 알 수 있다.
상기한 도면에서 시각적으로 확인할 수 있는 크리깅과 평면 표면 사이의 차이를 각 COD별 에지 블러 파라미터에 대한 두 형태의 표면 사이의 MAD 계산을 통해 수치적으로 산출하였다. 표5는 각 COD별 크리깅 표면과 평면 표면간의 차이에 의해 획득한 MAD 값이다.
Figure 112016099188792-pat00029
상기 표5에는 MAD 값과 내림차순으로 설정된 MAD 값의 순위가 표시되어 있다. 표5을 통해 COD=1m 와 COD=3m 인 경우를 제외한 모든 COD에 대해 배경 에지 블러 파라미터 보다 배경 에지 블러 파라미터가 더 비선형적임을 알 수 있다.
이후, 도6에서 에지 블러 예측장치(300)는 촬영 이미지의 배경 DN과 전경 DN을 획득하고, 도16 및 도17과 같은 표면 특성정보를 근거로 획득된 배경 DN과 전경 DN에 대응되는 배경 에지 블러와 전경 에지 블러를 결정하며, 이들 두개의 에지 블러를 이용하여 에지 모델링을 수행한다(ST70). 즉, 에지 블러 예측장치(300)는 상기 ST70 단계에서 결정된 배경 에지 블러 값과 전경 에지 블러 값을 상기한 수학식4에 적용함으로써, 에지 위치를 결정한다.
한편, 본 발명에서는 도2에 도시된 바와 같은 조건으로 에지 프로파일을 분류하기 위하여, 상기 ST70 단계에서 전경 에지 블러 파라미터와 배경 에지 블러 파라미터에 대한 표면 사이의 차를 산출하고, 이를 이용하여 에지 모델링 처리를 수행할 수 있다.
도18은 배경 에지 블러 파라미터 표면과 전경 에지 블러 파라미터 표면 사이의 차에 의해 생성된 표면 특성을 나타낸 것으로, 도18에서 (a) 내지 (f)는 순차로 COD=1m, COD=2m, COD=3m, COD=4m, COD=5m, COD=6m 인 경우의 표면차에 따른 표면 특성 결과이다.
도18에 도시된 바와 같이 도2 (a) 형태의 에지 프로파일은 높은 전경 DN 과 높은 배경 DN 영역을 제외한 모든 DN 조합에 대해 지배적인 것임을 알 수 있으며, 이들 에지들은 도2 (c) 형태로 예측되어질 것이다.
즉, 상기 실시예에 의하면 두 개의 에지 블러 파라미터를 갖는 에지 프로파일을 모델링하고, 타겟 시트를 사용하여 이들 파라미터를 예측하도록 구성된다. 이때, 전경 에지 블러 파라미터와 배경 에지 블러 파라미터의 분포를 통해 각 에지 블러 파라미터가 에지의 밝기 영역에 의존함을 확인할 수 있으며, 에지 블러 변화량을 일정 간격을 갖는 DN 으로 설정하여 선형화하였다. 또한, 크리깅 기반의 에지 블러 파라미터 예측을 통해 전경 에지 블러 파라미터와 배경 에지 블러 파라미터 분포에서 존재하는 비선형적 특성을 수용할 수 있는 에지 블러 파라미터를 예측할 수 있다.
100 : 타겟시트, 200 : 카메라,
300 : 에지 블러 예측장치.

Claims (15)

  1. 밝기값에 따른 에지 블러를 예측하기 위한 방법으로서,
    기준선 검출을 위한 기준 패턴과 에지 위치 검출을 위한 그리드 패턴이 형성되고, 그리드 패턴에 포함되는 밝기값 변화가 서로 다른 복수 개의 타겟 시트를 준비하는 제1 단계와,
    타겟 시트를 촬영하여 타겟 시트 영상을 획득하는 제2 단계,
    각 타겟 시트 영상별 해당 타겟 시트의 기준 패턴을 분석하여 기준선을 추정함과 더불어, 그리드 패턴을 분석하여 그리드 패턴에 형성된 에지 프로파일을 추출하는 제3 단계,
    에지 프로파일을 근거로 인접 픽셀간 밝기차에 의한 기울기를 산출함과 더불어, 이 기울기에 기초하여 영상 내에 존재하는 밝기 대조에 따른 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 각각 획득하는 제4 단계 및,
    상기 배경 에지 블러 파라미터와 전경 에지 블러 파라미터 분포를 근거로 밝기값에 대응되는 화소 수치별 배경 에지 블러 예측 정보와 전경 에지 블러 예측정보를 각각 생성하는 제5 단계를 포함하여 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
  2. 제1항에 있어서,
    상기 타겟 시트는 일정 폭을 갖는 선분 형상으로서 중앙의 공간을 두고 서로 이격형성되는 한 쌍의 수직 영역과 2개의 수평 영역으로 이루어지는 기준 패턴과, 상기 중앙 공간에 형성되는 4개의 정사각형으로 이루어지는 그리드패턴을 포함하는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
  3. 제2항에 있어서,
    상기 그리드 패턴은 상부 2개의 정사각형과 하부 2개의 정사각형으로 이루어지며, 하나의 정사각형과 그 대각선 방향의 정사각형은 배경으로 사용되고, 나머지 사각형들은 전경으로 사용되며, 전경 및 배경 밝기값은 가변적인 밝기값을 갖도록 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
  4. 제3항에 있어서,
    상기 전경 밝기값은 배경 밝기값 보다 밝게 되도록 설정되되,
    검은색이 0.0, 흰색이 1.0이 되도록 정규화한 밝기값을 기준으로, 상기 배경은 0.0 ~ 0.9 범위의 가변적인 밝기값을 갖도록 설정되고, 전경은 0.1 ~ 1.0 범위의 가변적인 밝기값을 갖도록 복수 개의 타겟 시트가 제작되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
  5. 제1항에 있어서,
    상기 제2 단계는 각 타겟 시트에 대하여 카메라 대 물체 간 거리를 가변시키면서 복수개의 영상을 획득하는 단계를 포함하고,
    상기 제3 단계는 카메라 대 물체간 거리별 밝기값 변화에 따른 에지 프로파일을 추정하며,
    상기 제4 단계는 카메라 대 물체간 거리별 밝기 대조에 따른 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 각각 획득하고,
    상기 제5 단계는 밝기값 변화 및 카메라 대 물체간 거리를 고려하여 일정 간격의 밝기값에 대한 배경 에지 블러 파라미터와 전경 에지 블러 파라미터 분포에 따른 배경 에지 블러 예측 정보와 전경 에지 블러 예측정보를 각각 생성하는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
  6. 제1항에 있어서,
    상기 제4 단계에서 에지 블러 파라미터 획득단계는
    상기 제3 단계에서 수집된 에지 프로파일을 기 설정된 간격으로 리샘플링하는 단계와,
    리샘플링된 간격에 대해 모든 에지 프로파일에 대한 평균 프로파일을 생성하는 단계,
    연속되는 평균 프로파일의 차이 값을 이용하여 연속 구간의 중심값으로 산출되는 기울기 프로파일을 획득하는 단계,
    상기 기울기 프로파일에 대응되는 하기 수학식과 같은 기울기 모델링 함수를 생성하고, 이를 만족하는 최소의 제곱 오차합을 만들어내는 한 쌍의 값을 선택함으로써, 밝기 대조에 따른 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 각각 산출하는 단계를 포함하여 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
    Figure 112018003137546-pat00030

    여기서, δ 는 리샘플링 간격의 단위이고, e 는 랜덤 에러, hb 배경 밝기, hf 는 전경 밝기, σb 는 배경 에지 블러 파라미터, σf 는 전경 에지 블러 파라미터.
  7. 제6항에 있어서,
    상기 기울기 모델링 함수에서 배경 에지 블러 파라미터(σb ), 전경 에지 블러 파라미터(σf ) 는 타겟 시트의 그리드 패턴에 대한 평균 밝기값으로 설정되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
  8. 제6항에 있어서,
    상기 밝기 대조에 따른 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 산출하는 단계는,
    브루트-포스(brute-force) 방법을 이용하여 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 산출하도록 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
  9. 제1항에 있어서,
    상기 제5 단계는 상기 제4 단계에서 획득된 배경 에지 블러 파라미터와 전경 에지 블러 파라미터를 기 설정된 화소 수치값(DN)에 대한 데이터 포인트로서 수집하는 단계와,
    상기 데이터 포인트를 이용하여 배경 에지 블러 파라미터와 전경 에지 블러 파라미터에 대한 각각의 평면 표면 특성을 산출하는 단계,
    상기 평면 표면 특성으로부터 배경 에지 블러 파라미터와 전경 에지 블러 파라미터에 대한 잔차성분을 획득하고, 이 잔차성분을 이용하여 크리깅 기법에 따른 크리깅 표면 특성을 각각 산출하는 단계 및,
    상기 평면 표면 특성과 상기 크리깅 표면 특성 간의 차를 근거로 배경 에지 블러 파라미터 및 전경 에지 블러 파라미터에 대한 화소 수치별 표면 특성을 각각 생성함으로써, 배경 및 전경 에지 블러 예측 정보를 확정하는 단계를 포함하여 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
  10. 제9항에 있어서,
    상기 배경 에지 블러 파라미터와 전경 에지 블러 파라미터에 대한 평면은 하기 수학식과 같이 모델링 하는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
    Figure 112018003137546-pat00031

    여기서, X는 배경 화소 수치값(DN), Y는 전경 화소 수치값(DN), Z는 에지 블러를 나타내고, a,b,c는 추정되어질 평면 파라미터이며, e는 에지 블러 파라미터에 존재하는 것으로 추정되는 랜덤 에러.
  11. 제9항에 있어서,
    상기 크리깅 표면 특성을 산출하는 단계는,
    에지 블러 파라미터로부터 하기 수학식과 같은 잔차성분을 획득하는 단계와,
    상기 잔차성분들에 대한 베리오그램을 획득하고, 베리오그램의 포인트를 관측값으로 하여 이차 함수 형태의 공분산 함수를 생성하는 단계 및,
    최소자승기법을 이용하여 공분산 함수에 대한 파라미터를 추정함으로써, 일정 간격을 갖는 화소 수치값에 대한 크리깅 표면 특성을 획득하는 단계를 포함하여 구성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
    Figure 112018003137546-pat00032

    이때,
    Figure 112018003137546-pat00033

    여기서,
    Figure 112018003137546-pat00034
    는 파라미터 벡터, R 은 잔차 벡터, X는 배경 화소 수치값(DN), Y는 전경 화소 수치값(DN), A는 배경 DN과 전경 DN의 벡터 행렬, Z는 에지 블러, a, b, c는 추정되어질 평면 파라미터, e는 에지 블러 파라미터에 존재하는 것으로 추정되는 랜덤 에러, N은 상기 랜덤 에러가 정규분포를 따르는 것을 나타내는 기호, σ0 2는 상기 랜덤 에러의 표준편차, I는 항등 행렬임.
  12. 제11항에 있어서,
    상기 이차함수 형태의 공분산 함수는 하기 수학식과 같이 생성되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
    Figure 112018003137546-pat00035

    여기서, a,b는 추정 파라미터이고, h는 인접 잔차간의 거리임.
  13. 제9항에 있어서,
    상기 화소 수치별 표면 특성에 따른 에지 블러 예측값은 하기 수학식에 의해 산출되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
    Figure 112018003137546-pat00036

    여기서, P는 잔차에 의해 예측된 그리드 구성에서의 임의 포인트이고, k,K,R은 하기와 같이 정의됨.
    Figure 112018003137546-pat00037

    여기서, PPi 는 P 포인트와 Pi 포인트 사이의 거리이고, PiPj 는 Pi 포인트와 Pj 포인트 사이의 거리이며, Ri 는 Pi 포인트 잔차임.
  14. 제9항에 있어서,
    상기 표면 특성에 따른 배경 에지 블러 예측값은 배경 화소 수치값이 증가할수록 또는 전경 화소 수치값이 증가할수록 감소하도록 설정되고,
    상기 표면 특성에 따른 전경 에지 블러 예측값은 배경 화소 수치값이 증가할수록 또는 전경 화소 수치값이 감소할수록 증가하도록 설정되는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
  15. 제9항에 있어서,
    상기 배경 및 전경 에지 블러 예측 정보를 확정하는 단계는,
    상기 배경 에지 블러 파라미터의 평면 표면 특성과 전경 에지 블러 파라미터의 평면 표면 특성 간의 차이값이 "0"인 에지 블러 예측 정보를 생성하는 것을 특징으로 하는 에지 모델링을 위한 에지 블러 예측 방법.
KR1020160132654A 2016-10-13 2016-10-13 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법 KR101868483B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020160132654A KR101868483B1 (ko) 2016-10-13 2016-10-13 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법
PCT/KR2017/011349 WO2018070844A1 (ko) 2016-10-13 2017-10-13 에지 모델링을 위한 에지 블러 설정 방법
EP17859967.6A EP3528205A4 (en) 2016-10-13 2017-10-13 BLUR EDGE ADJUSTMENT METHOD FOR EDGE MODELING
US16/341,765 US11227394B2 (en) 2016-10-13 2017-10-13 Method for setting edge blur for edge modeling

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160132654A KR101868483B1 (ko) 2016-10-13 2016-10-13 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법

Publications (2)

Publication Number Publication Date
KR20180040846A KR20180040846A (ko) 2018-04-23
KR101868483B1 true KR101868483B1 (ko) 2018-07-23

Family

ID=61905794

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160132654A KR101868483B1 (ko) 2016-10-13 2016-10-13 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법

Country Status (4)

Country Link
US (1) US11227394B2 (ko)
EP (1) EP3528205A4 (ko)
KR (1) KR101868483B1 (ko)
WO (1) WO2018070844A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6841075B2 (ja) * 2017-02-17 2021-03-10 ブラザー工業株式会社 画像処理装置、および、コンピュータプログラム
CN110211105B (zh) * 2019-05-24 2021-09-07 厦门美柚股份有限公司 一种模糊图像检测方法、装置及***
CN110298858B (zh) * 2019-07-01 2021-06-22 北京奇艺世纪科技有限公司 一种图像裁剪方法及装置
CN113436120B (zh) * 2021-07-20 2023-06-20 湖南圣洲生物科技有限公司 一种图像模糊值识别方法及装置
CN113470056B (zh) * 2021-09-06 2021-11-16 成都新西旺自动化科技有限公司 一种基于高斯模型卷积的亚像素边缘点检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010237177A (ja) 2009-03-31 2010-10-21 Nippon Hoso Kyokai <Nhk> Ｍｔｆ測定装置およびｍｔｆ測定プログラム
JP2014521990A (ja) 2011-06-09 2014-08-28 ナム タイ，ヒョク オートフォーカス画像システム
JP2015094701A (ja) 2013-11-13 2015-05-18 日本放送協会 Ｍｔｆ測定装置およびｍｔｆ測定プログラム

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0818828A (ja) * 1994-06-28 1996-01-19 Sony Corp テストチャート
US7983468B2 (en) * 2005-02-09 2011-07-19 Jp Morgan Chase Bank Method and system for extracting information from documents by document segregation
KR100639164B1 (ko) 2005-03-12 2006-10-26 전재춘 영상 장치의 흔들림에 의한 영상 블러링 제거 방법
KR100996209B1 (ko) * 2008-12-23 2010-11-24 중앙대학교 산학협력단 변화값 템플릿을 이용한 객체 모델링 방법 및 그 시스템
WO2012041492A1 (en) * 2010-09-28 2012-04-05 MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. Method and device for recovering a digital image from a sequence of observed digital images
JP2013005258A (ja) * 2011-06-17 2013-01-07 Panasonic Corp ブレ補正装置、ブレ補正方法及び帳票
US8848094B2 (en) * 2011-12-01 2014-09-30 Sony Corporation Optimal blur matching selection for depth estimation
KR101279705B1 (ko) 2011-12-22 2013-06-27 연세대학교 산학협력단 영상 프레임 내의 블러 측정 방법과 이를 이용하여 영상 프레임의 화질 측정 장치 및 방법
US20160049293A1 (en) 2014-08-14 2016-02-18 Air Products And Chemicals, Inc. Method and composition for providing pore sealing layer on porous low dielectric constant films
KR20160077856A (ko) 2014-12-24 2016-07-04 삼성전자주식회사 알림 정보 제공 방법 및 장치
KR20160100032A (ko) 2015-02-13 2016-08-23 연세대학교 산학협력단 모션 블러 유무에 따른 이미지 선명도 평가 방법 및 장치
KR101765223B1 (ko) 2016-02-24 2017-08-04 경북대학교 산학협력단 밝기에 대한 에지 변위 추정 방법
KR101777696B1 (ko) 2016-06-22 2017-09-12 경북대학교 산학협력단 면적 대칭성을 이용한 에지 위치 결정 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010237177A (ja) 2009-03-31 2010-10-21 Nippon Hoso Kyokai <Nhk> Ｍｔｆ測定装置およびｍｔｆ測定プログラム
JP2014521990A (ja) 2011-06-09 2014-08-28 ナム タイ，ヒョク オートフォーカス画像システム
JP2015094701A (ja) 2013-11-13 2015-05-18 日本放送協会 Ｍｔｆ測定装置およびｍｔｆ測定プログラム

Also Published As

Publication number Publication date
WO2018070844A1 (ko) 2018-04-19
EP3528205A4 (en) 2020-06-10
EP3528205A1 (en) 2019-08-21
US20190236787A1 (en) 2019-08-01
KR20180040846A (ko) 2018-04-23
US11227394B2 (en) 2022-01-18

Similar Documents

Publication Publication Date Title
KR101868483B1 (ko) 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법
CN111758024B (zh) 一种缺陷检测方法及装置
CN108470356B (zh) 一种基于双目视觉的目标对象快速测距方法
JP2021531450A (ja) オプティカルフロー映像処理を利用する河川流速測定装置および方法
KR20120068470A (ko) 스테레오 영상 정합 장치 및 그 방법
KR20140045854A (ko) 단일객체에 대한 기울기를 추정하는 영상을 감시하는 장치 및 방법
US9165341B2 (en) Method for generating super-resolution images having improved image resolution and measuring device
Flesia et al. Sub-pixel straight lines detection for measuring through machine vision
CN108550160B (zh) 基于光强模板的非均匀光条特征区域提取方法
JP5705711B2 (ja) ひび割れ検出方法
CN106952262B (zh) 一种基于立体视觉的船板加工精度分析方法
CN110926339A (zh) 一种基于一次投影结构光平行条纹图案的实时三维测量方法
JP5812705B2 (ja) ひび割れ検出方法
CN103389310A (zh) 一种基于辐射标定的亚像素光学元件损伤在线检测方法
CN104537627B (zh) 一种深度图像的后处理方法
CN115330684A (zh) 基于双目视觉与线结构光的水下构筑物表观缺陷检测方法
KR101733028B1 (ko) 영상대조에 따른 에지 변위량 예측 방법
CN102682435A (zh) 基于空间相对高度信息的多聚焦图像边缘检测方法
CN103337080A (zh) 基于梯度方向Hausdorff 距离的红外图像和可见光图像配准技术
CN109671084A (zh) 一种工件形状的测量方法
CN110619654B (zh) 一种运动目标检测与跟踪方法
KR101777696B1 (ko) 면적 대칭성을 이용한 에지 위치 결정 방법
Seo Edge modeling by two blur parameters in varying contrasts
CN115035175A (zh) 一种三维模型构建数据处理方法及***
Hong et al. A blur estimation and detection method for out-of-focus images

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant