SIFT 구분자를 활용한 실내도면 이미지에서의 텍스트 정보 구축기법 연구

Abstract

최근 기계학습을 통한 데이터 분석방법의 발전과 데이터 처리 능력이 발전됨에 따라 도면 이미지에서 의미론적 분석이 활발하게 이루어지고 있다. 이에 따라 의미론적 분석을 위해 도면 이미지에서 텍스트 정보를 추출해내는 연구 또한 활발하게 이루어지고 있다. 그러나 도면 이미지에서 텍스트를 분리하는 기존 연구에서는 그래픽 성분과 텍스트 성분이 겹쳤을 때 텍스트 정보를 추출할 수 없다는 단점이 존재했다. 따라서 본 연구는 SIFT 구분자를 통해 특이점에서의 이미지의 특성을 정의하고 정의된 특성을 SVM 모형에 적용하여 해당하는 지역 이미지의 클래스를 분류함으로써 이 문제를 개선하고자 한다. 분류 모형의 학습데이터 생성을 위해 55장의 도면에서 생성된 14,440장의 연결성분 이미지와 312,882개의 SIFT 구분자를 수집했다. 연결성분의 클래스 분류를 위해 연결성분을 벡터화 시켜 SVM-BoW 모형에 적용했으며 SIFT 구분자를 SVM 구분자 모형을 통해 분류하여 특이점의 클래스를 결정했다. 마지막으로 텍스트로 분류된 연결성분과 특이점을 모아 도면 이미지에서 텍스트 성분을 분리했고 분리과정에서 도면 이미지에서 텍스트의 위치정보를 구축하였다. 본 연구에서 제안한 기법은 도면 이미지에 적용하면 그래픽 성분과 겹치는 텍스트 성분을 자동으로 추출할 수 있을 뿐만 아니라 도면 이미지에서의 위치정보 또한 구축할 수 있다는 점에서 의의가 있다.