본 논문에서는 집적 영상의 획득과 복원을 이용하여 왜곡에 강인한 물체를 인식하는 방법을 연구한다. 해당 화소들의 확률적 특성인 평균과 표준편차를 이용하여 3차원 공간에서 물체를 복원하고 거리를 추정한다. 표적인식은 Fisher 선형판별법(linear discriminant analysis, LDA)과 주성분 분석법(principal component analysis, PCA) 기술을 결합한 통계적 분류기(statistical classifier)로 수행한다. Fisher 선형판별법은 클래스 간의 판별력을 최대로 하고 주성분 분석법은 Fisher 선형판별법을 수행하기 위한 차원축소를 실행한다. 주성분 분석법은 차원축소 후 복원된 벡터와 원 벡터의 오차를 최소화하는 기술로 알려져 있다. 실험 및 시뮬레이션을 통하여 면외(out-of-plane) 회전된 표적을 본 논문에서 제안한 방법으로 분류한다.
In this paper, we discuss distortion-tolerant pattern recognition using computational integral imaging reconstruction. Three-dimensional object information is captured by the integral imaging pick-up process. The captured information is numerically reconstructed at arbitrary depth-levels by averaging the corresponding pixels. We apply Fisher linear discriminant analysis combined with principal component analysis to computationally reconstructed images for the distortion-tolerant recognition. Fisher linear discriminant analysis maximizes the discrimination capability between classes and principal component analysis reduces the dimensionality with the minimum mean squared errors between the original and the restored images. The presented methods provide the promising results for the classification of out-of-plane rotated objects.
