[논문]색각 이상자들을 위한 컬러 영역 분할 기반 색 변환 기법

한동일; 박진산; 최종호

색각 이상자들을 위한 컬러 영역 분할 기반 색 변환 기법
A Novel Color Conversion Method for Color Vision Deficiency using Color Segmentation 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SC, 시스템 및 제어, v.48 no.5 = no.341, 2011년, pp.37 - 44

한동일 (세종대학교 컴퓨터공학과) , 박진산 (세종대학교 컴퓨터공학과) , 최종호 (세종대학교 컴퓨터공학과)

초록
AI-Helper

본 논문은 제 1 색각 이상자 (Protanopia)와 제 2 색각 이상자 (Deuteranopia)들을 대상으로 컬러 영역 분할을 이용한 CIE Lab 컬러 공간 혼동선 분리 기법을 제안한다. 영상의 hue 성분을 이용하여 유사한 컬러 정보를 가지는 인접한 픽셀들로 그룹화 하여 영역을 분할한다. 이를 위하여 Region growing 기법을 사용하는데, 여기에 사용되는 seed point는 low pass filter를 거친 hue히스토그램에서 peak점에 해당하는 픽셀들을 사용한다. 또한 색각 이상자의 혼동선 Map을 구축하기 위하여 RGB 3차원 공간에 512개의 가상의 박스를 구축하여 같은 혼동선에 존재하는 박스를 쉽게 구분할 수 있게 하였다. 이후 분할된 영역들이 같은 혼동선에 존재하는지의 여부를 검사하여 인접하는 모든 영역들이 다른 혼동선에 존재하도록 CIE Lab 색 공간에서 색변환을 수행함으로써 색각 이상자들에게 최상의 컬러 구분효과를 제공할 수 있도록 하였다.

Abstract ▼ AI-Helper

This paper proposes a confusion-line separating algorithm in a CIE Lab color space using color segmentation for protanopia and deuteranopia. Images are segmented into regions by grouping adjacent pixels with similar color information using the hue components of the images. To this end, the region growing method and the seed points used in this method are the pixels that correspond to peak points in hue histograms that went through a low pass filter. In order to establish a color vision deficiency (CVD) confusion line map, we established 512 virtual boxes in an RGB 3-D space so that boxes existing on the same confusion line can be easily identified. After that, we checked if segmented regions existed on the same confusion line and then performed color adjustment in an CIE Lab color space so that all adjacent regions exist on different confusion lines in order to provide the best color identification effect to people with CVDs.

주제어

AI 본문요약
AI-Helper

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

문제 정의

나머지 5% 정도가 S원추세포에 이상이 있는 제 3 색각 이상자(Tritanopia)로 분류된다. 본 논문에서는 대다수를 차지하는 제 1, 2 색각 이상자 들을 위한 색 보정 해결책을 제시하고자 한다.
본 논문에서는 제 1, 2색각 이상자들을 위한 컬러 영역 분할을 이용한 혼동선 분리 기법을 제안하였다. 이전의 색 보정 기법들은 대부분 RGB 혹은 CIE Lab 컬러 공간에서 영상 전체를 전역적으로 변화시키는 방법이거나, 감광세포인 LMS신호를 조절하여 색 보정을 하는 방식이었다.
이런 단점을 해결하기 위하여 본 논문에서는 입력 영상을 hue단위로 영역 분할을 하여 분할된 영역들끼리 같은 혼동상의 유무를 확인한다. 만약 영역들이 같은 혼동선 상에 위치하면 색 보정을 하여, 분할된 모든 영역들이 모두 다른 혼동선 상에 위치하도록 한다.
이와 같은 문제점들을 해결하기 위해서 본 논문에서는 색각 이상자 들을 위한 색 보정 기법을 개발하는데 있어서 좀 더 근본적인 접근을 하였다. 우선 Brettel^[6]의 연구인 제 1, 2 색각 이상자들의 색 인지 모사과정을 이용하여 보다 정확한 색각 이상자 색 인지 모사 데이터를 검출한다.

제안 방법

R, G, B 3차원 공간^[9]에 32단위로 나누어서 R 8개, G 8개, B 8개 총 512개의 가상의 박스를 만든다. 그리고 Brettel의 색인지 모사 과정을 거친 후 데이터들이 어느 박스로 들어가는지를 mapping시켜 혼동선 DB를 구축한다. 이들 데이터를 이용하여 같은 박스에 위치하는 박스들끼리 그룹핑을 하여 같은 혼동선인 P1, P2, P3…로 라벨링을 하여 혼동선 Map을 만든다.
혼동선 분리 부에서 같은 혼동선으로 넘어온 나머지 영역들의 RGB 신호를 CIE Lab 신호로 변환한다. 그리고 CIE Lab 컬러 공간에서 b축을 감소시키고, RGB 신호로 변환하여 다시 두 영역들의 혼동선 유무를 판단한다. 만약 다시 혼동선에 걸치게 되면, 색 보정을 수행하여 모든 영역들이 다른 혼동선으로 바뀔 때까지 반복한다.
또한 visit check 메모리를 만들어서 한번 방문한 픽셀을 1로 세팅하여 중복을 막는다. 그리고 나머지 다른 픽셀을 seed point로 지정하여 visit check 메모리가 0인 픽셀들에 대하여 그 점에서 같은 방법으로 region growing을 수행하여 컬러 영역 분할을 수행한다.
이를 위하여 CIE Lch컬러 공간 변환 부에서 변환된 hue정보를 이용하여 hue 히스토그램을 생성한다. 그리고 정확한 hue추출을 위하여 히스토그램에 low pass filter를 적용하여 히스토그램 peak 점을 seed point로 지정한다.
또한 영상의 컬러 정보들의 분포도에 따라서 컬러 구분 효과가 떨어지는 점을 보완하기 위하여 영상을 hue 단위로 영역 분할을 하여 영상을 몇 개의 영역들로 나누어 그 영역들끼리 혼동선 Map을 이용하여 색 변환을 함으로써 영상에 위치하는 영역들이 모두 다른 혼동선에 위치하도록 색 보정을 수행한다. 그 결과 색각 이상자들 에게 최적의 컬러 구분 효과를 제공할 수 있음을 검증 확인하였다.
이와 같은 문제점들을 해결하기 위해서 본 논문에서는 색각 이상자 들을 위한 색 보정 기법을 개발하는데 있어서 좀 더 근본적인 접근을 하였다. 우선 Brettel^[6]의 연구인 제 1, 2 색각 이상자들의 색 인지 모사과정을 이용하여 보다 정확한 색각 이상자 색 인지 모사 데이터를 검출한다. 물론 색각 이상자의 색인지 모사를 위한 Vischeck^[7]프로그램이 있으나, 이를 통한 정확한 데이터 추출은 어렵다.
Seed point 생성 부는 컬러 영역 분할의 Region Growing 알고리즘을 수행하기 위한 seed point를 추출 하기 위한 역할을 한다. 이를 위하여 CIE Lch컬러 공간 변환 부에서 변환된 hue정보를 이용하여 hue 히스토그램을 생성한다. 그리고 정확한 hue추출을 위하여 히스토그램에 low pass filter를 적용하여 히스토그램 peak 점을 seed point로 지정한다.
입력영상의 R, G, B 영상신호를 L, C, H 영상신호로 변환하는 부이다. 컬러 영역 분할부에서 필요한 hue값을 찾기 위하여 CIE Lch 컬러공간을 이용한다.

성능/효과

또한 영상의 컬러 정보들의 분포도에 따라서 컬러 구분 효과가 떨어지는 점을 보완하기 위하여 영상을 hue 단위로 영역 분할을 하여 영상을 몇 개의 영역들로 나누어 그 영역들끼리 혼동선 Map을 이용하여 색 변환을 함으로써 영상에 위치하는 영역들이 모두 다른 혼동선에 위치하도록 색 보정을 수행한다. 그 결과 색각 이상자들 에게 최적의 컬러 구분 효과를 제공할 수 있음을 검증 확인하였다.
따라서 CIE Lab 컬러공간색 보정 부에서 (b)와 (c)를 구분하기 위한 색 보정이 수행된다. 실험 결과 3개의 영역들이 모두 다른 혼동선 (P16, P19, P13)상에 위치함으로써 색각 이상자들에게 최적의 색 보정 효과를 제공할 수 있다. 그림 11은 혼동선 분리 결과를 CIE 1931 색좌표와 RGB 3차원 공간상에서 나타낸 것이다.
표 1은 색각 이상자 혼동선 Map 이다. 혼동선 분석 결과, 1색각 이상자는 52개의 혼동선이, 2색각 이상자는 41개의 혼동선이 존재한다. 그림 7은 CIE 1931색 좌표계에서 1, 2색각 이상자들의 혼동선을 나타낸다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Daltonization 기법이란?	현재까지 개발된 색각 이상자 들을 위한 색 보정 기술은 RGB, CIE Lab 등 다양한 컬러 공간에서 여러 가지 기법을 통한 색 보정이다. Daltonization[1～2]기법은 인간의 감광세포인 LMS값을 RGB 공간상에서 표현하고 이를 색 변환 matrix를 이용하여 전역적인 변환을 수행한다. 또한 Huang[3]의 기법은 CIE Lab 컬러 공간에서 가능한 자연스럽게 색 보정하는 기법이다.
	현재까지 개발된 색각 이상자 들을 위한 색 보정 기술은 무엇인가?	현재까지 개발된 색각 이상자 들을 위한 색 보정 기술은 RGB, CIE Lab 등 다양한 컬러 공간에서 여러 가지 기법을 통한 색 보정이다. Daltonization[1～2]기법은 인간의 감광세포인 LMS값을 RGB 공간상에서 표현하고 이를 색 변환 matrix를 이용하여 전역적인 변환을 수행한다.
	본 논문에서 Vischeck 프로그램을 통한 정확한 데이터 추출이 어려워 사용한 방법은?	물론 색각 이상자의 색인지 모사를 위한 Vischeck[7]프로그램이 있으나, 이를 통한 정확한 데이터 추출은 어렵다. 따라서 Brettel의 색각 이상자들의 색인지 모사과정을 거쳐서 혼동선 Map을 만든다.

참고문헌 (9)

R. Dougherty and A. Wade, Daltonize. [Online]. Available: http://www.vischeck.com/daltonize/.
Christos-Nikolaos Anagnostopoulos, George Tsek ouras, Ioannis Anagnostopoulos Christos Kalloniatis, "Intelligent modification for the daltonization process of digitized paintings,", ICVS, 2007
J. B. Huang, Y. C. Tseng, S. I. Wu, and S. J. Wang, "Information Preserving Color Transformation for Protanopia and Deuteranopia," IEEE Signal Processing Letters, vol. 14, no. 10, pp. 711-714, 2007.

상세보기
Bo Liu , Meng Wang, Linjun Yang, Xiuqing Wu, Xian-Sheng Hua, "EFFICIENT IMAGE AND VIDEO RE-COLORING FOR COLORBLINDNESS," ICME 2009, pp. 906-909, 2009.
Yu-Chieh Chen, Tai-Shan Liao, "Hardware Digital Color Enhancement for Color Vision Deficiencies," ETRI Journal, Volume 33, Number 1, February, 2011.
F. Vienot, H. Brettel, J. Mollon, "Digital Video Colourmaps for Checking the Legibility of Displays by Dichromats," Color Research and Application, Vol. 24, No. 4, pp. 243-252, August, 1999.

상세보기
Vischeck. http://www.vischeck.com.
CI R. Adams, L. Bischof, Seeded region growing, IEEE Transactions on Pattern Analysis and Machine Intelligence 16 (6), 641-647, 1994.

상세보기
Dongil Han, "Real-Time Color Gamut Mapping Method For Digital TV Display Quality Enhancement", IEEE Transactions on Consumer Electronics, 50(2), 691-699, 2004.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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