[논문]HSV 컬러 공간에서의 레티넥스와 채도 보정을 이용한 화질 개선 기법

강한솔; 고윤호

doi:10.9717/kmms.2017.20.9.1481

HSV 컬러 공간에서의 레티넥스와 채도 보정을 이용한 화질 개선 기법
Image Quality Enhancement Method using Retinex in HSV Color Space and Saturation Correction 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.20 no.9, 2017년, pp.1481 - 1490

강한솔 (Dept. of Mechatronics Engineering, Chungnam National University) , 고윤호 (Dept. of Mechatronics Engineering, Chungnam National University)

Abstract ▼ AI-Helper

This paper presents an image quality enhancement algorithm for dark image acquired under poor lighting condition. Various retinex algorithms which are human perception-based image processing methods were proposed to solve this problem. Although MSR(Multi-Scale Retinex) among these algorithm works well under most lighting condition, it shows color degradation because their separate nonlinear processing of RGB color channels. To compensate for the loss of the color, MSRCR(Multi-Scale Retinex with Color Restoration) was proposed. However, it requires high computational load and has additional parameters that need to be adjusted according to input image. In order to overcome this problem, a new retinex algorithm based on MSR is proposed in this paper. The proposed method consists of V channel MSR, saturation correction, and separate contrast enhancement process. Experimental results show that the subjective and objective image quality of the proposed method better than those of the conventional methods.

주제어

AI 본문요약
AI-Helper

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

문제 정의

또한 RGB 채널의 비율을 유지하지 못하여 잘못된 색상으로 변화시키거나, 밝기 증가로 채도가 자연스럽지 못한 현상이 발생한다.[13] 본 논문에서는 HSV 컬러 공간에서 기존의 MSR을 적용하고, 추가적인 채도 보정과 대조 향상을 통해 화질을 개선시키는 방법을 제안한다.
본 논문에서는 기존 레티넥스 알고리즘을 개선한 MSRMS라는 알고리즘을 제안하였다. 제안된 방법은 기존의 MSR이 가지는 색 왜곡의 단점을 보완하고자 HSV 컬러 공간에서 V 채널에 대해서만 MSR 을 수행하도록 하고, 별도의 채도 보정이 이루어진다.
본 논문에서는 기존의 MSR을 이용해 앞서의 처리 시간을 단축시키면서 성능을 개선할 수 있는 알고리즘을 제안한다. 제안하는 알고리즘은 MSRMS(MSR with Modified Saturation)로 V 채널을 이용해 MSR을 적용하고, S 채널에 대한 보정 및 추가적인 후처리를 수행하는 알고리즘이다.
한편 기존의 밝기 보정 알고리즘들을 평가하기 위한 객관적인 지표가 없어, 주관적인 평가를 이용해 성능을 평가하였다. 본 논문에서는 원 영상의 정보를 이용하는 객관적인 평가 지표를 제안하고, 이를 이용해 성능을 평가한다. 제안하는 평가 지표는 DLD (Distinction between Light and Dark region) 스코어로, 영상 내 밝은 부분과 어두운 부분을 나누고 원본 영상과의 비교를 통해 개선 정도를 평가하는 지표이다.
본 논문에서는 주관적 화질 평가 이외에 객관적으로 화질 개선 여부를 평가하기 위한 지표를 추가적으로 제안한다. 영상 내에서 Fig.

가설 설정

1은 가우시안 상수 값에 SSR 결과이다. (a)와 같이 가우시안 상수가 작은 값을 가질 때는 가우시안 상수가 큰 값에 비해 경계가 선명하지만 밝은 영역과 어두운 영역의 차이가 크진 않다. 이에 비해 (c)와 같이 가우시안 상수가 큰 값일 때는 밝은 영역과 어두운 영역의 차이가 좀 더 명확해지지만 경계 부분의 정보가 손실되고, 특히 밝은 영역의 정보가 많이 손실된다.
본 논문에서는 (a)와 (b)의 광원이 각각 가로와 세로로 분포한다고 고려하여 밝은 영역의 윈도우를 설정하였다. (a)의 어두운 영역의 윈도우는 밝은 영역의 윈도우와 너비만 동일하게 설정하였고, (b)의 어두운 영역의 윈도우는 밝은 영역의 윈도우와 높이만 동일하게 설정하였다. 이 영역들을 기반으로 DLD 스코어는 식 (15)와 같이 정의된다.

제안 방법

영상이 입력으로 들어오면 식 (9), (10), (11)을 통해 RGB 컬러 공간에서 HSV 컬러 공간으로 변환할 수 있다. V 채널에 대해 3개의 다른 가우시안 상수를 가지는 주변 함수를 이용하여 MSR을 적용한다. 가중치는 동일하게 1/3로 설정하였다.
따라서 이러한 현상을 방지하기 위해 갱신된 V 채널의 표준 편차를 구하고 이 값이 기준 (α)보다 작은 값일 때 추가적인 히스토그램 평활화 과정을 수행한다.
주관적 평가에서는 MSR과 MSRCR에 비해 MSRMS가 대조나 색 선명도가 뚜렷해 대상 체의 파악이 용이해진 것을 확인할 수 있었다. 또한 개선된 영상을 밝은 영역과 어두운 영역으로 나누어 입력 영상과의 비교를 통해 화질 개선 정도를 객관적으로 평가할 수 있는 지표인 DLD 스코어를 제안하였다. DLD 스코어를 이용해 기존 MSR과 MSRCR 기법을 제안된 방법과 비교했을 때 제안된 방법의 성능이 우수함을 확인하였다.
또한 갱신된 V 채널의 표준편차가 임의 값 α보다 작으면 대조를 더욱 향상시키기 위해 히스토그램 평활화를 수행한다.
제안된 방법은 기존의 MSR이 가지는 색 왜곡의 단점을 보완하고자 HSV 컬러 공간에서 V 채널에 대해서만 MSR 을 수행하도록 하고, 별도의 채도 보정이 이루어진다. 또한 상황에 따라 대조를 높이는 방식을 채택해 성능을 개선하였다. 주관적 평가에서는 MSR과 MSRCR에 비해 MSRMS가 대조나 색 선명도가 뚜렷해 대상 체의 파악이 용이해진 것을 확인할 수 있었다.
이는 입력 영상의 특징에 따라 달라져 설정하는 것이 쉽지 않다. 본 논문에서는 기존의 MSR 을 RGB 컬러 공간이 아닌 HSV 컬러 공간으로 변환후 V 채널에 대해서만 적용하여 성능을 개선하였다. V 채널은 밝기 성분을 의미하여 색상 왜곡의 문제가 적고, V 단일 채널에 대해 연산을 수행하여 처리속도가 RGB 채널 각각에 적용할 때보다 빠르다.
gl/aXQhZe). 앞서 3.5절에서 언급한 것과 같이 대조 향상은 선택적으로 수행하게 되는데, 본 실험에서는 90%의 영상이 제안된 레티넥스와 채도 보정 이후 대조 향상을 수행하였다. 나머지 10%는 대조 향상 없이 제안된 레티넥스와 채도 보정만을 수행하였다.
본 논문에서는 주관적 화질 평가 이외에 객관적으로 화질 개선 여부를 평가하기 위한 지표를 추가적으로 제안한다. 영상 내에서 Fig. 8과 같이 어두운 영역과 밝은 영역을 나누어[15] 그 비율을 평가 지표로 하는 DLD(Distinction between Light and Dark region) 스코어를 제안한다. 어두운 영역과 밝은 영역은 각각 영상내의 최소, 최댓값을 포함하고 사용자가 정의한 윈도우 크기를 가지는 영역이다.
이때 MSR의 결과가 로그값이므로 0∼255의 값을 갖도록 범위를 수정하여 V 채널을 갱신한다. 이후 색 선명도를 높이기 위해 갱신된 V 채널과 이전의 V 채널의 정보를 이용해 채도 보정을 수행한다. 또한 갱신된 V 채널의 표준편차가 임의 값 α보다 작으면 대조를 더욱 향상시키기 위해 히스토그램 평활화를 수행한다.
레티넥스 알고리즘은 Edwin Land에 의해 처음으로 제안된 기법으로 조명성분을 추정하여 그 영향을 줄여 화질을 개선하는 알고리즘이다[4]. 이후 조명을 추정하는 방법으로 공간적 역수기반의 주변 함수(inverse square spatial surround)를 이용한 추정 방법을 제안하였다[5]. Hurlbert는 가우시 함수 기반의 주변함수를 제안하였고[6], 기존 Land의 기법보다 성능이 우수한 것으로 알려진 단일 주변 함수를 이용한 레티넥스 알고리즘이 활발히 연구되었다[7, 8, 9].
기존의 MSR은 RGB 채널간의 색상정보를 고려하지 않아 원본의 색상을 왜곡시킨다는 문제가 있다. 제안된 방법은 RGB 공간에서의 채널별 독립적 MSR이 아닌 HSV 공간에서 색상정보는 유지한 채 밝기 성분에 대해서만 MSR을 적용하고, 이어지는 채도 보정과 대조 향상을 진행한다.
본 논문에서는 기존 레티넥스 알고리즘을 개선한 MSRMS라는 알고리즘을 제안하였다. 제안된 방법은 기존의 MSR이 가지는 색 왜곡의 단점을 보완하고자 HSV 컬러 공간에서 V 채널에 대해서만 MSR 을 수행하도록 하고, 별도의 채도 보정이 이루어진다. 또한 상황에 따라 대조를 높이는 방식을 채택해 성능을 개선하였다.
본 논문에서는 기존의 MSR을 이용해 앞서의 처리 시간을 단축시키면서 성능을 개선할 수 있는 알고리즘을 제안한다. 제안하는 알고리즘은 MSRMS(MSR with Modified Saturation)로 V 채널을 이용해 MSR을 적용하고, S 채널에 대한 보정 및 추가적인 후처리를 수행하는 알고리즘이다. 구체적인 알고리즘 동작 순서는 Fig.
한편 기존의 밝기 보정 알고리즘들을 평가하기 위한 객관적인 지표가 없어, 주관적인 평가를 이용해 성능을 평가하였다. 본 논문에서는 원 영상의 정보를 이용하는 객관적인 평가 지표를 제안하고, 이를 이용해 성능을 평가한다.

대상 데이터

6 (a)와 Fig. 7 (a)를 포함하는 총 30장의 영상을 이용해 실험을 진행하였다. 30장의 실험 결과는 다음의 주소에서 확인할 수 있다(https://goo.

데이터처리

제안된 MSRMS의 밝기 보정 성능을 평가하기 위해 기존의 레티넥스 방법들과 비교 실험을 진행하였다. 실험은 Fig.

이론/모형

인간이 눈을 통해 대상체를 인지할 때 눈은 단순히 물체로부터 반사된 빛만을 받아들이지만, 대뇌에서는 주변의 조명 성분까지 고려하여 해석하게 된다. 이 점을 이용한 것이 레티넥스 알고리즘이다. 레티넥스 알고리즘은 Edwin Land에 의해 처음으로 제안된 기법으로 조명성분을 추정하여 그 영향을 줄여 화질을 개선하는 알고리즘이다[4].

성능/효과

또한 개선된 영상을 밝은 영역과 어두운 영역으로 나누어 입력 영상과의 비교를 통해 화질 개선 정도를 객관적으로 평가할 수 있는 지표인 DLD 스코어를 제안하였다. DLD 스코어를 이용해 기존 MSR과 MSRCR 기법을 제안된 방법과 비교했을 때 제안된 방법의 성능이 우수함을 확인하였다. 또한 처리 시간에 있어 약 3배의 성능 개선을 확인하였다.
30GHz, 4CPUs), RAM은 4GB, OS는 Window7 64bit로 이루어졌다. 기존의 방법보다 약 3배 정도의 속도 개선이 있음을 확인할 수 있다.
기존 레티넥스 알고리즘에서는 RGB 채널 각각에 대하여 이러한 MSR 과정을 수행하는 반면 제안된 알고리즘에서는 V 채널에 대해서만 MSR 과정을 수행한다. 따라서 제안된 방법은 추가적인 채도 보정과 대조 향상 과정을 포함함에도 불구하고 기존 방법들에 비해 약 3배의 처리 속도 개선 효과를 보일 수 있다.
DLD 스코어를 이용해 기존 MSR과 MSRCR 기법을 제안된 방법과 비교했을 때 제안된 방법의 성능이 우수함을 확인하였다. 또한 처리 시간에 있어 약 3배의 성능 개선을 확인하였다. 이러한 처리 시간은 향후 NVIDIA의 CUDA나 OpenMP와 같은 병렬 프로그래밍을 이용해 보다 단축될 것으로 예상된다.
28로 각각 측정되었다. 제안한 방법인 MSRMS의 경우 20.97, 50.45로 기존의 MSR과 MSRCR보다 향상된 DLD 스코어로 측정되었다. 30장의 평균에 대해서도 68.
또한 상황에 따라 대조를 높이는 방식을 채택해 성능을 개선하였다. 주관적 평가에서는 MSR과 MSRCR에 비해 MSRMS가 대조나 색 선명도가 뚜렷해 대상 체의 파악이 용이해진 것을 확인할 수 있었다. 또한 개선된 영상을 밝은 영역과 어두운 영역으로 나누어 입력 영상과의 비교를 통해 화질 개선 정도를 객관적으로 평가할 수 있는 지표인 DLD 스코어를 제안하였다.
MSRCR의 경우 MSR에 비해 색상은 비교적 잘 보존되었지만, 여전히 밝은 영역과 어두운 영역의 대조가 낮다. 하지만 MSRMS의 경우 V 채널에 대해서만 MSR을 적용하였고, 후처리로 채도 보정 및 대조를 향상 시켜 어두운 영역과 밝은 영역의 값들이 균형 있게 보정되었다.

후속연구

또한 처리 시간에 있어 약 3배의 성능 개선을 확인하였다. 이러한 처리 시간은 향후 NVIDIA의 CUDA나 OpenMP와 같은 병렬 프로그래밍을 이용해 보다 단축될 것으로 예상된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	레티넥스란 무엇인가?	레티넥스는 망막을 의미하는 Retina와 대뇌 피질을 의미하는 Cortex가 합쳐진 용어이다. 인간이 눈을 통해 대상체를 인지할 때 눈은 단순히 물체로부터 반사된 빛만을 받아들이지만, 대뇌에서는 주변의 조명 성분까지 고려하여 해석하게 된다.
	레티넥스 알고리즘이란 무엇인가?	이 점을 이용한 것이 레티넥스 알고리즘이다. 레티넥스 알고리즘은 Edwin Land에 의해 처음으로 제안된 기법으로 조명성분을 추정하여 그 영향을 줄여 화질을 개선하는 알고리즘이다[4]. 이후 조명을 추정하는 방법으로 공간적 역수기반의 주변 함수(inverse square spatial surround)를 이용한 추정 방법을 제안하였다[5].
	영상의 열화를 개선하는 방법에는 무엇이 있는가?	근본적인 해결책은 광원의 위치나 세기를 조절하여 영상의 화질을 향상시키는 것이지만, 실외 영상(outdoor image)의 경우 태양이라는 조절 불가능한 광원에 의해 원하지 않는 열화를 얻게된다. 따라서 그런 열화를 개선하기 위한 여러 방법들이 제안되어 활용되고 있는데, 대표적으로 히스토그램 평활화[1]나 감마 보정[2], 레티넥스(Retinex) 알고리즘[2, 3] 등이 있다. 히스토그램 평활화는 밝기에 대한 히스토그램 작성 후, 누적 분포 함수(Cumulative Distribution Function, CDF)를 구하여 대조가 향상된 영상을 얻는 방법이다.

참고문헌 (15)

D.Y. Hyun, J.H. Heu, C.S. Kim, and S.U. Lee, "Video Backlight Compensation Algorithm Based on Reliability of Brightness Variation." Journal of the Institute of Electronics Engineers of Korea, Vol. 47, No. 6, pp. 117-126, 2010.
L. Meylan, Tone Mapping for High Dynamic Range Images, Doctor's Thesis of Ecole Polytechnique Federale de Lausanne, Lausanne, 2006.
K.P. Han, "A Fast MSRCR Algorithm Using Hierarchical Discrete Correlation," Journal of Korea Multimedia Society, Vol. 13, No. 11, pp. 1621-1629, 2010.
E.H. Land and J.J. McCann, "Lightness and Retinex Theory," Journal of the Optical Society of America, Vol. 61, No. 1, pp. 1-11, 1971.

상세보기
E.H. Land, "An Alternative Technique for the Computation of the Designator in the Retinex Theory of Color Vision," Proceeding of National Academy of Sciences of the United States of America, Vol. 83, No. 10, pp. 3078-3080, 1986.

상세보기
A.C. Hurlbert and T.A. Poggio, "Synthesizing a Color Algorithm from Examples," Science, Vol. 239, No. 4839, pp. 482-485, 1988.

상세보기
Z. Rahman, "Properties of a Center/Surround Retinex Part One: Signal Processing Design," National Aeronautics and Space Administration Technical Memorandum, 198194, 1995.
D.J. Jobson and G.A. Woodell, "Properties of a Center/Surround Retinex Part Two: Surround Design," National Aeronautics and Space Administration Technical Memorandum, 110188, 1995.
D.J. Jobson, Z. Rahman, and G.A. Woodell, "Properties and Performance of a Center/Surround Retinex," IEEE Transactions on Image Processing: Special Issue on Color Processing, Vol. 6, No. 3, pp. 451-462, 1997.

상세보기
Z. Rahman, G.A. Woodell, and D.J. Jobson, "Multiscale Retinex for Color Image Enhancement," Proceeding of IEEE International Conference Image Processing, pp. 1003-1006, 1996.
Z. Rahman, G.A. Woodell, and D.J. Jobson, "A Comparison of the Multiscale Retinex with other Image Enhancement Techniques," Proceeding of the Information Systems and Techonology 50th Anniversary Conference, pp. 426-431, 1997.
D.J. Jobson, Z. Rahman, and G.A. Woodell, "A Multiscale Retinex for Bridging the Gap between Color Images and the Human Observation of Scenes." IEEE Transactions on Image Processing, Vol. 6, No. 7, pp. 965-976, 1997.

상세보기
H.S. Cha and S.H. Hong, “Advanced Retinex Algorithm for Image Enhancement,” Journal of Korea Multimedia Society, Vol. 16, No. 1, pp. 29-41, 2013.

원문보기 상세보기
R.C. Gonzalez, R.E. Woods, and S.L. Eddins, Digital Image Processing Using MATLAB(R), McGraw Hill Education, Columbus, Ohio, 2010.
B.H. Kang, C.W. Jeon, and H.S. Ko, "K-Retinex Algorithm for Fast Back-light Compensation," Journal of the Institute of Electronics Engineers of Korea, Vol. 44, No. 2, pp. 126-136, 2007.

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