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
- 따라서 본 연구에서는 디지털 프레임 카메라에 의해 제작된 수치 항공영상을 이용하여 모자이크 영상을 제작하여 시험자료로 사용하였으며, HSI색상모델을 이용하여 제작된 모자이크 영상의 품질을 수치적으로 표현함으로써 영상 자체에 대한 신뢰성을 확보하고 영상 품질을 객관적으로 평가할 수 있는 방안을 제시하고자 한다.
- 본 연구에서는 모자이크 영상에 대한 색상 평가를 하기 위해 접합선을 중심으로 접합영상에서 색상의 변화를 정량적으로 평가하기 위해 다음과 같은 방법을 수행하였다.
- 인간의 시각적 특성을 절절히 표현하는 JND(Just Noticeabl e Difference)# 이용한 파라미터를 추출하고, 이를 이용하여 영상의 세그먼트를 분석하고 분석한 값으로부터 얻어진 영상 품질 값에 스코어링을 하여 그 값을 정규화함으로써 결정인자를 얻는 통계적 기법을 사용하였다. 이는 기존의 단순한 오차 성분을 고려한 방법에서 오차가 발생하는 세그먼트의 주변 환경 픽셀들의 특성을 파악함으로써 인간의 시각으로 감지하기 쉬운 것과 어려운 것을 구별함으로써 효과적인 결정 인자를 제시하는 방법을 기술하였다.
제안 방법
- 동일한 영상에 대한 모자이크 영상 평가를 하기 위해 다른 특성을 가지고 있는 도심지, 교외지, 농경지를 대상으로 지원되는 여러 히스토그램 매칭 기법을 적용하여 동일지역에 대한 여러 장의 모자이크 영상을 제작하였다.
- 둘째, 유사성 평가를 수행하기 위해 추출된 6가지 색상에 대한 채도, 명도 화소정보를 이용하여 좌우 접합영상에서 각각 채도와 명도의 평균을 구한 후, 접합영상간의 평균 변화율을 산출한다.
- 둘째, 추출한 각 색상에 대한 화소정보의 표준편차 (#)를 산출한 후 6가지 색상에 대한 채도, 명도의 표준편차의 평균을 산출한다.
- 첫째, 유사성 및 대비 평가를 수행하기 위해 그림 3과 같이 접합선을 기준으로 동일 지역에 해당하는 좌우 원 영상과 좌우 접합영상을 HSI색상모델로 각각 변환한다. 변환된 HSI영상을 이용하여 6가지 색상에 해당하는 각각의 채도와 명도에 대한 화소정보를 추출한다.
- 본 연구에서는 Z/I Imaging사의 Image Station과 Leica Geosystems사의 상용 소프트웨어에서 지원되는 옵션을 사용하여 모자이크 영상을 제작하였다.
- 본 연구에서는 그림 2에서 볼 수 있듯이 색상의 수평 각도 범위 내에서 6가지 색상에 해당하는 채도와 명도의 화소값 [H=0(Blue), 42(Cyan), 84(Green), 126 (Yellow), 168(Red), 210 (Mag enta)]을 추출하여 모자이크 영상 색상평가 방법에 사용하였다.
- 색상을 이용한 영상품질 측정 방법으로 Wang 등 (2008)은 선명도를 측정하는 방법으로 기준영상 없이 영상에서 검출된 에지를 이용하여 영상 자체의 품질을 평가하는 알고리즘을 제시하였다. 선명한 영상과 흐린 영상에 대하여 각각 선명도 측정하는 방법을 이용하여 두 영상의 화소값 곡선의 형태를 알 수 있었으며 이 측정법을 검증하기 위해 256*256 영상을 사용하여 초점이 흐트러진 각도를 나타내는 R 값에 따른 테스트를 수행하였다. 이 알고리즘은 영상 자체의 품질을 평가하는 방법을 제안함으로써 기존 원영상과의 비교 평가를 통한 연구와 차별화를 보여주었으며 또한 영상 자체 평가에 대한 필요성이 증가되고 있는 것을 알 수 있다.
- 셋째, 접합영상의 대비 변화를 보기 위하여 추출된 6 가지 색상에 대한 채도, 명도 화소정보를 이용하여 좌우 접합영상의 표준편차들의 평균을 구한 후, 이 값을 이용하여 접합영상에 대한 표준편차 변화율을 산출한다.
- 황희련 (2008)은 객관적 화질평가를 하기 위해 원 영 상의 제공여부에 따른 FR(Full-reference), RR(Reduce-ref- erence), NR(No-reforence) 의 3 가지로 세분화되는 객관적측정기준을 기술하였다. 이 중 테스트 영상만을 가지고 측정 이 가능한 NR(No-reference)의 불록킹과 블러링 현상 을 이용하여 측정하였다. 측정된 영상으로는 불록기반 의 JPEG 복원영상과 전체영상을 웨이블렛 변환하는 JPEG 2000 기반의 복원영상을 사용하였으며 이는 객관적 영상 방법인 불록킹과 블러링현상을 이용하여 기존의 PSNR로 표현하는 것보다 정확한 오류 성분을 나타내는 것으로 나타났다.
- 즉, 기존의 객관적 측정으로부터 발전된 방법으로 영상 품질 점수 (IQS)의 새로운 객관적 측정 방법을 제안하였다. 이는 잡음이 포함되어 있는 영상을 2가지 형태로 제작하여 PSNR (Peak Signal to Noise Ratio), MD(Maximum Difference), LMSE(Laplacian Mean Square Error)를 이용한 IQS 의 새로운 측정법을 나타내었으며 IQS의 신뢰성을 확인하기 위해 다른 기존의 많은 잡음 측정 방법들과 비교하였으며 안정성 검사를 위해 VIF(Visual Information Fidelity)^ 측정법의 상관계수를 측정하는 방법을 사용하였다.
- 즉, 대비가 유사하다는 것은 접합된 영상이 서로 비슷한 정보를 가지고 있다는 것을 의미한다. 이와 같이 영상의 표준편차를 이용하여 인접 한 접합영상의 대비를 평가하고자 하며, 이를 위하여 유사성 평가와 마찬가지로 6가지 색상에 대한 채도와 명도의 표준편차를 이용하여 접합영상에 대한 표준편차 변화율을 산출하고자 한다.
- 국외 연구에서 Sakuldee와 Udomhunsakul (2007)은 원영상과 잡음이 포함되어 있는 원영상을 비교하여 다시 새로운 잡음을 추정하는 방법으로 기존의 많은 잡음 측정 방법들을 이용하였다. 즉, 기존의 객관적 측정으로부터 발전된 방법으로 영상 품질 점수 (IQS)의 새로운 객관적 측정 방법을 제안하였다. 이는 잡음이 포함되어 있는 영상을 2가지 형태로 제작하여 PSNR (Peak Signal to Noise Ratio), MD(Maximum Difference), LMSE(Laplacian Mean Square Error)를 이용한 IQS 의 새로운 측정법을 나타내었으며 IQS의 신뢰성을 확인하기 위해 다른 기존의 많은 잡음 측정 방법들과 비교하였으며 안정성 검사를 위해 VIF(Visual Information Fidelity)^ 측정법의 상관계수를 측정하는 방법을 사용하였다.
- 첫째, 유사성 및 대비 평가를 수행하기 위해 그림 3과 같이 접합선을 기준으로 동일 지역에 해당하는 좌우 원 영상과 좌우 접합영상을 HSI색상모델로 각각 변환한다. 변환된 HSI영상을 이용하여 6가지 색상에 해당하는 각각의 채도와 명도에 대한 화소정보를 추출한다.
- 첫째, 접합영상에서 각 6가지의 색상에 해당하는 채도, 명도의 화소정보를 색상별로 추출한다. 이때 0~255 색상 중 6가지 색상만으로는 추출되는 정보가 매우 작아 색상별로 ±5 buffer를 적용하였다.
데이터처리
- 국내 연구에서 배경율 (2007)은 동일한 영상에서 기존의 PSNR과 SNR과 같은 객관적 영상품질을 보완하는 방법을 제안하였다. 인간의 시각적 특성을 절절히 표현하는 JND(Just Noticeabl e Difference)# 이용한 파라미터를 추출하고, 이를 이용하여 영상의 세그먼트를 분석하고 분석한 값으로부터 얻어진 영상 품질 값에 스코어링을 하여 그 값을 정규화함으로써 결정인자를 얻는 통계적 기법을 사용하였다. 이는 기존의 단순한 오차 성분을 고려한 방법에서 오차가 발생하는 세그먼트의 주변 환경 픽셀들의 특성을 파악함으로써 인간의 시각으로 감지하기 쉬운 것과 어려운 것을 구별함으로써 효과적인 결정 인자를 제시하는 방법을 기술하였다.
이론/모형
- 대비를 이용한 영상품질 측정 방법으로 Yao 등 (2005) 은 기존의 잡음 측정 방법인 PSNR> 이 용하여CSNR(Contrast Signal-To-Noise Rat io) 측정방법을 제안하였다. CSNR 알고리즘을 이용하여 항공영상의 대비 값과 대비오차를 산출한다. 이를 검증하기 위해 총 344개의 JPEG와 JPEG2000압축영상을 사용하여 MOS(subje ctive Mean Opinion Score)와 비교함으로써 CSNR 과 MOS가 서로 규칙성을 가지고 있다는 것을 보여주었다.
- 따라서 본 연구에서는 사람이 사물을 바라보고 해석 할 때 가장 유사하다는 HSI(색상, 채도, 명도) 색상모델을 적용하였다.
- 모자이크 영상 제작 시 사용되는 방법 중 영상재배열은 각 상용 소프트웨어에서 지원하는 알고리즘이 다르므로 별도의 방법을 지정하지 않았다. 최적의 영상을 생성하고 영상의 품질에 많은 영향을 주는 접합선은 모자이크 영상 생성 시 접합선 중심으로 접합부분에서 기하학적 왜곡이 발생하지 않도록 각 상용 소프트웨어에서 지원하는 최적의 접합선 알고리즘을 사용하였다.
성능/효과
- 그러나 교외지의 색상 평가 결과에서는 도심지와 농경지와는 달리 채도, 명도에 따른 각각의 파라미터를 비교, 분석하는 것은 불가능하였다. 따라서 각각의 파라미터를 합한 통계값(Vtotal)으로 분석하였으며, 통계값을 분석한 결과 시각적으로 판단하기 어려운 영상을 포함하여 대부분 유사한 결과를 나타내고 있는 것을 알 수 있었다.
- 01 인 접합영상2보다 큰 차이를 보여주고 있다. 따라서 모두 합한 4가지 파라미터의 통계값을 비교한 결과 접합영상1과 접합영상의2의 Vtotal은 각각 0.62, 0.18로 시각적 판단과 유사한 것을 보여주고 있다.
- 본 연구에서 사용한 디지털 프레임 카메라는 기존의 아날로그 카메라에서 사용하던 프레임 방식과 유사하며 현상과 인화 등의 추가 작업이 필요 없으므로 기존의 아날로그 사진보다 높은 중복도로 촬영하여 고품질의 정 사영상과 모자이크 영상의 제작이 가능하다. 중복도 자동조정이 가능한 디지털 프레임 카메라는 높은 중복도로 촬영함으로써 영상에 나타나는 폐색지역이 줄어들어 영상의 정확도 및 영상품질을 높일 수 있다.
- 이와 같이 기존의 영상품질평가와는 다르게 HSI 색상 모델을 사용하여 평가하고자 하는 영상 자체에 대하여 평가함으로써 시각적으로 판단하기 어려운 모호한 문제점을 정량적으로 나타내었다. 이 결과는 영상자체에 대한 품질평가에 대한 타당성 및 신뢰성을 확보 할 수 있는 가능성을 보여주었다.
- 선명한 영상과 흐린 영상에 대하여 각각 선명도 측정하는 방법을 이용하여 두 영상의 화소값 곡선의 형태를 알 수 있었으며 이 측정법을 검증하기 위해 256*256 영상을 사용하여 초점이 흐트러진 각도를 나타내는 R 값에 따른 테스트를 수행하였다. 이 알고리즘은 영상 자체의 품질을 평가하는 방법을 제안함으로써 기존 원영상과의 비교 평가를 통한 연구와 차별화를 보여주었으며 또한 영상 자체 평가에 대한 필요성이 증가되고 있는 것을 알 수 있다.
- CSNR 알고리즘을 이용하여 항공영상의 대비 값과 대비오차를 산출한다. 이를 검증하기 위해 총 344개의 JPEG와 JPEG2000압축영상을 사용하여 MOS(subje ctive Mean Opinion Score)와 비교함으로써 CSNR 과 MOS가 서로 규칙성을 가지고 있다는 것을 보여주었다.
- 이 중 테스트 영상만을 가지고 측정 이 가능한 NR(No-reference)의 불록킹과 블러링 현상 을 이용하여 측정하였다. 측정된 영상으로는 불록기반 의 JPEG 복원영상과 전체영상을 웨이블렛 변환하는 JPEG 2000 기반의 복원영상을 사용하였으며 이는 객관적 영상 방법인 불록킹과 블러링현상을 이용하여 기존의 PSNR로 표현하는 것보다 정확한 오류 성분을 나타내는 것으로 나타났다.
후속연구
- 본 연구에서는 단일 좌우 접합영상의 품질을 정략적으로 평가하는 방법을 연구하였으며, 향후 모자이크 영상 내에 존재하는 모든 접합선을 기준으로 적용하여 연속적인 하나의 모자이크영상으로 생성되었는지에 대한 연구가 필요하다. 또한 산출된 파라미터에 대하여 등급을 적용한다면 더욱 더 객관적이고 신뢰성 있는 영상 품질평가 방법이 될 것이므로 이에 대한 연구가 필요할 것으로 판단된다.
- 본 연구에서는 단일 좌우 접합영상의 품질을 정략적으로 평가하는 방법을 연구하였으며, 향후 모자이크 영상 내에 존재하는 모든 접합선을 기준으로 적용하여 연속적인 하나의 모자이크영상으로 생성되었는지에 대한 연구가 필요하다. 또한 산출된 파라미터에 대하여 등급을 적용한다면 더욱 더 객관적이고 신뢰성 있는 영상 품질평가 방법이 될 것이므로 이에 대한 연구가 필요할 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.