논문 정보
저자:
- Victor Wiley
- Thomas Lucas
소속:
- Teknik Informatika, TSCC Jakarta Indonesia
인용:
- 2024.07.04 기준 265회
논문 업데이트 내역
- 출판 : 2018년 6월
논문 & Github 링크
Computer Vision and Image Processing: A Paper Review | Wiley | International Journal of Artificial Intelligence Research
Abstract Computer vision has been studied from many persective. It expands from raw data recording into techniques and ideas combining digital image processing, pattern recognition, machine learning and computer graphics. The wide usage has attracted many
ijair.id
Abstract
컴퓨터 비전은 다양한 관점에서 연구되고 있다.
디지털 이미지 처리, 패턴 인식, 기계 학습, 컴퓨터 그래픽스 등의 기술과 아이디어를 결합
최신 기술과 이론적 개념을 조사하여 컴퓨터 비전의 발전 과정을 설명
주로 이미지 처리와 관련된 다양한 응용 분야에 초점
컴퓨터 비전의 역할은 이미지와 비디오 분석을 통해 필요한 정보 획득, 이벤트나 설명에 대한 정보 이해, 패턴 인식, 대규모 데이터 분석을 통한 다중 범위 응용 도메인 방법 사용
1. Introduction
컴퓨터 비전은 원시 데이터 기록부터 이미지 패턴 추출 및 정보 해석까지 광범위한 영역을 다룬다.
이 분야는 디지털 이미지 처리, 패턴 인식, 인공지능, 컴퓨터 그래픽스의 개념과 기술을 결합한다.
주요 작업
- 디지털 이미지에서 정보 획득
- 특징 추출
- 이미지 이해
컴퓨터 비전은 이미지 처리와 밀접한 관련이 있지만, 목적에서 차이가 있다.
컴퓨터 비전은 이미지에서 정보를 추출하고 모델을 만드는 데 초점을 둔다.
반면 이미지 처리는 이미지 자체의 변환(예: 선명도 개선, 대비 조정)에 초점을 맞춘다.
HCI와도 일부 유사점이 있으나, HCI는 더 넓은 범위를 다룬다.
컴퓨터 비전과 인간 시각
- 기능적으로 유사한 목표를 가짐
- 현재 컴퓨터 비전은 인간의 눈을 완전히 복제하지 못함
- 현재 시스템은 성능과 기능 면에서 제한적
주요 과제
- 매개변수의 sensitivity
- 알고리즘의 robustness
- 결과의 accuracy
- 성능 평가의 complexity
응용 분야
- 조립 라인 자동화
- 원격 탐지
- 로봇 공학
- 인간-컴퓨터 통신
- 시각 장애인을 위한 도구
2. Literature Review
컴퓨터 비전의 작동 원리
- 알고리즘과 광센서를 사용해 human visualization을 모사
- 자동으로 object에서 valuable information을 추출
이미지 분석의 단계
- Image formation : object image 촬영 및 컴퓨터 저장
- Image ppreprocessing : image quality 개선
- Image segmentation : object를 background에서 분리
- Image measurement : 중요 feature 정량화
- Image interpretation : 추출된 image 해석
패턴 인식
- CV의 한 분야로 객체 식별에 초점
- 목적 : sensor로부터 얻은 image를 기반으로 의사결정
CV Framework
- Image acquisition (영상 획득)
- Pre-processing (전처리)
- Feature Extraction (특징 추출)
- Detection/segmention (검출/분할)
- High-level processing (고수준 처리)
- Decision-making (의사 결정)
CV 이미지 분석 및 처리 주요 접근 방식
- 3D morphological analysis (3D 형태학적 분석)
- Pixel optimizatioin (픽셀 최적화)
Segmentation
- 목적 : image를 overlapping되지 않는 영역으로 분할
- 접근 방법 : intensity, color, shape
- 중요성 : object recognition과 interpretation에 핵심적
Data Extraction
- 목적 : background와 foreground object 분리
- 방법 : 카메라, sensor, satellite 장치 사용
Object Detection
- 목적 : recorded 및 real-time dataset에서 object 검색
- 과제 : error rate 감소, 세부 부분 식별 알고리즘 개발
Bitmap Image
- 정의 : pixel set으로 저장된 image
- 특징 : resolution, color depth
- 과제 : noise 제거
Machine Learning과의 연관성
- Computational statisics와 밀접한 관련
- 응용 분야 : spam filtering, optical character recognition, search engine, computer vision
3. Conclusion
CV 관련 분야 및 발전
관련 분야
- Image processing
- Machine learning
확장 분야
- Geographical remote sensing (지리적 원격 탐사)
- Robotics (로봇 공학)
- Computer and human communication (컴퓨터-인간 통신)
- Healthcare (헬스케어)
- Satellite communication (위성 통신)
연구 활용
- 이미지와 비디오 분석을 통한 개별 event 예측
- 특징 추출을 통한 정보 획득
향후 전망
- Object behavior와 characteristics 예측 및 탐지
- Human activities와 naatural events 분석
