개선된 Hough 변환을 이용한 형상기준정합에 관한 연구 = (A) study on feature based matching using improved Hough transform

국문 초록 (Abstract)

인공지형지물이 많은 수치영상에서 영상정합을 수행할 경우에는 대상물의 경계정보를 이용한 형상기준정합의 방법을 이용한다. 형상기준정합을 수행할 때 중요한 것은 어떻게 대상물의 경계정보를 정확하게 추출하는가에 대한 것이고 이에 따라서 정합의 정도가 달라지게 된다.
본 연구에서는 효율적인 형상기준정합을 위한 경계정보로서 형상 성분중 직선 성분을 이용하였다. 직선을 검출하는 일반적인 방법으로 Hough 변환이 많이 쓰이는데, 여러 건물들이 밀집해 있는 복잡한 지역에서는 기존의 Hough 변환으로는 직선 성분을 검출하는데 많은 어려움이 따른다.
따라서 본 연구에서는 복잡한 건물 밀집 지역에서도 효율적으로 직선을 검출 할 수 있는 개선된 Hough 변환을 제시하였다. 이 알고리즘은 기존의 Hough 변환에 경계선 연산자를 이용하여 추출된 경계선 영역의 밝기값 정보를 결합한 것으로 직선의 방정식뿐만 아니라 직선의 좌표(시작점, 끝점)도 알 수 있도록 하였다.
또한 개선된 Hough 변환을 건물이 밀집한 대상영상에 수행하였을 때 영상에서 동일한 직선 선상에 놓여 있는 서로 다른 직선성분을 분리하여 검출할 수 있었으며, 세선화 되지 않은 두꺼운 경계부분에서 여러 직선성분이 검출되지 않고 단일한 직선을 검출할 수 있었다.
또한, 1차 미분 연산자인 Sobel과 2차 미분 연산자인 LoG를 결합한 개선된 Hough 변환을 이용하여 대상물의 경계부분을 각각 추출하여 비교해 보았고, 이렇게 얻은 직선을 형상기준정합을 수행하기 위해 자료구조화 시켰다.
끝으로 개선된 Hough 변환을 이용해서 얻은 직선의 자료구조를 이용하여 형상기준정합을 수행하여 대상건물의 효율적인 3차원 위치를 복원할 수 있었다.

다국어 초록 (Multilingual Abstract)

When we perform an Image Hatching with photographs which contain many artificial constructions, Feature based Matching using edge information is more general than area based methods. And so, it is important how exactly extract the edge information.
The Hough transform is the most popular linear feature detection algorithm and it is noted that linear feature is one of the edge information. Hough transform is utilized to detect linear features and restores the damaged image.
In this study, the extraction of linear feature was implemented using the Improved Hough transform. Improved Hough transform is combined with Hough transform and gray value information Improved Hough transform can extract coordinates, distances, slope, and other information of the linear feature.
Also, it is able to draw out only one line in the variable thicken feature. Restoring is subsequently established with these data, so called, line-data-structure. Feature based Matching in performed using this line-dat-structure that is extracted by Improved Hough transform.
In this study, we used two matching algorithm. First, we matched only the attribution of the line(ex. distance, overlap, slope), and second, we matched two stereo image using correlation of the matched line. And, the last we could obtain the tree dimensional coordinate of the line of the object.
As a result of this research, we could develop that Improved Hough transform was suited to detect edge information and carried out highly accurate Feature based matching.

목차 (Table of Contents)

• 목차
• 차례 = ⅰ
• 그림차례 = ⅳ
• 표차례 = ⅵ
• 기호 = ⅷ
• 국문요약 = ⅹ
• 제1장 서론 = 1
• 1.1 연구배경 및 목적 = 1
• 1.2 연구동향 = 3
• 1.3 연구방법 및 범위 = 4
• 제2장 경계선 검출 및 자료구조 = 6
• 2.1 Hough변환 이론 = 6
• 2.1.1 Hough변환 절차 = 6
• 2.1.2 기울기-절편 좌표계 = 7
• 2.1.3 거리-각좌표계 = 8
• 2.1.4 Hough변환의 과정 = 10
• 2.1.5 Hough변환의 문제점 = 12
• 2.2. 경계선 검출 = 13
• 2.2.1 영상의 경계선 검출 = 13
• 2.2.2.1 소벨(Sobel)을 이용한 경계선 검출 = 14
• 2.2.2.2 LoG(Laplacian of Guassian)을 이용한 경계선 검출 = 17
• 2.3 개선된 Hou gh변환 = 20
• 2.3.1 개선된 Hough변환절차 = 20
• 2.3.2 직선의 시작점, 끝점 검출 = 21
• 2.3.3 ρ, θ가 동일한 직선 분리 = 24
• 2.3.4. 직선폭에 의한 가상성분 제거 = 26
• 제3장 형상기준 영상정합 = 29
• 3.1 형상기준정합(Feature Based Matching) = 29
• 3.2 직선자료구조를 이용한 경계선 정합 = 30
• 3.2.1 직선 정합 알고리즘 = 30
• 3.2.1.1 방향의 유사성 = 31
• 3.2.1.2 중간점의 유사성 = 31
• 3.2.1.3 길이의 유사성 = 32
• 3.2.1.4 겹침 정도의 유사성 = 33
• 3.2.1.5 밝기의 유사성 = 33
• 3.2.2 정합과정 = 34
• 3.3 3차원 위치결정 = 38
• 3.3.1 전방교선법에 의한 3차원 위치 결정 = 38
• 제4장 관측대상물에 대한 분석 = 42
• 4.1 직선추출 및 자료구조 형성 = 42
• 4.1.1 직선의 시작점 끝점 검출 = 42
• 4.1.2 ρ, θ가 동일한 직선의 분리 = 45
• 4.1.3 직선폭에 의한 가상성분 영향 제거 = 47
• 4.2 형상기준정합에 의한 3차원 위치 결정 = 50
• 4.2.1 형상기준정합 = 50
• 4.2.1.1 과천지역 = 50
• 4.2.1.2 포항지역 = 54
• 4.2.2 3차원 위치결정 = 59
• 4.2.2.1 외부표정요소 결정 = 60
• 4.2.2.2 3차원 위치 결정 = 61
• 4.3 정확도 분석 및 비교고찰 = 64
• 제5장 결론 = 72
• 참고문헌 = 73
• ABSTRACT = 78