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 논문에서는 백색 기준 영역을 바탕으로 해당 영역이 표준 백색 영역에 위치하도록 하는 색 정규화 방식을 적용하여 안개 제거 후 발생하는 색상 문제를 개선하였다. 또한, 경계선 및 높은 밝기를 갖는 사물에 대해 주변영역으로 보정함으로써 안개 제거 후 해당 영역의 경계선 및 색상이 명확하게 나타날 수 있도록 하였다.
- 본 논문에서는 기존 DCP 안개 제거 알고리즘에서 발생할 수 있는 색상 왜곡 문제와 안개량 오추정에 따른 안개제거 결과를 개선하기 위한 알고리즘을 제안한다. 기존 DCP 알고리즘에서 발생하는 색상 왜곡 문제를 해결하기 위해 안개 영상에서 백색 영역을 검출한 후, 백색 검출 영역이 표준 백색 영역으로 수렴하게 하는 색 정규화 방식을 적용하여 안개 제거 후 특정 채널의 색상이 두드러지고 명암이 감소하는 현상을 개선한다.
제안 방법
- 단일 영상의 안개를 제거하기 위한 대표적인 알고리즘으로 Dark Channel Prior(DCP)를 이용한 안개 제거 알고리즘이 있다[4]. DCP 안개 제거 알고리즘은 단일 영상의 피사체와 카메라간의 거리 정보를 정확히 파악하기 힘들기 때문에 영상 내에 일정 영역의 RGB 픽셀이 ‘0’에 수렴하는 실험적 관측 결과를 이용하여 안개의 짙은 정도를 추정한 후 안개를 제거한다.
- 기존 DCP 알고리즘에서 발생하는 색상 왜곡 문제를 해결하기 위해 안개 영상에서 백색 영역을 검출한 후, 백색 검출 영역이 표준 백색 영역으로 수렴하게 하는 색 정규화 방식을 적용하여 안개 제거 후 특정 채널의 색상이 두드러지고 명암이 감소하는 현상을 개선한다. 그 후 안개가 옅은 영역을 짙은 영역으로 오추정된 영역을 검출하여 주변 안개량으로 보정하는 알고리즘을 제안한다. 전체적인 흐름도는 그림 3과 같다.
- 본 논문에서는 기존 DCP 안개 제거 알고리즘에서 발생할 수 있는 색상 왜곡 문제와 안개량 오추정에 따른 안개제거 결과를 개선하기 위한 알고리즘을 제안한다. 기존 DCP 알고리즘에서 발생하는 색상 왜곡 문제를 해결하기 위해 안개 영상에서 백색 영역을 검출한 후, 백색 검출 영역이 표준 백색 영역으로 수렴하게 하는 색 정규화 방식을 적용하여 안개 제거 후 특정 채널의 색상이 두드러지고 명암이 감소하는 현상을 개선한다. 그 후 안개가 옅은 영역을 짙은 영역으로 오추정된 영역을 검출하여 주변 안개량으로 보정하는 알고리즘을 제안한다.
- 대기 산란광 A의 추정은 최소값 마스크를 통해 추정된 다크 채널에 영역평균 분할 방식을 적용함으로써 안개가 가장 짙은 영역에서 A의 추정이 이루어지도록 하였다[6]. 또한 전달량이 0에 수렴하는 문제점을 개선하기 위해 임계치 미만에서 전달량 값을 보정 한 후, 전달량 정련을 위해 Fast Guided Filter(FGD)를 적용함으로써 알고리즘의 수행속도를 개선하였다[7].
- 따라서 본 논문에서는 백색 기준 영역을 바탕으로 해당 영역이 표준 백색 영역에 위치하도록 하는 색 정규화 방식을 적용하여 안개 제거 후 발생하는 색상 문제를 개선하였다. 또한, 경계선 및 높은 밝기를 갖는 사물에 대해 주변영역으로 보정함으로써 안개 제거 후 해당 영역의 경계선 및 색상이 명확하게 나타날 수 있도록 하였다.
- step size α는 스케일 상수로서 3개 채널 중 한 채널의 가중치를 나타낸다. 본 논문에서는 색 정규화 진행 시 색상의 과포화를 방지하고 효율적인 연산 속도를 위해 실험적으로 α = 3.1을 사용하였고, 반복 횟수는 최대 10회로 설정 하였다. 식 (14)(15)(16)에서 계산한 채널 이득을 적용하여 영상 전체에 식 (17)과 같이 색 정규화를 진행 한다.
- 본 논문에서는 색 정규화 컬러 영상에 최소값 마스크를 적용함으로써, 경계선 영역이 주변 안개량의 값으로 치환될 수 있도록 하였다. 제안하는 최소값 마스크는 한 개 픽셀에 대한 최소값을 찾기 위해, 식 (18)과 같이, W × H 사이즈의 영상에 대해, N × N 마스크 내에서 RGB의 최소값을 찾아 적용한다.
- 본 논문에서는 안개로 인하여 색상 정보가 감소한 영상에서 백색 검출 영역을 기반으로 한 색 정규화 방식을 적용한 후, 오추정된 안개 영역을 보정하여 기존 DCP 안개제거 알고리즘보다 개선된 방법을 제안하였다.
- 본 논문에서는 안개를 제거하기 전 안개 영상에 대해 색정규화를 적용한다. 색 정규화를 위해 입력 영상의 백색 기준 영역을 검출한 후, 해당 영역이 표준 백색 영역에 수렴할 수 있도록 안개 영상의 각 RGB 채널에 대한 채널 이득을 계산하여 반복적으로 적용한다.
- 본 논문에서는 전달량 정련을 위해 fast guided filter(FGD)를 사용하여 전달량을 정련하였다. Guided filter는 강한 에지를 보존하며 신호를 부드럽게 만드는 비선형 필터이다.
- 본 논문은 안개 제거 후 발생하는 색상 왜곡 문제를 해결하기 위해 전처리 과정으로 색 정규화를 적용 후[5], 최소값 마스크를 이용하여 안개량을 추정 후 모폴로지의 침식 연산을 통해 안개량 오추정 영역을 보정하였다. 대기 산란광 A의 추정은 최소값 마스크를 통해 추정된 다크 채널에 영역평균 분할 방식을 적용함으로써 안개가 가장 짙은 영역에서 A의 추정이 이루어지도록 하였다[6].
- 본 논문에서는 안개를 제거하기 전 안개 영상에 대해 색정규화를 적용한다. 색 정규화를 위해 입력 영상의 백색 기준 영역을 검출한 후, 해당 영역이 표준 백색 영역에 수렴할 수 있도록 안개 영상의 각 RGB 채널에 대한 채널 이득을 계산하여 반복적으로 적용한다.
대상 데이터
- 세 번째 문제는 대기 산란광 A의 오추정이다. 대기 산란광 A는 안개가 가장 짙은 영역의 픽셀값으로, DCP 안개제거에서는 대기 산란광 A의 추정을 다크 채널 내에서 가장 밝은 영역을 선택한다.
데이터처리
- 본 논문에서는 제안하는 알고리즘의 성능을 평가하기 위해 He[4], Fattal[8], Tan[9]의 안개 제거 결과를 Taral[10]의 성능 지표 결과 비교를 통해 나타내었으며, 영상의 크기에 별로 He의 안개 제거 결과와 제안하는 알고리즘의 수행 시간을 비교하였다[11].
이론/모형
- 단일 영상에 포함된 안개를 제거하기 위해 Narasimhan 등이 제안한 안개 모델링 식을 사용한다.
- 대기 산란광 오추정 문제점을 보완하기 위해 본 논문에서는 다크 채널을 기반으로 한 영역 평균 분할 탐색 방법을 사용 하였다. 최소값 마스크를 적용한 다크 채널에 대해 4 개의 영역으로 분할 한 후, 각 영역의 평균 밝기가 가장 높은 영역을 선택한다.
- 백색 영역 검출을 위해 입력 영상에 히스토그램 평활화를 적용한다. 히스토그램 평활화를 적용하면 명암대비가 높아져 백색의 검출이 용이하다.
성능/효과
- He의 영상의 경우 다른 저자에 비해 안개 제거율도 높고 선명 하지만, 영상 전반의 명암이 낮고, 암석의 경계선 부분에 대한 전달량이 낮게 추정되어 안개 제거 후 암석 부분의 경계가 모호하다. 그러나 표 1과 그림 10을 바탕으로 제안하는 알고리즘이 기존 안개 제거 영상보다 자연스럽고 선명함을 확인할 수 있다.
- 제안하는 알고리즘을 통해 DCP 안개 제거 알고리즘의 문제점인 석양, 황사 등이 대기 환경에 영향을 주었을 경우와 흰색이나 광원 영역과 같이 RGB 전 채널이 높은 값을 가지고 있는 영역이 존재하는 영상에 대해, 안개 제거 후 색상이 왜곡 되는 현상을 감소시켰으며 안개 제거 후 영상 전반의 명암이 낮아지는 문제를 개선하였다. 또한 전달량 오추정으로 인한 색상 과포화 문제가 개선됨으로써 안개제거 후 원본 영상의 손실이 적고 안개 제거율도 높은 안개제거 결과를 얻을 수 있었다. 이 결과를 통해 안개 영상의 가시성 향상과 색을 기본으로 하는 영상처리 적용에 도움을 줄 수 있을 것이다.
- 원본 영상의 광원의 크기를 1이라 하였을 때, 그림 12(b)는 DCP 안개 제거 후 원본 영상의 광원 크기보다 색상 과포화로 인해 광원의 크기가 원본 영상보다 약 25% 증가하여 원본 영상의 손실율이 커지는 문제점이 발생한다. 반면 제안 하는 알고리즘을 적용 하였을 때 색상 과포화 현상이 개선되면서 광원의 크기가 원본 영상 보다 약 7.8% 증가한다. 이를 통해 기존 안개제거 알고리즘 보다 제안하는 알고리즘을 통해 원본 이미지를 손실을 최소화하며 안개 제거가 가능하다.
- 제안하는 알고리즘을 통해 안개 제거율은 높이면서 안개량 오추정 문제를 개선하면서 실행 시간이 매우 빠르게 나타나는 것을 확인 할 수 있다. 이는 전달량 정련과정에서 FGD를 사용함으로써 많은 계산 과정을 단축함으로써 알고리즘 수행 속도가 개선 될 수 있다.
- 8% 증가한다. 이를 통해 기존 안개제거 알고리즘 보다 제안하는 알고리즘을 통해 원본 이미지를 손실을 최소화하며 안개 제거가 가능하다.
- 기존에 제안된 안개 제거 알고리즘의 실행 결과를 그림 10과 표 1을 통해 나타내었다. 제안하는 알고리즘을 적용하였을 때, 기존 안개 제거 알고리즘 보다 수행시간이 더 빠르면서 이미지의 색상이 뚜렷해지고 안개 제거 후 사물의 대비가 뚜렷해진 것을 확인할 수 있다. 특히 안개 제거 후 Fattal의 안개 제거 영상에서 나타나는 halo effect와 He의 안개 제거 영상의 명암이 낮아지는 문제점이 개선된 것을 확인할 수 있다.
- Kim의 안개 제거 결과에서는 차량과 백색 차선에 대한 명암 문제는 개선되었지만 하늘 영역에 대해 노이즈 현상이 발생한다. 제안하는 알고리즘을 적용함으로써 원본 영상과 비교하여 전달량을 정련함으로써 노이즈 현상 개선을 비롯하여 명암 문제가 개선되는 것을 확인할 수 있다.
- 제안하는 알고리즘을 통해 DCP 안개 제거 알고리즘의 문제점인 석양, 황사 등이 대기 환경에 영향을 주었을 경우와 흰색이나 광원 영역과 같이 RGB 전 채널이 높은 값을 가지고 있는 영역이 존재하는 영상에 대해, 안개 제거 후 색상이 왜곡 되는 현상을 감소시켰으며 안개 제거 후 영상 전반의 명암이 낮아지는 문제를 개선하였다. 또한 전달량 오추정으로 인한 색상 과포화 문제가 개선됨으로써 안개제거 후 원본 영상의 손실이 적고 안개 제거율도 높은 안개제거 결과를 얻을 수 있었다.
- 9% 감소하면서 색상 과포화 현상이 개선되었다. 제안하는 알고리즘을 통해 과도한 안개 제거로 인한 명암이 낮아지는 현상과 색상과포화 현상이 개선되면서 가시성이 증가되는 것을 확인할 수 있다.
- 표 2는 C로 구현한 He의 안개 제거 알고리즘과 제안하는 알고리즘을 그림 10의 이미지 크기별로 수행 속도를 비교한 것이다. 제안하는 알고리즘을 통해 안개 제거율은 높이면서 안개량 오추정 문제를 개선하면서 실행 시간이 매우 빠르게 나타나는 것을 확인 할 수 있다. 이는 전달량 정련과정에서 FGD를 사용함으로써 많은 계산 과정을 단축함으로써 알고리즘 수행 속도가 개선 될 수 있다.
- 제안하는 알고리즘을 적용하였을 때, 기존 안개 제거 알고리즘 보다 수행시간이 더 빠르면서 이미지의 색상이 뚜렷해지고 안개 제거 후 사물의 대비가 뚜렷해진 것을 확인할 수 있다. 특히 안개 제거 후 Fattal의 안개 제거 영상에서 나타나는 halo effect와 He의 안개 제거 영상의 명암이 낮아지는 문제점이 개선된 것을 확인할 수 있다.
후속연구
- 향후 DCP 안개 제거 알고리즘의 연산량 개선을 위해 알고리즘을 발전시킴으로써, 실시간 안개 제거에 적용이 가능할 것이다. 또한 안개 상황 뿐만 아니라 비 야간, 눈, 비등 다양한 날씨 환경에서 가시성 확보 분야에 연구가 발전될 수 있을 것으로 기대 된다.
- 또한 전달량 오추정으로 인한 색상 과포화 문제가 개선됨으로써 안개제거 후 원본 영상의 손실이 적고 안개 제거율도 높은 안개제거 결과를 얻을 수 있었다. 이 결과를 통해 안개 영상의 가시성 향상과 색을 기본으로 하는 영상처리 적용에 도움을 줄 수 있을 것이다.
- 향후 DCP 안개 제거 알고리즘의 연산량 개선을 위해 알고리즘을 발전시킴으로써, 실시간 안개 제거에 적용이 가능할 것이다. 또한 안개 상황 뿐만 아니라 비 야간, 눈, 비등 다양한 날씨 환경에서 가시성 확보 분야에 연구가 발전될 수 있을 것으로 기대 된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.