[논문]영상의 화질 개선을 위한 Multi-Scale Retinex 기반의 적응적 언샤프 마스킹 필터 설계

김주영; 김진헌

doi:10.9717/kmms.2018.21.2.108

[국내논문] 영상의 화질 개선을 위한 Multi-Scale Retinex 기반의 적응적 언샤프 마스킹 필터 설계
Adaptive Unsharp Masking Filter Design Based on Multi-Scale Retinex for Image Enhancement 원문보기

In this paper, we propose an image enhancement method based on Multi-Scale Retinex theory that designs Unsharp Masking Filter (UMF) and emphasizes the contrast ratio adaptively. Unsharp Masking (UM) technique emphasizes image sharpness and improves contrast ratio by adding high frequency component to the original image. The high frequency component is obtained by differentiating between original image and low frequency image. In this paper, we present how to design an UMF kernel and to adaptively apply it to increase the contrast ratio according to multi-scale retinex theory which resembles human visual system. Experimental results show that the proposed method has better quantitative performance indexes such as PSNR, ambe & SSIM and better qualitative feature like halo artifact suppression.

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

문제 정의

본 논문에서는 기존의 방법인 UM기법의 문제를 해결하며 영상의 대조비를 개선하는 알고리즘을 제안한다. 기존의 방법은 대조비 개선을 위해 강조하고자 하는 에지가 다른 고주파 이미지를 각각 준비해야 하고, 고주파 이미지를 구하기 위한 저주파 영상에서 시그마의 크기가 커질수록 후광왜곡이 발생 한다.
본 논문에서는 영상의 대조비 개선을 위해 저조도 영역의 에지 성분을 이용해 레티넥스 기반의 적응적인 필터링 처리 방법을 제안하였다. 제안된 기법은 기존의 번거로운 처리과정을 강조하고자 하는 여러 종류의 고주파 성분의 특성을 담고 있는 하나의 공간 필터로 설계하였고 필터의 가중치를 에지 정보를 이용한 MSR 알고리즘을 기반으로 구하여 대조비를 개선하였다.
본 논문에서는 영상의 대조비 향상을 위해 주파수 통과 특성에 따라 다수의 UMF 커널(kernel)를 설계하고 각 필터의 가중치를 MSR을 기반으로 적용할 때 이를 에지 정보를 활용하는 영상 화질 개선 기법을 제시한다.

제안 방법

UMF 커널을 설계하고, 대조비 강조 성분에 따라 각 필터의 가중치를 에지 정보를 이용한 MSR 알고리즘을 기반으로 설정한다. 이 알고리즘은 사람의 시각 인지 모델을 기반으로 영상에 강조해야 할 에지를 판단한다.
여기서는 인간의 시각 시스템이 어두운 영역에서 조명 성분을 제거하려는 특징을 모델링 하였다. 가중치 결정을 위해 영상에서 중심픽셀을 기준으로 평균값과 가우시안 함수를 이용해 저조도 영역을 구한다. Fig.
저조도 판단 이후 이진화 처리를 수행하고 각 조명에 포함된 에지 영역을 구한다. 각 조명의 크기별로 포함된 에지를 찾을 수 있으며 조명의 크기가 가장 작은 저조도 영상에서 가장 작은 UMF의 에지가 포함된 비율을 구하고, 조명의 크기가 중간인 저조도 영상에서 중간 크기의 UMF의 에지가 포함된 비율, 조명의 크기가 가장 큰 저조도 영상에서 가장 큰 UMF의 에지가 포함된 비율을 구한다. Fig.
기존의 MSR 알고리즘의 반사성분을 제거하여 영상 정보를 극대화하고자 하는 기본 개념을 활용하여 본 논문에서는 저조도 영역에 포함된 에지 정보를 활용하는 방법을 사용하였다.
본 논문에서는 기존의 UM 기법에서 원본을 저주파 필터링하고 원본과의 뺄셈을 구하는 과정을 공간 필터를 설계해 한 번의 필터링 연산으로 처리하는 방법을 사용한다. 이러한 방법은 다수의 저주파 필터를 적용할 때도 한 번의 필터링 연산으로 적용할 수 있는 장점이 있다.
여기서는 인간의 시각 시스템이 어두운 영역에서 조명 성분을 제거하려는 특징을 모델링 하였다.
영상에 필터를 컨벌루션 하는 기존의 기법과 푸리에 변환을 통해 주파수 공간에서 곱셈으로 처리하는 기법의 100개의 영상에서 실험 비교 하였다.
이러한 문제를 해결하기 위해서 UMF의 가중치를 에지 정보를 이용한 MSR에 기반 하여 저조도 영역의 대조비를 적응적으로 개선하며 푸리에 변환을 통해 주파수 공간에서 처리해 연산 속도 문제를 해결한다.
영상의 저조도 영역의 판단은 필터 크기별 평균값 이하를 저조도로 판단한다. 저조도 판단 이후 이진화 처리를 수행하고 각 조명에 포함된 에지 영역을 구한다. 각 조명의 크기별로 포함된 에지를 찾을 수 있으며 조명의 크기가 가장 작은 저조도 영상에서 가장 작은 UMF의 에지가 포함된 비율을 구하고, 조명의 크기가 중간인 저조도 영상에서 중간 크기의 UMF의 에지가 포함된 비율, 조명의 크기가 가장 큰 저조도 영상에서 가장 큰 UMF의 에지가 포함된 비율을 구한다.
제안된 기법은 기존의 번거로운 처리과정을 강조하고자 하는 여러 종류의 고주파 성분의 특성을 담고 있는 하나의 공간 필터로 설계하였고 필터의 가중치를 에지 정보를 이용한 MSR 알고리즘을 기반으로 구하여 대조비를 개선하였다.

대상 데이터

실험에 사용된 영상은 Jana Machajdik and Allan Hanbury이 IAPS (internation Affective Picture System)발표에 사용된 Image data Set 중에 데이터 목록 상위 100개의 영상을 사용하였고[15], 평가지표는 PSNR, AMBE, SSIM 지표를 사용하였다.

데이터처리

제안한 방법의 우수성을 검증하기 위해 기존의 UM 기법과 제안한 방법을 정성적인 영상 분석과 정량적인 평가 지표 분석을 이용해 비교 실험 하였다.

이론/모형

D. Jobson와 G. Woodell은 인각의 지각 인지 모델인 Weber-Fechner Law를 바탕으로 영상 화질 개선에 레티넥스 알고리즘을 적용하였다[2].
H(x,y)는 대조비 개선을 위한 고주파 영상으로 원본 영상에서 블러링 영상과의 차이다. 블러링 영상에 사용된 필터는 가우시안 필터를 사용하였다. 언샤프 마스킹 과정 중 저주파 영상을 구하기 위해 사용되는 가우시안 시그마의 값은 영상에서 강조하고자 하는 에지 성분을 의미하며 시그마의 크기에 따라 영상의 통과하는 주파수 특성이 다르다.
사람의 시각 인지는 실제 가해진 자극치와 인지된 감각 사이에는 log 관계를 가진다는 Weber-Fechner's law를 이용하여 레티넥스 알고리즘에서 log를 이용한다[2].
또한 필터의 크기가 커지면 필터링 처리에 시간이 오래 걸리는 단점이 있다. 이 문제를 해결하기 위해 크기가 다른 UMF를 설계하고, UMF의 가중치 설정을 위해 에지 정보를 이용한 MSR 알고리즘을 이용한다. 그리고 푸리에 변환을 통해 주파수 공간에서 처리하여 연산 속도 문제를 해결한다.

성능/효과

기존의 기법보다 제안한 방법이 약 33% 속도 개선이 있음을 확인하였다.
실험 결과를 통해 기존 UM 방법보다 PSNR은 약 60%, SSIM은 약 18%, AMBE은 약 60% 이상 개선이 있었으며 기존의 기법에서 시그마의 크기가 커지면 발생하는 후광왜곡이 줄어들었음을 확인하였다. 더불어 필터 크기에 대한 필터링 연산 속도의 단점을 푸리에 변환을 통해 연산 속도에서는 평균 약 33% 이상의 개선 효과가 있었고 영상의 크기와 필터의 크기가 커질수록 더 연산 속도가 개선되는 모습을 확인하였다. 향후 본 연구를 바탕으로 커널 계수의 연산 고속화를 통해 실시간 구현을 통한 실용화 방안의 연구가 더 필요할 것으로 기대된다.
또한 영상의 크기와 필터의 크기가 커질수록 더 효과적인 개선의 모습을 확인하였다.
이것은 필터의 크기가 커질수록 강조되는 에지의 영역이 커지면서 더 심해진다. 본 논문에서 제안한 방법에서는 가중치 조절을 통해 영상의 후광왜곡이 개선된 모습을 확인할 수 있다. Fig.
제안된 기법은 기존의 번거로운 처리과정을 강조하고자 하는 여러 종류의 고주파 성분의 특성을 담고 있는 하나의 공간 필터로 설계하였고 필터의 가중치를 에지 정보를 이용한 MSR 알고리즘을 기반으로 구하여 대조비를 개선하였다. 실험 결과를 통해 기존 UM 방법보다 PSNR은 약 60%, SSIM은 약 18%, AMBE은 약 60% 이상 개선이 있었으며 기존의 기법에서 시그마의 크기가 커지면 발생하는 후광왜곡이 줄어들었음을 확인하였다. 더불어 필터 크기에 대한 필터링 연산 속도의 단점을 푸리에 변환을 통해 연산 속도에서는 평균 약 33% 이상의 개선 효과가 있었고 영상의 크기와 필터의 크기가 커질수록 더 연산 속도가 개선되는 모습을 확인하였다.
평가 지표 비교 결과 제안된 방법이 기존의 기법보다 PSNR은 약 60%, SSIM은 약 18%, AMBE는 약 60% 이상 높은 성능을 보인다.

후속연구

더불어 필터 크기에 대한 필터링 연산 속도의 단점을 푸리에 변환을 통해 연산 속도에서는 평균 약 33% 이상의 개선 효과가 있었고 영상의 크기와 필터의 크기가 커질수록 더 연산 속도가 개선되는 모습을 확인하였다. 향후 본 연구를 바탕으로 커널 계수의 연산 고속화를 통해 실시간 구현을 통한 실용화 방안의 연구가 더 필요할 것으로 기대된다.

핵심어

질문

논문에서 추출한 답변

레티넥스 알고리즘이란 무엇인가?

레티넥스 알고리즘은 1971년 Edwin Land에 의해 처음으로 발표된 레티넥스 이론[1]을 기반으로 인간의 시각 인지 작용을 모델링 하여 영상의 대조비를 개선하는 방법이다. 이 기법은 실제 물체의 전달되는 광원에 무관하게 반사성분을 강화하여 영상의 화질을 개선하는 기법이다.

Multi-Scale Retinex 알고리즘은 어떤 단점이 있는가?

SSR 알고리즘은 조명성분(illuminance)을 제거하고 반사성분(reflectance)을 예측 및 보정하여 저조도 영상을 효과적으로 개선하지만 필터 의존성 및 후광왜곡(haloartifact) 등의 문제점이 존재한다. 이후에 Multi-Scale Retinex (MSR) 알고리즘이 제안되었는데, 이 방법은 다양한 조명 추정 함수를 정의하여 SSR의 단점을 보완하였지만 색상 왜곡 문제가 생기는 단점이 있다.

레티넥스 알고리즘은 무엇을 강조하는가?

레티넥스 알고리즘은 전술한 레티넥스 이론을 기반하여 인간의 시각 시스템을 모델링한 것이다. 이 기법은 인간이 인지하는 밝기의 정도는 조명성분과 반사성분으로 구성되어 있으며 조명성분을 제거하고 반사성분의 특성을 강조한다. 조도의 영향을 측정하기 위해 조명 추정 함수를 정의하며 이처럼 조명을 추정할 때 단일 함수를 이용하는 레티넥스 알고리즘을 SSR (Single Scale Retinex)이라 한다.

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

[국내논문] 영상의 화질 개선을 위한 Multi-Scale Retinex 기반의 적응적 언샤프 마스킹 필터 설계
Adaptive Unsharp Masking Filter Design Based on Multi-Scale Retinex for Image Enhancement 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

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

[국내논문] 영상의 화질 개선을 위한 Multi-Scale Retinex 기반의 적응적 언샤프 마스킹 필터 설계 Adaptive Unsharp Masking Filter Design Based on Multi-Scale Retinex for Image Enhancement 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

김진헌 (20)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 영상의 화질 개선을 위한 Multi-Scale Retinex 기반의 적응적 언샤프 마스킹 필터 설계
Adaptive Unsharp Masking Filter Design Based on Multi-Scale Retinex for Image Enhancement 원문보기

AI 본문요약
AI-Helper