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
- 이런 영상은 화질이 떨어져 화소가 비슷한 값을 갖고 있기 때문에 사람의 눈에는 흐리거나 물체가 구분되지 않게 된다. 따라서 본 논문에서는 시각적인 대비 개선을 위해 위와 같은 영상을 적절한 기법을 통해 처리하여 어두운 영역과 밝은 영역의 차이를 명확히 해주는 명암 대비적 방법으로 접근하여 대비의 개선을 제안하였다. 명암대비 향상을 위한 대표적인 처리 기법으로 히스토그램 평활화 및 명세화 기법과 스트레칭 기법 등이 있다.
제안 방법
- 첫째로 원본 이미지의 히스토그램을 이웃한 픽셀의 밀도 함수를 이용하여 히스토그램을 평균화하고 누적 그래프를 생산한다. 다음으로 누적 그래프의 기울기 값을 이용하여 peak point과 valley point을 찾고 환경적 변수를 사용하여 영역을 나누어준다. 세번째로 나누어진 영역을 이용하여 각 영역의 분포도를 분석하고 각각의 영역과 관련하여 분포비율을 계산한다.
- 위에서 설명한 바와 같이 본 논문에서 제안한 방법으로 명암도가 얼마나 향상되었는지 300여장의 이미지를 가지고 테스트를 실시하였다. 또한 다른 스트레칭의 기법과 어떠한 차이가 있는지 실험을 통해 알아보았다. 그림 7과 그림 8, 그림 9의 영상은 기존의 스트레칭 기법과 본 논문에서 제안한 기법을 비교한 영상이다.
- 편미분 함수 기반 기법은 그림8 (g)와 같이 영상의 밝기는 높아졌으나 꽃잎과 나뭇가지들의 경계가 과도하게 나타나고 꽃잎부분에 노이즈와 같은 잡음이 발생하여 영상이 시각적으로 선명하지 못하다 즉 깨끗하지 못한 현상으로 인해 화질의 질은 떨어진 것을 볼 수 있었다. 본 논문에서 제안한 기법은 그림 8(i)와 같이 원본영상에 대해서 대비향상은 물론이고 적응적인 스트레칭 범위 결정으로 인해 과도한 스트레칭을 막아주어 하늘영역의 외곡 현상이나 잡음을 제어할 수 있고, 진달래의 꽃잎과 꽃술도 시각적으로 구분이 가능도록 결과 영상을 제공해주었다.
- 본 논문에서 제안한 방식은 명암 대비 영상에서의 시각적인 대비 개선에 중점을 둔 영상처리방식이다. 히스토그램상의 영역을 밀집도에 따라 분할하고, 분할되어진 각각의 영역의 해당하는 밝기값의 분포비율을 구한다.
- 다음으로 누적 그래프의 기울기 값을 이용하여 peak point과 valley point을 찾고 환경적 변수를 사용하여 영역을 나누어준다. 세번째로 나누어진 영역을 이용하여 각 영역의 분포도를 분석하고 각각의 영역과 관련하여 분포비율을 계산한다. 계산되어진 분포비는 스트레칭 연산을 적용할 때 전체 히스토그램의 영역에서 얼마만큼의 영역으로 늘려줄 것인지를 결정할 때 사용되어진다.
- 스트레칭에 앞서 분포에 따른 히스토그램 영역을 나누는 방법으로 본 논문에서는 Peak Point와 Valley Point를 먼저 찾고 이들을 이용하여 영역을 분할하는 방법을 제시하였다. 히스토그램의 영역을 구분하기 위해서 각각의 밝기 값의 밀도를 계산한 히스토그램을 이용하여 산술적으로 구현한다.
- 명암을 개선하기 위한 또 다른 방법으로는 편미분 함수를 이용한 방법으로 입력 영상에 대한 어떠한 사전정보 없이, 오직 단일 입력 영상의 휘도만을 가지고 영상의 대조비를 개선한다. 주변 화소 값과의 차이를 이용하여 편미분 함수를 통해 계산되어진 결과영상을 도출한다.[7] 편미분 기반 알고리즘은 차감의 연산으로 대조비를 높이기 때문에 안개영상과 같은 정반적인 대비도가 낮은 영상에서는 효과적이지만 주변의 경계가 너무 뚜렷해져 대비개선으로 자연스럽지 못한 결과영상을 보인다.
- 제안하는 스트레칭 기법은 다음과 같은 흐름도를 갖는다. 첫째로 원본 이미지의 히스토그램을 이웃한 픽셀의 밀도 함수를 이용하여 히스토그램을 평균화하고 누적 그래프를 생산한다. 다음으로 누적 그래프의 기울기 값을 이용하여 peak point과 valley point을 찾고 환경적 변수를 사용하여 영역을 나누어준다.
- 스트레칭 기법을 사용함으로서 넓은 영역에서 명암분포를 가지게 되며, 영상안의 물체들 사이의 낮은 명암차이를 보완할 수 있다. 히스토그램 상에서 높게 분포하고 있는 영역값들을 분할하여 영역의 밀집도를 비교하고 분석하여 스트레칭 기법의 적용범위를 각각의 영역별로 계산한다. 그런 다음 계산된 범위만큼 각각의 영역을 스트레칭 시켜주어 대비 향상을 보여주었다.
- 본 논문에서 제안한 방식은 명암 대비 영상에서의 시각적인 대비 개선에 중점을 둔 영상처리방식이다. 히스토그램상의 영역을 밀집도에 따라 분할하고, 분할되어진 각각의 영역의 해당하는 밝기값의 분포비율을 구한다. 계산된 분포비율은 스트레칭을 수행할 때 히스토그램 상의 적용 범위를 결정한다.
- 스트레칭에 앞서 분포에 따른 히스토그램 영역을 나누는 방법으로 본 논문에서는 Peak Point와 Valley Point를 먼저 찾고 이들을 이용하여 영역을 분할하는 방법을 제시하였다. 히스토그램의 영역을 구분하기 위해서 각각의 밝기 값의 밀도를 계산한 히스토그램을 이용하여 산술적으로 구현한다. 히스토그램의 분포가 전반적으로 유연하다면 기울기를 이용할 때 각도가 점점 증가하다가 낮아지는 변화를 통해 Peak Point와 Valley Point의 위치를 찾는 것이 쉽다.
대상 데이터
- 위에서 설명한 바와 같이 본 논문에서 제안한 방법으로 명암도가 얼마나 향상되었는지 300여장의 이미지를 가지고 테스트를 실시하였다. 또한 다른 스트레칭의 기법과 어떠한 차이가 있는지 실험을 통해 알아보았다.
이론/모형
- 본 논문에서 제안한 방식 또한 위에서 설명한 지역 명암대비 향상 기법으로 스트레칭 기법을 기반으로 한다. 스트레칭 기법을 사용함으로서 넓은 영역에서 명암분포를 가지게 되며, 영상안의 물체들 사이의 낮은 명암차이를 보완할 수 있다.
성능/효과
- 경계선을 검출한 이미지에서도 경계선이 명확히 드러나긴 하지만 나무와 담장의 영역에 많은 수의 노이즈와 잡음이 생겨 영상처리과정에서 적절하지 못한 결과를 가져올 확률이 높다. 그림 9(g)의 결과 영상은 편미분 함수 기반 기법을 적용한 결과로써 건물의 명암 대비 면에서는 밝아진 영상을 볼 수 있지만 모든 경계선들이 나타나 노이즈가 심하고 오른쪽의 나무 영역이 많이 부자연스러운 것을 볼 수 있다. 그림 9(h)에서도 볼 수 있듯이 모든 엣지들이 모두 검출되어 올바른 경계선이 재대로 검출되지 않음을 알 수 있다.
- 본 논문에서 제안한 기법을 적용한 그림 9(i)의 영상은 명암대비 기존 영상보다 밝기가 향상되고 영상에서 비가오고 있음을 알 수 있을 정도로 영상의 선명도가 개선되었다. 따라서 그림 9(j)의 경계선 검출과정에서 배경에 해당하는 경계선은 사라지고, 담장과 지붕 및 세밀함을 요구하는 처마의 경계선은 명확히 검출할 수 있었다.
- 본 논문에서 제안한 기법을 적용한 그림 9(i)의 영상은 명암대비 기존 영상보다 밝기가 향상되고 영상에서 비가오고 있음을 알 수 있을 정도로 영상의 선명도가 개선되었다. 따라서 그림 9(j)의 경계선 검출과정에서 배경에 해당하는 경계선은 사라지고, 담장과 지붕 및 세밀함을 요구하는 처마의 경계선은 명확히 검출할 수 있었다. 본 실험을 통해 화질의 선명도을 위해 경계선 검출과정에서 다른 기존 기법들보다 잡음의 양이 많지는 않지만 원본 영상보다는 잡음의 양이 증가한다는 것을 알 수 있었다.
- 따라서 어두운 영역의 분포비가 다른 곳보다 상대적으로 높기 때문에 히스토그램 상에 더 넓은 범위에 걸쳐 스트레칭 된 것이다. 결과적으로 어두운 영역에 대한 넓은 스트레칭 범위로 인해 영상의 밝기가 밝아졌고, 명암대비 개선된 영상을 얻을 수 있다. 일반적으로 역광 영상의 경우 밝기 정보가 0~255의 밝기 단계 중 어느 한 영역에만 집중되어 분포하고 있으며, 이를 밀도에 따라 외곡없이 적절한 스트레칭 기법을 사용함으로써 명확도를 향상시켜줄 수 있었다.
- 히스토그램 상에서 높게 밀집되어 있는 영역은 그만큼 스트레칭 적용범위를 크게 해주고 밀집도가 낮은 영역에 대해서는 스트레칭 기법 적용범위를 좁게 해주어 영상에서 명암대비가 높은 지역에서보다 낮은 지역에서 명암대비효과를 더 크게 해주었다. 그 결과 영상의 선명도를 높이고 대비를 개선하는 결과를 볼 수 있었다.
- 본 실험을 통해 화질의 선명도을 위해 경계선 검출과정에서 다른 기존 기법들보다 잡음의 양이 많지는 않지만 원본 영상보다는 잡음의 양이 증가한다는 것을 알 수 있었다. 또한 특정 영상에 의해서 히스토그램의 분포가 너무나도 급격하게 변화하는 이미지에서는 히스토그램의 평균 분포량을 이용하여 히스토그램을 유연하게 만들어 주어도 분포의 급격한 변화가 여전히 장애로 남는 것을 실험을 통해 알았다. 이러한 히스토그램은 기울기를 통한 valley point를 찾는 것이 쉽지 않기 때문에 이러한 문제점을 해결하고자 다양한 이미지에 의한 다양한 히스토그램 모양의 패턴을 분석하고 이러한 패턴의 분류를 통해 패턴인식을 하여 이를 통한 히스토그램의 분할을 빠르고 보다 정확하게 수행할 수 있도록 수정하여 명암대비 개선효과의 성능을 향상 시킬 수 있어야 할 것이다.
- 즉, 어두운 영상을 띄면서 과도하게 한쪽으로 분포가 밀집되어 있는 그림 7(a)와 같은 영상에서는 명암대비 개선 기법이 과도하게 적용되어짐을 알 수 있었다. 본 논문에서 제안한 기법을 적용한 그림 7(i)는 히스토그램상의 밀도에 따라 스트레칭 적용범위를 결정해주기 때문에 과도하게 스트레칭 되는 현상을 막을 수 있었고, 위의 기존 기법을 적용한 영상들보다 시각적으로 건물의 왼쪽과 오른쪽의 명암대비가 적절하게 개선되어진 결과를 보여주었다.
- 따라서 그림 9(j)의 경계선 검출과정에서 배경에 해당하는 경계선은 사라지고, 담장과 지붕 및 세밀함을 요구하는 처마의 경계선은 명확히 검출할 수 있었다. 본 실험을 통해 화질의 선명도을 위해 경계선 검출과정에서 다른 기존 기법들보다 잡음의 양이 많지는 않지만 원본 영상보다는 잡음의 양이 증가한다는 것을 알 수 있었다. 또한 특정 영상에 의해서 히스토그램의 분포가 너무나도 급격하게 변화하는 이미지에서는 히스토그램의 평균 분포량을 이용하여 히스토그램을 유연하게 만들어 주어도 분포의 급격한 변화가 여전히 장애로 남는 것을 실험을 통해 알았다.
- 제안된 방법은 실험을 통해 광역적인 방법과 지역적인 대비향상 방법들이 갖는 문제들을 해결할 수 있음을 확인할 수 있었다. 어두운 영역에 과도하게 밀집되어 시각적으로 어두운 밝기를 갖는 영상에서는 과도하게 스트레칭되거나 평활화되는 기존 기법과 달리 분포비율에 따른 계산되어진 범위내에서만 스트레칭되기 때문에 과도한 스트레칭 문제를 해결할 수 있었고, 영상의 블록화나 계단현상과 같은 왜곡을 최대로 줄일 수 있었다. 또한 밝은 영상에서는 적절한 범위를 적용한 스트레칭 기법이 영상을 과도하게 어두운 쪽으로 펼쳐지지 않도록 도와주고, 세밀한 부분에 대한 명암까지 고려되어 시각적인 명암대비 개선을 보여주었다.
- 최종적으로 이 결정된 범위만큼 해당 영역을 각각 스트레칭 연산을 통해 적용하여 효과적인 명암대비 개선된 영상을 구할 수 있다. 제안된 방법은 실험을 통해 광역적인 방법과 지역적인 대비향상 방법들이 갖는 문제들을 해결할 수 있음을 확인할 수 있었다. 어두운 영역에 과도하게 밀집되어 시각적으로 어두운 밝기를 갖는 영상에서는 과도하게 스트레칭되거나 평활화되는 기존 기법과 달리 분포비율에 따른 계산되어진 범위내에서만 스트레칭되기 때문에 과도한 스트레칭 문제를 해결할 수 있었고, 영상의 블록화나 계단현상과 같은 왜곡을 최대로 줄일 수 있었다.
후속연구
- 또한 밝은 영상에서는 적절한 범위를 적용한 스트레칭 기법이 영상을 과도하게 어두운 쪽으로 펼쳐지지 않도록 도와주고, 세밀한 부분에 대한 명암까지 고려되어 시각적인 명암대비 개선을 보여주었다. 나아가 물체들의 선명함도 개선됨에 따라 물체들을 검출하는 과정에서 더욱 유용할 수 있도록 발전시켜야 하고, 이러한 개선효과와 더불어 발생한 잡음 발생효과와 시간복잡도와 공간 복잡도의 개선을 위한 연구는 지속적인 연구가 필요하다.
- 또한 특정 영상에 의해서 히스토그램의 분포가 너무나도 급격하게 변화하는 이미지에서는 히스토그램의 평균 분포량을 이용하여 히스토그램을 유연하게 만들어 주어도 분포의 급격한 변화가 여전히 장애로 남는 것을 실험을 통해 알았다. 이러한 히스토그램은 기울기를 통한 valley point를 찾는 것이 쉽지 않기 때문에 이러한 문제점을 해결하고자 다양한 이미지에 의한 다양한 히스토그램 모양의 패턴을 분석하고 이러한 패턴의 분류를 통해 패턴인식을 하여 이를 통한 히스토그램의 분할을 빠르고 보다 정확하게 수행할 수 있도록 수정하여 명암대비 개선효과의 성능을 향상 시킬 수 있어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.