Journal of the Korea Society of Computer and Information (한국컴퓨터정보학회논문지)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지
DOI QR코드

DOI QR Code

The correction of Lens distortion based on Image division using Artificial Neural Network

영상분할 방법 기반의 인공신경망을 적용한 카메라의 렌즈왜곡 보정

  • 신기영 (성균관대학교 생명공학부) ;
  • 배장한 (성균관대학교 생명공학부) ;
  • 문정환 (성균관대학교 생명공학부)
  • Published : 2009.04.30
Download PDF
⟨ Previous Next ⟩

Abstract

Lens distortion is inevitable phenomenon in machine vision system. More and more distortion phenomenon is occurring in order to choice of lens for minimizing cost and system size. As shown above, correction of lens distortion is critical issue. However previous lens correction methods using camera model have problem such as nonlinear property and complicated operation. And recent lens correction methods using neural network also have accuracy and efficiency problem. In this study, I propose new algorithms for correction of lens distortion. Distorted image is divided based on the distortion quantity using k-means. And each divided image region is corrected by using neural network. As a result, the proposed algorithms have better accuracy than previous methods without image division.

렌즈 왜곡현상은 머신비전 시스템에 있어 필연적인 현상이며 가격과 시스템의 크기를 줄이기 위한 렌즈의 선택으로 왜곡현상은 점점 더 심해지고 있다. 이와 같은 추세로 왜곡보정의 필요성은 중대한 문제가 되고 있지만 기존의 카메라 모델을 이용한 왜곡보정 방식은 그 비선형 때문에 복잡하고 많은 연산이 필요한 문제점이 있다. 또한 최근 각광을 받고 있는 인공신경 망을 이용한 보정방법 역시 정확성과 효율성의 측면에서 문제점이 발견되고 있다. 본 연구에서는 이러한 문제점을 해결할 수 있는 새로운 형태의 알고리즘을 제안한다. K-means 군집분석 방법을 사용하여 왜곡영상을 실제 왜곡정도에 따라 분할한 후 각 영역에 인공신경 망을 적용하여 영상을 보정한다. 그 결과 새롭게 제안된 영상분할을 적용한 신경망 알고리즘은 영상분할을 하지 않은 기존 방법들보다 더 정확한 왜곡보정 결과를 나타내었다.

Keywords

References

  1. J. Weng, P. Cohen, and M. Herniou, "Camera calibration with distortion models and accuracy evaluation," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 14, No. 10, pp. 965-980, Oct. 1992. https://doi.org/10.1109/34.159901
  2. R. Y. Tsai, "An Efficient and Accurate Camera Calibration Technique for 3D Machine Vision," Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, MiamiBeach, pp.364-374, June 1986.
  3. R. Y. Tsai, "Metrology Using Off-the-Shelf TV Cameras and Lenses," IEEE Journal of Robotics and Automation, Vol. 3, No, 4, pp. 323-344, Aug. 1987. https://doi.org/10.1109/JRA.1987.1087109
  4. R. Y. Tsai, "A Versatile Camera Calibration Technique for High-Accuracy 3D Machine Vision Metrology Using Off-the-Shelf TV Cameras and Lenses," IEEE Journal of Robotics and Automation, Vol. 3, No.4, pp. 323-344, Aug. 1987. https://doi.org/10.1109/JRA.1987.1087109
  5. O. D. Faugueras and G. Toscani, "The calibration problem for stereoscopic vision," Sensor Devices and Systems for Robotics, Vol. F52, pp. 195-213, Dec. 1989.
  6. J. Heikkila and O. Silven, "A Four-Step Camera Calibration Procedure with Implicit Image Correction," In Proc, of IEEE Computer Vision and Pattern Recognition, pp. 1106-1112, June 1997.
  7. Z. Zhang, "A flexible new technique for camera calibration," IEEE Transactionson Pattern Analysis and Machine Intelligence, Vol. 22, No. 11, pp. 1330-1334, Nov. 2000. https://doi.org/10.1109/34.888718
  8. 한기태, 김회율, "복합 왜곡 영상을 위한 보정계수 자동추출 방법," 한국통신학회논문지, 제26권, 3호, 302-31쪽, 2001년 3월.
  9. L. Berthouze, F. Chavand and C. Barret, "A camera neural model," IEEE Int. Conf. on Systems, Man and Cybernetics, pp. 2124-2127, Oct. 1996.
  10. 장영희, 왕한흥, 김휘동, 한성현, "뉴럴네트워크를 이용한 카메라 보정기법 개발," 한국공작기계기술학회 추계학술대회 논문집, 225-229쪽, 1997년 11월.
  11. 도용태, 이대식, 류석환, "3차원 위치측정을 위한 스테레오 카메라 시스템의 인공 신경망을 이용한 보정," 센서학회지, 제7권, 6호, 418-425쪽, 1998년 1월.
  12. 김민석, 우동민, "신경망을 이용한 렌즈의 왜곡 모델 구성 및 카메라 보정," 산업기술연구소논문집, 19권, 404-408쪽, 2000년.
  13. 우동민, 김민석, "신경망을 이용한 렌즈 왜곡 모델을 이용한 카메라 보정," 산업기술연구소논문집, 20권, 345-350쪽, 2001년.
  14. C. T. Su, C. A. Chang and F. C. Tien, "Neural networks for precise measurement in computer vision systems," Computers in Industry, Vol. 27, No. 3, pp. 225-236, Nov. 1995. https://doi.org/10.1016/0166-3615(95)00024-8
  15. Y. T. Do and M. H. Kim, "Learning image distortion using a GMDH network," Lecture notes in computer science, Vol. 3972, pp. 557-562, May 2006.
  16. L. N. Smith, and M. L. Smith, "Automatic machine vision calibration using statistical and neural network methods," Image and vision computing, Vol. 23, pp. 887-899, Sept. 2005. https://doi.org/10.1016/j.imavis.2005.03.009
  17. 장재혁, 박중양, 박재홍, "신경회로망과 기억이론에 기반한 한글영상 인식과 복원," 한국컴퓨터정보학회지, 제 10권, 4호, 17-28쪽, 2005년 9월.
  18. G. Coppini, S. Diciotti, and G. Valli, "Matching of medical images by self-organizing neural networks," Pattern recognition letters, Vol. 25, No. 3, pp. 341-352, Feb. 2004. https://doi.org/10.1016/j.patrec.2003.10.012
  19. 유원필, 정연구, "내장형 렌즈 왜곡 보정 알고리즘 구현을 위한 이미지 워핑 방법," 정보처리학회논문지 B, 제10권, 4호, 373-380쪽, 2003년 8월.
  20. Q. Fu, S. X Hu, and S. Y. Zhao, "Clusteringbased selective neural network ensemble," Journal of zhehiang university science, Vol. 6A, No. 5, pp. 387-392, May 2005. https://doi.org/10.1631/jzus.2005.A0387