$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 가혹한 조건에 대응하기 위한 차량용 카메라의 개선된 영상복원 알고리즘
Improved Image Restoration Algorithm about Vehicle Camera for Corresponding of Harsh Conditions 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.51 no.2, 2014년, pp.114 - 123  

장영민 (울산대학교 전기공학부) ,  조상복 (울산대학교 전기공학부) ,  이종화 (울산대학교 전기공학부)

초록
AI-Helper 아이콘AI-Helper

자동차용 영상 사고기록장치(블랙박스)는 도로위의 일반적인 상황만을 촬영하게 된다. 또한, 급격한 조도변화의 상황에서는 주위의 환경을 제대로 인식하기 어렵고 렌즈 자체의 왜곡이 매우 심하기 때문에 사고 발생 시 명확한 증거로 사용하기 어렵다. 이러한 문제를 해결하기 위한 첫 번째 방법으로 정규화된 밝기 정보의 수표현자인 NLD(Normalized Luminance Descriptor)값과 정규화된 명암정보의 수표현자인 NCD(Normalized Contrast Descriptor)값을 정의하여 추출하고 두 값의 관계를 갖는 영상의 수표현자인 NIQ(Normalized Image Quality)값을 사용하여 급격한 조도변화에 대응하였다. 두 번째로, 어안렌즈가 디자인되는 방법을 기본으로 하는 FOV(Field Of View)모델을 이용하여 렌즈의 왜곡을 보정한다. 결과적으로 두 가지 영상왜곡은 각각 감마보정 및 렌즈왜곡보정의 영상처리 기법을 사용하여 병렬로 처리한 후 이를 하나의 영상으로 통합하는 알고리즘을 제안한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Vehicle Black Box (Event Data Recorder EDR) only recognizes the general surrounding environments of load. In addition, general EDR is difficult to recognize the images of a sudden illumination change. It appears that the lens is being a severe distortion. Therefore, general EDR does not provide the ...

Keyword

#Image Restoration   #Low Illumination   #Gamma Correction   #Lens Distortion   #Lens Correction  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 도로에서 발생하는 사건·사고들에 대해 정확한 영상의 획득을 위한 차량용 카메라의 개선된 영상복원 알고리즘을 제안한다.
  • 문자표현자가 가지고 있는 객관성 결여를 개선시키기 위해 이를 0과 1 사이의 수로 표현하는 방법을 제시하고, 이미지 해상도 및 표현 데이터비트 수의 변화에도 무관하게 항상 일관적으로 표시 할 수 있는 정규화된 수표현자를 모델링해야 한다. 따라서 본 논문에서는 문자표현자보다 빠르게 구할 수 있고 또 구한 결과를 누구나 이해할 수 있도록 하는 이미지 밝기 및 명암 평가를 위한 수표현자를 정의하며, 저조도의 어두운 환경에서 영상을 획득하기 위한 방법을 제안한다.
  • 본 논문에서는 이러한 문제를 해결하기 위해 갑작스러운 저조도 환경에서의 영상을 개선하고, 렌즈 왜곡을 줄일 수 있는 개선된 영상복원의 통합 알고리즘을 제안했다. 그 결과로 렌즈 왜곡 보정의 영상은 원본 영상과 비교해서 평활도 개선이 나타났으며, 급격한 저조도의 어두운 상황에서는 감마 보정으로 차량, 교각, 차선 등을 감지 할 수 있을 만큼의 향상된 영상의 결과를 보였다.

가설 설정

  • 렌즈로 촬영된 영상의 왜곡모델은 왜곡된 좌표를 수치연산을 통해 왜곡이 없는 좌표로 변환하기 위해 필요하며, 이러한 왜곡모델은 어안렌즈가 디자인되는 방법을 기본으로 하는 FOV모델을 사용하며 함수로 표현할 수 있다. 이것은 각도의 해상도가 대략적으로 이미지의 직경에 따른 이미지 해상도에 비례한다는 것을 가정한 것이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
문자표현자 방식은 이미지 픽셀 데이터를 어떻게 표현하는가? 이 방법은 픽셀 데이터 값의 분포밀도로 이미지 화질을 나타내는 방법으로 평가 주체에 따라 달라지는 단점을 가진다. 이를 해결하기 위해 이미지 픽셀 데이터를 분산 및 위치 분포도(d-l scatter chart)를 4개 영역(고명암/중밝기(A), 저명암/저밝기(B), 중명암/중밝기(C), 저명암/고밝기(D)) 으로 나누어 이미지의 밝기 및 명암을 문자의 조합으로 표현하는 Restrepo와 Ramponid의 문자표현자 방식이 소개되었다. 예를 들어, 그림 2에 나타낸 바와 같이 “나비” 이미지(그림 2의 (b))에 ϒ = 0.
차량용 카메라의 촬영 영상은 사고 발생 시 결정적인 단서로 사용하기 어려운 이유는 무엇 때문인가? 차량용 카메라의 촬영 영상은 일반적인 도로의 상황만을 인식하는 것이 대부분이고 갑작스러운 저조도 상황에서 영상을 인식하기 어렵기 때문에 사고 발생 시 결정적인 단서로 사용하기가 어렵다. 또한 렌즈에 의한 왜곡이 심하게 나타나기 때문에 원본 영상과 차이가 나게 된다.
문자표현자 방식의 문제점은 무엇인가? 최근에는 히스토그램의 분포를 밝기와 명암으로 나누어 4영역으로 재 분포시키고 이의 분포밀도를 a, A, b, B, c, C, d, D로 나타내는 문자표현자(Word descriptor)가 2008년 Restrepo와 Ramponi에 의해서 소개되었다[6]. 그러나이 방법 역시 “아주 밝고, 명암비가 매우 높은” 등과 같이 이미지를 표시하므로 객관성이 떨어지고, 이의 활용도 역시 낮을 수밖에 없다.
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. Traffic Accident Analysis System, http://taas.koroad.or.kr/bRead.sv?board_idt_cd01&post_no147&pageNum1&category_cd99 

  2. J. P. Oakley and H. Bu, "Correction of simple contrast loss in color images," Image Processing, IEEE Transactions on, vol. 16, no. 2, pp. 511-522, Feb 2007. 

    상세보기 crossref

  3. N. S. Kopeika and J. Bordogna, "Background noise in optical communication systems," Proceedings of the IEEE, vol. 58, no. 10, pp. 1571-1577, Oct 1970. 

    상세보기 crossref

  4. J. P. Oakley and B. L. Satherley, "Improving image quality in poor visibility conditions using a physical model for contrast degradation," Image Processing, IEEE Transactions on, vol. 7, no. 2, pp. 167-179, Feb 1998. 

    상세보기 crossref

  5. S. K. Nayar and S. G. Narasimhan, "Vision in bad weather," Computer Vision, 1999. The Proceedings of the Seventh IEEE International Conference on, vol. 2, pp. 820-827, Sep 1999. 

  6. A. Restrepo (Palacios) and G. Ramponi, "Word Descriptors of Image Quality Based on Local Dispersion-versus-Location Distributions," 16th European Signal Processing Conference 2008, pp. 25-29, Aug 2008. 

  7. S. B. Kang, "Semi-automatic methods for recovering radial distortion parameters from a single image," Technical Reports Series CRL 97/3, pp. 1-21, May 1997. 

  8. B. K. Kim, "Radial Lens Distortion Correction in Digital Images," Proceeding of the 2010 Korea Signal Processing Conference, pp. 423-426, Oct 2010. 

  9. S. M. Pizer et al, "Adaptive histogram equalization and its variations," Compututer Vision, Graphics, and Image Processing, vol. 39, pp. 355-368, Sep 1987. 

    상세보기 crossref

  10. K. Zuiderveld, "Contrast limited adaptive histogram equalization," Graphics Gems IV, pp. 474-485. 1994. 

  11. J. A. Stark, "Adaptive image contrast enhancement using generalizations of histogram equalization," Image Processing, IEEE Transactions on, vol. 9, no. 5, pp. 889-896, May 2000. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로