Recently, due to a drastic improvement in image processing and computation technologies, automatic target detection, segmentation, and classification methods have been studied plentifully in object recognition areas. However, since thermal images represent only the temperature difference between objects and background and they have more blurred edges than color images, it is hard to segment objects correctly in them and the segmented images have noisy object boundaries. Therefore, automatic target segmentation and classification in thermal images are difficult task in object recognition area.
In this thesis, to overcome these problems, an image segmentation method and a new shape feature extraction method are proposed for vehicle classification in thermal images. To segment the target vehicles correctly in thermal video sequences, a spatiotemporal parameter update method for ViBe is proposed. The proposed change detection method was tested and evaluated with various sequences, demonstrating that it outperforms state-of-the-art methods. In addition, to improve the vehicle classification performance in thermal video sequences a novel feature extraction method based on the Target Trait Context (TTC) is proposed. The keypoint repeatability test and the classification performance test were performed and compared with those from the previous methods. Experiment results show that the proposed feature works well for thermal video sequences and outperforms the previous methods in classification performance.
열 영상은 배경과 표적 간의 온도차이를 영상으로 나타내주기 때문에 주야간 사용이 가능하고, 군사적인 목적으로 많이 활용된다. 특히, 최근의 정보처리 능력의 발달로 주야간 표적을 자동으로 탐지하고 영상을 분할하여 표적의 종류를 분류하는 기법의 필요성이 크게 증대되었다. 그러나, 열 영상은 배경의 온도, 날씨 및 표적의 상태 등 환경 조건에 따라 영상이 크게 달라지며 화염, 열기 등으로 인한 표적 경계가 변형되는 현상도 빈번하게 나타나기 때문에 자동 표적 탐지 및 분류에 어려움이 있다.
본 논문에서는 이러한 문제점을 해결하기 위하여 열 영상 시퀀스를 기반으로 하는 효과적인 영상 분할 기법과 열 영상에 적합한 새로운 특징 추출 기법을 제안하였다. 일반적으로 쓰이는 배경 모델링 기법에 시공간적 파라메터 갱신 기법을 적용하여, 표적 영역에서는 세부 정보를 추출할 수 있고, 배경 영역에서는 노이즈를 감쇄시키는 방법을 구현하였다. 또한, 기존의 특징 추출 기법은 열 영상에서 재현성이 떨어지고, 자동 분류 기법 적용 시 분류 정확도가 낮아지는 단점을 보완하기 위해서 새로운 형태 특징 벡터를 제안하였다. 새로운 형태 특징은 사잇각의 통계적 모멘트 분석을 통해 키포인트를 추출하고, 추출된 포인트에서 BSC (Boundary Shape Context) 와 NIC (Normalized Intensity Context) 를 추출하여 사용하는 기법이다.
제안한 영상 분할 기법과 특징 추출 기법은 다양한 공개 영상 및 실 차량 표적이 존재하는 열 영상 시퀀스를 활용하여 실험을 수행하였다. 실험 결과 제안 방법이 기존의 방법들에 비해 성능이 우수하였으며, 열 영상 기반의 표적 자동 분류의 성능을 개선 할 수 있음을 확인하였다.
