Edge-based robust 2D image registration :엣지 매칭 방법을 이용한 영상 정합 방법 개발

타덕만

추천

검색

자료유형: 학위논문

저자정보: 타덕만 (중앙대학교, 中央大學校大學院)

지도교수: 구승범

발행연도: 2016

저작권: 중앙대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2016

Edge-based robust 2D image registration

타덕만 기계공학과 시스템/제어 전공 2016.01 학위논문

2015

Edge-based robust 2D image registration

타덕만 , 구승범 대한기계학회 춘추학술대회 2015.05 학술대회자료

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

초록· 키워드

오류제보하기

2차원 및 3차원 영역에서 카메라 이미지로부터의 위치 추정은 템플릿 물체와 이미지 상의 특성 사이의 정합이 필요하다. 현존하는 정합 기술들은 복잡한 장면에서 정확성이 떨어지며, 노이즈의 존재에 따라 거리 측정 또한 힘들어진다. 이 연구의 목적은 두 이미지 사이의 오프셋 예측을 위해 엣지 기반 2차원 정합 방법과 Moment Chamfer Matching (MCM)라 불리는 유사성 측정기준을 개발하는 것이다. MCM방법의 정확성은 0.48±0.19 픽셀로 계산되었으며, RMS Chamfer matching, truncated Chamfer matching, conventional Chamfer matching보다 정확성이 더 좋은 Salt & Pepper and Uniform noise model에 대해서는 0.63±0.31 픽셀로 계산되었다. Extended Chamfer matching은 2차원 엣지 기반 이미지 정합을 위해 개발되어왔다. 결과는 제안된 방법이 정합 정확도를 상당히 개선함을 나타내며, 이는 2차원-3차원 정합 응용을 좋은 위한 유사성 측정기준이 될 것으로 보인다. X-ray 이미지의 엣지와 Canny edge detector에 의해 추출된 실루엣을 scale space 방법으로 결합한다. 이 엣지들은 피라미드 레벨에서 생성되며, 최적화 방법이 coarse부터 fine 레벨까지 최상의 정렬 요소를 구하기 위해 사용되었다. 실루엣의 100가지 임의의 위치에 따른 10 가지 다른 노이즈 레벨에서 무릎 인공 슬관절의 X-ray image가 제안된 방법의 성능을 평가하기 위해 사용되었으며, RMS Chamfer matching, truncated Chamfer matching, 일반적인 Chamfer matching 방법과 성능을 비교하였다.

Contents
Contents i
List of tables iv
List of figures v
1. Introduction and objective 1
1.1. 2D image registration 1
1.2. Problem statement 4
1.3. Thesis outline 6
2. Backgrounds 7
2.1. Introduction 7
2.2. Point pattern matching 8
2.3. Distance measure for 2D registration 10
2.3.1. The Hausdorff distance 10
2.3.2. Sum of minimal distances 11
2.3.3. Metric by symmetric difference 12
2.3.4. Chamfer matching distances 12
2.4. Image pre-processing 16
2.4.1. Image segmentation and edge detection 16
2.4.2. Distance transform 21
2.4.3. Coarse-to-fine methods 22
2.5. Summary 25
3. Registration performances of previous methods 26
3.1. Introduction 26
3.2. Materials 27
3.3. Method 30
3.4. Results 37
4. Registration performance of the proposed method 41
4.1. Introduction 41
4.2. Materials 42
4.3. Method 43
4.4. Results 48
5. Discussion and conclusion 51
References 55
국문초록 62
Abstract 64
Acknowledgements 66

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 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)