[논문]위성 영상에서 전달맵 보정 기반의 안개 제거를 이용한 강인한 특징 정합

권오설

doi:10.9717/kmms.2016.19.8.1281

위성 영상에서 전달맵 보정 기반의 안개 제거를 이용한 강인한 특징 정합
Robust Feature Matching Using Haze Removal Based on Transmission Map for Aerial Images 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.19 no.8, 2016년, pp.1281 - 1287

권오설 (School of Electrical Electronics and Control & Instrumentation Eng., Changwon National University)

Abstract ▼ AI-Helper

This paper presents a method of single image dehazing and feature matching for aerial remote sensing images. In the case of a aerial image, transferring the information of the original image is difficult as the contrast leans by the haze. This also causes that the image contrast decreases. Therefore, a refined transmission map based on a hidden Markov random field. Moreover, the proposed algorithm enhances the accuracy of image matching surface-based features in an aerial remote sensing image. The performance of the proposed algorithm is confirmed using a variety of aerial images captured by a Worldview-2 satellite.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 위성 안개 영상에서 안개 제거를 통해 대비를 향상시키고 표면색 기반의 특징을 추출하여 특징 정합을 향상시키는 방법을 제안하였다. 제안한방법은 기존의 안개 제거 이용되는 전달량을 보완하여 안개 제거 성능을 향상시켰으며 이를 통해 위성영상의 정보를 개선할 수 있었다.
본 논문에서는 위성영상에서 날씨 변화에 강인한 특징점을 검출하고 영상의 정합을 하기 위하여 은닉 마코프 모델을 이용하였다. 이를 통해 안개 제거의 성능을 향상시킴으로써 영상의 대비를 개선하였으며 또한 표면반사율 기반의 강인한 특징점을 검출함으로써 위성 영상에 대하여 강인한 특징을 검출함으로서 정합 성능을 향상시키고자 하였다.

가설 설정

첫째 가정은 광원이 플랑키언 로커스(planckian locus)위에 존재한다.그리고 둘째 가정은 카메라의 감도는 델타 함수(deltafunction)로 구성된다.두 가지 가정으로부터 카메라 응답을 구하면 다음과 같다.
즉, ^≈이라고 놓을 수 있다.여기서 대기광이 일정하며 일정 영역 에서의 전달량 또한 균일하다고 가정한다.이것을 바탕으로 전달량에 최소연산자를 적용 후 대기광으로 나눈다.
C-SIFT에서는 다음 두 가지 가정을 이용하여 광원과 반사율 사이의 간단한 관계식을 도출한다. 첫째 가정은 광원이 플랑키언 로커스(planckian locus)위에 존재한다.그리고 둘째 가정은 카메라의 감도는 델타 함수(deltafunction)로 구성된다.

제안 방법

여기서 대기광이 일정하며 일정 영역 에서의 전달량 또한 균일하다고 가정한다.이것을 바탕으로 전달량에 최소연산자를 적용 후 대기광으로 나눈다.다음으로 각 채널에 따라 최소연산자를 다시 적용하면 초기 전달량 를다음과 같이 계산할 수 있다.
이때, 제안한 방법은 추정된 전달량의 블록이 발생하는 문제점을 해결하기 위하여 은닉 마코프 모델을 이용하여 블록을 검출하고 제거하였다.먼저, 입력 화소의 밝기 __⋯_에 대하여 가능한 조합은 __⋯_이며, MAP조건에 따라 ^를구한다.
확인하였다. 이를위해 안개가 없는 영상에서 알고리즘 적용후 히스토그램 변화를 분석하였다.실험을 위해 사용된 영상은 Fig.

대상 데이터

2는 카메라를 획득된 응답을 가상응답으로 변환하는 과정을 나타낸 그림이다. 먼저 표준 챠트 를 카메라로 촬영하여 RGB 응답에 대한 데이터를 수집한다. 다음으로 표준 챠트를 스펙트럼 분광기를 이용하여 스펙트럼 데이터를 획득하고 이를 Worldview-2(WV-2) 응답 함수[11]를 이용하여 가상 응 답을 획득한다.
안개 영상을 이용하였다.실험에 사용된 위성 영상은 3000×3000이상의 고해상도 영상으로서 일부 영역을 확대를 할 경우에도 영상 정보는 대부분 그대로 유지되었다.Fig.
이를위해 안개가 없는 영상에서 알고리즘 적용후 히스토그램 변화를 분석하였다.실험을 위해 사용된 영상은 Fig.6(a)와 같이 안개가 거의 없는 일반 영상을 사용하였으며, 그에 대한 히스토그램의 결과는 Fig. 6(c)에서 나타내었다.결과에서 보듯이 제안한 알고리즘은 안개가 없는 경우에는 영상의 대비를 조절하지 않음으로써 과도한 대비 향상으로 인한 부작용이 발생하지 않음을 확인하였다.
제안된 알고리즘의 성능을 평가하기 위하여 다양한 안개 영상을 이용하였다.실험에 사용된 위성 영상은 3000×3000이상의 고해상도 영상으로서 일부 영역을 확대를 할 경우에도 영상 정보는 대부분 그대로 유지되었다.

이론/모형

먼저 표준 챠트 를 카메라로 촬영하여 RGB 응답에 대한 데이터를 수집한다. 다음으로 표준 챠트를 스펙트럼 분광기를 이용하여 스펙트럼 데이터를 획득하고 이를 Worldview-2(WV-2) 응답 함수[11]를 이용하여 가상 응 답을 획득한다. 이 두 데이터에 대해 다중 회귀 함수를 이용하면 임의의 카메라 응답을 위성 영상에 대한 가상 응답으로 변환할 수 있다.
이에 따라 최근에 He[8] 등은 GuidedFiltering방법을 이용하여 블록 현상의 문제점을 상당히 보완하였다.본 논문에서는 위성영상에서 날씨 변화에 강인한 특징점을 검출하고 영상의 정합을 하기 위하여 은닉 마코프 모델을 이용하였다. 이를 통해 안개 제거의 성능을 향상시킴으로써 영상의 대비를 개선하였으며 또한 표면반사율 기반의 강인한 특징점을 검출함으로써 위성 영상에 대하여 강인한 특징을 검출함으로서 정합 성능을 향상시키고자 하였다.
본 논문에서는 이러한 특성을 이용하여 보다 견고한 특징점을 검출하고자 C-SIFT방법[10]을 이용하였다. C-SIFT에서는 다음 두 가지 가정을 이용하여 광원과 반사율 사이의 간단한 관계식을 도출한다.

성능/효과

다른 두 알고리즘에 비해 Fig.4(c)와 4(d)가 성능이 뛰어난 것을 확인할 수 있으며, 더 나아가 세부 디테일을 표현하는 측면에서 제안한 방법이 우수함을 확인할 수 있다.Fig.
6(c)에서 나타내었다.결과에서 보듯이 제안한 알고리즘은 안개가 없는 경우에는 영상의 대비를 조절하지 않음으로써 과도한 대비 향상으로 인한 부작용이 발생하지 않음을 확인하였다.
또한 안개 제거 후표면 특성을 고려한 특징점을 추출함으로써 위성 영상에서 정합의 성능 개선을 확인하였다. 고해상도를가지는 다양한 위성 영상을 이용하여 제안한 방법을 평가하였으며, 이를 통해 제안한 방법이 기존 방법들에 비해 영상 정합 측면에서 우수한 성능을 확인하였다.
제안한방법은 기존의 안개 제거 이용되는 전달량을 보완하여 안개 제거 성능을 향상시켰으며 이를 통해 위성영상의 정보를 개선할 수 있었다.또한 안개 제거 후표면 특성을 고려한 특징점을 추출함으로써 위성 영상에서 정합의 성능 개선을 확인하였다. 고해상도를가지는 다양한 위성 영상을 이용하여 제안한 방법을 평가하였으며, 이를 통해 제안한 방법이 기존 방법들에 비해 영상 정합 측면에서 우수한 성능을 확인하였다.
4의 확대된 영상에 대하셔 알고리즘별로 특징점 검출에 따른 정합 결과를 보여주고 있다.원 영상에 비해 안개 제거 알고리즘 적용 후 정합(Goodmatching)의 빈도가 높아짐을 확인할 수 있다.특히 제안한 알고리즘은 기존 방법들에 비해 특징점 정합이 우수한 것을 확인할 수 있다.
4 의 실험에 사용된 4개의 영상들에 대한 특징점 검출 및 정합 수를 평균하여 나타낸 것이다. 전반적으로 제안한 방법의 평균 정합수는 57로써 기존 방법들인 Tarel방법의 평균 정합수(12)와 He방법의 평균 정합수(37)에 비해서 특징점 추출 및 정합(Good mathcing)이 향상됨을 확인할 수 있다.
제안하였다. 제안한방법은 기존의 안개 제거 이용되는 전달량을 보완하여 안개 제거 성능을 향상시켰으며 이를 통해 위성영상의 정보를 개선할 수 있었다.또한 안개 제거 후표면 특성을 고려한 특징점을 추출함으로써 위성 영상에서 정합의 성능 개선을 확인하였다.
원 영상에 비해 안개 제거 알고리즘 적용 후 정합(Goodmatching)의 빈도가 높아짐을 확인할 수 있다.특히 제안한 알고리즘은 기존 방법들에 비해 특징점 정합이 우수한 것을 확인할 수 있다. 이를정량적으로 확인하기 위하여 Table1에서는 Fig.

참고문헌 (11)

S.G. Narasimhan and S.K. Nayar, "Contrast Restoration of Weather Degraded Image," IEEE Transactions on Pattern Analysis Machine Intelligence, Vol. 25, No. 6, pp. 713-724, 2003.

상세보기
S.K. Nayar and S.G. Narasimhan, "Vision in Bad Weather," Proceeding of International Conference of Computer Vision, pp. 820-827, 1999.
R. Tan, "Visibility in Bad Weather from a Single Image," Proceeding of Computer Vision and Pattern Recognition, pp. 1-8, 2008.
J.P. Tarel and N. Hautiere, "Fast Visibility Restoration from a Single Color or Gray Level Image," Proceeding of IEEE International Conference On Computer Vision, pp. 2201-2208. 2009.
R. Fattal, "Single Image Dehazing," ACM Transactions on Graphics, Vol. 27, No. 3, pp. 1-9, 2008.

상세보기
K. He, J. Sun, and X. Tang, "Single Image Haze Removal Using Dark Channel Prior," IEEE Transactions on Pattern Analysis Machine Intelligence, Vol. 33, No. 12, pp. 2341-2353, 2011.

상세보기
J. Lee and S. Hong, "Robust Real-time Night Visibility Enhancement for Environmental Change Using Haze Removal Method," Journal of Korea Multimedia Society, Vol. 18, No. 3, pp. 339-348, 2015.

원문보기 상세보기
K. He, J. sun, and X. Tang, "Guided Imaging Filtering," IEEE Transactions on Pattern Analysis Machine Intelligence, Vol. 35, No. 6, pp. 1397-1409, 2013.

상세보기
D.G. Lowe, "Distinctive Image Features from Scale-invariant Keypoints," International Journal of Computer Vision, Vol. 60, No. 2, pp. 91-110, 2004.

상세보기
O. Kwon and Y. Ha, "Panoramic Video Using Scale-invariant Feature Transform with Embedded Color-invariant Values," IEEE Transactions on Consumer Electronics, Vol. 56, No. 2, pp. 792-798, 2010.

상세보기
C. Padwick, M. Deskeich, F. Pacifici, and S. Smallwood, "Worldview-2 Pan-sharpening," Proceeding of ASPRS 2010 Annual Conference, pp. 1-14, 2010.

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

위성 영상에서 전달맵 보정 기반의 안개 제거를 이용한 강인한 특징 정합
Robust Feature Matching Using Haze Removal Based on Transmission Map for Aerial Images 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

위성 영상에서 전달맵 보정 기반의 안개 제거를 이용한 강인한 특징 정합 Robust Feature Matching Using Haze Removal Based on Transmission Map for Aerial Images 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

권오설 (14)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

위성 영상에서 전달맵 보정 기반의 안개 제거를 이용한 강인한 특징 정합
Robust Feature Matching Using Haze Removal Based on Transmission Map for Aerial Images 원문보기

AI 본문요약
AI-Helper