거리변환 기반 양측 업샘플링을 이용한 저해상도 깊이맵으로부터 고해상도 깊이맵 :Generating a High-resolution Depth Map from a Low-resolution Depth Map Using Distance Transform-based Bilateral Upsampling

장성은

추천

검색

자료유형: 학위논문

저자정보: 장성은 (강원대학교, 강원대학교 대학원)

지도교수: 김만배

발행연도: 2013

저작권: 강원대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (5)

2013

거리변환 기반 양측 업샘플링을 이용한 저해상도 깊이맵으로부터 고해상도 깊이맵

장성은 컴퓨터정보통신공학과 2013.01 학위논문

2012

거리변환을 이용하는 고해상도 깊이맵 생성

장성은 , 김만배 한국방송미디어공학회 학술발표대회 논문집 2012.11 학술대회자료

선명도를 향상시킨 깊이맵 업샘플링 방법

장성은 , 이동우 , 김성열 외 2명 방송공학회논문지 2012.11 학술저널

선명도를 향상시킨 고해상도 깊이맵 생성

장성은 , 김만배 한국방송미디어공학회 학술발표대회 논문집 2012.07 학술대회자료

2011

저해상도 깊이맵으로부터 고해상도 깊이맵의 생성

장성은 , 김만배 한국방송미디어공학회 학술발표대회 논문집 2011.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 3D 영상의 발전에 따라 깊이맵의 중요성이 높아지고 있다. 깊이맵은 2D+Depth 기술을 이용하여 입체 영상을 생성하거나, 다시점 영상 제작과 홀로그램 등의 다양한 곳에 활용되고 있다. 깊이맵의 활용도가 높아지면서, 깊이맵을 획득하는 다양한 방법들이 등장하였다. 깊이맵을 획득하는 방법에는 스테레오 비젼과 깊이 카메라를 이용하는 방식이 있다. 스테레오 비젼은 다시점 카메라로 촬영된 두 장 이상의 영상을 분석하여, 스테레오 정합을 수행하는 방법이다. 그러나 다수의 카메라의 사용에 따른 부가적인 영상처리 기법들이 필요하고, 다양한 영상의 깊이를 정확히 추출하는 것이 매우 어렵다. 따라서 깊이 카메라로부터 깊이맵을 획득하는 방법이 주로 사용되고 있다. 깊이 카메라는 센서로부터 획득한 깊이정보를 이용하여 깊이맵을 생성하는 방법이다. 실시간으로 촬영이 가능하고 정확한 깊이맵을 얻을 수 있지만, 깊이맵의 해상도가 낮다는 단점이 있다.
본 논문에서는 거리변환 방법을 이용하여 저해상도 깊이맵을 고해상도로 업샘플링과 동시에 선명도를 높이는 방법을 제안한다. 양측 업샘플링을 기반으로 거리변환 정보를 적용하였으며, 실험을 통해 제안 방법이 상기 목적을 얻을 수 있다는 것을 검증하였다. 객관적 실험 평가에서는 깊이맵의 전체 영역과 에지 영역에 대해서 PSNR이 증가함을 보였다.

Following the recent developments in 3D imaging the importance of a depth map is being emphasized. Depth map applications are found in broad areas including 2D + Depth technology, multi-view images, holographic and so forth. With increasing depth map applicability, various approaches to obtain depth maps have been introduced using stereo vision or depth cameras that depth maps can be acquired with. Traditional stereo matching techniques that estimate disparities between two images often produce inaccurate depth maps because of occlusion and homogeneous areas. Therefore, depth map acquisition methods using a depth camera is commonly used. The depth camera measures range information of the scene in real time using Time-of-Flight (TOF) technology. Measured depth data is then regularized and provided as a depth map. Depth maps obtained from the depth camera is globally accurate but noisy and provides a limited depth resolution.
In this paper, we propose a new distance transform-based bilateral upsampling method to convert a low-resolution depth map into a high-resolution one. Since the proposed method controls the spatial domain weighting function based on distance transform values of the depth map, it increases the input depth map resolution while preserving edge sharpness. The proposed method is composed of four main steps: edge detection, distance transform, spatial weighting control, and image interpolation. At first, edges are derived from a low resolution depth map, and the distance transform is performed based on the edge map. A weighting control function is then generated by applying distance transform map to exponential function. Finally, we generate the high resolution depth map after combining the weighting control function into spatial domain weighting function. Experimental results show that our method outperforms the conventional bilateral upsampling in terms of the quality of output depth maps.

#깊이맵 #업샘플링 #거리 변환 #양측 필터

I. 서론 ····························································································· 1
1.1 연구 배경 ·········································································· 1
1.2 연구 내용 ········································································· 4
II. 양측 업샘플링 ··············································································· 6
2.1 정방향 사상 ······································································· 6
2.2 양선형 보간 ······································································· 8
2.3 양측 보간 ·········································································· 9
III. 거리변환 ··················································································· 14
3.1 에지 추출 ········································································· 14
3.2 거리변환 맵 생성 ······························································· 16
IV. 고해상도 깊이맵 생성 ··································································· 20
4.1 양측 업샘플링의 단점 ························································· 20
4.2 거리변환 기반 양측 업샘플링 ··············································· 22
V. 실험 결과 ··················································································· 27
VI. 결론 및 향후 연구 ········································································ 47
VII. 참고 문헌 ················································································· 48

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (5)

초록· 키워드

목차

최근 본 자료

댓글(0)