지역 특징 검출의 기초

특징 검출의 역사

대응점 찾기 문제에서는 특징점으로 무엇을 쓸 것인지 결정하는 문제가 중요하다.
에지는 물체의 경계에 위치하지만 그 자체로는 에지 강도와 에지 방향에 대한 정보만 있으므로 매칭에 참여하기에는 부족하다. 특징점은 ㅇㅇ상의 다른 곳과 두드러지게 달라서 풍부한 정보를 추출할 수 있어야 한다.
1970년대에는 에지 화소를 연결하여 얻은 에지 토막에 의지 했다. 기본원리는 에지 토막에서 곡률(Curvature)이 큰 지점을 찾고 그곳을 코너(Corner) 특징으로 취하는 것이다.
이 방법에는 디지털 공간에 정의된 곡선이므로 곡률을 계산하는 데 어려움이 발생하며 작은 물체와 큰 물체 사이의 스케일 변화를 적절히 다루어야 하는 문제가 있다.
에지 토막을 이용하는 연구는 1980년대에 왕성하게 발표 되었다가 2000년 대에는 드물게 나타 난다.
2000년대 부터는 지역 특징(Local featrue)을 이용한 연구결과 위주로 발표된다. 지역 특징은 에지에 의존하는 대신 명암 영상에서 직접 검출한다. 따라서 다른 곳과 두드러지게 다르고 풍부한 정보를 가진 위치를 찾는 정교한 연산자를 설계하는 일이 핵심이다.
이전의 에지 토막 방식은 검출된 코너가 실제 무체의 코너에 해당해야 한다는 가정이 필요했다. 즉 물리적 의미를 중요하게 본 것이다.
이와는 다르게 지역 특징은 반복성을 중요하게 생각한다. 영상 매칭은 한 영상에서 추출된 특징이 다른 영상에서도 추출되면 가능하다는 가정이다.

지역 성질의 특징

지역 특징은 종류에 따라 조금씩 다르지만 일반적으로 위치, 스케일, 방향, 특징 벡터 정보로 구성된다.
검출 단계는 위치와 스케일, 기술 단계는 방향과 특징 벡터를 알아낸다. 이때 검출은 여러 변환에 공변(covariant)이어야 한다. 물체가 이동 또는 회전하거나 스케일이 달라지면 그에 따라 위의 벡터 정보들이 변해야 하기 때문이다. 물체 입장에서 생각해 불변(invariant)라고도 한다.
특징 벡터를 추출하는 기술 단계는 불변(invariant)이어야 한다. 다른 두 사진은 다른 각도나 시간에 의해 명암이 다를 수 밖에 없다. 하지만 본질적인 명암 구조는 같으므로 스케일, 회전, 조명 변화에 무관하게 같은 값을 갖는 특징 벡터를 추출하는 알고리즘을 사옹한다.
지역 특징을 다양한 응용에 활용하기 위해서는 다음의 몇 가지 특성을 만족해야 한다.

• 반복성(repeatability) : 같은 물체를 다른 시점에서 찍은 두 영상이 주어졌을 때, 한 영상 속 물체에서 검출된 특징은 다른 영상의 물체에서도 유사한 위치에 동일한 속성값으로 검출되어야 한다.
• 분별력(distinctiveness) : 물체의 다른 곳과 충분히 구분될 수 있을 정도로 두드러진 속성값을 가져야 한다. 그래야 실제 대응되는 두 점이 유일하게 1:1로 매칭될 수 있다.
• 지역성(locality) : 어떤 점을 중심으로 작은 크기의 주변 영역만 보고 특징 검출과 특징 기술이 수행되어야 한다. 이 특성은 폐색(Occlusion)과 혼재(Clutter)가 발생하는 상황에서 robust하기 위해 필수적이다.
• 정확성(accuracy) : 검출된 특징은 정확한 위치에 놓여야 한다. 스케일 공간에서 찾은 특징은 2차원 공간뿐 아니라 스케일 축에서도 정확해야 한다. 상황에 따라 부분 화소 정확도(subpixel accuracy)까지 계산할 필요가 있다.
• 정당한 양 : 어떤 물체의 pose를 계산하기 위해서는 이론적으로 세 개의 대응점만 있으면 된다. 하지만 대응점에 오류가 포함될 가능성이 있으므로 대응점이 많아지면 보다 정확하게 자세를 추정할 수 있다. 또한 다른 영상에서 대응점이 없을 수도 있다. 따라서 특징은 충분한 양을 얻을 수 있어야 한다. 물론 너무 많은 경우 계산하는데 너무 오랜 시간이 걸리고 매칭의 정답률이 낮아질 수 있다. 그래서 대부분의 특징 검출 알고리즘은 양을 조절하는 매개변수를 포함한다.
• 계산 효율 : 특징 정보를 추출하는 전체 과정을 충분히 빠른 시간 안에 마칠 수 있어야 한다. 검출, 기술, 매칭의 세 단계 중 주로 매칭에 가장 많은 시간을 소요하는데 실시간 처리가 필요한 응용에서는 계산 효율을 늘리는 게 가장 중요하다.

이 특성은 서로 trade-off 관계에 있기 때문에 응용에 따라 적절히 비중을 정해야 한다.