The initial motive of this paper is to recognize of algae which live in the river, in the lake, or in the sea and represent an important index of water quality. But one of the difficulties of recognition is due to their severe deformed shapes even in the same class. Therefore, the existing rigid templates are not appropriate for visual tasks such as recognition and representation for such a class of objects. For example flexible templates have been developed for recognition and segmentation of such objects, and "Active Shape Model", proposed by Cootes et al., is one of the templates. From their proposal, an object is defined by a set of points on the boundary and the statistical analysis for movements of such points acts as a constraint to the flexible template. The key point of this template is that any instance from the template can deform only in ways found in the training set. From this idea, recognition of an arbitrary posed object can be achieved by examining the degree of deformation of object from the mean shape representing the class. But in the Active Shape Model, it is emphasized that the landmark points on the contour must be placed manually, which is very time consuming. Therefore, this paper proposes "dual corner detection in scale-space" and dissimilarity function, and using this method it is possible to establish a deformable template automatically. This method is essential for recognition of unknown objects with arbitrary posed and various shape. In this way, automatic establishment of active model is achieved and experiment of recognition is done. The test result shows that this recognition performance is stable and its global recognition rate is 79.1%.
당초 본 논문의 시작 동기는 수중 생물인 조류(藻類)를 영상 처리를 이용하여 자동으로 인식하는 것으로써 이들 조류는 수질의 중요한 지표가 된다. 그러나 이들 조류를 자동 인식함에 있어 여러 가지 어려운 점이 있는데 그 중의 하나가 조류는 같은 종류임에도 심하게 변형된 모습을 띄고 있다는 점이다. 따라서 기존의 고정된 모형을 이용해서 이러한 물체를 인식한다는 것은 적합한 방법이 될 수 없다. 이러한 문제점을 해결하기 위한 하나의 시도로 유연 모형이 개발되어 왔으며, Cootes 등이 제안한 "능동 형상 모형 (Active Shape Model)"도 이러한 유연 모형의 일종이다. 그들의 제안에 따르면, 평면 물체는 경계선상에 있는 일련의 점으로 대표될 수 있으며, 형상의 변화는 이들 점들의 위치 변화로 나타난다. 이들 점들의 위치 변화를 통계학적 분석을 통해서 유연 모형의 변형 정도를 제한 시켜 준다. 이 제안방법의 중요한 요점은 훈련을 통해서 얻어진 통계학적 방법을 이용하여 제한된 범위 내에서만 모형이 변형할 수 있도록 하였다는 점이다. 따라서 임의의 물체의 변형 범위를 확인함으로써 물체의 인식이 가능하게 된다. 그러나 이 방법에서 물체의 경계선 상에 표식 점들을 위치시키는 데 반드시 사람의 손을 빌리도록 되어있다. 이러한 수작업은 많은 시간을 소비하게 될 수 밖에 없다. 그러므로, 본 논문에서는 다층적 공간에서의 이중의 코너점 추출 알고리듬과 두 물체 사이의 대응관계 추출 방법을 제안하여 능동모형의 자동 구축이 가능하게 하였다. 더우기 제안된 방법은 임의의 자세와 변화된 모양을 갖고 있는 미지의 물체의 인식을 위해서 필수적인 과정이 된다. 본 논문에서는 제안된 방법을 이용하여 능동모형의 구축을 하였으며, 나뭇잎을 이용하여 물체인식에 대한 실험이 실시되었다. 실험 결과 인식 성능은 79.1%의 인식률로 비교적 안정적인 결과를 얻을 수 있었다.
