선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- La如d의 Retinex 이론을 근간으로 한다『3). Retinex 알고리즘의 목적은 피사체의 인식에 영향을 주는 조명 성분과 영상의 특징을 반영하는 반사 성분을 분리해내어 조명 성분의 영향을 제거하고 반사 성분을 강조하여 입력 영상의 Dynamic Ran取를 압축하고 Contrast를 향상시키고자 하는 것이다.
- 본 논문에서는 Dynamic Range가 넓은 조명 환경에서 획득한 영상의 불균형한 Contrast 향상 성능을 보이는 기존의 Retinex 알고리즘을 개선한 가중치 맵 Retinex 알고리즘을 제안하였다. YCbCr 색 공간으로 변환하여 가중치 맵 구성에 필요한 성분의 추출과 컬러 복원 과정을 간소화하였으며 반사 성분 영상에서 에지 성분과 노출 성분을 추출하고 이들을 합성하여 입력 영상의 특성에 적응적인 가중치 맵을 구성하였고 MSR 합성 과정에 적용하였다.
- 본 논문에서는 이와 같은 단점을 극복하고 균형이 잡힌 Contrast 향상을 위해서 가중치 맵(Weight Map)을 이용한 Retinex 알고리즘을 제안한다. 제안된 알고리즘은 입력 영상의 조명 성분 제거를 통해 추출된 각 반사 성분 영상들로부터 Gontrast에 영향을 주는 에지 (Edge) 성분과 노출(Exposure) 성분을 추출하여 해당 영상의 특성이 반영된 각각의 가중치 맵을 구성하고, 서로 다른 특성을 갖는 각각의 반사 성분 영상에 상호 보완적인 가중치 맵을 적용하여 영상들을 합성한다.
- 받는다. 본 논문에서는 임의적인 가중치의 적용으로 인하여 발생하는 Contrast 손실을 개선하기 위해 반사 성분 영상에서 Contrast에 영향을 주는 에지 성분과 노출 성분을 추출하여 입력 영상에 적응적인 가중치 맵을 구성하고 이를 합성 과정에 적용하는 개선된 알고리즘을 제안한다.
가설 설정
- 노출 성분을 추출하는 목적은 SSR 영상의 전체 휘도분포에서 중간 대역에 분포하는 휘도 성분이 가장 적절한 노출 성분이라고 가정하고 그 노출 성분이 최종 출력 영상에 잘 반영되도록 하기 위함이며 이를 구현하기 위해 Gaussian 함수를 사용하였다. 다음은 노출 성분을 구하는 수식을 나타낸다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.