Good_Leo님의 이글루

http://library.utia.cas.cz/prace/20030125.pdf


1.     Instruction

Image registration은 다른 시간대에서 찍히거나 다른 시야에서 그리고 다른 sensor에 의해 촬영된 두 개 또는 그 이상의 이미지를 덮어 씌우는 과정이다.

이것은 기하학적으로 두 이미지(기준되는 이미지, 판독(sensed)된 이미지)를 정렬하는 것이다.

이미지들의 현재의 차이는 다른 이미지의 condition 때문인 것으로 소개되었다.

Image registration은 모든 이미지 분석 작업(마지막 정보가 이미지 합성이나 change detection을 바꾸는 것 같은 다양한 data sources들의 )의 에서 매우 중요한 단계이다.

전형적으로 registration은 remote sensing에서 이용된다. (다중 스펙트럼 분류, 환경 모니터링, 변화감지, 이미지 모자이크화, 기상예보, 최고화질의 이미지, GIS 그리고 환자에 대한 완벽한 정보를 얻기 위한 NMR data, 종양의 증가, 등등)

2.     Image registration methodology

Image registration은 원격탐사, 의학 imaging, computer vision에서 사용된다.

           Different viewpoints( multiview analysis)

같은 scene들은 다른 view point에 의해 얻어진다. 목적은 scan된 더 큰 2D, 3D image들을 얻는 것이다. 이 방법은 원격탐사, 탐사 지역에서 얻은 이미지들의 모자익화, Computer vision – shape 복원(shape from stereo)에 쓰인다.

           Different times( multitemporal analysis)

다른 시간대에서 얻은 같은 scene들의 이미지들은 주로 주기적으로 그리고 가능한 한 다른 상태에 있을 것이다. 이 방법의 목적은 외부로 나타난 scene들 사이의 연속되는 이미지 획득에서 나타난 scene에서의 평가하는 것이다.

이 방법은 원격탐사 – 지구 육지의 사용, 조경계획 에 사용된다. Computer vision분야로는 안전한 monitoring,을 위한 자동변화 감지, Medical imaging에서는 healing 치료법의 감지

                     Different sensors ( multimodal analysis )

같은 scene들의 이미지들은 다른 센서들에서 얻어지는 것이다. 이 방법의 목적은 다른 source stream에 의해 얻은 정보를 통합하는 것이다. 좀 더 복잡하고 상세한 scene의 이미지를 얻을 수 있다.

                     Scene to model registration

Scene의 이미지와 scene의 모델이 등록 된다. 이 모델은 scene의 컴퓨터 표현일 수 있다. 예를 들자면 GIS 에서 DEM(Digital Elevation model)이나 비슷한 내용의 다른 scene, 다른 평균적인 표본 등등과 함께 다른 scene에서 쓰인다.

Registration의 방법 4단계

1.     Feature detection – 두드러지고 특색있는 객채들(닫힌 경계 영역, 에지, 외형, 선 교차점들, 모퉁이)들은 수동적으로 또는 오히려 자동으로 찾는다. 다음 단계로의 진행을 위해 이러한 특징들은 그들의 요소를 나타내는 것들(무게 중심. 선의 끝, 뚜렷이 구별되는 것들로 나타낼 수 있다.

2.     Feature matching – 이 단계에서 sense된 이미지들과 reference 이미지에서 찾은 feature들 사이의 공통적인 점들 이 만들어진다. 다양한 특징 descriptors와 유사 측정법( 이런 목적을 위해 사용되는 feature 들간의 공간관계와 함께하는)

3.     변환 모델 평가 – mapping function이라고 부르고 reference 이미지와 sense된 이미지를 정렬하는 함수의 type과 parameter들이 평가된다. Mapping 함수의 매개변수(parameter)들은 이미 만들어진 feature 의 유사성(도)를 이용하여 계산된다.

4.     이미지 resampling과 변환 – sense된 이미지는 mapping 함수를 이용하여 변환된다. 비정수 좌표계에서 이미지들의 값들은 적절한 보간(interpolation)기술에 의해서 계산된다.

이러한 단계들은 전형적인 문제들을 가지고 있다.

1.     어떤 종류의 feature가 주어진 일에 적절한지 결정해야 한다. 이러한 feature들은 특색있는 객체들이어야 하고 이것은 자주 이미지 안에서 널리 퍼져있어야 한다.

2.     물리적으로 유사 features는 다른 이미징 상황이나 다른 스펙트럼을 가진 센서의 민감도 때문에 다를 수 있다.

3.     Mapping function의 type은 이미지 획득 process 예상되는 image품질하락에 대해 추론적으로 알고 있는 것들을 따라 선택이 되어야 한다.

4.     Resampling 기술의 적절한 선택은 요구되는 보간법의 정확성과 컴퓨터 계산의 복잡성 사이의 trade off에 의존한다.

3.     Feature detection

           3.2 Feature based method

이미지에서 눈에 띄는 structure feature를 추출하는 것을 바탕으로 한다. (ex: 중요한 지형, 선, point)

Feature based model은 직접적으로 이미지 명암 values과 작동하지 않는다. 이러한 특징으로 조도의 변화가 기대되는 상황 또는 멀티 센서분석이 요구되는 경우 적합한 방식으로 feature based 방식이다.

1.     Region feature는 segmentation의 방법으로 detect된다.

2.     Line feature – 일반적인 line segments, 해안의 선, 길이나 의료 영상장치에서 늘어난 해부학상의 구조를 대표할 수 있다

3.     Point feature – point feature 그룹은 라인의 교차점, 물이 있는 지역의 중심부, 오일과 가스가 매립된 지역에서 작동되는 메소드들로 구성되어 있다.

3.3   Summary

Feature-based method는 만약 이미지들이 충분히 구별이 되고 쉽게 찾을 수 있는 물체들을 포함하고 있다면 추천할 수 있는 방법이다. 이것은 보통 원격 탐사와 컴퓨터 비전에서 사용된다. 여기서 사용되는 전형적인 이미지들은 많은 상세한 것들(마을, 강, 길, 나무, 숙박시설 등)을 포함한다.

반면 의학적인 이미지들은 그렇게 충분한 상세정보를 담고 있지 않기 때문에 area-based 방법들이 여기서 사용된다. 때때로 의학적인 이미지들에서 구별되는 물체들의 부족한 것은 전문가에 의해 수행되는 상호선택, 또는 skin marker나 screw marker, dental adapter등 같이 엄격히 위치를 갖는 환자와 관련된 외부의 feature들을 도입하여 해결한다.

다양한 명암과 contrast와 sharpness 를 갖고 있는 이미지에서도 Area-based 와 feature based method의 응용방법이 [151]에서 분석되었다. 최근에는 이 두 방법을 동시에 이용하는 방식이 나타나고 있다. [85]