영상에 물체의 윤곽선을 찾고자 할 때 active snake 알고리즘을 많이 이용한다. 이것은 물체의 윤곽에서 명암의 차이을 이용하여서 윤곽선을 탄성이 있는 곡선으로 근사시키는 방법이다. 그러나 실제의 영상에는 조명의 영향이나 잡음 아니면 다른 물체에의 한 가려짐으로 인해서 윤곽이 명확하게 나타나지 않거나 가려져서 윤곽선을 제대로 찾지 못하거나 심하게 왜곡된 윤곽선를 낳는 결과를 초래한다.

영상에서 윤곽선을 찾는 경우에 특정한 물체(예를 들면 영상에서 얼굴윤곽, 손모양, 초음파 사진에서 장기의 모양...)를 대상으로 하는 경우가 많다. 이 경우에는 대상물체의 모양은 대략의 형태가 알려져 있고, 실제로 사진에 나타나는 형태는 평균적인 형태에서 많이 벗어난 있지 않는다. 이러한 정보를 이용하면 보다 쉽게 물체의 윤곽선을 찾을 수 있다.

먼저 찾고자 하는 물체의 윤곽선 정보를 훈련을 시켜서 평균적인 윤곽선에 벗어나는 정도를 분류하여서, 몇 가지 mode(=eigen mode=eigen shape)가 있는지를 알아낸다. 이것은 얼굴인식에서 PCA 기법을 이용하여서 평균얼굴영상에서 변화를 주는 eigen modeeigenface를 찾는 기법과 같다. Eigen mode는 평균윤곽에서 아주 미세한 변화는 버리고, 큰 것만 취하면 된다이러한 eigen mode용하면 잡음이나 조명 가려짐등에 의해서 잘못 찾은 윤곽선을 보정하여서 원하는 형태를 유지할 수 있다. , 영상처리에 의해서 찾은 윤곽을 eigen mode로 분해시키어서 각각의 eigen modeweight를 구하고, eigen mode를 이 weight 를 이용해서 더하여서(물론 평균윤곽도 더하고.) 재구성된 윤곽선을 얻는다. 이 재구성된 윤곽선은 잡음등의 영향으로 인한 미세한 왜곡을 없앨 수 있다. 그리고, 윤곽선 찾기를 반복적인 과정으로 구현할 때 이 재구성된 윤곽선에서 출발하여서 다음번의 윤곽선 찾기를 시도한다.

그러나 이 방법은 eigen mode 가 훈련에 사용한 영상에 많이 의존하므로, 훈련된 윤곽과 많이 다른 경우에는 제대로 대처하지 못한다.

 

아래 그림(검정선)은 영상처리에서 찾은 손윤곽으로 잡음으로 인해서 왜곡이 많이 되어 있는 모양이다. 빨간선은 eigen mode를 이용해서 재구성한 윤곽이다.

* 18개의 훈련용 손모양을 가지고 얻은 12개의 eigen mode을 씀.
* data 출처:
ttp://personalpages.manchester.ac.uk/staff/timothy.f.cootes/data/hand_data.html

저작자 표시
신고

'Image Recognition' 카테고리의 다른 글

Eigenface (2)  (0) 2009.12.28
Active Shape Model :: Face  (1) 2009.12.27
Active Shape Model (ASM)  (2) 2009.12.25
Similarity Transformation  (1) 2009.12.14
Eigenface  (0) 2009.12.12
Retinex 알고리즘 관련 자료.  (1) 2009.04.29
Posted by helloktk