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
- 본 논문에서는 비주얼 센서를 이용한 환경 감시에서 저대비 영상의 대비를 개선하는 방법을 제안하였다. 제안하는 방법은 비주얼 센서가 동일한 대상에 대해서 주기적으로 영상을 획득하는 특성을 이용하여 대상의 컬러 특성을 분석하고, 분석된 결과와 대비가 뛰어난 영상을 이용하여 저대비 영상의 대비를 개선한다.
- 본 논문에서는 비주얼 센서에서 촬영된 영상을 이용하여 컬러 성분별 대비 정보를 추출하고 이를 이용하여 저대비 영상을 보정하는 방법을 제안한다. 제안하는 방법은 영상의 컬러 변화 정보와 대비가 좋은 영상을 이용하기 때문에 영상 보정 시 계산량이 많지 않고 미리 실험을 통해 색상의 대비 변화 특성을 얻을 필요가 없기 때문에 비주얼 센서 응용에 적합하다.
제안 방법
- 네 곳에서 영상을 촬영하였고 촬영된 영상들을 분석하여 컬러값의 변화 특성을 나타내는 표를 구성하였다. 첫 번째 영상 (beach)은 해변에서 촬영된 영상이고, 두 번째 영상 (island)은 바닷가를 촬영한 영상으로 멀리 섬들이 보이는 영상이다.
- 첫 번째 단계에서 선택된 관심 영역들은 비주얼 센서가 촬영하는 대상의 대표적인 색상들이 있는 영역들이다. 두 번째 단계에서는 비주얼 센서에 의해서 영상이 촬영될 때마다 각 영역에 대해서 컬러 성분의 값과 전체 영상의 밝기 값을 측정하여 영상의 밝기에 대한 컬러 특성의 변화를 분석한다. 컬러 값의 변화 특성은 수식 형태로 모델링하지 않고 밝기 값에 대한 컬러 성분의 측정값을 표 형태로 저장하여 사용한다.
- 대표 관심 영역을 단순히 군집의 중심으로 할 경우 군집에 해당되지 않는 영역이 설정될 수 있다. 따라서 제안하는 방법에서는 군집 내의 영역들 중에서 이웃 영역들과의 거리가 최소가 되는 영역으로 대표 영역을 선정한다. 그림 3은 그림 2의 후보영역들에 대해서 k 값을 40으로 하여 k-mean 알고리즘을 적용한 결과로 선정된 40개의 대표 영역을 보여준다.
- 이때 컬러값에 대해서 k-mean 군집화 방법을 사용한다. 먼저 각 영역의 화소들에 대해서 컬러 성분별 평균을 계산한다. 따라서 각 후보 영역은 R, G, B의 세 컬러 성분들의 평균으로 이루어지 벡터로 표현할 수 있다.
- 촬영된 영상에 대해서 밝기 값을 50단계로 하여 각 관심 영역의 컬러 특성을 분석하였다. 분석 결과를 이용하여 어둡게 촬영된 영상에 대해서 제안된 대비 개선 알고리즘을 적용하였다.
- 두 번째 단계는 정해진 영역들의 컬러 값을 분석하는 단계이다. 비주얼 센서에 의해 획득된 영상에 대해서 지속적으로 컬러 성분의 대비 변화를 분석한다. 마지막 단계에서는 두 번째 단계에서 분석된 컬러의 대비 변화 정보를 이용하여 최종적으로 저대비 영상의 대비를 개선한다.
- 제안하는 대비 개선 알고리즘의 성능을 분석하기 위하여 비주얼 센서 네트워크 응용에 적합한 영상을 촬영하여 실험을 수행하였다. 촬영된 영상은 제안된 방법에 따라 먼저 등간격으로 300개의 관심 영역 후보를 선정하였다.
- 전체 영상의 모든 내용을 분석하거나 영상을 분할하는 방법은 계산량이 너무 많은 단점이 있다. 제안하는 방법에서는 전체 알고리즘의 계산량을 줄이기 위해 대상 영상에서 여러 군데 후보 지역을 선정하고 선정된 후보 중에서 전체 영상의 컬러 특성을 잘 반영할 수 있는 관심 영역을 선택한다.
- 제안하는 방법에서는 후보 영역들 중 유사한 영역을 통합하여 실제로 컬러값의 변화를 추적할 영역들의 개수를 줄인다. 이때 컬러값에 대해서 k-mean 군집화 방법을 사용한다.
- 본 논문에서는 비주얼 센서를 이용한 환경 감시에서 저대비 영상의 대비를 개선하는 방법을 제안하였다. 제안하는 방법은 비주얼 센서가 동일한 대상에 대해서 주기적으로 영상을 획득하는 특성을 이용하여 대상의 컬러 특성을 분석하고, 분석된 결과와 대비가 뛰어난 영상을 이용하여 저대비 영상의 대비를 개선한다. 실험에서 40개의 많지 않은 관심 영역에 대한 컬러 정보 분석만으로도 영상의 대비가 많이 개선되는 것을 확인할 수 있었다.
- 영상을 보정할 때 영상의 밝기 값과 일치하는 값이 표에 없는 경우에는 저장된 밝기 값에 대해서 선형으로 보간하여 사용한다. 제안하는 방법의 실험에서는 영상의 밝기 값은 50개의 단계로 나누어 저장하였다. 그림 4는 40개의 관심 영역 중 7개의 영역에 대해서 R 채널의 컬러값의 변화 특성을 보여준다.
- 입력 영상의 대비를 개선하는 마지막 단계에서는 두 번째 단계에서 구한 채널별 특성 변화 정보를 이용하여 저대비 영상의 대비를 개선한다. 제안하는 알고리즘은 기본적으로 저대비 영상의 화질의 개선하기 위하여 동일한 장면이 촬영된 고대비 영상의 어떤 정보를 고려해야 하는지를 설명한다. 즉, 두 번째 단계에서 구한 컬러 채널별 값들의 변화 특성을 이용하여 고대비 영상에서 참조해야 할 색상정보를 찾는 방법을 제시한다.
- 제안하는 알고리즘은 기본적으로 저대비 영상의 화질의 개선하기 위하여 동일한 장면이 촬영된 고대비 영상의 어떤 정보를 고려해야 하는지를 설명한다. 즉, 두 번째 단계에서 구한 컬러 채널별 값들의 변화 특성을 이용하여 고대비 영상에서 참조해야 할 색상정보를 찾는 방법을 제시한다.
- 그리고 k 값을 40으로 설정하고 k-mean 군집화 방법을 적용하여 40개의 관심 영역을 선정하였다. 촬영된 영상에 대해서 밝기 값을 50단계로 하여 각 관심 영역의 컬러 특성을 분석하였다. 분석 결과를 이용하여 어둡게 촬영된 영상에 대해서 제안된 대비 개선 알고리즘을 적용하였다.
대상 데이터
- 네 곳에서 영상을 촬영하였고 촬영된 영상들을 분석하여 컬러값의 변화 특성을 나타내는 표를 구성하였다. 첫 번째 영상 (beach)은 해변에서 촬영된 영상이고, 두 번째 영상 (island)은 바닷가를 촬영한 영상으로 멀리 섬들이 보이는 영상이다. 세 번째 영상(lake)은 호수를 촬영한 영상으로 영상에 배를 띄워 낚시를 하는 사람들이 있는 것이 특징이다.
- 제안하는 대비 개선 알고리즘의 성능을 분석하기 위하여 비주얼 센서 네트워크 응용에 적합한 영상을 촬영하여 실험을 수행하였다. 촬영된 영상은 제안된 방법에 따라 먼저 등간격으로 300개의 관심 영역 후보를 선정하였다. 그리고 k 값을 40으로 설정하고 k-mean 군집화 방법을 적용하여 40개의 관심 영역을 선정하였다.
이론/모형
- 촬영된 영상은 제안된 방법에 따라 먼저 등간격으로 300개의 관심 영역 후보를 선정하였다. 그리고 k 값을 40으로 설정하고 k-mean 군집화 방법을 적용하여 40개의 관심 영역을 선정하였다. 촬영된 영상에 대해서 밝기 값을 50단계로 하여 각 관심 영역의 컬러 특성을 분석하였다.
- 따라서 각 후보 영역은 R, G, B의 세 컬러 성분들의 평균으로 이루어지 벡터로 표현할 수 있다. 이 값으로 표현된 후보 영역들에 대해서 k-mean 군집화 알고리즘을 적용하여 비슷한 컬러 영역들을 같은 영역으로 모으게 된다.
- 제안하는 방법에서는 후보 영역들 중 유사한 영역을 통합하여 실제로 컬러값의 변화를 추적할 영역들의 개수를 줄인다. 이때 컬러값에 대해서 k-mean 군집화 방법을 사용한다. 먼저 각 영역의 화소들에 대해서 컬러 성분별 평균을 계산한다.
성능/효과
- 그림 7은 제안된 방법을 적용하여 대비를 개선한 영상이다. 40개의 비교적 적은 수의 관심 영역의 컬러 특성을 분석하여 대비 개선에 적용하였지만 화질이 많이 개선된 것을 볼 수 있다. 컬러의 재현이 완벽하지는 않지만 입력 영상의 컬러 정보들이 거의 남아있지 않은 점을 감안하면 컬러가 많이 복원된 것을 알 수 있다.
- 제안하는 방법은 비주얼 센서가 동일한 대상에 대해서 주기적으로 영상을 획득하는 특성을 이용하여 대상의 컬러 특성을 분석하고, 분석된 결과와 대비가 뛰어난 영상을 이용하여 저대비 영상의 대비를 개선한다. 실험에서 40개의 많지 않은 관심 영역에 대한 컬러 정보 분석만으로도 영상의 대비가 많이 개선되는 것을 확인할 수 있었다. 제안하는 방법은 컬러 변화 특성을 룩업 테이블 형태로 구현할 수 있기 때문에 입력 영상의 대비를 계산하는 계산량은 많지 않다.
- 하지만 이 방법은 대상에 대해서 대비가 점진적으로 변하는 영상을 이용한 것이 아니라 실험을 통해 먼저 카메라의 노출값에 따른 색상의 변화를 측정하고 측정된 값을 이용하여 저대비 영상을 보정하고 있다. 실험을 통해 여러 노출값에 대해서 그리고 다양한 컬러에 대해서 색상변화 특성을 측정하였기 때문에 복잡한 계산 없이도 비교적 좋은 대비 개선의 결과를 얻을 수 있었다. 하지만 비주얼 센서 네트워크 환경에서 미리 실험을 통해 색상의 대비 변화를 측정하는 것은 불가능하다.
- 본 논문에서는 비주얼 센서에서 촬영된 영상을 이용하여 컬러 성분별 대비 정보를 추출하고 이를 이용하여 저대비 영상을 보정하는 방법을 제안한다. 제안하는 방법은 영상의 컬러 변화 정보와 대비가 좋은 영상을 이용하기 때문에 영상 보정 시 계산량이 많지 않고 미리 실험을 통해 색상의 대비 변화 특성을 얻을 필요가 없기 때문에 비주얼 센서 응용에 적합하다.
후속연구
- 많은 영상처리 알고리즘에서 대비 개선은 전처리 기능으로 필수적으로 적용된다. 따라서 제안하는 알고리즘은 다양한 비주얼 센서 응용에서 영상의 전처리 기능으로 효과적으로 사용될 수 있을 것으로 기대된다. 향후 비주얼 센서 영상에 대한 분석 연구를 통해 제안하는 알고리즘을 이용하여 대비를 개선한 영상이 그렇지 않은 영상과 비교했을 때 어느 정도 영상분석에 효과가 있는지를 제시할 예정이다.
- 비주얼 센서 네트워크는 기본적으로 데이터를 수집하는 망이며, 이렇게 수집된 영상 데이터는 응용에 맞게 다양한 영상처리 알고리즘을 적용하여 사용될 것이다. 많은 영상처리 알고리즘에서 대비 개선은 전처리 기능으로 필수적으로 적용된다.
- 따라서 제안하는 알고리즘은 다양한 비주얼 센서 응용에서 영상의 전처리 기능으로 효과적으로 사용될 수 있을 것으로 기대된다. 향후 비주얼 센서 영상에 대한 분석 연구를 통해 제안하는 알고리즘을 이용하여 대비를 개선한 영상이 그렇지 않은 영상과 비교했을 때 어느 정도 영상분석에 효과가 있는지를 제시할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.