위치 찾기 알고리즘

비최대 억제

[그림 4-9(a)]에서 구한 특징 가능성 맵을 잘 살펴보면 코너에서 한 점만 큰 값을 갖는 것이 아니라 큰 값이 일정 범위에 퍼져있다. 때문에 해당 영역에서 한 점을 선택하는 방법이 필요하며 이러한 일을 위치 찾기(localization)라 부른다. 가장 합리적인 방법은 지역 최대점을 취하는 것이다. 즉 자신이 모든 이웃 화소보다 크면 특징점이 되고, 그렇지 않으면(비최대이면) 억제된다. 이러한 방법을 비최대 억제non-maximum suppression라 부른다. 알고리즘 4-1의 3행은 특징 가능성 값을 계산할 때, 모라벡의 식 (4.2), 해리스의 식 (4.9), 헤시안의 행렬값인 식 (4.12), LOG의 식(4.13), 그리고 슈산의 식 (4.15)중 하나를 지정해야한다. 브라운은 특징점이 영상의 특정 부분에 밀집되고 다른 부분은 희소하게 분포하는 문제를 인지하고 그것을 누그러트릴 수 있는 적응적 비최대 억제 방법(adaptive non-maximum suppression)을 제안하였다. 이 방법은 어떤 점이 특징점이 되려면 지역 최대일 뿐만 아니라 주위 화소보다 일정 비율 이상 커야 한다는 조건을 추가로 만족해야 한다.

• 알고리즘 4-1 지역 특징 검출
  입력 : 영상 f(j,i), 0≤j≤M-1, 0≤i≤N-1, 임계값 T
  출력 : 특징점 리스트 F
  1 for(j=0 to N-1) // 1~3행 : 특징 가능성 맵 생성
  2 for(i=0 to M-1)
  3 (j,i)의 특징 가능성 값 C를 계산하여 m(j,i)에 대입한다.
  4 F=Φ;
  5 for(j=1 to N-2)
  6 for(i=1 to M-2){
  7 c=m(j,i);
  8 if((c>T) and (c>m(j,i+1) and c>m(j,i-1) and c>m(j+1,i) and c>m(j-1))) // 4-이웃 버전
  9 F=FU(j,i); // 점 (j,i)를 특징점으로 판정하고 F에 추가함.
  10 }

출처 - Computer Vision