[논문]Retinex 처리에 기반한 적외선 열상 이미지의 화질 개선

이원석; 김경희; 이상원

초록
AI-Helper

비냉각형 적외선 검출기를 사용한 적외선 열상 카메라의 영상은 다이나믹 레인지가 좁고 신호 증폭에 의한 노이즈로 인하여 피사체를 식별하기 어려운 단점이 있다. 인간의 시각모델을 기반으로 한 레티넥스 알고리즘은 콘트라스트 향상 및 컬러 재현성에 있어서 매우 효과적인 방법으로 알려져 있다. 하지만, 적외선 열상 이미지와 같이 다이나믹 레인지가 좁은 영상에 레티넥스 알고리즘을 적용할 경우 오히려 콘트라스트가 감소하고 이미지 품질이 저하된다. 본 논문에서는 적외선 열상 이미지의 특성에 적합한 레티넥스 알고리즘 기반의 화질 개선 방법을 제안한다. 콘트라스트 개선 성능을 향상시키기 위해 새로운 다이나믹 레인지 압축 함수를 사용하였고, 국부적인 윤곽과 노이즈를 개선하기 위해 콘트라스트 보상 처리를 영상의 합성 과정에 적용하였다. 실험 결과 영상의 비교와 분석을 통해 제안한 알고리즘이 기존의 알고리즘보다 적외선 열상 이미지의 화질 개선에 더 효과적인 방법임을 확인하였다.

Abstract ▼ AI-Helper

The output image of the uncooled thermal infrared camera is difficult the identification of target because of the limited dynamic range and the various noises. Retinex algorithm based on the theory of the human visual perception is known to be effective contrast enhancement technique. However, the i...

The output image of the uncooled thermal infrared camera is difficult the identification of target because of the limited dynamic range and the various noises. Retinex algorithm based on the theory of the human visual perception is known to be effective contrast enhancement technique. However, the image quality is insufficient when it is adopted to the narrow dynamic range image as the infrared image. In this paper, we propose the revised retinex algorithm to enhance the contrast of the infrared image. To improve the contrast enhancement performance, we designed the new dynamic range compression function instead of log function. To reduce the noise and compensate the loss of edge, we added the contrast compensation procedure in the MSR image generation process. According to the output picture comparing and numerical analysis, the proposed algorithm shows the better contrast enhancement performance and the more suitable method for the infrared image enhancement.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 기존 레티넥스 알고리즘을 수정 및 보완하여 적외선 열상 이미지에 적합한 화질 개선 알고리즘을 제안한다. 제안한 알고리즘은 기존의 레티넥스 알고리즘에서 반사 성분의 생성을 위해 사용하는 로그 함수 대신 적외선 열상 이미지의 특성에 적합한 다이나믹 레인지 압축 함수를 적용하여 반사 성분 영상을 생성하고, 조명 성분 추정 과정에서 손실된 콘트라스트의 복원과 노이즈 성분의 제거를 위해 콘트라스트 보상 함수를 반사 성분 영상의 합성 과정에 적용한다.
본 논문에서는 레티넥스 알고리즘에 기반한 적외선 열상 이미지의 화질 개선 알고리즘을 제안하였다. 적외선 열상 이미지는 다이나믹 레인지가 좁고 노이즈 성분이 많은 특성이 있으므로 피사체 식별에 어려움이 있으며 이러한 영상에 기존의 레티넥스 알고리즘을 적용하면 콘트라스트 개선 성능이 만족스럽지 못한 경우가 많다.

제안 방법

조명 성분의 추정을 위해서 입력 영상의 휘도 신호와 가우시안 필터 간에 컨볼루션 연산을 수행한다. 가우시안 분포의 표준 편차를 나타내는 상수 c값의 설정에 따라서 서로 다른 크기의 유효 영역을 가지는 가우시안 필터를 적용하여 각기 다른 밝기의 반사 성분을 제거한 SSR 영상들을 생성하고 그 SSR 영상들을 합성하여 MSR 영상을 생성하게 된다.
본 논문에서 제안한 화질 개선 알고리즘의 성능 평가를 위해 기존 레티넥스 알고리즘과 적외선 열상 이미지의 콘트라스트 개선 정도를 비교하였다. 가우시안 필터의 크기를 결정하는 c값 15, 80, 250^[3]을 기존 레티넥스 알고리즘과 제안한 알고리즘에 동일하게 적용하였으며 기존 레티넥스 알고리즘의 합성 가중치 w는 1/3씩 균등하게 적용하였다. 원본 영상의 취득은 320x240 픽셀의 비냉각방식 적외선 디텍터가 장착된 적외선 열상 카메라를 사용하였으며 MATLAB^Ⓡ (The MathWorks 社)을 사용하여 알고리즘의 시뮬레이션을 수행하였다.
이러한 문제를 개선하기 위해 적외선 열상 이미지에 적합한 다이나믹 압축 함수를 조명 성분 추정 과정에 적용하여 가우시안 필터로 인한 콘트라스트 손실을 최소화하였다. 또한, 윤곽 정보의 보상과 노이즈 성분의 억제를 위해 SSR 영상의 합성 과정에서 콘트라스트 보상 처리를 수행하였다. 결과 영상의 비교 및 수치 해석을 통해 적외선 열상 이미지의 콘트라스트 개선에 있어서 제안한 알고리즘이 기존의 레티넥스 알고리즘보다 좋은 방법임을 확인하였다.
적외선 열상 이미지는 다이나믹 레인지가 좁고 노이즈 성분이 많은 특성이 있으므로 피사체 식별에 어려움이 있으며 이러한 영상에 기존의 레티넥스 알고리즘을 적용하면 콘트라스트 개선 성능이 만족스럽지 못한 경우가 많다. 이러한 문제를 개선하기 위해 적외선 열상 이미지에 적합한 다이나믹 압축 함수를 조명 성분 추정 과정에 적용하여 가우시안 필터로 인한 콘트라스트 손실을 최소화하였다. 또한, 윤곽 정보의 보상과 노이즈 성분의 억제를 위해 SSR 영상의 합성 과정에서 콘트라스트 보상 처리를 수행하였다.
본 논문에서는 기존 레티넥스 알고리즘을 수정 및 보완하여 적외선 열상 이미지에 적합한 화질 개선 알고리즘을 제안한다. 제안한 알고리즘은 기존의 레티넥스 알고리즘에서 반사 성분의 생성을 위해 사용하는 로그 함수 대신 적외선 열상 이미지의 특성에 적합한 다이나믹 레인지 압축 함수를 적용하여 반사 성분 영상을 생성하고, 조명 성분 추정 과정에서 손실된 콘트라스트의 복원과 노이즈 성분의 제거를 위해 콘트라스트 보상 함수를 반사 성분 영상의 합성 과정에 적용한다. 합성된 반사 성분 영상에 게인과 옵셋 처리를 거쳐 출력 스케일로 변환하여 최종 영상을 생성하게 된다.
F(x, y)는 식 (4)에서 보인 정규화된 가우시안 필터를 의미한다. 조명 성분의 추정을 위해서 입력 영상의 휘도 신호와 가우시안 필터 간에 컨볼루션 연산을 수행한다. 가우시안 분포의 표준 편차를 나타내는 상수 c값의 설정에 따라서 서로 다른 크기의 유효 영역을 가지는 가우시안 필터를 적용하여 각기 다른 밝기의 반사 성분을 제거한 SSR 영상들을 생성하고 그 SSR 영상들을 합성하여 MSR 영상을 생성하게 된다.

대상 데이터

가우시안 필터의 크기를 결정하는 c값 15, 80, 250^[3]을 기존 레티넥스 알고리즘과 제안한 알고리즘에 동일하게 적용하였으며 기존 레티넥스 알고리즘의 합성 가중치 w는 1/3씩 균등하게 적용하였다. 원본 영상의 취득은 320x240 픽셀의 비냉각방식 적외선 디텍터가 장착된 적외선 열상 카메라를 사용하였으며 MATLAB^Ⓡ (The MathWorks 社)을 사용하여 알고리즘의 시뮬레이션을 수행하였다.

데이터처리

본 논문에서 제안한 화질 개선 알고리즘의 성능 평가를 위해 기존 레티넥스 알고리즘과 적외선 열상 이미지의 콘트라스트 개선 정도를 비교하였다. 가우시안 필터의 크기를 결정하는 c값 15, 80, 250^[3]을 기존 레티넥스 알고리즘과 제안한 알고리즘에 동일하게 적용하였으며 기존 레티넥스 알고리즘의 합성 가중치 w는 1/3씩 균등하게 적용하였다.

이론/모형

레티넥스 알고리즘은 Weber의 법칙에 의거하여 입력 영상의 다이나믹 레인지 압축을 위해 로그 함수를 사용한다. 로그 함수는 입력 값이 작을 때 입력 대비 출력의 기울기는 큰 반면에 입력 값이 커질수록 기울기가 점점 작아지는 특징이 있다.
은 다이나믹 레인지 압축(Dynamic Range Compression) 및 컬러 재현성(Color Constancy)에 있어서 매우 우수한 성능을 나타낸다. 레티넥스 알고리즘의 처리 과정은 로그(Log) 연산을 근간으로 가우시안 필터(Gaussian Filter)를 이용하여 입력 영상의 조명 성분(Illumination)을 추정하고 입력 영상으로부터 조명 성분을 제거하여 피사체의 특징을 내포하고 있는 반사 성분(Reflectance) 영상을 획득한다. 가우시안 필터의 크기 별로 반사 성분 영상을 획득하고 이를 합성한 다음, 컬러 복원 및 게인(Gain)과 옵셋(Offset) 처리를 적용하여 출력 범위로 변환하면 최종 결과 영상이 생성된다.
본 논문에서는 다이나믹 레인지 압축을 위해 기존의 레티넥스 알고리즘에서 사용한 로그 함수를 대신하여 적외선 열상 이미지에 적합한 IS(Inverted Sigmoid) 함수를 사용하였다. IS 함수는 식 (8)과 같이 정의된다.
입력 영상의 실제 밝기와 인간의 시각이 인지한 영상의 밝기는 로그 관계가 성립한다는 Weber의 법칙(Weber-Fechner's Law)[2]에 따라 식 (1)을 로그 스케일로 변환하면 아래의 식 (2)와 같이 표현된다.
제안한 알고리즘의 콘트라스트 향상 정도를 수치로 확인하기 위해 영상 화질 개선 정도를 측정하는 방법인 EME(Enhancement Measure by Entropy)를 사용하였다^[8]. EME 분석법은 영상의 무질서도(Entropy)가 높을수록 그 영상 내에 세부적인 정보가 더 많이 포함되어 있음을 나타내는 측정 지표로서 EME 값이 클수록 영상의 품질이 좋음을 의미하며, 고주파 윤곽의 감소와 노이즈로 인한 영상의 열화 현상과 같은 국부적인 콘트라스트의 손실을 확인할 수 있다.

성능/효과

그림 4의 (b) 레티넥스 알고리즘 영상은 그림 2와 3의 (b)와 같이 과도한 포화 현상이 나타나 있으며 세부적인 윤곽 정보는 전혀 개선되지 않았음을 볼 수 있다. 그림 4의 (c) 제안한 알고리즘은 밝기와 윤곽 성분 모두 개선되어 콘트라스트가 향상되었음을 알 수 있다.
그림 3의 (b) 레티넥스 알고리즘 영상은 과도하게 밝기가 향상되어 콘트라스트가 오히려 감소하였음을 볼 수 있다. 그림 3의 (c) 제안한 알고리즘은 밝기와 윤곽이 적절이 개선되어 피사체 식별력이 향상되었음을 볼 수 있다. 그림 4의 원본 영상 (a)는 주간의 강한 조명이 있는 상태에서 획득한 영상으로 그림 2와 3의 야간 영상에 비해 피사체 식별이 용이하지만 세부 윤곽 성분이 감소되어 있음을 볼 수 있다.
그림 2의 (b) 영상을 보면 영상 전반적으로 포화되어 있으며 지면의 콘트라스트는 오히려 감소하였고 세부적인 피사체의 윤곽 정보가 더욱 손실되었음을 볼 수 있다. 반면에, 그림 2의 (c)를 보면 지면 부분의 콘트라스트가 개선되어 피사체를 식별할 수 있으며 전반적으로 영상의 밝기 분포가 넓어졌음을 확인할 수 있다.
또한, 윤곽 정보의 보상과 노이즈 성분의 억제를 위해 SSR 영상의 합성 과정에서 콘트라스트 보상 처리를 수행하였다. 결과 영상의 비교 및 수치 해석을 통해 적외선 열상 이미지의 콘트라스트 개선에 있어서 제안한 알고리즘이 기존의 레티넥스 알고리즘보다 좋은 방법임을 확인하였다.
IS 함수는 로그 함수와 역(逆) 로그(Inverted Log) 함수를 혼합한 형태인 역 S자 모양의 응답 특성을 나타냄을 볼 수 있다. 저휘도 부분을 보면 IS 함수는 로그 함수와 거의 비슷한 응답 특성을 보이며 입력 신호 대비 밝기와 콘트라스트가 모두 개선되었음을 알 수 있다. 하지만, 고휘도 부분에서는 로그 함수는 입력 신호 대비 밝기가 개선되었지만 콘트라스트가 오히려 감소된 반면에 IS 함수를 보면 로그 함수에 비해 밝기 개선 정도는 작지만 입력 신호의 밝기를 유지하면서 콘트라스트 개선 성능이 더 좋은 특성을 나타낸다.
표 1은 실험 영상들의 EME를 계산한 결과로서 모든 원본 영상에 대해서 기존의 레티넥스 알고리즘보다 제안한 알고리즘의 결과값이 더 높음을 알 수 있으며, 원본 영상의 콘트라스트가 높을수록 기존의 레티넥스 알고리즘에 비해 제안한 알고리즘의 콘트라스트 개선 성능이 더욱 좋음을 확인 할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인간의 시각모델을 기반으로 한 레티넥스 알고리즘을 다이나믹 레인지가 좁은 영상에 적용하면 어떤 문제가 발생하는가?	인간의 시각모델을 기반으로 한 레티넥스 알고리즘은 콘트라스트 향상 및 컬러 재현성에 있어서 매우 효과적인 방법으로 알려져 있다. 하지만, 적외선 열상 이미지와 같이 다이나믹 레인지가 좁은 영상에 레티넥스 알고리즘을 적용할 경우 오히려 콘트라스트가 감소하고 이미지 품질이 저하된다. 본 논문에서는 적외선 열상 이미지의 특성에 적합한 레티넥스 알고리즘 기반의 화질 개선 방법을 제안한다.
	적외선 검출기는 주변 온도가 변하게 되면 어떤 현상이 일어나는가?	적외선 검출기는 외부 온도 변화에 민감하기 때문에 주변 온도가 변하게 되면 픽셀들의 응답 특성이 불균일해지는 현상이 나타난다. 이러한 불균일성은 출력 영상에 다양한 형태의 노이즈로 나타나게 되어 화질 저하의 원인이 되므로 신호처리를 이용한 불균일성 보정(Non-Uniformity Correction; NUC) 과정이 반드시 필요하다.
	적외선 열상 카메라는 무엇인가?	적외선 열상 카메라는 적외선 검출기(Infrared Focal Plane Array; IRFPA)를 이용하여 피사체에서 방사되는 적외선 파장대역의 복사 에너지를 검출하고 검출된 신호의 증폭 및 디지털 신호처리 과정을 거쳐 영상 신호로 변환하여 출력해주는 영상 장비[1]이다. 적외선 열상 카메라로 촬영한 영상은 조명 환경의 영향을 받지 않으며 부가적인 외부 광원이 없어도 원거리의 피사체를 인식할 수 있는 장점 때문에 그 활용 가치가 매우 높지만 비싼 가격, 큰 크기, 높은 소비 전력 등의 문제로 야간 투시경 및 미사일 유도장치 같은 군수용 장비에 국한되어 사용되었다.

참고문헌 (8)

C M. Hanson, K N. Sweetser and S. N Frank, "Uncooled Thermal Imaging," TI Technical Journal, pp.2-10, Sep.-Oct. 1994.
E. Land, J. McCann, "Lightness and Retinex theory," Journal of the Optical Society of America A, Vol. 61. no. 1, pp.1-11, Jan. 1971.

상세보기
D. J. Jobson, Z. Rahman, G. A. Woodell, "A Multi-Scale Retinex For Bridging the Gap Between Color Images and the Human Observation of Scenes," IEEE Trans. Image Processing: Special Issue on Color Processing 6, pp.965-976, July 1997.
Z. Rahman, G. A. Woodell, and D. J. Jobson, "A comparison of the Multiscale Retinex with other image enhancement techniques," Special Issue on Color Processing, Vol. 6, pp.451-462, Mar. 1996.
W. P. Gong, Y. ZH. Wang. Contrast enhancement of infrared image via wavelet transform[J]. Chinese Journal of National University of Defense Technology, vol.22, no.6, pp. 117-119, 2000.
Ying Li, Renjie He, Guizhi Xu, Changzhi Hou, Yunyan Sun, Lei Guo, Liyun Rao, and Weili Yan, "Retinex enhancement of infrared images," presented at the 30th Annual Int. Conf. of IEEE, Engineering in Medicine and Biology of Electronic Imaging, pp.2189-2192, 2008.
Cui Lin-yan, Xue Bin-dang, and Cao Xiao-guang, "An Improved Retinex Image Enhancement Technique for Dim Target Extraction in Infrared Images," preseted at the CISP '09. 2nd Int. Congress on Image and Signal Processing, pp.1-5, Oct. 2009.
S. S. Agaian, K. Panetta, and A. M. Grigoryan, "A new measure of image enhancement," presented at the IASTED Int. Conf. Signal Processing Communication, Marbella, Spain, Sep. 2000.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Retinex 처리에 기반한 적외선 열상 이미지의 화질 개선
Thermal Infrared Image Enhancement Method Based on Retinex 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Retinex 처리에 기반한 적외선 열상 이미지의 화질 개선 Thermal Infrared Image Enhancement Method Based on Retinex 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

이상원 (2)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

Retinex 처리에 기반한 적외선 열상 이미지의 화질 개선
Thermal Infrared Image Enhancement Method Based on Retinex 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper