컴퓨터 비전 & 패턴 인식 - 17. 다중 스케일 영상

스케일 이론의 필요성

 

사람은 원본 이미지나 축소한 이미지에서 동일한 특징점을 찾을 수 있다.

 

하지만 컴퓨터도 산 정상의 사진을 보고 산 꼭대기를 특징점으로 찾을수는 있지만

 

 

산 정상만을 확대 시킨 영상에서는 코너가 아닌 수평 에지를 검출함

 

이런 크기 변환에 불변한 지역 특징을 찾을 방법이 필요

 

 

 

스케일 공간

 

같은 물체가 서로 다른 영상에서 다른 크기로 나타나는 경우 같은 특징을 구하는 방법은

 

큰 스케일의 영상에는 큰 연산자, 작은 스케일의 영상에는 작은 연산자를 적용하면 됨.

 

하지만 영상 스케일을 알 수 없음.

 

이를 위한 두가지 방법

 

1. 작은 연산자에서 큰 연산자로 키워가며 여러 스케일 특징 집합을 구함

 

2. 영상 해상도를 줄여 다중 스케일 영상 구축 후 동일 연산자를 여러 스케일에 적용하여 지역 특징 검출

 

위 방법의 한계 : 크기 10인 연산자에서 특징 검출시 11, 12, 등에서 검출될 가능성이 높으며 계산 효율이 떨어짐

 

이와 같은 문제로 스케일 불변 특징을 찾아야 함.

 

=> 다중 스케일 영상 취득 M을 후, M에서 3 차원의 (y, x, s) 극점을 특정점 집합 F에 취함

 

 

 

다중 스케일 영상 구축 방법

 

다중 스케일 영상 구축에는 2가지 방법이 존재

 

첫번째는 가우시안 스무딩을 이용한 방법과 이미지 피라미드를 구축하는 방법

 

현실에서는 연속적으로 스케일이 변화하나, 피라미드 방식은 스케일이 두배씩 줄어드는 한계를 가져

 

가우시안 스무딩 방식이 주로 사용됨.

 

가우시안 스무딩은 표준편차로 스케일 조정하며, 스케일을 키움으로서

 

물체를 멀리 떨어트려 보는것과 비슷한 효과를 냄

 

 

1. 가우시안 스무딩을 이용한 다중 스케일 영상 구축

 

https://en.wikipedia.org/wiki/Gaussian_blur

 

 

 

2. 이미지 피라미드를 이용한 다중 스케일

 

 

 

 

다중 스케일 영상 

 

원본 영상에 표준 편차의 값에 따라 가우시안 스무딩을 적용하여 얻을수 있는 영상 집합이 다중 스케일 영상

 

(y, x, t)를 스케일 공간 scale space라 부르며, t는 스케일 매개변수(t=sigma2)가 된다.