피라미드 구조를 이용한 계층적 Hausdorff distance 정합 ( Hierarchical Hausdorff Distance Matching Using Pyramid Structures )

Q: 이 논문에서 정의한 계층적 HD 정합이란 무엇인가?

영상 피라미드 구조를 활용하여 하우스도르프 거리 기반 정합의 계산 효율성을 높이는 방법이다. DT map 피라미드와 에지 피라미드를 구축하고, 낮은 해상도에서 대략적인 위치를 찾은 뒤 높은 해상도에서 정밀하게 조정하는 Coarse-to-fine 탐색 방식을 통해 정합을 수행한다.

Q: 계층적 HD 정합에서 계산량 감축과 정합 성능을 동시에 개선하는 방법은 무엇인가?

연구 결과, DT map 피라미드와 에지 피라미드를 구축하여 계산량을 줄이고, 이웃하는 DT map 피라미드 레벨 간의 성질을 이용한 자동 문턱값 결정 방법을 적용함으로써 적절한 후보 위치를 선택하여 정합 오차를 효과적으로 줄였다.

권오규; 심동규; 박래홍

추천

검색

질문

자료유형: 학술저널

저자정보: 권오규 심동규 박래홍

저널정보: 대한전자공학회 전자공학회논문지-S 전자공학회논문지 S편 제34권 제12호

발행연도: 1997.12

수록면: 1,410 - 1,420 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

This paper proposes a hierarchical Hausdorff distance (HD) matching algorithm based on coarse-to-fine approach. It reduces the computational complexity greatly by using the pyramidal structures consisting of distance transform (DT) and edge pyramids. Also, in the proposed hierarchical HD matching, a thresholding method is presented to find an optimal matching position with small error, in which the threshold values are determined by using the property between adjacent levels of a DT map pyramid. By computer simulation, the performance of the conventional and proposed hierarchical HD matching algorithms is compared in terms of the matching position for binary images containing uniform noise.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-013294934

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

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

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)