earticle

영어

The object recognition system presented in this paper adopted Principal Component Analysis, whichcalculates Eigenvectors from a set of object images and recognizes the object using Eigenspace consisting onlyof highly coherent vectors. For PCA, however, the recognition rate tended to drop whenever lighting forimages changes. In particular, if the lighting is different for each person in the images for learning, it may act asa wrong feature point, significantly reducing the recognition rate. On this, we proposed in this paper a newPrincipal Component Analysis (PCA) that can recognize the object in the database even when lighting for inputimages varies with each image. The proposed object recognition algorithm resulted in reducing the influence oflighting change by adopting the method of histogram equalization. When compared to normal PCA method, thenew PCA method using luminance value normalization appeared to maintain a consistent recognition rate over90% regardless of the lighting change.

한국어

본 논문에서 제안한 물체 인식 시스템은 물체 영상 집합으로부터 고유벡터를 구하고 기여도가 큰 벡터만으로 구성된 고유공간을 이용하여 물체를 인식하는 방법인 주성분 분석(PCA)을 제안하였다. 그러나 PCA는 영상의 조명변화가 있을 때 인식률이 떨어지는 경향이 있다. 특히 학습영상에서 각각의 물체마다 조명의 차이가 있을 경우 이것이 하나의 잘못된 특징 점으로 작용할 우려가 있어서 인식률이 크게 감소하게 된다. 그래서 본 논문에서는 입력영상이 학습영상에 대해 조명의 차이가 있는 경우에도 데이터베이스 안의 어떤 물체인지를 가려내는 새로운 주성분 분석방법을 제안하였다. 제안한 물체 인식 알고리즘은 히스토그램 평활화라는 방법을 사용하여 히스토그램을 펼침으로서 조명변화에 영향을 감소시키는 결과를 나았고, 기본적인 PCA 방법과 휘도치 정규화를 이용한 방법 등과 비교해본 결과 거의 조명변화에 영향 없이 90% 이상의 일정한 인식률을 유지하였다.