영상 개선 알고리즘 중 하나인 Retinex는 뛰어난 개선 효과로 인하여 여러 분야에 적용이 가능하며, 특히 비전 카메라를 통하여 개발되는 ADAS(Advanced Driver Assistance System)의 중요 기술로 인식되고 있다. Retinex는 인간의 시각 체계가 조명성분의 영향은 받지 않고 반사성분을 통해 색체를 인식하는 것을 모델로 한다. 영상에서 조명성분을 제거하여 영상을 개선하며 우수한 성능을 나타내지만 연산속도가 오래 걸린다는 단점이 있다. 실험 결과 일반 데스크탑 환경(i5-3.4Ghz)에서 VGA ...
영상 개선 알고리즘 중 하나인 Retinex는 뛰어난 개선 효과로 인하여 여러 분야에 적용이 가능하며, 특히 비전 카메라를 통하여 개발되는 ADAS(Advanced Driver Assistance System)의 중요 기술로 인식되고 있다. Retinex는 인간의 시각 체계가 조명성분의 영향은 받지 않고 반사성분을 통해 색체를 인식하는 것을 모델로 한다. 영상에서 조명성분을 제거하여 영상을 개선하며 우수한 성능을 나타내지만 연산속도가 오래 걸린다는 단점이 있다. 실험 결과 일반 데스크탑 환경(i5-3.4Ghz)에서 VGA 해상도를 처리할 경우 약 120ms의 소요시간이 발생하며 Full HD 해상도에서는 프레임당 약 1.1초의 처리시간이 소요되었다. 따라서 Full HD급 이상의 영상을 실시간으로 처리하기 위해서는 하드웨어 가속기 설계가 불가피하다. 본 논문에서는 Full HD에 적합한 Retinex 알고리즘을 하드웨어로 구현하는 방법에 대해 연구하였다. 해상도에 따른 필터 사이즈 문제를 필터 연산을 간소화하여 해결하였으며, 이전 프레임의 조명성분을 이용하는 구조를 사용하여 파이프라인 처리를 통해 메모리 크기와 연산시간을 줄이고 처리속도를 높였다. 실험 결과 Full HD 해상도에서 약 30ms의 처리 속도가 소요되어 실시간 처리가 가능함을 확인하였다.
영상 개선 알고리즘 중 하나인 Retinex는 뛰어난 개선 효과로 인하여 여러 분야에 적용이 가능하며, 특히 비전 카메라를 통하여 개발되는 ADAS(Advanced Driver Assistance System)의 중요 기술로 인식되고 있다. Retinex는 인간의 시각 체계가 조명성분의 영향은 받지 않고 반사성분을 통해 색체를 인식하는 것을 모델로 한다. 영상에서 조명성분을 제거하여 영상을 개선하며 우수한 성능을 나타내지만 연산속도가 오래 걸린다는 단점이 있다. 실험 결과 일반 데스크탑 환경(i5-3.4Ghz)에서 VGA 해상도를 처리할 경우 약 120ms의 소요시간이 발생하며 Full HD 해상도에서는 프레임당 약 1.1초의 처리시간이 소요되었다. 따라서 Full HD급 이상의 영상을 실시간으로 처리하기 위해서는 하드웨어 가속기 설계가 불가피하다. 본 논문에서는 Full HD에 적합한 Retinex 알고리즘을 하드웨어로 구현하는 방법에 대해 연구하였다. 해상도에 따른 필터 사이즈 문제를 필터 연산을 간소화하여 해결하였으며, 이전 프레임의 조명성분을 이용하는 구조를 사용하여 파이프라인 처리를 통해 메모리 크기와 연산시간을 줄이고 처리속도를 높였다. 실험 결과 Full HD 해상도에서 약 30ms의 처리 속도가 소요되어 실시간 처리가 가능함을 확인하였다.
The Retinex, which is an image improving algorithm, can be used in many fields due to its excellent image enhancement performance. The algorithm is used as an important technique in ADAS(Advanced Driver Assistance System), which is typically developed based on vision cameras. Retinex models the huma...
The Retinex, which is an image improving algorithm, can be used in many fields due to its excellent image enhancement performance. The algorithm is used as an important technique in ADAS(Advanced Driver Assistance System), which is typically developed based on vision cameras. Retinex models the human vision's characteristic, which recognizes color by reflection components while not being influenced by illumination components. Retinex improves the image by removing the illumination components, but requires huge computation time. When experimentally processing an image in desktop environment(i5-3.4GHz), the execution time was about 120ms(VGA) and 1.1s(Full HD) per frame. So, we need to improve the execution time performance by implementing a hardware accelerator in order to achieve real time processing. In this thesis, we researched a method which implements the Retinex algorithm as a hardware accelerator that is suitable for managing Full HD resolution. We solved the filter size problem by simplifying filter operations, and reduced execution time and memory size by using the previous frame illumination value and by pipelining the procedure. As a result, for Full HD resolution, we achieved 30ms execution time, which is suitable for real time processing.
The Retinex, which is an image improving algorithm, can be used in many fields due to its excellent image enhancement performance. The algorithm is used as an important technique in ADAS(Advanced Driver Assistance System), which is typically developed based on vision cameras. Retinex models the human vision's characteristic, which recognizes color by reflection components while not being influenced by illumination components. Retinex improves the image by removing the illumination components, but requires huge computation time. When experimentally processing an image in desktop environment(i5-3.4GHz), the execution time was about 120ms(VGA) and 1.1s(Full HD) per frame. So, we need to improve the execution time performance by implementing a hardware accelerator in order to achieve real time processing. In this thesis, we researched a method which implements the Retinex algorithm as a hardware accelerator that is suitable for managing Full HD resolution. We solved the filter size problem by simplifying filter operations, and reduced execution time and memory size by using the previous frame illumination value and by pipelining the procedure. As a result, for Full HD resolution, we achieved 30ms execution time, which is suitable for real time processing.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.