SURF(Speeded Up Robust Features)는 다양한 상태 변화에 강인한 기술자 추출 방법으로 특징점 추출을 통해 이미지 간 대응점을 찾아 사용자가 원하는 객체를 인식하는데 사용할 수 있는 알고리즘이...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A82737576
2011
Korean
4
학술저널
227-230(4쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
SURF(Speeded Up Robust Features)는 다양한 상태 변화에 강인한 기술자 추출 방법으로 특징점 추출을 통해 이미지 간 대응점을 찾아 사용자가 원하는 객체를 인식하는데 사용할 수 있는 알고리즘이...
SURF(Speeded Up Robust Features)는 다양한 상태 변화에 강인한 기술자 추출 방법으로 특징점 추출을 통해 이미지 간 대응점을 찾아 사용자가 원하는 객체를 인식하는데 사용할 수 있는 알고리즘이다. 대표적으로 사용되는 특징점 추출 알고리즘인 SIFT(Scale Invariant Feature Transform)에 비해 빠른 속도로 수행이 가능하다는 점에서 스마트폰과 같이 빠른 데이터 처리가 필요한 환경에서 각광받고 있다. 하지만 SURF 알고리즘은 회색조 영상을 바탕으로 수행하므로 색상 정보가 무시되고 특징점들의 상대적인 위치 정보 또한 고려하지 않기 때문에 많은 정보 손실이 발생한다. 따라서 본 연구에서는 기존의 SURF 기술자에 색상 정보와 위치 정보를 함께 고려하여 객체의 인식률을 높일 수 있는 방안을 제시한다. 색상 정보로는 해당 객체 RGB 값의 히스토그램을 사용하며 위치 정보로는 특징점 간의 거리를 고려하여 객체 거리 범주를 생성한다. 이를 이용하면 관심 객체 외부에 있는 특징점이 비슷한 기술자로 인식되어 잘못 정합되는 것을 줄일 수 있다. 실험을 통하여 제안된 기법이 기존의 방식보다 다양한 정보를 이용하여 객체 인식률 면에서 이점이 있음을 보인다.
목차 (Table of Contents)
모바일 애플리케이션의 신뢰성 확보를 위한 ISO/IEC 9126 기반 품질 분류 및 절차 개발에 대한 연구
드라마 동영상의 스토리 분석을 위한 계층적 은닉변수 모델