$\require{mediawiki-texvc}$

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.

픽셀 기반 Joint BDCP와 계층적 양방향 필터를 적용한 단일 영상 기반 안개 제거 기법
Single Image Haze Removal Technique via Pixel-based Joint BDCP and Hierarchical Bilateral Filter 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.14 no.1, 2019년, pp.257 - 264  

오원근 (순천대학교 멀티미디어공학과) ,  김종호 (순천대학교 멀티미디어공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 픽셀 기반 joint BDCP (bright and dark channel prior)와 계층적 양방향 필터를 적용하여 저 복잡도를 갖는 단일 영상 기반 안개 제거 기법을 제안한다. 픽셀 기반 joint BDCP는 기존의 패치 기반 DCP에 비해 연산량을 감소시키고, 픽셀 단위의 안개값 예측을 가능하게 하여 전달량 추정의 정확성을 높인다. 또한 에지를 보존하면서 평탄화 성능이 우수한 양방향 필터를 사용하여 전달량을 정련함으로써 후광 효과(halo effect)를 줄이고, 에지 성분에 대한 계층적 적용을 통해 반복 적용에 의한 연산량의 증가를 방지한다. 안개 성분이 포함된 다양한 영상에 대해 수행한 실험 결과는 제안하는 기법이 기존의 기법에 비해 우수한 안개 제거 성능을 보이면서 저 복잡도로 실행되어 다양한 분야에 응용될 수 있음을 나타낸다.

Abstract AI-Helper 아이콘AI-Helper

This paper presents a single image haze removal method via a pixel-based joint BDCP (bright and dark channel prior) and a hierarchical bilateral filter in order to reduce computational complexity and memory requirement while improving the dehazing performance. Pixel-based joint BDCP reduces the comp...

주제어

표/그림 (4)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 joint BDCP (bright and dark channel prior)와 계층적 양방향 필터를 이용한 효과적인 단일 영상 기반 안개 제거 기법을 제안하였다. 기존의 패치 기반 DCP를 이용한 안개 제거 방법은 패치의 크기에 따라 연산량이 매우 커지고, 영상 전체에 동일한 안개값을 예측하여 영역에 따라 안개 제거의 성능이 떨어지거나 전달량을 부정확하게 추정하는 문제가 있었다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
안개의 농도에 따라 영상 내 객체는 어떤 색을 가지는가? 또한 안개의 농도에 따라 같은 색을 가진 객체라도 다른 색으로 획득되는데, 농도가 진할수록 영상 내 객체는 원래의 색을 많이 잃어버리고 안개의 색에 가까운 값을 가진다. 따라서 안개가 짙은 영역에서는 영상의 색 정보를 이용하는 다양한 기법의 결과가 좋지 않게 된다.
안개가 포함된 영상을 획득 시 화질을 개선하는 방법은 어떤 것들이 있는가? 이러한 문제를 해결하기 위하여 안개가 포함된 영상을 획득하였을 때, 이를 제거하여 화질을 개선하는 다양한 방법들이 제안되었다. 이는 편광 영상을 포함한 복수의 영상을 이용하는 방법, 영상 이외의 추가적인 정보를 이용하는 방법, 최근에 주목받고 있는 단일 영상에서 안개를 제거하고 영상을 복원하는 방법 등으로 구분할 수 있다[2].
실외 영상이 수요에 대응하기 어려운 이유는? 실외 영상은 환경, 조명 및 기상 조건 등에 많은 영향을 받는 특성으로 인해 이를 활용한 다양한 컴퓨터 비전 기술에 대한 급증하는 수요에 적절하게 대응하기 어려운 점이 있다. 더욱이 최근의 대기오염 및 이상기후로 인한 일상적인 미세먼지와 안개 등은 실외 영상의 시인성(visibility)을 떨어뜨리기 때문에 객체의 검출 또는 인식 등의 다양한 기법을 적용할 때 원하는 성능을 얻기 위해서는 안개 등의 효과를 제거하여 화질을 개선하는 작업이 반드시 필요하다[1].
질의응답 정보가 도움이 되었나요?

저자의 다른 논문 :

LOADING...
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