[논문]효율적인 구현을 위한 안개 제거 방법의 최적화

김민상; 박용민; 김병오; 김태환

doi:10.5573/ieie.2016.53.10.058

효율적인 구현을 위한 안개 제거 방법의 최적화
Optimization of Dehazing Method for Efficient Implementation 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.53 no.10 = no.467, 2016년, pp.58 - 65

김민상 (한국항공대학교) , 박용민 (한국항공대학교) , 김병오 (한국항공대학교) , 김태환 (한국항공대학교)

초록
AI-Helper

본 논문에서는 안개 제거의 수행 시간을 단축하기 위한 최적화 기법들을 제안하고, 이를 기반으로 하는 효율적인 안개 제거 방법을 제시한다. 제안하는 최적화 기법으로, 다크 채널을 동일 크기의 영역으로 분할하여 분산 정렬을 적용하여 대기 강도를 추정함으로써 대기 강도 추정에 필요한 정렬의 연산을 간소화하였고, 대기 강도를 단색으로 가정하여 전달량 추정에 필요한 영상 정규화 과정을 간소화하였다. 또한, 메디안 다크 채널을 도입하여 안개 제거 품질을 유지하면서도 전달량 보정 과정을 효과적으로 제거하였다. 제안하는 기법들을 바탕으로 효율적인 안개 제거 방법을 제시하였고, 이의 우수성을 입증하기 위해 프로토타입 시스템을 개발하여 성능을 분석하였다. 제안하는 안개 제거 방법은 기존 방법과 비교하여 대등한 안개 제거 품질을 보이면서도 수행 시간을 최대 65% 단축하였다.

Abstract ▼ AI-Helper

This paper presents optimization techniques to reduce the processing time of the dehazing method and proposes an efficient dehazing method based on them. In the proposed techniques, the atmospheric light is estimated based on the distributed sorting of the dark channel pixels, so as to reduce the computations. The normalization process required in the transmission estimation is simplified by the assumption that the atmospheric light is monochromatic. In addition, the dark channel is modified into the median dark channel in order to eliminate the transmission refinement process while achieving a comparable dehazing quality. The proposed dehazing method based on the optimization techniques is presented and its performance is investigated by developing a prototype system. When compared to the previous method, the proposed dehazing method reduces the processing time by 65% while maintaining the dehazing quality.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 기존의 안개 제거 방법의 수행 시간을 단축시키기 위한 최적화 기법들을 제안하고 이를 기반으로 하는 효율적인 안개 제거 방법을 제시한다. 제안하는 최적화 기법들은 다음과 같다: 1) 다크 채널을 동일 크기의 영역으로 분할하여 분산 정렬을 적용하여 대기 강도를 추정함으로써, 대기 강도 추정에 필요한 정렬의 연산을 간소화한다; 2) 대기 강도를 단색으로 가정하여 전달량 추정에 필요한 영상 정규화 과정을 간소화한다; 3) 전달량 추정 과정에서 메디안 다크 채널을 도입하여 전달량 보정 과정을 효과적으로 제거한다.
본 논문에서는 대표적으로 사용되는 안개 영상에 대하여 안개 제거를 수행하여 기존의 방법과 제안하는 방법의 주관적 품질 비교를 통해 제안하는 방법의 타당성을 입증한다. 안개 제거 품질의 비교를 위해 그림 7에서 안개 영상에 대한 기존 방법과 제안하는 방법의 안개 제거 영상을 나타내었다.
본 논문은 효율적인 안개 제거를 위해 DCP기반의 안개 제거 방법의 수행 시간을 단축시키기 위해 기존의 방법을 최적화하는 기법을 제안하였다. 제안하는 최적화 기법들로부터 대기 강도 추정 과정의 정렬의 연산을 간소화하였고, 전달량 추정에 필요한 영상 정규화 과정을 간소화하였으며, 전달량 보정 과정을 제거하였다.
앞 절에서 분석한 바와 같이, 기존 안개 제거 방법의 처리 과정 중 수행 시간이 긴 부분은 다크 채널 연산, 대기 강도 추정 및 전달량 보정이며, 이들 과정의 수행 시간을 효과적으로 줄이면서도 안개 제거 품질을 유지하기 위한 효율적인 방법이 필요하다. 본 절에서는 이러한 최적화 방법들을 제안하고, 이를 기반으로 하는 새로운 안개 제거 방법을 제시한다.
제안하는 최적화 기법들은 다음과 같다: 1) 다크 채널을 동일 크기의 영역으로 분할하여 분산 정렬을 적용하여 대기 강도를 추정함으로써, 대기 강도 추정에 필요한 정렬의 연산을 간소화한다; 2) 대기 강도를 단색으로 가정하여 전달량 추정에 필요한 영상 정규화 과정을 간소화한다; 3) 전달량 추정 과정에서 메디안 다크 채널을 도입하여 전달량 보정 과정을 효과적으로 제거한다. 이러한 최적화 기법들을 바탕으로, 효율적인 안개 제거 방법을 제시한다. 안개 제거의 프로토타입 시스템을 구현하여 제안하는 방법의 성능을 기존 방법과 비교한 결과, 제안하는 방법은 기존 방법과 대등한 안개 제거 품질을 보이면서도 최대 65% 단축된 수행 시간을 갖는다.

제안 방법

기존 안개 제거 방법은 중복된 다크 채널 연산과 복잡한 대기 강도 추정 및 전달량 보정으로 구성되는 복잡한 처리 과정을 갖는다. 각 처리 과정이 실제 성능에 미치는 영향을 분석하기 위하여, 기존 안개 제거 방법을 소프트웨어로 구현하여 각 처리 과정의 수행 시간을 분석하였다. 그림 2는 320×240 크기의 샘플 영상에 기존의 안개 제거 방법을 적용하였을 경우, 각 처리 과정의 수행 시간 및 비율을 정리한 것이다.
제안하는 최적화 기법들로부터 대기 강도 추정 과정의 정렬의 연산을 간소화하였고, 전달량 추정에 필요한 영상 정규화 과정을 간소화하였으며, 전달량 보정 과정을 제거하였다. 또한 최적화 기법들을 기반으로 하는 효율적인 안개 제거 방법을 제시하였다. 제안하는 방법의 타당성을 검증하기 위해 제안하는 방법을 기반으로 하는 안개 제거 프로토타입 시스템을 개발하였다.
기존의 방법과 비교하여 제안하는 방법은 대기 강도 추정 과정에서 전체 픽셀들에 대한 정렬의 연산을 간화하여 대기 강도 추정 과정에서 소요되는 연산을 크게 감소시켰다. 또한, 대기 강도를 단일 색상으로 가정하여 전달량 추정 과정의 영상 정규화 과정을 감소시켰다. 추가적으로, 전달량 추정에서 다크 채널 대신 메디안다크 채널을 도입함으로써, 추정된 전달량을 보정하는 절차를 효과적으로 제거하였다.
그림 6은 제안하는 안개 제거 방법의 흐름도를 나타낸다. 먼저, 주어진 영상 I에 대하여 I^dark를 구하고, 이를 이용하여 제안한 방식에 따라 대기 강도 A를 추정한다. 다음, I에 대하여 메디안다크 채널 I^med를 구하고 A로 정규화한다.
안개 제거 수행 시간의 비교를 위해, 기존의 방법과 제안하는 방법을 기반으로 안개 제거 프로토타입 시스템을 구현하여 그 성능을 비교하였다. 그림 8은 제안하는 방법을 기반으로 하는 안개 제거 프로토타입 시스템을 나타낸다.
앞 절에서 제안된 최적화 기법들을 기반으로 새로운 안개 제거 방법을 제시한다. 그림 6은 제안하는 안개 제거 방법의 흐름도를 나타낸다.
하지만 I^med는 그림 5에서 보는 바와 같이 원본 영상의 윤곽선 정보의 소실이 거의 없다. 이런 사실을 이용하여, 제안하는 방법에서는 (3)에서 I^dark를 I^med로 교체하여 전달량을 추정한다. I^med는원본 영상의 윤곽선 정보가 거의 소실되지 않았으므로, 이를 바탕으로 추정한 전달량을 보정하는 복잡한 절차를 제거할 수 있게 된다.
이에 따라 제안하는 방법에서는 A를 단색으로 보고(Ar = Ab = Ag = A) 전달량을 추정한다. 이 경우, (3)에서 채널 별 대기 강도를 이용한 원본 영상 정규화 과정을 다크 채널에 대해 수행하는 것으로 변경할 수 있다.
프로토타입 시스템은 800MHz dual-core ARM Cortex-A9 processor기반의 임베디드 개발 보드와 영상 출력을 위한 VGA모니터로 구성된다. 정당한 비교를 위하여 기존의 방법과 제안하는 방법을 모두 소프트웨어로 구현하여 동일한 프로토타입 시스템에서 작동시키면서 수행 시간을 분석하였다.
이는 영상의 크기가 커질수록, 정렬 대상 픽셀 수가 증가함으로써 매우 높은 연산 복잡도를 갖는다. 제안하는 방법에서는 분산 정렬에 기반하여, 다크 채널을 동일한 크기를 갖는 n개의 영역으로 분할하고, 분할된 각 영역 내에서 최대값을 갖는 픽셀 위치를 찾아내어, 찾아낸 n개의 위치에 해당하는 원본 영상의 픽셀들 중 가장 밝은 픽셀 값을 대기 강도로 취한다.
이를 복원하기 위해서 기존 방법에서는 전달량 보정 과정에서 복잡한 연산을 수행한다. 제안하는 방법에서는 윤곽선 소실을 야기하는 최소값 필터를 중간값 필터로 대체하는 형태로 다크 채널 연산을 변경함으로써 부가적인 전달량 보정 과정을 효과적으로 제거한다^[12]. 이를 통해 안개 제거의 전체적인 연산량을 크게 감소시킬 수 있다.
원본 영상 정규화 과정은 영상의 모든 픽셀들에 대하여 픽셀 값을 대기 강도의 값으로 나누는 것으로, 높은 연산 복잡도를 갖는다. 제안하는 방법에서는 이러한 정규화 과정을 컬러 채널에서 각 채널 별로 수행하지 않고, 단일 채널로 이루어진 다크 채널에 대해 수행함으로써 연산 복잡도를 크게 줄이게 된다.
또한 최적화 기법들을 기반으로 하는 효율적인 안개 제거 방법을 제시하였다. 제안하는 방법의 타당성을 검증하기 위해 제안하는 방법을 기반으로 하는 안개 제거 프로토타입 시스템을 개발하였다. 제안하는 방법은 기존방법과 비교하여 대등한 안개 제거 품질을 보이면서도 수행 시간을 최대 65% 단축하였다.
본 논문은 효율적인 안개 제거를 위해 DCP기반의 안개 제거 방법의 수행 시간을 단축시키기 위해 기존의 방법을 최적화하는 기법을 제안하였다. 제안하는 최적화 기법들로부터 대기 강도 추정 과정의 정렬의 연산을 간소화하였고, 전달량 추정에 필요한 영상 정규화 과정을 간소화하였으며, 전달량 보정 과정을 제거하였다. 또한 최적화 기법들을 기반으로 하는 효율적인 안개 제거 방법을 제시하였다.
추정된 대기 강도와 Îmed를 바탕으로 전달량 t를 추정하고, 추정된 A와 t를 이용해서 안개를 제거한 영상 J를 복원한다.

대상 데이터

제안하는 방법에서 사용하는 다크 채널은 최소값 필터를 중간값 필터로 대체한 메디안 다크 채널이며, 다음과 같은 연산으로 표현된다.

성능/효과

안개 제거 품질의 비교를 위해 그림 7에서 안개 영상에 대한 기존 방법과 제안하는 방법의 안개 제거 영상을 나타내었다. (b)와 (c)의 표시된 부분을 비교해보면, 중간값 필터를 도입한 제안하는 방법의 (c) 가 전달량 보정 과정을 수행한 기존 방법의 (b)에 비해 안개가 더 많이 제거됨에 따라 물체의 색이 더 드러나게 되어 색포화가 나타나지만, 윤곽선 부근의 안개를 더 효과적으로 제거한다는 것을 알 수 있다. 이러한 결과로부터 최적화 기법들을 기반으로 한 제안하는 안개 제거 방법이 기존의 안개 제거 방법과 비교하여 대등한 안개 제거 품질을 보인다는 것을 알 수 있다.
본 논문에서는 기존의 안개 제거 방법의 수행 시간을 단축시키기 위한 최적화 기법들을 제안하고 이를 기반으로 하는 효율적인 안개 제거 방법을 제시한다. 제안하는 최적화 기법들은 다음과 같다: 1) 다크 채널을 동일 크기의 영역으로 분할하여 분산 정렬을 적용하여 대기 강도를 추정함으로써, 대기 강도 추정에 필요한 정렬의 연산을 간소화한다; 2) 대기 강도를 단색으로 가정하여 전달량 추정에 필요한 영상 정규화 과정을 간소화한다; 3) 전달량 추정 과정에서 메디안 다크 채널을 도입하여 전달량 보정 과정을 효과적으로 제거한다. 이러한 최적화 기법들을 바탕으로, 효율적인 안개 제거 방법을 제시한다.
기존의 방법과 비교하여 제안하는 방법은 대기 강도 추정 과정에서 전체 픽셀들에 대한 정렬의 연산을 간화하여 대기 강도 추정 과정에서 소요되는 연산을 크게 감소시켰다. 또한, 대기 강도를 단일 색상으로 가정하여 전달량 추정 과정의 영상 정규화 과정을 감소시켰다.
대기 강도를 단색으로 가정하여 전달량 추정에 필요한 영상 정규화 과정이 제거되었고, 중복적으로 수행했던 다크 채널 연산이 한번으로 줄어 다크 채널 연산의 수행 시간은 320×240과 640×480 크기에서 61% 단축되었다.
또한 제안하는 방법에서는 메디안 다크 채널을 도입하여 전달량 보정 과정이 효과적으로 제거됨으로써 결과적으로 전체 안개 제거 수행 시간은 기존 방법에 대해 320×240과 640×480 크기에서 각각 64%, 65% 단축되었다.
이러한 최적화 기법들을 바탕으로, 효율적인 안개 제거 방법을 제시한다. 안개 제거의 프로토타입 시스템을 구현하여 제안하는 방법의 성능을 기존 방법과 비교한 결과, 제안하는 방법은 기존 방법과 대등한 안개 제거 품질을 보이면서도 최대 65% 단축된 수행 시간을 갖는다.
(b)와 (c)의 표시된 부분을 비교해보면, 중간값 필터를 도입한 제안하는 방법의 (c) 가 전달량 보정 과정을 수행한 기존 방법의 (b)에 비해 안개가 더 많이 제거됨에 따라 물체의 색이 더 드러나게 되어 색포화가 나타나지만, 윤곽선 부근의 안개를 더 효과적으로 제거한다는 것을 알 수 있다. 이러한 결과로부터 최적화 기법들을 기반으로 한 제안하는 안개 제거 방법이 기존의 안개 제거 방법과 비교하여 대등한 안개 제거 품질을 보인다는 것을 알 수 있다.
제안하는 방법에서 다크 채널의 분할 수 n은 추정된 대기 강도 값 및 연산 복잡도에 큰 영향을 미친다. 구체적으로, n = 1인 경우 가장 낮은 연산 복잡도를 갖지만, 부정확한 대기 강도 추정이 이루어지게 되며, n이 커질수록 연산 복잡도가 커지지만, 정확한 대기 강도 추정이 이루어진다.
그림 3은 기존의 대기 강도 추정 방법과 제안하는 방법을 비교한 것이다. 제안하는 방법에서는 분할된 각 영역 내에서 최대값을 갖는 픽셀의 위치를 찾아내야 하는데, 이는 전체 영상의 픽셀을 정렬하여 일부의 상위픽셀들에 대한 위치를 찾아내는 정렬 기반의 기존의 방법과 비교하여 매우 낮은 연산 복잡도를 갖는다. 또한, 다크 채널에서 가장 안개가 짙은 위치를 추정하고, 이를 바탕으로 대기 강도를 추정함에 따라, 원본 영상의 흰색 물체를 나타내는 픽셀의 값을 대기 강도로 추정하는 오류를 범할 가능성이 낮으며, 이는 기존의 방법과 대등한 장점이다.
제안하는 방법의 타당성을 검증하기 위해 제안하는 방법을 기반으로 하는 안개 제거 프로토타입 시스템을 개발하였다. 제안하는 방법은 기존방법과 비교하여 대등한 안개 제거 품질을 보이면서도 수행 시간을 최대 65% 단축하였다.
제안하는 최적화 기법들로 인하여, 대기강도 추정 과정의 픽셀 정렬의 연산이 간소화되어 대기강도 추정 과정의 수행 시간이 320×240과 640×480 크기에서 각각 64%, 69% 단축되었다.
또한, 대기 강도를 단일 색상으로 가정하여 전달량 추정 과정의 영상 정규화 과정을 감소시켰다. 추가적으로, 전달량 추정에서 다크 채널 대신 메디안다크 채널을 도입함으로써, 추정된 전달량을 보정하는 절차를 효과적으로 제거하였다. 이러한 기법들을 적용함으로써, 기존 방법과 비교하여 매우 낮은 연산 복잡도를 가지며, 이를 통해 전체 수행 시간을 현저히 감소시킬 수 있을 것이다.

후속연구

추가적으로, 전달량 추정에서 다크 채널 대신 메디안다크 채널을 도입함으로써, 추정된 전달량을 보정하는 절차를 효과적으로 제거하였다. 이러한 기법들을 적용함으로써, 기존 방법과 비교하여 매우 낮은 연산 복잡도를 가지며, 이를 통해 전체 수행 시간을 현저히 감소시킬 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	안개가 낀 환경에서 물체를 촬영할 경우의 문제점은?	안개는 대기 상의 수증기가 응결되어 지면 근처에 입자 형태로 존재하는 현상이다. 안개가 낀 환경에서 물체를 촬영할 경우, 대기 중에 존재하는 안개 입자로 인한 산란광의 영상으로 물체로부터 반사된 빛이 카메라로 전달되는 비율(전달량)이 감소하여 물체의 색상 정보가 왜곡된다[1]. 이러한 색상 정보의 왜곡은 컴퓨터 비전 기술을 기반으로 하는 다양한 응용 시스템에서 성능 저하를 유발할 수 있다.
	초기에 연구된 같은 장면에서 촬영한 다수의 영상을 바탕으로 안개가 없는 영상을 복원하는 방법의 문제점은?	초기의 연구들에서는 같은 장면에서 촬영한 다수의 영상을 바탕으로 안개가 없는 영상을 복원하는 방법들이 개발되었다[2～4]. 하지만 이런 방법들은 형태학적으로 동일한 영상을 시간 간격을 두고 여러 번 촬영하는 것이 어렵기 때문에 효과적으로 구현되기 어렵다. 이러한 문제점 때문에, 최근에는 단일 영상을 이용한 안개 제거 방법들이 연구되고 있다[5～9].
	안개란?	안개는 대기 상의 수증기가 응결되어 지면 근처에 입자 형태로 존재하는 현상이다. 안개가 낀 환경에서 물체를 촬영할 경우, 대기 중에 존재하는 안개 입자로 인한 산란광의 영상으로 물체로부터 반사된 빛이 카메라로 전달되는 비율(전달량)이 감소하여 물체의 색상 정보가 왜곡된다[1].

참고문헌 (12)

S. K. Nayar and S. G. Narasimhan, "Vision in bad weather," in Proc. of IEEE Conf. on Computer Vision, vol.2, pp. 820-827, Kerkyra, Greece, Sept., 1999.
S. G. Narasimhan and S. K. Nayar, "Chromatic framework for vision in bad weather," in Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, vol. 1, pp. 598-605, Jun. 2000.
Y.Y. Schechner, S.G. Narasimhan and S.K. Nayar, "Instant Dehazing of Images Using Polarization," in Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, vol. 1, pp. 325-332, Kauai, USA, 2001.
S. G. Narasimhan and S. K. Nayar, "Contrast restoration of weather degraded images," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 25, no. 6, pp. 713-724, Jun. 2003.

상세보기
R. T. Tan, "Visibility in bad weather from a single image," in Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, pp. 1-8, Anchorage, USA, Jun. 2008.
R. Fattal, "Single image dehazing," ACM Trans. Graphics, vol. 27, no. 3, pp. 72, Aug. 2008.
K. He, J. Sun, and X. Tang, "Single image haze removal using dark channel prior," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 33, no. 12, pp. 2341-2353, Dec. 2011.

상세보기
W. T. Kim, H. W. Bae and T. H. Kim, "Fast and High-Quality Haze Removal Method Based on Transmission Correction," Journal of The Institute of Electronics and Information Engineers, vol. 51, no. 11, pp 165-173, Nov. 2014.
W. T. Kim and T. H. Kim, "High-Speed and High-Quality Haze Removal Method Using Dual Dark Channels," The summer conference of Institute of Electronics and Information Engineers, pp. 655-658, Jun. 2015.
H. Koschmieder, Theorie der horizontalen Sichtweite: Kontrast und Sichtweite, Keim & Nemnich, 1925.
K. He, J. Sun, and X. Tang, "Guided image filtering," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 35, no. 6, pp. 1397-1409, Jun. 2013.

상세보기
K. B. Gibson, and D. T. Vo, and T. Q. Nguyen, "An investigation of dehazing effects on image and video coding," IEEE Trans. Image Processing, vol. 21, no. 2, pp. 662-673, Feb. 2012.

상세보기

저자의 다른 논문 :

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