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
- 따라서 본 논문은 기존에 제안된 초점 정량화 방법의 한계점을 개선하는 대역 필터를 기반으로 한 초점 정량화 방법을 제안한다. 또한 초점 정량화를 이용하여 초점이 맞지 않은 부분에 위너 필터 (Wiener filter)를 적용하고 획득한 영상과 위너 필터링 된 영상과의 정합 (blending)과정을 통해 피사계심도를 확장함을 실험을 통해 입증한다.
- 따라서 초점이 맞지 않는 영역의 피사체가 고주파수 성분을 가지고 있거나 잡음이 추가되었을 경우에는 초점이 맞은 부분과 그렇지 않은 부분을 잘 추정하지 못하여 초점이 맞지 않은 부분의 복원이 잘 되지 않거나 원래 초점이 맞았던 부분에 artifact가 발생하는 문제점을 가진다. 본 논문에서는 획득한 영상과 그 영상을 위너 필터링한 영상과의 관계를 이용하여 대역통과 필터의 특성을 가지는 초점 정량화 방법을 제안했으며 이를 이용하여 획득된 영상과 위너 필터링된 영상의 정합을 통해 피사계심도가 확장된 영상을 얻었다. 본 논문에서는 위너필터의 PSF 와 NSR 을 실험적으로 결정하여 사용하였으나 추후 여러 개의 파라미터를 가지는 위너 필터를 통과 시켜 초점이 맞는 부분만 정합하는 semi-blind 복원 방법으로 확장할 수 있을 것으로 예상된다.
- 그러므로 초점이 맞지 않은 영역의 피사체가 고주파수 성분을 가지고 있거나 잡음이 추가 되었을 경우에는 초점이 맞지 않은 영역도 초점이 맞는 부분이라 추정하는 한계점을 가진다. 본 논문에서는, 이를 보완하기 위하여 획득한 영상과 그 영상을 전체적으로 위너 필터링 한 영상과의 관계를 고려하여 가중치를 주는 초점 정량화 방법을 제안한다.
가설 설정
- (x′,y′)는 특정 위치 (x′,y′)에서의 SML 값을 의미하고, 초점 정량화 m(x,y) 값은 (x,y)를 중심의 S(x,y) 블록 내부 픽셀의 SML 값을 합한 값을 의미한다. SML을 이용한 초점 정량화 방법은 초점이 맞은 영역일수록 초점이 맞지 않는 영역에 비해 고주파수 성분을 많이 가지고 있을 것이라고 가정하는 방법이다. 하지만 위의 방법은 단순 고주파 통과 (HPF: High Pass Filter)의 역할을 하기 때문에 초점이 맞지 않은 영역에 잡음이 섞여 있거나 텍스트 영상과 같이 고주파 성분이 많이 존재할 경우 초점정량화의 성능이 떨어질 수 있다는 문제점을 가지고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.