색상 환경에 강인한 물체 학습과 탐색 모델 = A New Object Search and Learning Model Robust on Various Color Environment Using Visual Attention Of Human

국문 초록 (Abstract)

본 논문은 인간의 시각 주의를 활용한 색상 환경에 강인한 물체 탐색 모델을 제안한다. 제안하는 시스템은 학습 모델과 탐색모델로 구성되어있고, 영상에서 색상, 밝기, 형태 특징을 고려한다. 학습 모델은 특징 내 속성과 특징 간 속성을 학습하여 학습 자료를 생성하는데, 학습 자료는 입력 영상이 가지는 현저한 특징을 가진다. 탐색 모델은 학습 자료를 사용하여 질의 물체와 유사한 특징이 있는 영역을 다른 영역보다 두르러지게 한 현저함 지도(Saliency Map)를 추출하며, 현저함 지도에서 가장 높은 값이 질의 물체를 나타내게 된다. 시스템 성능평가는 타 bottom-up 모델, 타 top-down 모델에 대한 성능 비교 평가를 하였는데, 제안하는 시스템이 타 시스템보다 질의 물체를 정확하고 빨리 찾아내었다.

목차 (Table of Contents)

• Ⅰ . 서 론 1
• II . 기존의 시각 주의 모델 4
• 2.1 국외 연구들 4
• 2.1.1 Itti의 시각주의 모델 4
• 2.1.2 Frintrop의 시각주의 모델 5
• 2.1.3 Navalpakam의 시각주의 모델 6
• 2.1.4 Elazary의 시각주의 모델 7
• 2.1.5 기타연구 8
• 2.2 국내 연구 9
• 2.3 이전 연구의 한계점 10
• III . 인간의 시각 주의를 활용한 색상 환경에 강인한 물체 학습과 탐색 모델 (RoCe-VAM) 13
• 3.1 학습 모델 14
• 3.1.1 특징 추출 14
• 3.1.2 학습 자료 생성 22
• 3.2 탐색 모델 27
• 3.2.1 색상, 밝기 특징 지도 생성 27
• 3.2.2 형태-방위 특징 추출 30
• 3.2.3 색상, 밝기 형태-방위 특징 지도 생성 30
• 3.2.4 가중치 결합 30
• IV . 실험 및 결과 33
• 4.1 실험 환경 33
• 4.2 실험 방법 33
• 4.2.1 학습 영상 34
• 4.2.2 탐색 영상 36
• 4.2.3 성능 평가 방법 39
• 4.3 실험 결과 42
• 4.3.1 특정 펜 탐색 실험 결과 43
• 4.3.2 색상 강건성 실험 결과 50
• 4.3.3 밝기 강건성 실험 결과 50
• 4.3.4 Itti et al(2001)의 영상 실험 결과 52
• V. 결 론 55
• 참고 문헌 58