스테레오 정합에 직렬 유전자 알고리즘 적용의 일반적인 문제를 해결하기 위한 두 가지 방법을 제안한다. 먼저, 메모리 소비와 탐색의 비효율성 문제를 줄이기 위한 간소화된 개체군기반 증가 학습전략을 채택하고, 넓은 영역의 일관성 있는 변이들을 얻기 위한 변이 연속성을 위해 이웃한 화소간의 거리를 제어하는 구조를 삽입하였다. 또한 저사양 하드웨어 환경에서 사용될 수 있는 확률벡터를 위해 프로그램이 가능한 하드웨어인 GPU에서 수행될 수 있는 새로운 병렬 모델을 제안한다. 제안된 알고리즘을 CPU와 GPU에서 실험을 통해 수행 및 검증하였다. 실험결과에서 제안된 알고리즘이 이완처리를 포함한 전통적인 BMA 방법과 이를 수정한 버전보다 실행속도 및 안정성에 있어 보다 우수한 성능을 보였으며, GPU를 활용을 위한 제안된 방식의 계산시간이 보다 큰 영상에서 매우 효과적임을 보여준다.

In order to solve the general prolems of serial genetic algorithms applied in stereo matching, two measures are proposed in this paper. First, thestrategy of the simplified population-based incremental learning(PBIL) is adopted to decrease the problems in memory consumption and searching inefficiency, as well as a scheme controlling the distance of neighbors for disparity smoothness is inserted to obtain a wide-area consistency of disparities. In addition, an alternative version of the proposed algorithm without using a probablity vector is also presented for simpler set-ups. Secondly, to decrease the running time further, a parallel model of the proposed algorithm which can be run on programmable graphics-hardware (GPU) is newly given. The algorithms are implemented on the CPU as well as the GPU and evaluated by experiments. The experimental results show the proposed algorithm has better performance thatn traditional BMA methods with a deliberate relaxation and its modified version in both running speed and stability. The comparison in computation times for the algorithm both on GPU and CPU shows that the former has more speed-up than the latter, the bigger the image size is.

Abstract
 요 약
 1. 서 론
 2. 제안한 PBIL을 이용한 스테레오 정합
 3. 제안한 기법의 GPU기반 병렬 모델링
 4. 실험 및 결과
 5. 결 론
 참고문헌

• 이동후(금오공과대학교 컴퓨터공학과) | Dong-Hu Nie
• 이행석(금오공과대학교 컴퓨터공학과) | Heng-Suk Lee
• 한규필(금오공과대학교 컴퓨터공학과) | Kyu-Phil Han