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
- 또한 디지털 영상의 다양한 응용분야에서 색상 히스토그램을 사용하는 목적중 하나는 영상을 구성하는 다양한 색상 중 영상을 대표하여 표현 할 수 있는 색상을 추출하는 것이다. 대표색상의 추출은 영상검색이나 인식 등의 분야 뿐 아니라 디지털 색상 표준화, 색상 테라피 및 미술 심리치료 등의 응용분야에서 필요한 기법으로 중요한 역할을 차지하고 있다.
- 본 논문에서는 이러한 요구를 바탕으로 칼라좌표계전체 색상에 대해 영상 내 색상의 분포 특성을 알 수 있는 히스토그램을 구하는 방법을 제시한다. 본 논문에서는 RGB 공간의 입력영상을 현재 세계적으로 가장 널리 사용되는 먼셀좌표계를 기본으로 하여 기준색상을 50색상으로 정의하고 HSI색상공간으로 변환하여 히스토그램을 구한다.
- 히스토그램을 구하는 방법을 제시한다. 본 논문에서는 RGB 공간의 입력영상을 현재 세계적으로 가장 널리 사용되는 먼셀좌표계를 기본으로 하여 기준색상을 50색상으로 정의하고 HSI색상공간으로 변환하여 히스토그램을 구한다. HSI 색상공간은 색상, 채도, 명도로 분리하여 색상을 표현하며 이때 명도와 채도의 값에 따라 색상이 정의되지 않는 영역이 있다.
- 사용될 수 있는 특징이다. 본 논문에서는 대표색상을 '주로 사용된 색상'로 정의하고 영상 내에 분포하는 빈도가 높은 색상을 대표색상으로 주출하였다. 따라서 전체 화소와 색상의 빈도의 비율을 기준으로 일정 비율 이상이면서 높은 빈도를 갖는 색상을 대표색상으로 주출한다.
- 본 논문에서는 기준색상을 제시하고 그에 따른 히스토그램을 구하는 방법을 제시한다. 본 논문에서 제안하는 기준색상은 먼셀좌표계에서 정의하는 40색상과 10등급의 명도값을 기준으로 한 50색상을 기준색상으로 한다.
제안 방법
- HSI 색상공간은 색상, 채도, 명도로 분리하여 색상을 표현하며 이때 명도와 채도의 값에 따라 색상이 정의되지 않는 영역이 있다. 따라서 제안 방법에서는 채도와 명도의 값에 따라 색상영역과 비 색상영역으로 분리하여 히스토그램을 구한다. 색상영역과 비색 상영 역으로의 분리를 위해 임계값 설정하는 방법과 인간의 주관적 시각을 고려한 함수를 제안한다.
- 따라서 제안 방법에서는 채도와 명도의 값에 따라 색상영역과 비 색상영역으로 분리하여 히스토그램을 구한다. 색상영역과 비색 상영 역으로의 분리를 위해 임계값 설정하는 방법과 인간의 주관적 시각을 고려한 함수를 제안한다. 제안된 방법으로 구해진 색상영역과 비색상영역의 히스토그램으로부터 전체 히스토그램을 구하고 영상을 대표할 수 있는 대표색상을 주줄한다.
- 색상영역과 비색 상영 역으로의 분리를 위해 임계값 설정하는 방법과 인간의 주관적 시각을 고려한 함수를 제안한다. 제안된 방법으로 구해진 색상영역과 비색상영역의 히스토그램으로부터 전체 히스토그램을 구하고 영상을 대표할 수 있는 대표색상을 주줄한다.
- 또한 기준색상의 경계영역에 있는 색상은 분류하는 거리 척도에 따라 동일한 빈으로 누적되거나 다른 빈으로 분류될 수도 있어 오차를 유발하는 단점이 있다. 여기서는 R, G, B를 각각 4단계로 나누어 64색상을 기준색상으로 설정하여 히스토그램을 구했다. 그림 1(b)의 그래프에서는 선정된 기준색상이 영상의 다양한 화소들을 표현하기에 적합하지 않고 경계영역의 화소가 적합하지 않은 거리척도로 인하여 인접영역으로 분류되었기 때문에 실제 영상에 있지 않은 기준색상에 화소들의 히스토그램이 나타난다.
- 그림 1(c)와 그림 1(d)는 클러스터링 기법 중 대표적인 LBG 알고리즘과 Octree 기법을 적용한 결과이다. 두 결과는 영상 내 분포하는 색상을 중심으로 대표색상을 선정하고 히스토그램을 구한다. 따라서 전체 영상의 히스토그램은 영상의 화소의 분포를 잘 반영하고 영상 DB등의 검색을 위하여 특징으로 사용될 수 있다.
- 본 논문에서는 RGB 색상공간의 입력영상을 인간의 시각을 고려한 HSI 색상공간으로 변환하여 색상영역 (%)과 비색상영역(为)으로 분류하여 히스토그램을 구하는 방법을 제안한다. 제안방법은 기준색상을 먼셀 좌표 계에 근거하여 색상영역의 40색상과 비색상영역의 10 색상으로 구성된 即색상의 기준색상을 제시하고 색상영역의 히스토그램과 비색상영역의 히스토그램을 구한다.
- 방법을 제안한다. 제안방법은 기준색상을 먼셀 좌표 계에 근거하여 색상영역의 40색상과 비색상영역의 10 색상으로 구성된 即색상의 기준색상을 제시하고 색상영역의 히스토그램과 비색상영역의 히스토그램을 구한다. 색상영역과 비색상영역을 나누는 기준은 인간의 시각이 색상을 인지할 수 있는 영역인지를 중점으로 하였으며 따라서 색상영역의 히스토그램을 구할 때 거리척도는색싱w(hue)를 중심으로 하였고 비색상영역의 거리 척도는 명도 값을 중심으로 하였다.
- 제안방법은 기준색상을 먼셀 좌표 계에 근거하여 색상영역의 40색상과 비색상영역의 10 색상으로 구성된 即색상의 기준색상을 제시하고 색상영역의 히스토그램과 비색상영역의 히스토그램을 구한다. 색상영역과 비색상영역을 나누는 기준은 인간의 시각이 색상을 인지할 수 있는 영역인지를 중점으로 하였으며 따라서 색상영역의 히스토그램을 구할 때 거리척도는색싱w(hue)를 중심으로 하였고 비색상영역의 거리 척도는 명도 값을 중심으로 하였다. 그림 2는 제안방법의 구성도이다.
- 먼셀좌표계는 물체표면의 색 지각을 기초로 심리적인 색의 속성을 색상 명도 채도로 분리하여 3차원 공간의 한 점에 대응시켜 3개의 방향으로 배열하되, 배열하는 방법은 지각적으로 고른 감도가 되도록 측도를 한 것이다. 제안방법은 먼셀 색표계의 40색상환의 색상과 10단계의 명도값을 이용하여 전체 50색상을 기준색상 (RC : reference color)로 한다. 다음 그림은 본 논문에서 사용하는 기준색상이다.
- 수는 없다. 따라서 제안 방법은 입력영상을 인간의 시각 시스템의 색 감지 특성을 고려한 HSI 색상 공간으로 변환하여 처리한다. HSI는 그림 4와 같이 원통 모양의 좌표계로 모델화 되어 있으며 색상(hue)은 빨강을 0。로 하였을 때 상대적인 배치각도로서 0。에서 38)° 의 범위를 가진다.
- 제안방법은 식(1)~(4)를 이용하여 RGB 색상 공간의 입력 영상을 HSI색상공간으로 변환하며 색상, 채도, 명도의 값을 각각 0~1 사이로 정규화 하였다.
- 이 영상에서 명도값이 큰 영역 a, 작은 영역 b, 그리고 채도가 낮은 영역 c 등은 색상 값이 존재함에도 불구하고 인간의 시각으로는 색상을 인지할 수가 없다. 따라서 본 논문에서는 인간이 색상을 인지하는 영역을 색상영역 (7?〃)으로 인간의 시각이 인지하지 못하는 영역을 비 색상영역(耳)으로 분리한다. 즉, 诳는 인간의 시각이 인지하는 색상(hue) 중심의 화소로, R]는 명도값 위주의 화소로 구성이 된다.
- 영역의 분리는 색상의 인지가 명도 및 채도의 범위와 관련이 있음을 고려하여 명도 및 채도의 값으로 범위로 임계값을 설정하여 색상영역과 비색상영 역으로 분리하였다. 값을 설정하는 방법은 고정임계값 방법과 색상을 인지 영역을 구성하는 함수를 구하는 두 가지 방법을 사용하였다.
- 따라서 그림 6(b)의 fl과 f2의 색상영역 인지함수(PFCA: perception-function of Color area)를 이용하여 색상영역과 비색상영역을 분리하였다. fl과 辺의 곡선은 비전문가 6인의 도움으로 주관적 관측으로 설정하였다. 명도의 중심 수평선 £을 기준으로 위의 영역에서 인지되는 색상의 영역과 아래에서 인지되는 색상의 영역은 다르므로 함수 fl과 f2는 대칭이 아니며 다른 함수로 표현된다.
- 분리된 색상영역 友丑과 비색상영역 琦는 본 논문에서 제시된 기준색상 RC를 이용하여 히스토그램을 구한다. 의 화소는 인간이 인지하는 색상값이 주요한 특징이 되고, 耳로 분류된 화소는 인간의 시각이 색상을 인지하지 못하는 화소이므로 명도값으로 분류된다.
- 따라서 히스토그램을 구할 때 비교단위가 달라야한다. 제안 방법은 曲의 화소는 기준색상 RC의 40개의 색상 (hue)을 구하여 각 화소의 색상과 비교하여 제일 가까운 거리의 빈으로 분류하였다. 虎/의 화소는 RC의 10개의 명도와 비색상영역의 화소의 명도를 비교하여 제일 가까운 거 리의 빈으로'분류하였다.
- 제안 방법은 曲의 화소는 기준색상 RC의 40개의 색상 (hue)을 구하여 각 화소의 색상과 비교하여 제일 가까운 거리의 빈으로 분류하였다. 虎/의 화소는 RC의 10개의 명도와 비색상영역의 화소의 명도를 비교하여 제일 가까운 거 리의 빈으로'분류하였다.
- 또한 (b), (c)는 영상 내에 존재하는 색상만으로 기준색상을 생성하므로 영상 내에 존재하는 색상에 대하여 초록색이 어떻게 분포하는지는 보여주지만 전체색상좌표 공간에서 입력영상의 색상 분포가 어떠한지를 관측할 수 없다. 제안방법은 임계값을 적용한 결과와 PFCA에 의해 구한 히스토그램이 입력영상과 일치하는 색상을 찾아내고 그 색상을 중심으로 히스토그램이 도출된다. 또한 히스토그램이 하나의 초록색으로 모아져서 영상의 대표색상이 구해지며 색상 좌표공간을 기준색상 50개로 나타내어 전체 색상에 대해서 영상에 존재하는 색상의 분포도 명확히 보여준다.
- 본 논문에서는 영상의 대표색상을 선정하는데 적절한 a의 값을 구하기 위해 다양한 영상에 기존의 방법과 제안방법을 적용한 후 히스토그램을 분석하였다. 실험 영상은 육안으로 보기에 2~3색상이 중심으로 보여지는 영상을 단순영상, 3~5색상이 보여지는 영상을 중간영상, 그 외의 영상은 복잡영상으로 분류를 하였고, 각 영상은 20장씩 사용하였다.
- 실험 영상은 육안으로 보기에 2~3색상이 중심으로 보여지는 영상을 단순영상, 3~5색상이 보여지는 영상을 중간영상, 그 외의 영상은 복잡영상으로 분류를 하였고, 각 영상은 20장씩 사용하였다. 각 방법의 히스토그램을 구하여 빈도가 영상의 전체 화소수의 5%, 10%, 15%, 20%이상이 되는 색상의 수의 평균을 구하였다. 그 결과가 표 1에 있다.
- 본 논문에서 제안하는 기준색상은 먼셀좌표계에서 정의하는 40색상과 10등급의 명도값을 기준으로 한 50색상을 기준색상으로 한다. 정의된 색상을 기준으로 입력영상을 HSI 색상 공간으로 변환하여 히스토그램을 구한다. 이때 인간의 시각이 색상을 인지하는 영역과 인지하지 못하는 영역을 나누어 색상영역과 비색상영역으로 정의하고 화소들의 분리를 위해 임계값 설정하는 방법과 인간의 주관적 시각을 고려한 함수를 제안한다.
- 정의된 색상을 기준으로 입력영상을 HSI 색상 공간으로 변환하여 히스토그램을 구한다. 이때 인간의 시각이 색상을 인지하는 영역과 인지하지 못하는 영역을 나누어 색상영역과 비색상영역으로 정의하고 화소들의 분리를 위해 임계값 설정하는 방법과 인간의 주관적 시각을 고려한 함수를 제안한다. 제안된 방법으로 구해진 색상영역과 비색상영역의 화소를 영역특성에 맞게 색상과 명도를 중심 척도로 히스토그램을 구한다.
- 이때 인간의 시각이 색상을 인지하는 영역과 인지하지 못하는 영역을 나누어 색상영역과 비색상영역으로 정의하고 화소들의 분리를 위해 임계값 설정하는 방법과 인간의 주관적 시각을 고려한 함수를 제안한다. 제안된 방법으로 구해진 색상영역과 비색상영역의 화소를 영역특성에 맞게 색상과 명도를 중심 척도로 히스토그램을 구한다. 구해 진 히스토그램은 전체 색상좌표계의 색상 중 영상에 분포하는 색상을 보여주며 영상 내에 존재하는 색상의 분포 특성을 잘 나타내준다.
- 또한 히스토그램을 이용하여 대표색상을 추출한다. 대표색상의 추출은 영상을 구성하는 색상 수에 따라 단순 영상, 중간영상, 복잡영상으로 분류하여 각 영상의 색상 수를 고려하여 영상의 대표색상 선정시 대표 색상의 수를 다르게 하였다.
- 추출한다. 대표색상의 추출은 영상을 구성하는 색상 수에 따라 단순 영상, 중간영상, 복잡영상으로 분류하여 각 영상의 색상 수를 고려하여 영상의 대표색상 선정시 대표 색상의 수를 다르게 하였다. 대표색상은 어떤 색상이 우세하게 분포하는지를 보여주며 제안방법에 의한 대표색상은 영상의 색상 복잡도를.
대상 데이터
- 6을 이용하여 프로그램을 작성하였고 다양한 영상에 기존방법과 제안방법을 적용하여 그 결과를 비교하였다. 영상의 히스토그램을 대표색상을 중심으로 추출하는지를 관측하기 위해 색상를 중심으로 그레디언트 영상 18개를 생성하여 실험영상으로 하였다. 그림 7은 실험에 쓰인 실험 영상이다.
- 실험 영상은 육안으로 보기에 2~3색상이 중심으로 보여지는 영상을 단순영상, 3~5색상이 보여지는 영상을 중간영상, 그 외의 영상은 복잡영상으로 분류를 하였고, 각 영상은 20장씩 사용하였다. 각 방법의 히스토그램을 구하여 빈도가 영상의 전체 화소수의 5%, 10%, 15%, 20%이상이 되는 색상의 수의 평균을 구하였다.
- 구하는 방법을 제시한다. 본 논문에서 제안하는 기준색상은 먼셀좌표계에서 정의하는 40색상과 10등급의 명도값을 기준으로 한 50색상을 기준색상으로 한다. 정의된 색상을 기준으로 입력영상을 HSI 색상 공간으로 변환하여 히스토그램을 구한다.
데이터처리
- 제안방법의 성능을 평가하기 위해 MATLAB 7.6을 이용하여 프로그램을 작성하였고 다양한 영상에 기존방법과 제안방법을 적용하여 그 결과를 비교하였다. 영상의 히스토그램을 대표색상을 중심으로 추출하는지를 관측하기 위해 색상를 중심으로 그레디언트 영상 18개를 생성하여 실험영상으로 하였다.
이론/모형
- 값을 설정하는 방법은 고정임계값 방법과 색상을 인지 영역을 구성하는 함수를 구하는 두 가지 방법을 사용하였다. 고정임계값 방법은 식 (5)와 같이 표현된다.
성능/효과
- 그림 1은 원영상 (a)에 기존의 양자화 및 클러스터링 방법 중 균일양자화, LBG 알고리즘, Octree 방법을 적용하여 히스토그램을 구한 결과로 수평 색상바는 기준이 되는 색상을 보여주며 수직 막대그래프가 각 색상에 대한 히스토그램을 보여준다. 그림 1(b)는 균일양자화에 의한 결과로 균일양자화는 선정된 기준색상과 색상의 수가 중요하다.
- 제안방법은 임계값을 적용한 결과와 PFCA에 의해 구한 히스토그램이 입력영상과 일치하는 색상을 찾아내고 그 색상을 중심으로 히스토그램이 도출된다. 또한 히스토그램이 하나의 초록색으로 모아져서 영상의 대표색상이 구해지며 색상 좌표공간을 기준색상 50개로 나타내어 전체 색상에 대해서 영상에 존재하는 색상의 분포도 명확히 보여준다. 그림 8(d)와 (e) 는 대표색상에 히스토그램이 집중되는 동일한 결과를 보여주지만 명도값의 히스토그램에서 차이를 보인다.
후속연구
- 고려하여 다른 컬러 수로 선정되므로 영상 검색이나 인식 등의 응용분야에 특징으로 적용이 가능하다. 또한 그다지 많지 않은 색상으로 구성된 아동 그림을 대상으로 한 아동의 미술 심리치료나 영상 내 색 분석을 요하는 연구 및 산업분야에도 응용이 가능하다.
- 향후 색상영역과 비색상영역의 분리 시 인간의 시각을 모델링한 함수의 도줄에 관한 연구가 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.