[논문]잡음에 강인한 초점 값을 이용한 피사체 중심의 자동초점 알고리듬

전재환; 윤인혜; 이진희; 백준기

잡음에 강인한 초점 값을 이용한 피사체 중심의 자동초점 알고리듬
Subject Region-Based Auto-Focusing Algorithm Using Noise Robust Focus Measure 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.48 no.2 = no.338, 2011년, pp.80 - 87

전재환 (중앙대학교 첨단영상 대학원) , 윤인혜 (중앙대학교 첨단영상 대학원) , 이진희 (중앙대학교 첨단영상 대학원) , 백준기 (중앙대학교 첨단영상 대학원)

초록
AI-Helper

본 논문은 잡음에 강인한 초점 값을 이용한 피사체 중심의 자동초점 알고리듬을 제안한다. 제안된 방법은 영상의 엔트로피를 이용하여 피사체가 존재하는 영역을 자동으로 추정함으로써, 배경에 의해 잘못된 자동초점 결과를 얻는 문제점을 개선하였다. 또한 이산 코사인 변환 계수를 분석하여 새로운 초점 값 계산 방법을 제안하였고, 실험결과를 통해 기존의 알고리듬에 비해 제안된 방법이 가우시안 잡음과 임펄스 잡음이 있는 경우에도 초점 값 특성이 강인함을 검증하였다. 제안하는 자동초점 알고리듬은 지능형 감시 시스템의 팬-틸트-줌 카메라 등에 적용 가능하다.

Abstract ▼ AI-Helper

In this paper we present subject region-based auto-focusing algorithm using noise robust focus measure. The proposed algorithm automatically estimates the main subject using entropy and solves the traditional problems with a subject position or high frequency component of background image. We also propose a new focus measure by analyzing the discrete cosine transform coefficients. Experimental results show that the proposed method is more robust to Gaussian and impulse noises than the traditional methods. The proposed algorithm can be applied to Pan-tilt-zoom (PTZ) cameras in the intelligent video surveillance system.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 엔트로피 기반의 초점영역 선택 방법과 이산 코사인 변환 계수의 특성에 기반한 초점 값 계산 방법을 제안하였다. 제안된 방법은 단 한 장의 영상만으로 피사체가 존재하는 영역을 추정할 뿐만 아니라, 고주파 성분이 아닌 엔트로피를 이용함으로써 초기 초점렌즈의 위치에 따라 쉽게 변하지 않는 장점을 가진다.
본 논문에서는 엔트로피 기반의 초점영역 선택 방법을 제안하고, 이산 코사인 변환 계수들을 이용한 새로운 초점 값 계산 방법을 제안함으로써 피사체의 위치 또는 배경의 특성에 따른 문제점이나 초기 렌즈 위치에 따라 상이한 초점영역을 선택하는 문제점을 개선할 수 있다. 또한, 잡음에 강인하고 초점 값 특성이 뛰어난 초점 값 연산자를 이용하여 자동초점의 속도와 정확도를 향상시킨다.
이 절에서는 대역통과필터에 기반한 초점 값 특성이 우수하고 잡음에 강인한 DCT를 이용한 초점 값 계산 방법을 제안한다. DCT는 영상의 주파수 특성을 파악할 수 있고, 실시간으로 구현이 가능하다는 장점이 있다.
자동초점 기능은 크게 레이더나 적외선을 물체에 반사시켜 거리를 측정하는 능동식 자동초점 (active AF)과 초점 면에서의 콘트라스트가 가장 높을 때 피사체가 가장 선명해진다는 원리를 이용하여 카메라 내부의 영상을 분석하는 수동식 자동초점 (passive AF) 두 가지의 방식이 있다. 이 절에서는 수동식 자동초점에서 영상의 선명한 정도를 수치화하는 초점 값 계산 방법에 대한 기존 연구들을 소개한다.
이 절에서는 엔트로피를 이용하여 피사체와 배경을 구분하는 초점영역 선택 방법을 기술한다. 기존의 방법들은 피사체가 영상의 중심에 존재해야 하거나, 여러 장의 입력영상을 이용해야만 하는 단점이 있었다.

가설 설정

제안된 방법은 피사체가 배경에 비해 높은 엔트로피를 갖는다는 가정을 통해 영상에서 피사체가 존재하는 영역을 추정한다. 따라서 피사체와 배경을 구분 할 임계 값이 다음과 같이 계산된다.
가운데 고정된 초점영역 선택 방법은 가장 일반적이고 많이 사용되는 방법으로 그림 1(a)와 같이 영상의 가로, 세로의 1/2 또는 1/3 크기로 선택된다. 피사체가 영상의 가운데에 존재할 확률이 다른 영역에 비해 높다는 가정을 전제로 하며, 고정된 영역을 선택하므로 추가적인 연산이 필요하지 않다는 장점이 있다. 하지만 피사체가 초점 영역 외부에 존재하는 경우 배경에 초점이 맞는 잘못된 자동초점 결과를 수행할 수 있다.

제안 방법

그림 5(b)는 기존의 고주파 성분 에너지를 사용한 초점영역 선택 방법의 결과를 보이는데, 이 경우 피사체가 아닌 배경의 강한 고주파 성분에 의해 잘못된 자동초점 결과를 얻는다. 반면에 그림 5(c)에서 보듯이 제안된 방법은 초기 설정된 영역이나 영상의 특성에 관계 없이 정확하게 피사체가 존재하는 영역을 선택하였다.
본 절에서는 제안된 초점영역 선택 방법과 초점 값 계산 방법에 대한 각각의 실험 결과를 보인다. 그리고 기존 방법들과의 비교를 통해 제안된 알고리듬의 우수성을 검증한다. 제안된 방법에 대한 실험은 그림 4와 같이 768 x 512 크기의 두 개의 영상시퀀스를 이용하였다.
본 논문에서는 엔트로피 기반의 초점영역 선택 방법을 제안하고, 이산 코사인 변환 계수들을 이용한 새로운 초점 값 계산 방법을 제안함으로써 피사체의 위치 또는 배경의 특성에 따른 문제점이나 초기 렌즈 위치에 따라 상이한 초점영역을 선택하는 문제점을 개선할 수 있다. 또한, 잡음에 강인하고 초점 값 특성이 뛰어난 초점 값 연산자를 이용하여 자동초점의 속도와 정확도를 향상시킨다.
본 절에서는 기존의 초점영역 선택 및 초점 값 계산 방법을 소개한 후, 장단점을 분석하여 3절에서 제안하는 기술의 필요성과 상대적 성능 비교의 토대를 제시한다.
영상의 그래디언트를 이용한 초점 값 계산 방법은 Tenenbaum에 의해 식 (1)과 같이 제안되었다. 수평, 수직의 Sobel 연산자를 이용하여 영상의 그래디언트 크기를 계산함으로써 초점 값을 측정한다^[8].
본 논문에서는 엔트로피 기반의 초점영역 선택 방법과 이산 코사인 변환 계수의 특성에 기반한 초점 값 계산 방법을 제안하였다. 제안된 방법은 단 한 장의 영상만으로 피사체가 존재하는 영역을 추정할 뿐만 아니라, 고주파 성분이 아닌 엔트로피를 이용함으로써 초기 초점렌즈의 위치에 따라 쉽게 변하지 않는 장점을 가진다. 그리고 대역통과필터에 기반한 초점 값 연산자를 사용함으로써 가우시안 및 임펄스 잡음에 강인한 자동 초점이 가능하다.
제안된 방법은 앞 절에서 제안한 M× N 크기의 초점영역들을 8 x 8 픽셀의 블록으로 나누고, 각 블록의 DCT 계수를 식 (1)를 이용하여 구한다.
피사체를 추정하기 위해서 입력된 영상을 여러 개의 블록으로 분할하고, 각 블록에서의 엔트로피를 측정한다. 그림 2는 세 가지 다른 블록크기에 대한 엔트로피 분포를 나타낸다.
기존의 방법들은 피사체가 영상의 중심에 존재해야 하거나, 여러 장의 입력영상을 이용해야만 하는 단점이 있었다. 하지만 제안된 방법은 초기 초점렌즈 위치에서의 영상만을 가지고 엔트로피 특성을 분석하여 피사체가 존재하는 영역을 자동으로 추정한다. 따라서, 기존의 피사체의 위치나 배경의 고주파 성분에 의한 문제점을 개선할 수 있다.

대상 데이터

그리고 가우시안과 임펄스 잡음이 추가된 경우, FV_3,3과 FV_4,4를 제외한 나머지 계수들은 변화가 작고 잘못된 정 초점을 찾음을 그림 6(b)와 그림 6(c)에서 각각 나타낸다. 잡음에 따라 실험 결과가 일정하지 않게 변하기 때문에 각 초점렌즈 위치에서 10번의 실험을 진행하고 평균결과 값을 이용하였다.
그리고 기존 방법들과의 비교를 통해 제안된 알고리듬의 우수성을 검증한다. 제안된 방법에 대한 실험은 그림 4와 같이 768 x 512 크기의 두 개의 영상시퀀스를 이용하였다. 각 영상시퀀스는 초점렌즈 위치에 따라 20단계의 초점이 서로 다른 영상들로 구성되어 있다.

데이터처리

영상의 선명함에 따른 이산 코사인 변환 스펙트럼의 분포 변화를 Bayes-entropy를 이용하여 측정하였고, 임계 값 t를 이용하여 잡음에 둔감하도록 하였다. 초점 값은 다음 식 (6)과 같이 계산된다^[11].
위 실험에서 얻은 제안된 방법에 의한 초점영역을 이용하여 초점 값으로 이용되기에 가장 적합한 DCT 계수를 분석하였다. 서로 다른 주파수 특성을 갖는 8개의 계수마다 초점렌즈 위치에 따른 초점 값의 변화를 측정하여 그림 6(a)에 나타내었다.

이론/모형

영상의 그래디언트를 이용한 초점 값 계산 방법은 Tenenbaum에 의해 식 (1)과 같이 제안되었다. 수평, 수직의 Sobel 연산자를 이용하여 영상의 그래디언트 크기를 계산함으로써 초점 값을 측정한다^[8].

성능/효과

그 결과 중간주파수 대역의 FV_3,3과 FV_4,4는 다른 결과 값들에 비해 렌즈 위치에 따른 초점 값의 변화가 크고, 고주파 성분에서 나타나는 잡음의 영향을 적게 받기 때문에 초점 값을 계산하는데 적합하다. 이 결과를 이용한 제안하는 초점 값 계산 방법은 식 (14)과 같다.
그리고 대역통과필터에 기반한 초점 값 연산자를 사용함으로써 가우시안 및 임펄스 잡음에 강인한 자동 초점이 가능하다. 실험 결과를 통해 제안된 방법이 기존의 초점영역 선택 방법이나 초점 값 계산 방법보다 우수함을 확인할 수 있었다. 향후 제안된 방법에 최적화 된 정 초점 탐색 알고리듬이나 초점영역 선택을 위한 블록사이즈 등의 추가적인 연구가 필요한 것으로 보인다.
DCT는 영상의 주파수 특성을 파악할 수 있고, 실시간으로 구현이 가능하다는 장점이 있다. 제안된 방법은 [11]에서 소개된 DCT 계수를 이용한 방법을 개선하여 보다 안정된 초점 값을 얻는다.

후속연구

실험 결과를 통해 제안된 방법이 기존의 초점영역 선택 방법이나 초점 값 계산 방법보다 우수함을 확인할 수 있었다. 향후 제안된 방법에 최적화 된 정 초점 탐색 알고리듬이나 초점영역 선택을 위한 블록사이즈 등의 추가적인 연구가 필요한 것으로 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자동초점 기능이란?	자동초점 기능은 피사체가 가장 선명하게 나타나는 곳에 자동으로 렌즈를 위치시키는 방법으로, CCD나 CMOS 센서를 통해 얻은 영상 내에서 피사체가 존재하는 영역을 초점영역으로 선택하는 단계, 선택된 초점영역에서의 영상의 선명한 정도를 수치화 하는 초점 값 계산 단계, 그리고 초점 값이 최대가 되는 방향으로 초점 렌즈를 이동시키는 정 초점 탐색 단계로 구분할 수 있다[2].
	자동초점 기능은 어떤단계로 구분할 수 있는가?	자동초점 기능은 피사체가 가장 선명하게 나타나는 곳에 자동으로 렌즈를 위치시키는 방법으로, CCD나 CMOS 센서를 통해 얻은 영상 내에서 피사체가 존재하는 영역을 초점영역으로 선택하는 단계, 선택된 초점영역에서의 영상의 선명한 정도를 수치화 하는 초점 값 계산 단계, 그리고 초점 값이 최대가 되는 방향으로 초점 렌즈를 이동시키는 정 초점 탐색 단계로 구분할 수 있다[2].
	엔트로피를 이용하여 피사체와 배경을 구분하는 초점영역 선택 방법의 특징은?	기존의 방법들은 피사체가 영상의 중심에 존재해야 하거나, 여러 장의 입력영상을 이용해야만 하는 단점이 있었다. 하지만 제안된 방법은 초기 초점렌즈 위치에서의 영상만을 가지고 엔트로피 특성을 분석하여 피사체가 존재하는 영역을 자동으로 추정한다. 따라서, 기존의 피사체의 위치나 배경의 고주파 성분에 의한 문제점을 개선할 수 있다.

참고문헌 (11)

카메라 및 캠코더의 시장 기술 보고서, 중소기업진흥공단 마케팅 정보시스템, October 2009.
K. Choi, J. Lee, and S. Ko, "New autofocus technique using the frequency selective weighted median filter for video cameras," IEEE Trans. Consumer Electronics, vol. 45, no. 3, pp. 820-827, August 1999.
K. Ooi, K. Izurni, M. Noaali, and I. Takeda, "An advanced autofocus system for video camera using quasi condition reasoning," IEEE Trans. Consumer Electronics, vol. 36, no. 3, pp. 526-529, March 1990.
J. He, R. Zhou, and Z. Hong, "Modified fast climbing search auto-focus algorithm with adaptive step size searching technique for digital camera," IEEE Trans. Consumer Electronics, vol. 49, no. 2, pp. 257-262, May 2003.
F. Li and H. Jin, "A fast auto focusing method for digital still camera," Proc. Int. Conf. Machine Learning and Cybernetics, vol. 8, pp. 5001-5005, August 2005.
P. Yin and W. Jiang, "Autofocusing region selection for computer vision," Proc. Int. Conf. Signal Processing 2008, pp. 1364-1367, October 2008.
S. Lee, Y. Kumar, J. Cho, S. Lee, and S. Kim, "Enhanced autofocus algorithm using robust focus measure and fuzzy reasoning," IEEE Trans. Circuits and Systems for Video Technology, vol. 18, no. 9, pp. 1237-1246, September 2008.

상세보기
J. Tenenbaum, "Accommodation in computer vision," Ph.D. Thesis, Stanford University, October 1970.
S. Nayar and Y. Nakagawa, "Shape from focus," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 16, pp. 824-831, August 1994.
M. Subbarao and J. Tyan, "The optimal focus measure for passive autofocusing and depth from focus," in SPIE Conf. Videometrics IV, vol. 2595, pp. 89-99, October 1995.
M. Kristan, J. Pers, M. Perse, and S. Kovacic, "A Bayes-spectral-entropy-based measure of camera focus using a discrete cosine transform," Pattern Recognition Letters, vol. 27, no. 13, pp. 1431-1439, October 2006.

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