In this thesis, we propose a method of depth map generation based on view-distance classification. An input image is transformed by using Fourier Transform, and the image is categorized into close-up view, long view with vanishing point, and long view without vanishing point using 2-step Support Vector Machines (SVM) whose feature vectors are the spectra of the input image. In the close-up view case, the depth map is generated using an iterative reversible graph cut method based on saliency maps. In case of long view with vanishing point, the depth map is generated by a vanishing point detection technique. Finally, in the long view without vanishing point case, we use a sky detection algorithm and a gradient plane for depth map generation. We estimate the accuracy of the proposed image classification algorithm through experiments. Subjective evaluation is also conducted to assess our proposed system about depth map generation. Experimental results indicate that our system is competitive.
멀티미디어 기술의 발달과 함께 시청자들이 좀 더 임장감을 느끼도록 하기 위한 3차원 영상 기술이 주목 받고 있다. 이미 좌/우 영상을 이용하는 스테레오 디스플레이 기법부터 다시점 비디오, 그리고 홀로그램에 이르기까지 3차원 영상 디스플레이 기법과 장치가 연구되고 있으며 다양한 형태로 개발되어 실제 시장에 출시되고 있다. 이와 같은 디스플레이 장치의 발달과 더불어 스테레오 영상을 획득하기 위한 다양한 방법 역시 활발하게 연구되고 있다. 하지만, 이러한 영상 획득의 방법은 기존에 존재하는 영상이나 비디오에 대해서 재 촬영이 불가능하다는 단점이 있으며, 이러한 단점 때문에 아직까지 시청자들의 실감방송 수요를 충족할만한 3차원 콘텐츠가 많이 부족한 실정이다. 이것이 2차원 영상을 3차원으로 변환하는 기술 (2D-to-3D 변환)을 주목 받게 하는 주 요인 중의 하나이다. 즉, 2D-to-3D 변환은 기존에 존재하는 영상을 입체 영상으로 변환할 수 있을뿐더러 사용자로 하여금 비교적 저 비용으로 입체 영상의 감상을 가능하게 하는 기술이다. 하지만, 일반 2차원 영상에서 3차원 영상으로 변환하기 위한 특징을 찾아내는 것은 쉽지 않은 문제이다. 따라서 우리는 수많은 관찰을 통하여 3차원 영상에서 근거리 영상의 경우는 영상의 좌표(위치)에 관계 없이 영상의 전경 영역이 가까운 물체이고 배경 영역이 먼 물체라는 사실을 알아내었고, 원거리 영상의 경우는 영상의 상단이 하단보다 가깝다는 사실을 도출해 내었다. 이를 위하여 본 논문에서는 입력된 단일시점 2차원 영상을 푸리에 변환하고, 생성된 주파수 스펙트럼을 특징 벡터로하는 2단계 SVM을 적용하여 입력 영상을 근거리 영상, 소실점이 있는 원거리 영상, 소실점이 없는 원거리 영상으로 분류한다. 근거리 영상의 경우, 특징 지도에 기반한 반복적 가역 그래프 컷 알고리즘을 이용하여 깊이지도를 생성하고, 소실점이 있는 원거리 영상의 경우에는 소실점을 검출하여 깊이지도를 생성한다. 마지막으로 소실점이 없는 원거리 영상에 대해서는 하늘영역 검출과 그레디언트 평면을 깊이지도 생성에 활용한다. 우리는 실험을 통하여 제안한 영상 분류 알고리즘의 정확도를 측정하였으며, 생성된 깊이지도에 대한 만족도를 측정하기 위하여 주관적 평가를 실시하였다. 그리고 결과를 통하여 우리가 제안한 방법의 우수함을 보인다.
