$\require{mediawiki-texvc}$

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.

HDR 영상 복원을 위해 대비와 텍스쳐 영역 정보를 고려한 혼합 톤 매핑 기법
Hybrid Tone Mapping Technique Considering Contrast and Texture Area Information for HDR Image Restoration 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.22 no.4, 2017년, pp.496 - 508  

강주미 (한양대학교 지능형로봇공학과) ,  박대준 (한양대학교 지능형로봇공학과) ,  정제창 (한양대학교 지능형로봇공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 전역적 대비를 보존하는 동시에 경계 정보를 정확히 보존할 수 있는 혼합 톤 매핑 기법 (Tone Mapping Operator: TMO)을 제안한다. 우선, 넓은 동적 영역 (High Dynamic Rangae: HDR) 영상을 낮은 동적 영역 (Low Dynamic Range: LDR) 디스플레이에 적합하게 압축하기 위해 인간의 시각 시스템 (Human Visual System: HVS)에 기반한 임계 값 대 밝기 값 (Threshold vs. Intensity: TVI) 함수와 영상의 대비를 사용하였으며 이에 따라 영상의 전역적인 대비를 보존할 수 있었다. 또한, 가이디드 영상 필터링 (Guided Image Filtering: GIF)을 이용하여 검출된 경계 정보와 변화감지역 (Just Noticeable Difference: JND) 모델의 공간적 마스킹을 이용하여 검출된 경계 정보를 결합함으로써 영상의 경계를 보존하고 출력 영상의 인지적 화질을 향상시켰다. 기존에 TMO들은 크게 전역적 톤 매핑 (Global Tone Mapping: GTM)과 지역적 톤 매핑 (Local Tone Mapping: LTM)으로 분류되었다. GTM은 전역적인 대비를 보존하며 구현이 단순해 실행시간이 빠르다는 장점이 있지만 영상의 경계 정보가 손실되며 지역적 대비를 보존하지 못하는 단점이 있었다. 반면 LTM은 영상의 지역적 대비와 경계 정보를 잘 보존하였지만 경계 영역에서의 헤일로 열화 현상의 발생과 같이 일부 영역이 부자연스럽게 표현되는 경우가 발생하였으며 GTM과 비교하여 높은 계산 복잡도를 가졌다. 따라서 본 논문에서는 GTM과 LTM의 장점을 결합하여 전역적인 대비를 보존하는 동시에 영상의 경계 정보를 보존하는 TMO를 제안하였으며 실험결과를 통해 제안하는 톤 매핑 기법이 인지적 화질 측면에서 성능이 우수한 것으로 확인되었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a Tone Mapping Operator (TMO) that preserves global contrast and precisely preserves boundary information. In order to reconstruct a High Dynamic Range (HDR) image to a Low Dynamic Range (LDR) display by using Threshold value vs. Intensity value (TVI) based on Human Visual ...

주제어

#High Dynamic Range (HDR)   #Human Visual System (HVS)   #Contrast   #Threshold vs   #Intensity (TVI)   #Just Noticeable Difference (JND)   #Guided Image Filtering (GIF)  

질의응답

핵심어 질문 논문에서 추출한 답변
넓은 동적 영역 기술이란? 넓은 동적 영역 (High Dynamic Range: HDR) 기술은 영상의 품질을 향상시키기 위한 많은 기술들 중에 하나로 명암을 세밀하게 분석해 사람의 눈으로 보이는 것과 유사하게 자연스럽고 생동감 넘치는 영상을 표현하기 위해 개발된 기술이다. 그동안의 기술들은 한 화면에 화소 수를 증가 시켜 공간적인 해상도를 높이거나 프레임율의 향상을 통해 시간적인 해상도를 높여왔으며, 초고화질 (Ultra High Definition: UHD)에 와서는 800만 화소까지 발전하였다.
톤 매핑 기법이 제안된 이유는? 이와 관련해 영상을 고속으로 생성하는 효율적인 기법들도 제안되고 있다 [3] . 현재 디스플레이 시장 에서는 컨텐츠를 제대로 표현해줄 HDR 디스플레이의 필요성이 부각되고 있지만 HDR 표현이 가능한 디스플레이는 소수에 불과하며 높은 가격대로 인해 일반 소비자들이 구매하기에 어려움이 있다. 그렇기 때문에 HDR 영상을 압축하여 LDR 모니터에 표현할 수 있는 톤 매핑 기법 (Tone Mapping Operator: TMO)들이 제안되어 왔다.
TMO는 어떻게 분류할 수 있는가? 그렇기 때문에 HDR 영상을 압축하여 LDR 모니터에 표현할 수 있는 톤 매핑 기법 (Tone Mapping Operator: TMO)들이 제안되어 왔다. TMO를 통해서 10bit 이상의 빛의 범위를 LDR 모니터의 8bit의 범위로 매칭할 수 있으며, TMO는 영상처리를 위해 어떠한 기법을 적용했는지에 따라 크게 전역적 톤 매핑 (Global Tone Mapping: GTM), 지역적 톤 매핑 (Local Tone Mapping: LTM)으로 분류된다 [4] . GTM은 한 이미지의 전체 픽셀 밝기를 수정하는 방법이다.
질의응답 정보가 도움이 되었나요?

참고문헌 (20)

  1. Jeongyun L., Yong-Jo A., Woong L., Seanae P., Donggyu S., and Jung-Won K., "Layered Codeing Method for Scalable Coding of HDR and SDR videos," Journal of Broadcast Engineering, vol. 20, no. 5, pp. 756-769, Sep. 2015. 

    원문보기 상세보기 crossref

  2. Jeongyun L., Woong L., and Donggyu S., "Standard technology trend for HDR / WCG image compression," The Korean Society of Broadcast and Media Engineers, vol. 21, no. 1, pp.59-69, 2016. 

  3. Tae-Jang P. and In-Kyu P., "HDR Image Acquisition from Two LDR Images," Journal of Broadcast Engineering, vol. 16, no. 2, pp. 247-257, 2011. 

    원문보기 상세보기 crossref

  4. K. Devlin, A Review of Tone Reproduction Techniques, Dept. Comput. Sci. Univ. Bristol, Bristol, U.K., Nov. 2002. 

  5. Christophe Schlick, "Quantization Techniques for Visualization of High Dynamic Range Pictures," Proceeding of the Fifth Eurographics Workshop on Rendering, pp. 7-18, 2014. 

  6. Gregory Ward Larson, Holly Rushmeier, and Christine Piatko, "A Visibility Matching Tone Reproduction Operator for High Dynamic Range Scenes," IEEE Transactions on Visualization and Computer Graphics., vol. 3, no. 4, pp. 291-306, Dec. 1997. 

    상세보기 crossref

  7. Frederic Drago, Karol Myszkowski, Thomas Annen, and Norishige Chiba, "Adaptive Logarithmic Mapping for Displaying High Contrast Scenes," Computer Graphics Forum., vol. 22, no. 3, pp. 419-426, Sep. 2003. 

    상세보기 crossref

  8. Erik Reinhard, Michael Stark, Peter Shirley, and James Ferwerda, "Photographic Tone Reproduction for Digital Images," ACM Trans. Graph., vol. 21, no. 3, pp. 267-276, Jul. 2002. 

    상세보기

  9. Sumanta N. Pattanaik, James A. Ferwerda, Mark D. Fairchild, and Donald P. Greenberg, "A Multiscale Model of Adaptation and Spatial Vision for Realistic Image Display," In SIGGRAPH'98: Proceedings of the 25th Annual Conference on Computer Graphics and Interactive Techniques, pp. 287-298. New York, NY, USA: ACM, 1998. 

  10. Michael Ashikhmin, "A Tone Mapping Algorithm for High Contrast Images," EGRW'02: Proceedings of the 13th Eurographics Workshop on Rendering, pp. 145-156, Aire-la-Ville, Switzerland: Eurographics Association, 2002. 

  11. H. Shahid, D. Li, A. Fanaswala, M. T. Pourazad, and P. Nasiopoulos, "A New Hybrid Tone Mapping Scheme for High Dynamic Range (HDR) Videos," IEEE International Conference on Consumer lectronics (ICCE), pp. 351-352, 2015. 

  12. E. Reinhard, G. Ward, S. Pattanaik, and P. Debevec, High Dynamic Range Imaging, Acquisition, Display, and Image-Based Lighting, Morgan Kaufmann, 2005. 

  13. S. Daly, The Visible Differences Predictor: An algorithm for the assessment of image fidelity, Digital Images and Human Vision, vol. 1666, 1992. 

  14. O. Blackwell and H. Blackwell, "Visual performance data for 156 normal observers of various ages," Journal of the Illuminating Engineering Society, vol. 1, no. 1, pp. 3-13, 1971. 

    상세보기 crossref

  15. K.He, J.Sun, and X.Tang, "Guided Image filtering," IEEE Trans. Pattern Anal. Mach. Learn., vol. 35, no. 6, pp. 1397-1409, Jun. 2013. 

    상세보기 crossref

  16. N.Draper and H.Smmith, Applied Regression Analysis, 2nd edition, JohnWiley, 1981. 

  17. Wu, J., Shi, G., Lin, W., Liu, A., and Qi, F., "Just noticeable difference estimation for images with free-energy principle," IEEE Trans. Multimed., vol.15, no.7, pp.1705-1710, 2013. 

    상세보기 crossref

  18. H. Yeganeh and Z. Wang, "High dynamic range image tone mapping by maximizing a structural fidelity measure," IEEE Int. Conf. Acoust., Speech Signal Process., pp. 1879-1883, May 2013. 

  19. M. Cadik and P. Slavik, "The naturalness of reproduced high dynamic range images," In Proc. 9th Int. Conf. Inf. Vis., pp. 920-925, 2005. 

  20. K. Ma, H. Yeganeh, K. Zeng, and Z. Wang, "High dynamic range image tone mapping by optimizing tone mapped image quality index," IEEE Int. Conf. Multimedia Expo, pp. 1-6, Jul. 2014. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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