(A) Featured Area-based Image Registration with Outlier Removal by K-Means Clustering = K-means클러스터링을 이용하여 outlier를 제거하는 특징 영역 기반 영상 registration

다국어 초록 (Multilingual Abstract)

Image registration is necessary when images from multiple viewpoints need to be brought into common coordinate system. Image registration techniques can be classified as area-based methods and feature-based methods. In area-based methods, no features are selected and regularly tessellated areas are usually used for matching. In feature-based methods, features such as regions, lines, and prominent points are detected and used for matching. When image contains rich features, feature-based methods are preferred and when it does not, area-based methods are usually adopted. There are occasions where richness of features varies locally in the image. In this case, either area-based methods or feature-based methods alone may not generate successful results. In this paper, we propose a mixture of two methods termed as featured area-based method. In the proposed, we first tessellate the image into equal-sized areas, estimate richness of features of each area utilizing the edge direction histogram, choose only those areas with a certain level of richness, use them for matching, remove outliers, and perform registration.
For image registration, we compared the proposed with well-known conventional methods such as Kanade-Lucas-Tomasi(KLT) method, speeded up robust features (SURF), and scale-invariant feature transform (SIFT), and showed that the proposed performs better than others. For outlier removal, we propose the K-means clustering and compare with random sample consensus (RANSAC) and showed that the proposed performed better.

국문 초록 (Abstract)

여러 시점에서 취득한 영상을 하나의 공통된 좌표 계로 옮기기 위해서는 영상 registration 과정이 필요하다. 영상 registration 방법은 크게 영역기반 방법과 특징기반 방법으로 나눌 수 있다. 영역기반 방법에서는 특징이 사용되지 않고, 정합을 위해서 일정 크기로 나뉜 영역을 사용한다. 특징기반 방법에서는 영역, 선, 특징 점 등의 특징을 찾아내고 정합에 사용한다. 영상이 풍부한 특징을 가지고 있을 때는 특징기반 방법이 주로 사용되고 그렇지 못할 때는 주로 영역기반 방법이 채택된다. 영상에 따라서는 특징의 풍부 성이 영상 내 위치에 따라 달라지는 경우가 있다. 이 때에는 영역기반 혹은 특징기반 방법 하나만으로는 만족스러운 결과를 얻기 힘들다. 이 논문에서는 이를 해결하기 위해 영역기반과 특징기반을 혼합한 방법을 제안한다. 제안된 방법에서는 영상을 일정 크기의 영역으로 분할하고, 에지 방향 히스토그램을 이용하여 영역별 특징의 풍부 성을 측정하며, 일정 레벨 이상의 풍부 성을 가진 영역만을 선택하여 정합, outlier 제거와 registration에 사용한다.
영상 registration을 위해서 제안된 방법을 기존의 방법들인 Kanade-Lucas-Tomasi(KLT) 방법, speeded up robust features (SURF), scale-invariant feature transform (SIFT)와 비교하여 제안된 방법이 더 좋은 결과를 얻음을 보였다. Outlier 제거를 위해서는 K-means clustering 방법을 제안하였는데, 기존의 방법인 random sample consensus (RANSAC) 보다 더 나은 결과를 얻었다

목차 (Table of Contents)

• Table of Contents
• List of Figures iii
• List of Tables v
• List of Algorithms vi
• Abstract vii
• Chapter 1 Introduction 1
• 1.1 Image Registration 1
• 1.2 Classification of Algorithms 2
• 1.3 Problem Statement 3
• 1.4 Thesis Organization 4
• Chapter 2 Related Works 5
• 2.1 KLT 5
• 2.2 SURF with FLANN 6
• 2.3 SURF with BF 8
• 2.4 RANSAC 9
• 2.5 SIFT with RANSAC 10
• Chapter 3 The Proposed Method 12
• 3.1 Image Tessellation 12
• 3.2 Selection of Featured Area by Measuring Feature Richness 14
• 3.3 Matching 16
• 3.4 Outlier Removal 18
• Chapter 4 Experimental Results 22
• 4.1 Experimental Setup 22
• 4.2 Images with no Repetitive Patterns 23
• 4.3 Images with Repetitive Patterns 33
• Chapter 5 Discussions and Future Work 64
• 5.1 Discussions 64
• 5.2 Future Work 65
• References 66
• Korean Abstract 69