KR100813168B1 - 사전 모양 정보를 이용한 디지털 영상에서의 물체를추출하기 위한 방법 및 상기 방법을 수행하는 시스템 - Google Patents

Abstract

본 발명의 사전 모양 정보를 이용한 디지털 영상에서의 물체를 추출하기 위한 방법 및 상기 방법을 수행하는 시스템에 관한 것이다. 본 발명에 따른 디지털 영상에서 특정 영역을 추출하는 방법은, 입력 영상 및 사전 모양 정보에 기초하여 이미지 정보에 모양 정보를 합성하는 단계 및 상기 이미지 정보를 통해 상기 입력 영상으로부터 특정 영역을 추출하는 단계를 포함한다.

영상 추출, 모양 모델, min-cut, tri-map, ASM(Active Shape Model)

Description

사전 모양 정보를 이용한 디지털 영상에서의 물체를 추출하기 위한 방법 및 상기 방법을 수행하는 시스템{METHOD FOR EXTRACTING OBJECT IN DIGITAL IMAGE WITH SHAPE PRIOR AND SYSTEM FOR EXECUTING THE METHOD}

도 1은 디지털 영상에서 물체를 추출하는 방법의 응용 분야에 대한 일례를 도시한 도면이다.

도 2는 종래기술에 있어서, 이미지 정보만을 이용하여 물체를 추출하는 min-cut 방법을 설명하기 위한 도면이다.

도 3은 본 발명의 일실시예에 있어서, 디지털 영상에서 사전 모양 정보를 이용하여 물체를 추출하는 시스템의 개괄적은 모습을 도시한 도면이다.

도 4는 본 발명의 일실시예에 있어서, 디지털 영상에서 특정 영역을 추출하는 방법을 도시한 흐름도이다.

도 5는 사전 모양 정보를 설명하기 위한 일례이다.

도 6은 트라이-맵(tri-map)을 설명하기 위한 일례이다.

도 7은 본 발명의 제4 실시예에 있어서, 모양 컨스트레인트(shape constraint)를 생성하는 방법을 설명하기 위한 흐름도이다.

도 8은 모양 컨스트레인트를 생성하는 방법을 설명하기 위한 일례이다.

도 9는 본 발명의 일실시예에 있어서, 모양 고려 그라디언트 영상을 생성하 는 방법을 설명하기 위한 흐름도이다.

도 10은 모양 고려 그라디언트 영상을 생성하는 방법을 설명하기 위한 일례이다.

도 11은 본 발명의 일실시예에 있어서, 모양 고려 가중치 영상을 생성하는 방법을 설명하기 위한 흐름도이다.

도 12는 본 발명의 일실시예에 있어서, 불확실 픽셀로의 연결을 획득하는 방법을 설명하기 위한 흐름도이다.

도 13은 특정 영역을 추출하는 방법을 설명하기 위한 일례이다.

도 14는 사전 모양 정보를 이용하여 추출한 특정 영역과 사전 모양 정보를 이용하지 않고 추출한 특정 영역의 결과를 비교하기 위한 일례이다.

도 15는 사전 모양 정보를 이용하여 추출한 특정 영역과 사전 모양 정보를 이용하지 않고 추출한 특정 영역의 결과를 비교하기 위한 다른 예이다.

도 16은 본 발명의 다른 실시예에 있어서, 디지털 영상에서 특정 영역을 추출하는 특정 영역 추출 시스템의 내부 구성을 설명하기 위한 블록도이다.

<도면의 주요 부분에 대한 부호의 설명>

1600: 특정 영역 추출 시스템

1610: 모양 정보 합성부

1611: 모양 컨스트레인트 생성부

1612: 모양 고려 그라디언트 영상 생성부

1613: 모양 고려 가중치 영상 생성부

1620: 특정 영역 추출부

1621: 연결 획득부

1622: 픽셀 결정부

1623: 추출부

본 발명은 사전 모양 정보를 이용한 디지털 영상에서의 물체를 추출하기 위한 방법 및 상기 방법을 수행하는 시스템에 관한 것으로, 더욱 자세하게는 이미지 정보(color, intensity) 및 모양(shape) 정보를 모두 고려하여 입력된 영상으로부터 특정 영역을 추출하는 방법 및 상기 방법을 수행하는 시스템에 관한 것이다.

도 1은 디지털 영상에서 물체를 추출하는 방법의 응용 분야에 대한 일례를 도시한 도면이다. 도 1에 도시된 바와 같이 물체를 추출하는 방법은 물체를 중심으로 배경을 변경(101)하거나, 복수의 디지털 영상에서 복수의 물체를 추출하여 하나의 디지털 영상으로 합성(102)할 수 있고, 또는 화상 통신 등에서 배경을 숨기기(103) 위해 이용될 수 있다.

이렇게 다양한 응용이 가능한 디지털 영상에서 물체를 추출하는 방법에 대한 종래기술로는 추출하고자 하는 물체의 윤곽선(contour) 즉, 물체의 모양 정보를 이용하는 방법과 이미지 정보를 이용하는 방법이 있다.

우선, 물체의 모양 정보를 이용하는 방법으로 ASM(Active Shape Model) 방법 을 들 수 있다. ASM이란, 입력 영상을 입력 받아 표준점들이 입력 영상에 맞도록 특징점들을 자동으로 정합하는 과정에서 사용하는 분석적 특징점 검출 알고리즘중의 하나이다. ASM은 ACM(Active Contour Model 또는 snakes)로부터 개선되어 발전된 알고리즘으로, 이미지모델의 여러 가지 특성을 갖는 기본 Training Set들의 상관관계를 사용하여, 임의의 새로운 이미지의 특성을 반복적인 과정을 통해 찾는다.

ACM의 경우, 각 특징점들은 커브의 곡면을 부드럽게 하는 내부에너지와 이미지 윤곽선으로 커브를 이동시키는 외부에너지로 구성된다. 그러나, ACM의 경우, 경계가 확연히 구분되는 이미지에서 윤곽을 찾아내는 데에는 유용하지만, 표준적인 모델에 기반을 두고 변형하는 방법이 아니기 때문에 얼굴의 각 특징점들을 찾는 데에는 한계가 있다. 또한, 이러한 ACM의 개선된 알고리즘인 ASM의 경우에도, 물체의 외각에서 몇 개의 컨트롤 포인트만 찾고 있으며, 각 컨트롤 포인트의 위치가 정확하지 않다는 문제점이 있다.

다음으로 이미지 정보를 이용하는 방법으로는 Graph cut(min-cut) 방법, Intelligent Scissors 방법 및 Flood Fill 방법 등이 있다.

도 2는 종래기술에 있어서, 이미지 정보만을 이용하여 물체를 추출하는 min-cut 방법을 설명하기 위한 도면이다. 종래기술의 min-cut 방법은 입력된 입력 영상(201)에 기초하여 입력 영상(201) 내의 픽셀에 대해서 3종류로 분류한(label) 트라이-맵(tri-map)(202)을 얻고, 트라이-맵(202)에 기초하여 min-cut(203)을 수행한다.

이러한 min-cut 방법(또는 Graph cut 방법)은 기울기(gradient)를 이용한 n- link와 색 막대 그래프(color histogram)를 이용한 t-link(가중치 영상)을 기반으로 한 분할(segmentation) 방법으로서 모양 정보를 이용하지 않고 주변 몇 개의 픽셀에 대해서만 연결성을 고려하기 때문에 복잡한 배경에 대해서는 많은 노이즈(noise)를 포함하는 결과를 얻게 된다는 문제점이 있다.

Intelligent Scissors 방법은 입력 영상의 엣지(edge)를 따라가면서 최적의 궤적을 찾는 방법으로서, 기울기 정보만을 이용하기 때문에 많은 엣지를 가진 무늬와 같이 복잡한 영상에 대해서는 궤적이 교란될 수 있는 문제점이 있다.

또한, Flood Fill 방법 역시 모양 정보를 이용하지 않기 때문에 두 영역의 엣지가 모호한 경우, 경계에서 멈추지 않고 배경 영역까지 모두 채워버리는 문제점이 있다.

본 발명은 상기와 같은 종래기술의 문제점을 해결하기 위해, 사전 모양 정보를 이용한 디지털 영상에서의 물체를 추출하기 위한 방법 및 상기 방법을 수행하는 시스템에 관한 새로운 기술을 제안한다.

본 발명은 이미지 정보와 모양 정보를 모두 고려하는 방법을 이용하여 입력된 입력 영상으로부터 물체 영역 등의 특정 영역을 더 매끄럽게 추출하는 것을 목적으로 한다.

본 발명의 다른 목적은 min-cut 분할(segmentation) 방법에 디스턴스 맵(distance map)을 도입하여 이미지 정보뿐만 아니라 모양 정보 또한 이용하고, 모양 정보에서 양립된 엣지를 구하기 위해서 기울기를 모양 정보의 놈 벡터에 투사함 으로써, 더 매끄럽고 이상적인 모양으로 상기 특정 영역을 추출하는 것이다.

본 발명의 또 다른 목적은 사전 모양 정보로서 가중치 맵(weight map)을 표현한 가중치 모델을 도입함으로써, 상기 특정 영역을 더 매끄럽게 추출하는 것이다.

상기의 목적을 달성하고, 상술한 종래기술의 문제점을 해결하기 위하여, 본 발명의 일실시예에 따른 디지털 영상에서 특정 영역을 추출하는 방법은, 입력 영상 및 사전 모양 정보에 기초하여 이미지 정보에 모양 정보를 합성하는 단계 및 상기 이미지 정보를 통해 상기 입력 영상으로부터 특정 영역을 추출하는 단계를 포함한다.

본 발명의 일측에 따르면, 상기 사전 모양 정보는 모양 모델 및 가중치 모델을 포함하고, 입력 영상 및 사전 모양 정보에 기초하여 이미지 정보에 모양 정보를 합성하는 상기 단계는, 상기 입력 영상 및 상기 모양 모델에 기초하여 모양 컨스트레인트(shape constraint)를 생성하는 단계, 상기 근사 모양 및 그라디언트(gradient) 영상에 기초하여 모양 고려 그라디언트 영상을 생성하는 단계 및 상기 입력 영상, 상기 입력 영상의 트라이-맵(tri-map) 및 가중치 모델에 기초하여 모양 고려 가중치 영상을 생성하는 단계를 포함할 수 있다.

본 발명의 다른 측면에 따르면, 상기 모양 모델은 물체의 윤곽을 표현한 모델로서 K개의 컨트롤 포인트(control point)를 연결한 선으로 구성될 수 있고, 상기 가중치 모델은 가중치 맵을 표현한 모델로서 상기 물체를 표현하는 각 픽셀이 포어그라운드 픽셀 및 백그라운드 픽셀에 속할 확률을 표현할 수 있다.

본 발명의 또 다른 측면에 따르면, 상기 입력 영상 및 상기 모양 모델에 기초하여 모양 컨스트레인트를 생성하는 상기 단계는, 상기 입력 영상 및 상기 모양 모델을 통해 근사 모양을 생성하는 단계 및 상기 근사 모양에 기초하여 상기 모양 컨스트레인트를 생성하는 단계를 포함할 수 있다.

본 발명의 다른 실시예에 따른 디지털 영상에서 특정 영역을 추출하는 시스템은, 입력 영상 및 사전 모양 정보에 기초하여 이미지 정보에 모양 정보를 합성하는 모양 정보 합성부 및 상기 이미지 정보를 통해 상기 입력 영상으로부터 특정 영역을 추출하는 특정 영역 추출부를 포함한다.

이하 첨부된 도면을 참조하여 본 발명에 따른 다양한 실시예를 상세히 설명하기로 한다.

도 3은 본 발명의 일실시예에 있어서, 디지털 영상에서 사전 모양 정보를 이용하여 물체를 추출하는 시스템의 개괄적은 모습을 도시한 도면이다.

도 2에서 설명한 바와 같이, 기존의 min-cut 방법은 입력 영상에 대한 이미지 정보만을 이용하지만 본 발명의 일실시예에서는 입력 영상(301)에 모양 모델(shape model) 및 가중치 모델(weight model)을 포함하는 사전 모양 정보(302) 및 입력 영상(301)의 픽셀을 세 가지 종류로 분류한(label) 트라이-맵(303)을 이용하여 모양 정보를 합성(304)하고 min-cut 방법을 수행하여, 물체를 추출하는데 이미지 정보뿐만이 아니라 모양 정보까지 이용함으로써 디지털 영상인 입력 영상(301)에서 특정 영역을 구성하는 물체를 더욱 매끄럽게 추출할 수 있다.

이하 도 4 내지 도 13을 통해 사전 모양 정보(302)를 생성하고 모양 정보를 합성(304)하는 방법에 대해 자세히 설명한다.

도 4는 본 발명의 일실시예에 있어서, 디지털 영상에서 특정 영역을 추출하는 방법을 도시한 흐름도이다.

단계(S410)에서 특정 영역 추출 시스템은 입력 영상 및 사전 모양 정보에 기초하여 이미지 정보에 모양 정보를 합성한다. 이 경우, 상기 사전 모양 정보는 모양 모델 및 가중치 모델을 포함할 수 있다. 또한, 도 4에 도시된 바와 같이 단계(S410)은 단계(S411) 내지 단계(S413)을 포함하여 수행할 수 있다.

단계(S411)에서 상기 특정 영역 추출 시스템은 상기 입력 영상 및 상기 모양 모델에 기초하여 모양 컨스트레인트(shape constraint)를 생성한다. 상기 모양 컨스트레인트는 서로 일정 거리에 존재하는 픽셀들간에 컷(cut)을 저항하는 연결을 설정한 것으로서 이후 도 7 및 도 8을 통해 상기 모양 컨스트레인트를 생성하는 방법에 대해 자세히 설명한다.

단계(S412)에서 상기 특정 영역 추출 시스템은 상기 근사 모양 및 그라디언트(gradient) 영상에 기초하여 모양 고려 그라디언트 영상을 생성한다. 상기 모양 고려 그라디언트 영상은 모양 정보를 고려한 그라디언트 영상을 구하기 위해 그라디언트를 모양 정보의 놈 방향 벡터에 투사한 것으로서 상기 모양 고려 그라디언트 영상을 생성하는 방법에 대해서는 도 9 및 도 10을 통해 자세히 설명한다.

단계(S413)에서 상기 특정 영역 추출 시스템은 상기 입력 영상, 상기 입력 영상의 트라이-맵(tri-map) 및 가중치 모델에 기초하여 모양 고려 가중치 영상을 생성한다. 상기 모양 고려 가중치 영상은 가중치 맵을 매끄럽게 하기 위해서 도입한 상기 가중치 모델을 통해 상기 특정 영역을 더욱 매끄럽게 만들기 위한 것으로서 상기 모양 고려 가중치 영상을 생성하는 방법은 도 11을 통해 자세히 설명한다.

단계(S420)에서 상기 특정 영역 추출 시스템은 상기 이미지 정보를 통해 상기 입력 영상으로부터 특정 영역을 추출한다. 이 경우, 도 4에 도시된 바와 같이 단계(S420)은 단계(S421) 내지 단계(S423)을 포함하여 수행할 수 있다. 이때, 상기 트라이-맵은 상기 입력 영상의 픽셀을 포어그라운드(foreground) 픽셀, 백그라운드(background) 픽셀 또는 불확실(uncertain) 픽셀로 분류(label)할 수 있다.

단계(S421)에서 상기 특정 영역 추출 시스템은 상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상을 통해 상기 불확실 픽셀로의 연결(connection)을 획득한다. 이후, 도 12를 통해 상기 불확실 픽셀로의 연결을 획득하는 방법을 자세히 설명한다.

단계(S422)에서 상기 특정 영역 추출 시스템은 상기 불확실 픽셀에 대한 복수의 연결 중에서 연결 강도가 작은 상기 연결을 제거함으로써, 상기 불확실 픽셀을 상기 포어그라운드 픽셀 또는 상기 백그라운드 픽셀로서 결정한다.

단계(S423)에서 상기 특정 영역 추출 시스템은 상기 입력 영상에서 상기 포어그라운드 픽셀로 결정된 픽셀만을 추출함으로써, 상기 특정 영역을 추출한다.

단계(S420) 내지 단계(S423)을 통해 설명한 상기 특정 영역을 추출하는 방법에 대해서는 도 13의 일례를 통해 더욱 자세하게 설명한다.

도 5는 사전 모양 정보를 설명하기 위한 일례이다.

본 발명의 일실시예에서 상기 사전 모양 정보는 모양 모델(501) 및 가중치 모델(502)의 두 부분으로 구성될 수 있다.

모양 모델(501)은 입력 영상에서 추출하기 위한 특정 영역의 윤곽(contour)을 표현한 모델로서, K개의 컨트롤 포인트(control point)를 연결한 선으로 구성될 수 있다. 이렇게 구성된 샘플들은 상기 특정 영역이 인물인 경우, 상기 인물의 눈 위치를 이용하여 정렬할 수 있고, 또한 모양 모델(501)은 주성분분석(PCA: Principal Component Analysis) 모델로 이용할 수 있다.

주성분분석(Principal Component Analysis)는 해석하고자 하는 다차원의 데이터를 거기에 포함된 정보의 손실을 가능한 작게 해서 2 혹은 3차원의 데이터로 축약하는 방법으로서 주성분분석을 활용하면 관측대상이 어떠한 위치에 있는지 시각적으로 파악할 수 있다.

가중치 모델(502)은 가중치 맵(weight map)을 표현한 모델로서 상기 물체를 표현하는 각 픽셀이 포어그라운드 픽셀 및 백그라운드 픽셀에 속할 확률을 표현할 수 있다. 이 경우, 가중치는 N X M 영역의 내부에 존재하고 입력 차원은 N X M, 출력 차원은 L(L << N X M)일 수 있다. 이 경우, 가중치 모델(502) 또한, 상기 주성분분석 모델로 이용할 수 있다.

도 6은 트라이-맵(tri-map)을 설명하기 위한 일례이다.

상기 트라이-맵은 입력 영상의 픽셀을 포어그라운드 픽셀(601), 백그라운드 픽셀(602) 또는 불확실 픽셀(603)로 분류(label)한 것으로서 포어그라운드 픽셀(601)은 상기 입력 영상에서 추출하기 위한 특정 영역의 픽셀이 확실한 픽셀을 나 타낼 수 있고, 백그라운드 픽셀(602)은 상기 입력 영상에서 추출되지 않는 배경 등의 픽셀이 확실한 픽셀을 나타낼 수 있다.

또한, 불확실 픽셀(603)은 포어그라운드 픽셀(601) 또는 백그라운드 픽셀(602)의 구분이 확실하지 않은 픽셀을 나타낼 수 있다. 이러한 불확실 픽셀(603)을 포어그라운드 픽셀(601) 또는 백그라운드 픽셀(602)로 확실하게 결정지음으로서 추출하고자 하는 특정 영역의 경계가 더욱 매끄러워질 수 있다. 이후 도면을 통해 불확실 픽셀(603)을 포어그라운드 픽셀(601) 또는 백그라운드 픽셀(602)로 결정짓기 위한 방법을 자세히 설명한다.

도 7은 본 발명의 제4 실시예에 있어서, 모양 컨스트레인트(shape constraint)를 생성하는 방법을 설명하기 위한 흐름도이다. 도 7에 도시된 바와 같이 단계(S710) 및 단계(S720)은 도 4에서 설명한 단계(S411)에 포함되어 수행될 수 있다.

단계(S710)에서 특정 영역 추출 시스템은 입력된 입력 영상 및 사전 모양 정보의 모양 모델을 통해 근사 모양을 생성한다. 이 경우, 단계(S710)는 상기 입력 영상 및 상기 모양 모델을 입력으로 하는 근사 모양 생성 모듈을 통해 상기 근사 모양을 생성하는 단계일 수 있고, 상기 근사 모양 생성 모듈은 ASM(Active Shape Model) 방법을 포함할 수 있다.

단계(S720)에서 상기 특정 영역 추출 시스템은 상기 근사 모양에 기초하여 상기 모양 컨스트레인트를 생성한다. 이 경우, 단계(S720)은 단계(S721) 내지 단계(S724)를 포함하여 수행될 수 있다.

단계(S721)에서 상기 특정 영역 추출 시스템은 상기 트라이-맵의 불확실 픽셀과 기선정된(predetermined) 거리에 존재하는 픽셀을 확인한다. 상기 불확실 픽셀과 상기 픽셀 사이를 잇는 가상의 선을 상기 근사 모양과 비교하기 위한 사전 단계로서 단계(S722) 및 단계(S723)과 같은 방법을 통해 상기 가상의 선과 상기 근사 모양이 평행한 정도에 따라 가중치를 부여하는 연결을 설정할 수 있다.

단계(S722)에서 상기 특정 영역 추출 시스템은 상기 불확실 픽셀과 상기 근사 모양 사이의 거리 및 상기 픽셀과 상기 근사 모양 사이의 거리간의 차이에 계산한다. 이와 같은 거리간의 차이가 적을수록 상기 가상의 선과 상기 근사 모양은 더욱 평행할 수 있다.

단계(S723)에서 상기 특정 영역 추출 시스템은 상기 차이가 기선정된 차이값 미만인 상기 불확실 픽셀과 상기 픽셀 사이에 컷(cut)을 저항하는 연결을 설정한다. 즉 상기 근사 모양과 더 유사한 모양의 상기 가상의 선을 구성하는 두 픽셀간에 더 높은 가중치를 갖는 상기 연결을 설정함으로써 단계(S724)에서와 같이 상기 모양 컨스트레인트를 생성할 수 있다.

단계(S724)에서 상기 특정 영역 추출 시스템은 상기 연결을 통해 상기 모양 컨스트레인트를 생성한다. 이 경우, 상기 모양 컨스트레인트는 상기 연결의 고속 처리를 위해 디스턴스 맵(distance map)을 구성할 수 있다.

다음 도 8의 일례를 통해 단계(S720) 내지 단계(S724)를 통해 설명한 상기 모양 컨스트레인트를 생성하는 방법을 더욱 자세히 설명한다.

도 8은 모양 컨스트레인트를 생성하는 방법을 설명하기 위한 일례이다.

모양 컨스트레인트를 생성하기 위해 우선 임의의 픽셀(801)에 대해서 일정한 거리에 있는 픽셀(예를 들어 802, 803)을 확인한다. 확인된 픽셀들 중에서 픽셀(801)과 픽셀(802)를 연결하는 가상의 선은 근사 모양의 일부분(804)과 거의 평행함을 볼 수 있다.

이와 같이 상기 근사 모양과 유사한 방향성을 갖는 픽셀들 사이에 컷을 저항하는 연결을 설정할 수 있다. 그러나 픽셀(801)과 픽셀(803) 사이를 잇는 선은 상기 근사 모양의 일부분(804)과 유사한 방향성을 갖지 않기 때문에 연결을 설정하지 않는다.

이러한 유사한 방향성을 갖는 픽셀들을 파악하고 보다 빠르게 상기 연결을 계산하기 위해 디스턴스 맵 IDist를 구성할 수 있다. 상기 근사 모양의 일부분(804)과 유사한 방향성을 갖는 픽셀간의 연결에 더 높은 가중치의 주기 위해 수학식 1과 같은 식을 도입할 수 있다.

픽셀 P에서 IDist(P)는 상기 픽셀 P와 상기 근사 모양의 일부분(804)까지의 거리를 의미한다. 이 경우, 픽셀(801)을 기준으로 상기 연결에 가장 높은 가중치가 부여되는 픽셀은 방향(805)에 존재하는 픽셀이다.

도 9는 본 발명의 일실시예에 있어서, 모양 고려 그라디언트 영상을 생성하는 방법을 설명하기 위한 흐름도이다. 도 9에 도시된 바와 같이 단계(S901) 내지 단계(S904)는 도 4에서 설명한 단계(S412)에 포함되어 수행될 수 있다.

단계(S901)에서 특정 영역 추출 시스템은 상기 근사 모양에 대해 각 궤적 모양(local shape)에서의 놈(norm) 방향 벡터를 계산한다. 상기 놈 방향 벡터는 단계(S902) 및 단계(S903)에서 입력 영상에 대해 x 좌표 및 y 좌표 방향의 소벨 필터를 합성곱하여 생성한 그라디언트 영상에 사전 모양 정보를 합성하여 상기 모양 고려 그라디언트 영상을 생성하기 위해 이용될 수 있다.

단계(S902)에서 상기 특정 영역 추출 시스템은 상기 그라디언트 영상의 각 엣지(edge)에 대해서 그라디언트를 계산한다.

단계(S903)에서 상기 특정 영역 추출 시스템은 상기 그라디언트와 상기 놈 방향 벡터의 내적을 통해 최종 그라디언트를 계산한다. 상기 내적은 상기 그라디언트를 상기 놈 방향 벡터에 투사함을 의미한다.

단계(S904)에서 상기 특정 영역 추출 시스템은 상기 최종 그라디언트를 이용하여 상기 모양 고려 그라디언트 영상을 생성한다.

다음 도 10의 일례를 통해 단계(S901) 내지 단계(S904)를 통해 설명한 상기 모양 컨스트레인트를 생성하는 방법을 더욱 자세히 설명한다.

도 10은 모양 고려 그라디언트 영상을 생성하는 방법을 설명하기 위한 일례이다.

모양 고려 그라디언트 영상을 생성하기 위해 근사 모양의 일부분(1001)에 대하여, 놈(norm) 방향 벡터(

)(1002)를 계산하고, 각 엣지(1003)에 대해서 그라 디언트(

)를 계산한다.

최종 그라디언트(G)는 각 엣지(1003)에 대한 놈 방향 벡터를 놈 방향 벡터(1002)에 투사하여 즉, 아래 수학식 2와 같이 상기 놈 방향 벡터(1002)와 상기 그라디언트의 내적을 통해 계산할 수 있다.

C 채널을 가진 영상에 대해서, 이웃한 두 픽셀 p와 q의 연결(n-link)은 아래 수학식 3과 같이 나타낼 수 있다.

도 11은 본 발명의 일실시예에 있어서, 모양 고려 가중치 영상을 생성하는 방법을 설명하기 위한 흐름도이다. 도 11에 도시된 바와 같이 단계(S1101) 및 단계(S1102)는 도 4에서 설명한 단계(S413)에 포함되어 수행될 수 있다.

단계(S1101)에서 특정 영역 추출 시스템은 상기 입력 영상 및 상기 트라이-맵에 기초하여 가중치 영상을 생성한다. 이 경우, 상기 가중치 영상은, 상기 트라이-맵의 불확실 픽셀에 대해 포어그라운드 픽셀 및 백그라운드 픽셀에 대한 확률을 가중치로 부여한 영상을 포함할 수 있다.

상기 포어그라운드 픽셀과 상기 백그라운드 픽셀에 대한 히스토그램(histogram)을 각각 HFore, HBack 라고 할 때, 상기 불확실 픽셀 p = (x, y)에서의 가중치는 아래 수학식 4와 같이 정의할 수 있다.

,

상기 가중치는 상기 포어그라운드 픽셀 및 상기 백그라운드 픽셀에 대한 t-link를 의미하고, F 및 B는 각각 포어그라운드 및 백그라운드를 의미한다.

단계(S1102)에서 상기 특정 영역 추출 시스템은 상기 가중치 영상 및 가중치 모델(502) 에 기초하여 상기 모양 고려 가중치 영상을 생성한다. 이때, 상기 모양 고려 가중치 영상은, 상기 가중치 영상을 상기 가중치 모델에 더 잘 부합하도록 변형한 영상을 포함할 수 있다. 이 경우, 상기 영상의 변형에 대한 실시 예로서 PCA를 이용할 수 있다.

도 12는 본 발명의 일실시예에 있어서, 불확실 픽셀로의 연결을 획득하는 방법을 설명하기 위한 흐름도이다. 도 12에 도시된 바와 같이 단계(S1201) 내지 단계(S1202)는 도 4에서 설명한 단계(S421)에 포함되어 수행될 수 있다.

단계(S1201)에서 특정 영역 추출 시스템은 소정의 의미적 노드(semantic node)와 픽셀간의 제1 연결을 상기 모양 고려 가중치 영상을 통해 획득한다. 이 경우, 상기 의미적 노드는, 의미적 백그라운드 및 의미적 포어그라운드를 포함할 수 있다. 이에 더해 상기 의미적 백그라운드는 상기 픽셀의 백그라운드 가중치에 대한 연결을 결정할 수 있고, 상기 의미적 포어그라운드는 상기 픽셀의 포어그라운드 가중치에 대한 연결을 결정할 수 있다.

단계(S1202)에서 상기 특정 영역 추출 시스템은 이웃한 상기 픽셀간의 제2 연결을 상기 모양 고려 그라디언트 영상을 통해 획득한다. 상기 제2 연결에 대해서는 이미지 정보를 이용하는 그라디언트 영상에 사전 모양 정보를 합성하여 상기 모양 고려 그라디언트 영상을 생성하는 방법을 설명한 도 9 및 도 10을 통해 자세히 설명했다.

단계(S1203)에서 상기 특정 영역 추출 시스템은 서로 이웃하는 픽셀을 제외한 픽셀간의 제3 연결을 상기 모양 컨스트레인트를 통해 획득한다. 이 경우, 상기 픽셀들은 도 7 및 도 8을 통해 설명한 바와 같이 서로 일정 거리에 존재하는 픽셀들에 대해서 상기 제3 연결을 생성할 수 있다.

도 13은 특정 영역을 추출하는 방법을 설명하기 위한 일례이다.

트라이-맵에 의해 포어그라운드 픽셀(1301), 백그라운드 픽셀(1302) 및 불확실 픽셀(1303)로 분류된 입력 영상의 각 픽셀들은 지금까지 살펴본 모양 고려 가중치 영상, 모양 고려 그라디언트 영상 및 모양 컨스트레인트에 의해 각 픽셀들간의 연결이 설정되어 있다.

상기 모양 고려 가중치 영상에 의한 연결은 각각 의미적 백그라운드 노드(1304) 및 의미적 포어그라운드 노드(1305)를 포함하는 의미적 노드(1304, 1305) 상기 픽셀들과의 연결(1306)을 통해 결정될 수 있다. 도 13에서 도시된 바와 같이 의미적 백그라운드 노드(1304)는 백그라운드 픽셀(1302)과의 가중치(실선)가 불확실한 픽셀(1303)과의 가중치(점선)보다 더 큰 값을 갖는다. 또한 의미적 포어그라운드 노드(1305)는 포어그라운드 픽셀(1301)과의 가중치(실선)가 불확실한 픽셀(1303)과의 가중치(점선)보다 더 큰 값을 갖는다. 이때, 연결(1306)의 연결 강도는 상기 가중치를 통해 결정될 수 있다.

상기 모양 고려 그라디언트 영상에 의한 연결은 서로 이웃한 두 픽셀간의 연결(1307)을 통해 결정될 수 있다. 이 경우, 연결(1307)의 연결 강도는 도 9 및 도 10에서 설명한 바와 같이 최종 그라디언트에 의해 결정될 수 있다.

마지막으로 모양 컨스트레인트에 의한 연결은 서로 이웃한 픽셀을 제외한 픽셀간의 연결(1308)을 통해 결정될 수 있다. 연결(1308)의 연결 강도는 도 7 및 도 8에서 설명한 바와 같이 수학식 1을 통해 계산되는 가중치에 의해 결정될 수 있다.

이와 같이 살펴본 연결(1306, 1307, 1308)중에서 상기 연결 강도가 작은 연결을 제외시키면 불확실 픽셀(1303)은 포어그라운드 픽셀(1301) 또는 백그라운드 픽셀(1302)로 결정될 수 있다.

지금까지 도 3 내지 도 13을 통해 살펴본 특정 영역을 추출하는 방법을 통해 상기 입력 영상의 모든 픽셀은 포어그라운드 픽셀 또는 백그라운드 픽셀로 결정되었고, 상기 픽셀들 중에서 포어그라운드 픽셀만을 추출함으로써 상기 입력 영상에서 특정 영역을 추출하는 것이 가능하다.

이렇게 사전 모양 정보를 이용하여 상기 입력 영상에서 상기 특정 영역을 추출하는 방법 즉, 이미지 정보와 모양 정보를 모두 고려하는 방법을 이용하여 입력 된 입력 영상으로부터 물체 영역 등의 특정 영역을 더 매끄럽게 추출할 수 있고, min-cut 분할(segmentation) 방법에 디스턴스 맵(distance map)을 도입하여 이미지 정보뿐만 아니라 모양 정보 또한 이용하고, 모양 정보에서 양립된 엣지를 구하기 위해서 기울기를 모양 정보의 놈 벡터에 투사함으로써, 더 매끄럽고 이상적인 모양으로 상기 특정 영역을 추출할 수 있다. 이에 더해, 사전 모양 정보로서 가중치 맵(weight map)을 표현한 가중치 모델을 도입함으로써, 상기 특정 영역을 더 매끄럽게 추출할 수 있다.

도 14는 사전 모양 정보를 이용하여 추출한 특정 영역과 사전 모양 정보를 이용하지 않고 추출한 특정 영역의 결과를 비교하기 위한 일례이다.

도면부호(1401)는 트라이-맵 및 근사 모양을 표시한 입력 영상을 나타내고, 도면부호(1402)는 사전 모양 정보를 이용하지 않은 특정 영역 추출의 결과를 나타낸다. 도 14에 도시된 바와 같이 상기 사전 모양 정보를 이용하지 않은 결과는 추출된 특정 영역이 매끄럽지 못하고 노이즈가 많음을 알 수 있다.

그러나 도면부호(1403)과 같이 상기 사전 모양 정보를 이용하여 상기 특정 영역을 추출한 결과는 도면부호(1402)의 결과에 비해 더욱 매끄럽고 깨끗한 결과를 확인할 수 있다.

도 15는 사전 모양 정보를 이용하여 추출한 특정 영역과 사전 모양 정보를 이용하지 않고 추출한 특정 영역의 결과를 비교하기 위한 다른 예이다.

도 14에서와 같이 도 15는 트라이-맵 및 근사 모양을 표시한 입력 영상(1501), 사전 모양 정보를 이용하지 않은 특정 영역의 추출 결과(1502) 및 상기 사 전 모양 정보를 이용한 특정 영역의 추출 결과(1503)를 도시하고 있다.

이 경우에도 추출 결과(1503)는 추출 결과(1502)보다 더 매끄럽고 깨끗한 특정 영역이 추출되었음을 확인할 수 있다.

도 16은 본 발명의 다른 실시예에 있어서, 디지털 영상에서 특정 영역을 추출하는 특정 영역 추출 시스템의 내부 구성을 설명하기 위한 블록도이다. 도 16에 도시된 바와 같이 특정 영역 추출 시스템(1600)은 모양 정보 합성부(1610) 및 특정 영역 추출부(1620)를 포함할 수 있다.

모양 정보 합성부(1610)는 입력 영상 및 사전 모양 정보에 기초하여 이미지 정보에 모양 정보를 합성한다. 이 경우, 모양 정보 합성부(1610)는 상기 입력 영상 및 상기 모양 모델에 기초하여 모양 컨스트레인트를 생성하는 모양 컨스트레인트 생성부(1611), 상기 근사 모양 및 그라디언트 영상에 기초하여 모양 고려 그라디언트 영상을 생성하는 모양 고려 그라디언트 영상 생성부(1612) 및 상기 입력 영상, 상기 입력 영상의 트라이-맵(tri-map) 및 가중치 모델에 기초하여 모양 고려 가중치 영상을 생성하는 모양 고려 가중치 영상 생성부(1613)를 포함할 수 있다.

이와 같이 모양 정보 합성부(1610)은 물체의 윤곽을 표현한 모델로서 K개의 컨트롤 포인트(control point)를 연결한 선으로 구성하는 모양 모델 및 가중치 맵을 표현한 모델로서 상기 물체를 표현하는 각 픽셀이 포어그라운드 픽셀 및 백그라운드 픽셀에 속할 확률을 표현하는 가중치 모델의 상기 사전 모양 정보를 상기 트라이-맵과 함께 상기 입력 영상에 합성하여 상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상을 생성함으로써 상기 입력 영 상의 특정 영역을 추출하기 위한 준비 과정을 수행한다.

특정 영역 추출부(1620)는 상기 이미지 정보를 통해 상기 입력 영상으로부터 특정 영역을 추출한다. 이 경우, 특정 영역 추출부(1620)는 상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상에 기초하여 상기 입력 영상에서 상기 특정 영역을 추출할 수 있다.

이 때, 특정 영역 추출부(1620)는 상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상을 통해 상기 불확실 픽셀로의 연결(connection)을 획득하는 연결 획득부(1621), 상기 불확실 픽셀에 대한 복수의 연결 중에서 연결 강도가 작은 상기 연결을 제거함으로써, 상기 불확실 픽셀을 상기 포어그라운드 픽셀 또는 상기 백그라운드 픽셀로서 결정하는 픽셀 결정부(1622) 및 상기 입력 영상에서 상기 포어그라운드 픽셀로 결정된 픽셀만을 추출함으로써, 상기 특정 영역을 추출하는 추출부(1623)를 포함할 수 있다.

또한, 연결 획득부(1621)는 소정의 의미적 노드(semantic node)와 픽셀간의 제1 연결을 상기 모양 고려 가중치 영상을 통해 획득하는 제1 연결 획득부, 이웃한 상기 픽셀간의 제2 연결을 상기 모양 고려 그라디언트 영상을 통해 획득하는 제2 연결 획득부 및 서로 이웃하는 픽셀을 제외한 픽셀간의 제3 연결을 상기 모양 컨스트레인트를 통해 획득하는 제3 연결 획득부를 포함할 수 있다.

이와 같이 특정 영역 추출부(1620)는 모양 정보 합성부(1610)에서 생성한 모양 컨스트레인트, 모양 고려 그라디언트 영상 및 모양 고려 가중치 영상을 통해 상기 불확실 픽셀의 연결을 획득하여 상기 연결 강도가 약한 연결을 제외시킴으로써, 상기 불확실 픽셀을 상기 포어그라운드 픽셀 및 상기 백그라운드 픽셀로 확실하게 결정하고, 상기 포어그라운드 픽셀만을 추출하는 방법을 통해 상기 입력 영상의 특정 영역을 상기 사전 모양 정보를 이용하여 추출할 수 있다.

본 발명에 따른 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(Floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한 정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

본 발명에 따르면, 이미지 정보와 모양 정보를 모두 고려하는 방법을 이용하여 입력된 입력 영상으로부터 물체 영역 등의 특정 영역을 더 매끄럽게 추출할 수 있다.

본 발명에 따르면, min-cut 분할(segmentation) 방법에 디스턴스 맵(distance map)을 도입하여 이미지 정보뿐만 아니라 모양 정보 또한 이용하고, 모양 정보에서 양립된 엣지를 구하기 위해서 기울기를 모양 정보의 놈 벡터에 투사함으로써, 더 매끄럽고 이상적인 모양으로 상기 특정 영역을 추출할 수 있다.

본 발명에 따르면, 사전 모양 정보로서 가중치 맵(weight map)을 표현한 가중치 모델을 도입함으로써, 상기 특정 영역을 더 매끄럽게 추출할 수 있다.

Claims (21)

1. 디지털 영상에서 특정 영역을 추출하는 방법에 있어서,

   입력 영상 및 사전 모양 정보에 기초하여 이미지 정보에 모양 정보를 합성하는 단계; 및

   상기 이미지 정보를 통해 상기 입력 영상으로부터 특정 영역을 추출하는 단계

   를 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
2. 제1항에 있어서,

   상기 사전 모양 정보는 모양 모델 및 가중치 모델을 포함하고,

   입력 영상 및 사전 모양 정보에 기초하여 이미지 정보에 모양 정보를 합성하는 상기 단계는,

   상기 입력 영상 및 상기 모양 모델에 기초하여 모양 컨스트레인트(shape constraint)를 생성하는 단계;

   상기 근사 모양 및 그라디언트(gradient) 영상에 기초하여 모양 고려 그라디언트 영상을 생성하는 단계; 및

   상기 입력 영상, 상기 입력 영상의 트라이-맵(tri-map) 및 가중치 모델에 기초하여 모양 고려 가중치 영상을 생성하는 단계

   를 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
3. 제2항에 있어서,

   상기 모양 모델은 물체의 윤곽을 표현한 모델로서 K개의 컨트롤 포인트(control point)를 연결한 선으로 구성되는 것을 특징으로 하고,

   상기 가중치 모델은 가중치 맵을 표현한 모델로서 상기 물체를 표현하는 각 픽셀이 포어그라운드 픽셀 및 백그라운드 픽셀에 속할 확률을 표현하는 것을 특징으로 하는 특정 영역 추출 방법.
4. 제2항에 있어서,

   상기 입력 영상 및 상기 모양 모델에 기초하여 모양 컨스트레인트를 생성하는 상기 단계는,

   상기 입력 영상 및 상기 모양 모델을 통해 근사 모양을 생성하는 단계; 및

   상기 근사 모양에 기초하여 상기 모양 컨스트레인트를 생성하는 단계

   를 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
5. 제4항에 있어서,

   상기 근사 모양에 기초하여 상기 모양 컨스트레인트를 생성하는 상기 단계는,

   상기 트라이-맵의 불확실 픽셀과 기선정된(predetermined) 거리에 존재하는 픽셀을 확인하는 단계;

   상기 불확실 픽셀과 상기 근사 모양 사이의 거리 및 상기 픽셀과 상기 근사 모양 사이의 거리간의 차이에 계산하는 단계;

   상기 차이가 기선정된 차이값 미만인 상기 불확실 픽셀과 상기 픽셀 사이에 컷(cut)을 저항하는 연결을 설정하는 단계; 및

   상기 연결을 통해 상기 모양 컨스트레인트를 생성하는 단계

   를 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
6. 제4항에 있어서,

   상기 입력 영상 및 상기 모양 모델을 통해 근사 모양을 생성하는 상기 단계는,

   상기 입력 영상 및 상기 모양 모델을 입력으로 하는 근사 모양 생성 모듈을 통해 상기 근사 모양을 생성하는 단계인 것을 특징으로 하고,

   상기 근사 모양 생성 모듈은 ASM(Active Shape Model) 방법을 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
7. 제5항에 있어서,

   상기 모양 컨스트레인트는 상기 연결의 고속 처리를 위해 디스턴스 맵(distance map)을 구성하는 것을 특징으로 하는 특정 영역 추출 방법.
8. 제2항에 있어서,

   상기 근사 모양 및 그라디언트 영상에 기초하여 모양 고려 그라디언트 영상을 생성하는 상기 단계는,

   상기 근사 모양에 대해 각 궤적 모양(local shape)에서의 놈(norm) 방향 벡터를 계산하는 단계;

   상기 그라디언트 영상의 각 엣지(edge)에 대해서 그라디언트를 계산하는 단계;

   상기 그라디언트와 상기 놈 방향 벡터의 내적을 통해 최종 그라디언트를 계산하는 단계; 및

   상기 최종 그라디언트를 이용하여 상기 모양 고려 그라디언트 영상을 생성하는 단계

   를 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
9. 제8항에 있어서,

   상기 그라디언트 영상은 상기 입력 영상에 대해 x 좌표 및 y 좌표 방향의 소벨 필터(sobel filter)를 합성곱(convolution)하여 생성하는 것을 특징으로 하는 특정 영역 추출 방법.
10. 제2항에 있어서,

    상기 입력 영상, 상기 입력 영상의 트라이-맵(tri-map) 및 가중치 모델에 기초하여 모양 고려 가중치 영상을 생성하는 상기 단계는,

    상기 입력 영상 및 상기 트라이-맵에 기초하여 가중치 영상을 생성하는 단계; 및

    상기 가중치 영상 및 상기 가중치 모델에 기초하여 상기 모양 고려 가중치 영상을 생성하는 단계

    를 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
11. 제10항에 있어서,

    상기 가중치 영상은, 상기 트라이-맵의 불확실 픽셀에 대해 포어그라운드 픽셀 및 백그라운드 픽셀에 대한 확률을 가중치로 부여한 영상을 포함하는 것을 특징으로 하고,

    상기 모양 고려 가중치 영상은, 상기 가중치 영상을 상기 가중치 모델에 부합하도록 변형한 영상을 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
12. 제2항에 있어서,

    상기 이미지 정보를 통해 상기 입력 영상으로부터 특정 영역을 추출하는 상기 단계는,

    상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상에 기초하여 상기 입력 영상에서 상기 특정 영역을 추출하는 단계인 것을 특징으로 하는 특정 영역 추출 방법.
13. 제12항에 있어서,

    상기 트라이-맵은 상기 입력 영상의 픽셀을 포어그라운드(foreground) 픽셀, 백그라운드(background) 픽셀 또는 불확실(uncertain) 픽셀로 분류하는(label) 것을 특징으로 하고,

    상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상에 기초하여 상기 입력 영상에서 특정 영역을 추출하는 상기 단계는,

    상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상을 통해 상기 불확실 픽셀로의 연결(connection)을 획득하는 단계;

    상기 불확실 픽셀에 대한 복수의 연결 중에서 연결 강도가 작은 상기 연결을 제거함으로써, 상기 불확실 픽셀을 상기 포어그라운드 픽셀 또는 상기 백그라운드 픽셀로서 결정하는 단계; 및

    상기 입력 영상에서 상기 포어그라운드 픽셀로 결정된 픽셀만을 추출함으로써, 상기 특정 영역을 추출하는 단계

    를 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
14. 제13항에 있어서,

    상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상을 통해 상기 불확실 픽셀로의 연결을 획득하는 상기 단계는,

    소정의 의미적 노드(semantic node)와 픽셀간의 제1 연결을 상기 모양 고려 가중치 영상을 통해 획득하는 단계;

    이웃한 상기 픽셀간의 제2 연결을 상기 모양 고려 그라디언트 영상을 통해 획득하는 단계; 및

    서로 이웃하는 픽셀들을 제외한 픽셀들간의 제3 연결을 상기 모양 컨스트레인트를 통해 획득하는 단계

    를 포함하는 것을 특징으로 하는 특정 영역 추출 방법.
15. 제14항에 있어서,

    상기 의미적 노드는, 의미적 백그라운드 및 의미적 포어그라운드를 포함하고,

    상기 의미적 백그라운드는 상기 픽셀의 백그라운드 가중치에 대한 연결을 결정하고, 상기 의미적 포어그라운드는 상기 픽셀의 포어그라운드 가중치에 대한 연결을 결정하는 것을 특징으로 하는 특정 영역 추출 방법.
16. 제1항 내지 제15항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록되어 있는 것을 특징으로 하는 컴퓨터에서 판독 가능한 기록 매체.
17. 디지털 영상에서 특정 영역을 추출하는 시스템에 있어서,

    입력 영상 및 사전 모양 정보에 기초하여 이미지 정보에 모양 정보를 합성하는 모양 정보 합성부; 및

    상기 이미지 정보를 통해 상기 입력 영상으로부터 특정 영역을 추출하는 특정 영역 추출부

    를 포함하는 것을 특징으로 하는 특정 영역 추출 시스템.
18. 제17항에 있어서,

    상기 사전 모양 정보는 모양 모델 및 가중치 모델을 포함하고,

    상기 모양 정보 합성부는,

    상기 입력 영상 및 상기 모양 모델에 기초하여 모양 컨스트레인트를 생성하는 모양 컨스트레인트 생성부;

    상기 근사 모양 및 그라디언트 영상에 기초하여 모양 고려 그라디언트 영상을 생성하는 모양 고려 그라디언트 영상 생성부; 및

    상기 입력 영상, 상기 입력 영상의 트라이-맵(tri-map) 및 가중치 모델에 기초하여 모양 고려 가중치 영상을 생성하는 모양 고려 가중치 영상 생성부

    를 포함하는 것을 특징으로 하는 특정 영역 추출 시스템.
19. 제18항에 있어서,

    상기 특정 영역 추출부는,

    상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상에 기초하여 상기 입력 영상에서 상기 특정 영역을 추출하는 것을 특징으로 하는 특정 영역 추출 시스템.
20. 제18항에 있어서,

    상기 트라이-맵은 상기 입력 영상의 픽셀을 포어그라운드(foreground) 픽셀, 백그라운드(background) 픽셀 또는 불확실(uncertain) 픽셀로 분류하는(label) 것을 특징으로 하고,

    상기 특정 영역 추출부는,

    상기 모양 컨스트레인트, 상기 모양 고려 그라디언트 영상 및 상기 모양 고려 가중치 영상을 통해 상기 불확실 픽셀로의 연결(connection)을 획득하는 연결 획득부;

    상기 불확실 픽셀에 대한 복수의 연결 중에서 연결 강도가 작은 상기 연결을 제거함으로써, 상기 불확실 픽셀을 상기 포어그라운드 픽셀 또는 상기 백그라운드 픽셀로서 결정하는 픽셀 결정부; 및

    상기 입력 영상에서 상기 포어그라운드 픽셀로 결정된 픽셀만을 추출함으로써, 상기 특정 영역을 추출하는 추출부

    를 포함하는 것을 특징으로 하는 특정 영역 추출 시스템.
21. 제20항에 있어서,

    상기 연결 획득부는,

    소정의 의미적 노드(semantic node)와 픽셀간의 제1 연결을 상기 모양 고려 가중치 영상을 통해 획득하는 제1 연결 획득부;

    이웃한 상기 픽셀간의 제2 연결을 상기 모양 고려 그라디언트 영상을 통해 획득하는 제2 연결 획득부; 및

    서로 이웃하는 픽셀들을 제외한 픽셀들간의 제3 연결을 상기 모양 컨스트레인트를 통해 획득하는 제3 연결 획득부

    를 포함하는 것을 특징으로 하는 특정 영역 추출 시스템.

Images