View : 26 Download: 0

방향과 경사도를 이용한 정지 화상의 굴곡 성분 추출

Title
방향과 경사도를 이용한 정지 화상의 굴곡 성분 추출
Authors
전혜정
Issue Date
1992
Department/Major
대학원 전자계산학과
Publisher
이화여자대학교 대학원 전자계산학과
Degree
Master
Abstract
In this thesis, a method for extracting the depth information from 2D gray image is represented. An analogue image is translated to a digital image, and direction and slope for each pixel are computed from it. Depth information is extracted from direction and slope. A curve could be found and the scene could be reconstructed by the depth information. We use potential to obtain the mean slopes and directions of the given patch. The high level of deduction used for finding the global depth information is also carried out by using the neural network. The slopes of each patch can be computed by the difference between the maximum and the minimum value in the patch. Depth information can be extracted from the computed directions and slopes. Two kinds of vector expantions are adapted to extract the light line from the depth information.; 본 논문에서는 2차원 농담 화상(Gray Image)으로 부터 3차원 영상(Scene)의 굴곡 성분을 추출하는 방법을 제안한다. 입력된 아날로그 화상을 디지털 화상으로 변환한 후, 디지털 화상의 각 화소에 대해 방향과 경사도를 계산한다. 계산된 방향과 경사도로 부터 3차원 영상의 굴곡 성분을 추출하고, 추출된 굴곡 성분으로부터 장면을 재구성해 보았다. 3차원 영상이 갖는 깊이 정보가 2차원 패턴의 밝기 정보로 나타나기 때문에, 입력으로부터 4×4 패치의 방향을 구할 때 방향 인식에 대해 학습된 오류 역전파 모델의 신경회로망을 적용하여, 잡상과 불명확한 부분의 영향을 감소시키도록 하였다. 신경회로망 학습에 사용하는 학습 패턴은 미리 선정하였는데, 4×4 패치의 High Potential과 Low Potential을 입력으로 받아 패치의 방향을 계산한다. 8방향의 벡터와 경사도를 쉽게 구할 수 있도록 패턴을 미리 정규화하여 연상에 사용하였다. 다양한 굴곡의 형태를 신경회로망으로 추적하는 방법을 신경회로망으로 구현하였다. 패치의 경사도는 패치내의 최대값과 최소값의 차이로 부터 계산하였다. 계산된 패치의 방향과 경사도를 모아 전체적인 2차원 화상의 굴곡 성분을 추출해 보았다. 추출된 화상의 굴곡 성분에 본 논문에서 제안한 벡터 확산법을 적용하여 화상 명암의 밝은 선을 추출하였다. 이와 같은 방법으로 농담 화상으로 표현된 2차원 영상의 곡선을 추적할 수 있었다.
Fulltext
Show the fulltext
Appears in Collections:
일반대학원 > 컴퓨터공학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE