본 논문은 Markless AR(AugmentedReality)에서 가장 많이 활용되는 SURF(Speeded Up Robust Features) 기법의 효율성을 높인 새로운 특징 추출 알고리즘을 제시한다. 기존의 SURF 알고리즘은 불변 특징점을 보장하기 위해 Scale Pyramid를 이용하며 고정된 크기의 블록단위 NMS(Non-Maximum Suppression)를 사용하기 때문에 많은 계산이 요구된다. 제안된 알고리즘은 관심점에서만 특징점을 구하는 적응적 NMS 기법을 제시하여, Scale Pyramid를 사용하지 않고 불변 특징점을 보장하면서 동시에관심 영역에서 적응적 NMS를 수행함으로써 연산을 줄이는 효율적인 특징 추출 알고리즘을 개발하였다.

A new effective feature extraction scheme, modifying SURF algorithm for markless AR, is presented in this paper. SURF algorithm used the scale pyramid to guarantee invariant features and the block based NMS of a fixed size window, so that the algorithm requires a lot of calculations. The proposed algorithm suggests an enhanced feature detection based on interest points instead of scale pyramid, in order to assure invariant features, and uses an adaptive NMS in the interested area for more effective calculations. As the result, the proposed algorithm preserves the performance of feature extraction similar to that of the conventional SURF, but obtains better results in computation loads and time.

1. 서 론
 2. 관련연구
  2.1 SIFT
  2.2 SURF
 3. 제안한 알고리즘
  3.1. Integral image
  3.2. 관심 영역 검출
  3.3. 불변 특징점 검출
  3.4. 적응적 NMS
 4. 실험 및 분석
 5. 결 론
 참고문헌

• 문명주(금오공과대학교 컴퓨터공학과) | Myung Ju Moon
• 한규필(금오공과대학교 컴퓨터공학과) | KyuPhil Han