칼라 정보와 신경 회로망 모델을 이용한 스테레오 정합

스테레오 시각은 서로 다른 위치에서 획득한 두 개의 영상으로부터 3차원 거리 정보를 추출하는데 유용하며, 가장 중요한 단계인 정합 과정은 어려울 뿐만 아니라 많은 계산시간을 필요로 한다. 스테레오 정합은 세가지 제한조건을 동시에 만족시켜야 하는 최적화 문제로 간주될 수 있으며 신경회로망이 이러한 최적화 문제의 해결에 효과적임을 보여주고 있다. 본 논문에서는 스테레오 정합 문제를 해결하기 위하여 칼라 정보와 신경회로망 모델을 사용한 새로운 방법을 제안하였다. 칼라 정보는 명암도를 이용하는 기존의 방법들에 비해 다양한 정합 특징을 제공하므로 정합의 모호성을 감소시키고 효율을 높일 수 있으며, 신경회로망의 도입으로 계산 시간을 줄일 수 있다. 스테레오 정합을 위한 신경회로망 모델은 에너지 함수에 의해 정의되고, 정합 과정은 신경 회로망을 통해 최적의 해에 해당하는 최소의 에너지를 찾음으로써 이루어진다. 실험결과 제안한 방법은 랜덤 돗 스테레오 영상과 실영상에서 좋은 성능을 보여준다.