[논문]퍼지논리를 이용하여 정보손실이 적은 야간조명 영상의 이진화 방법 연구

이호창

doi:10.6109/jkiice.2019.23.5.540

퍼지논리를 이용하여 정보손실이 적은 야간조명 영상의 이진화 방법 연구
Binarization Method of Night Illumination Image with Low Information Loss Using Fuzzy Logic 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.23 no.5, 2019년, pp.540 - 546

이호창 (Research Institute Computers, Information and Communication, Pusan National University)

초록
AI-Helper

본 연구는 야간조명 영상에 대한 정보손실을 최소화하는 이진화 방법을 제안한다. 야간조명 영상의 대상은 조명의 영향으로 초점이 맞지 않으며 식별이 불가능한 영상이다. 또한 영상은 명도 히스토그램에서 일부 영역에만 치우친 명도 영역을 가지고 있다. 그래서 기존의 단순한 이진화 방법은 좋은 결과를 얻기에는 힘들다. 제안한 이진화 방법은 영상을 분할하는 방법과 영상 합병 방법을 사용한다. 단계별로 분할된 블록 내에서는 삼각형 타입의 퍼지논리를 이용하여 두 영역으로 구분한다. 소속도의 값이 0은 현 단계에서 이진화하며 소속도의 값이 1은 다음 단계 이후에 이진화를 한다. 실험 결과는 검은색부분에 밀집된 명도 영역에서 정보손실이 최소화된 야간조명 영상을 취득할 수 있었다.

Abstract ▼ AI-Helper

This study suggests a binarization method that minimizes information loss for night illumination images. The object of the night illumination image is an image which is not focused due to the influence of illumination and is not identifiable. Also, the image has a brightness area in only a part of the brightness histogram. So the existing simple binarization method is hard to get good results. The proposed binarization method uses image segmentation method and image merging method. In the stepwise divided blocks, we divide into two regions using the triangular type of fuzzy logic. The value 0 of the membership degree is binarized at the present step, and the value of the membership degree 1 is binarized after the next step. Experimental results show that night illumination images with minimal loss of information can be obtained in a dark area brightness range.

주제어

표/그림 (12)

그림 Fig. 1 Image Histogram
그림 Fig. 2 Image Divide․Merger process
그림 Fig. 3 Application inTtriangles
그림 Fig. 4 Processing Area of Triangle
그림 Fig. 5 Original Image for Experiment
그림 Fig. 6 Step-by-step Image
그림 Fig. 7 Experiment Result of Person Image
그림 Fig. 8 Experiment Result of Cat Image
표 Table. 1 Data for the Original Image
그림 Fig. 9 Experiment Result of Restaurant Image
그림 Fig. 10 Histogram of the Original Image
그림 Fig. 11 Triangle Shape by Step

AI 본문요약
AI-Helper

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

문제 정의

그림 1은 야간 조명에서 취득한 영상을 히스토그램으로 분석한 것이며 히스토그램에서 특정한 명도 영역에 대다수의 화소들이 몰려 있는 현상을 볼 수 있다. 따라서 본 연구에서는 객체의 식별이 불가능한 야간 조명 영상에 대하여 변환된 이진영상에서는 뚜렷하게 객체를 식별할 수 있는 정보손실이 적은 개선된 이진화 방법을 제안하고자 한다.
본 연구에서의 기본적인 연구목표는 야간조명 입력 영상에 대한 정보손실을 최소화 할 수 있는 이진화 영상의 취득 방법을 제시하고 취득한 이진화 영상은 인식의 대상이 되는 객체를 세밀하고 자연스럽게 묘사할 수 있도록 하는 데 있다. 따라서 정보손실이 적은 결과 영상은 여러 인식분야에서 세밀한 인식을 할 수 있는 효과를 가져다주는 것을 목표로 한다.
본 연구에서의 기본적인 연구목표는 야간조명 입력 영상에 대한 정보손실을 최소화 할 수 있는 이진화 영상의 취득 방법을 제시하고 취득한 이진화 영상은 인식의 대상이 되는 객체를 세밀하고 자연스럽게 묘사할 수 있도록 하는 데 있다. 따라서 정보손실이 적은 결과 영상은 여러 인식분야에서 세밀한 인식을 할 수 있는 효과를 가져다주는 것을 목표로 한다.

제안 방법

즉 4×4, 8×8등과 같이 M×N개의 블록으로 분할하여 각 블록마다 임계치를 설정하는 정적 블록 설정 방법을 이용하였다. 그러나 제안하는 방법에서는 블록 개수를 정적으로 설정하지 않고 단계별로 블록의 개수를 달리 설정하여 이진화를 진행한다. 또한 이전 단계의 결과를 다음 단계로 넘겨주며 영상의 블록 분할을 재설정하고 하나의 블록 내부에서는 퍼지논리를 이용하여 이진화를 진행한다.
제안한 이진화 방법은 단계별로 처리하는 것을 원칙으로 한다. 단계는 Step 1 ~ Step 7까지 진행되며 Step 1 ~ Step 4까지는 영상을 분할하는 방법을 사용하며 Step 5 ~ Step 7까지는 블록 합병 방법을 사용하였다. 영상의 단계적 분할은 M ² ×N ² (M=N= 1, 2, 3, 4)이루어 지며 단계적 합병은 M ² ×N ² (M=N= 3, 2, 1)로 이루어진다.
각각의 방법에는 장단점이 분명이 존재하며 하나의 방법만 사용하여 단점을 보완하기에는 한계점이 있다. 따라서 제안하는 방법에서는 각 방법의 장점을 뽑아서 단계별로 이진화를 하는 방식을 제시할 것이다.
그러나 제안하는 방법에서는 블록 개수를 정적으로 설정하지 않고 단계별로 블록의 개수를 달리 설정하여 이진화를 진행한다. 또한 이전 단계의 결과를 다음 단계로 넘겨주며 영상의 블록 분할을 재설정하고 하나의 블록 내부에서는 퍼지논리를 이용하여 이진화를 진행한다.
각 블록의 최소 명도는 삼각형의 좌측 꼭지점 I_min으로 설정, 블록의 최대 명도는 삼각형의 우측 꼭지점 I_max로 설정, 블록의 평균 명도는 삼각형의 중앙 꼭지점 I_mid로 설정한다. 또한 퍼지논리의 삼각형 타입에서 소속도를 계산하기 위해 먼저 I_mid을 기준으로 삼각형의 좌측 거리 D_t과 삼각형 우측 거리 D_r을 계산한다. 이는 식 (3)과 같다.
본 제안한 방법은 실험은 Intel Core i5 CPU와 4GB RAM 사양의 Windows10의 OS 환경에서 Visual Studio 2017에 포함되어 있는 Visual C#으로 구현되었다.
영상 다양성을 고려한 실험은 다양한 대상 객체가 있는 영상을 선정하였으며 야간 조명의 영향으로 초점이 맞지 않아 흐려진 영상과 식별이 불가능한 영상을 대상으로 하였다. 영상 실험을 비교 평가하기 위하여 Otsu, 적응적, 퍼지, 제안된 방법을 사용하여 취득한 야간조명 영상을 평가를 하였다. 그 결과, 히스토그램이 단순한 영상 에서는 인식의 대상이 되는 객체의 표현이 세밀하였으며 히스토그램이 복잡하면서 색상 스펙트럼의 변화가 심한 영상에서 특히 좋은 결과를 나타냈었다.
그리고 영상은 히스토그램에서 특정한 명도 영역에 대다수의 화소들이 몰려 있는 현상을 볼 수 있다. 이를 기존의 이진화 방법으로 해결하기에는 부족한 면이 발생하여 개선된 이진화 방법을 제안하였다.
제안 방법에서 분할 방법의 원칙은 가로·세로의 개수를 홀수개수와 짝수개수를 순차적으로 적용하였다.
제안 방법에서는 단계별 블록 내부의 대상 화소를 명확한 영역과 모호한 영역으로 구분하며 이를 위해 퍼지 논리를 이용한다. 여기서 명확한 영역은 각 블록 내부의각 평균 임계치와 차이가 커서 명확히 이진화 할 수 있는 화소들이 속해 있는 명도 영역을 의미하며 모호한 영역은 각 블록 내부의 각 평균 임계치와 차이가 작아 이진화하기에 모호한 명도 영역을 의미한다.
제안 방법은 단계를 두 개의 부분으로 나누어서 진행 하는데 Step1 ~ Step4까지는 영상 분할 방법을 이용하며 Step5 ~ Step8까지는 영상의 합병 방법을 이용한다. 영상분할 방법을 이용하는 Step 1에서는 1×1개의 블록으로 분할하고, Step 2에서는 2×2개, Step 3에서는 3×3개, Step 4에서는 4×4개의 블록을 설정한다.
제안한 이진화 방법은 단계별로 처리하는 것을 원칙으로 한다. 단계는 Step 1 ~ Step 7까지 진행되며 Step 1 ~ Step 4까지는 영상을 분할하는 방법을 사용하며 Step 5 ~ Step 7까지는 블록 합병 방법을 사용하였다.
즉 4×4, 8×8등과 같이 M×N개의 블록으로 분할하여 각 블록마다 임계치를 설정하는 정적 블록 설정 방법을 이용하였다.

대상 데이터

제안한 방법을 실험하기 위한 예로써, 야간조명에 의한 객체의 식별이 어려운 컬러 영상을 사용하였다. 또한 영상 다양성을 위하여 사람, 고양이, 문자 영상을 실험의 대상으로 하였다.
영상 다양성을 고려한 실험은 다양한 대상 객체가 있는 영상을 선정하였으며 야간 조명의 영향으로 초점이 맞지 않아 흐려진 영상과 식별이 불가능한 영상을 대상으로 하였다. 영상 실험을 비교 평가하기 위하여 Otsu, 적응적, 퍼지, 제안된 방법을 사용하여 취득한 야간조명 영상을 평가를 하였다.
제안한 방법을 실험하기 위한 예로써, 야간조명에 의한 객체의 식별이 어려운 컬러 영상을 사용하였다. 또한 영상 다양성을 위하여 사람, 고양이, 문자 영상을 실험의 대상으로 하였다.

데이터처리

제안 방법의 성능검증을 위하여 단계별 이진화를 실험하였으며, 그림 6은 Person영상에 대한 단계별 실험 결과를 보여주고 있다. a - cut은 0.

이론/모형

단계별로 명확한 영역과 모호한 영역으로 구분하는 논리는 퍼지논리의 삼각형 타입을 이용한다. 그리고 두영역을 분류 기준은 소속도(µ_(x)) 값에 따라 구분한다.
실험 결과 영상은 전역 이진화 방법에서 가장 좋은 성 능을 나타내는 Otsu 이진화[1], 적응 이진화에서 대표적인 Bernsen 이진화[3], 삼각형 타입으로 구현하는 퍼지 이진화[5-7]와 제안한 방법을 이용하여 실험하였다.

성능/효과

영상 실험을 비교 평가하기 위하여 Otsu, 적응적, 퍼지, 제안된 방법을 사용하여 취득한 야간조명 영상을 평가를 하였다. 그 결과, 히스토그램이 단순한 영상 에서는 인식의 대상이 되는 객체의 표현이 세밀하였으며 히스토그램이 복잡하면서 색상 스펙트럼의 변화가 심한 영상에서 특히 좋은 결과를 나타냈었다. 야간 조명 영상의 특징은 명도 히스토그램이 일방적으로 한 영역에 치우쳐있다는 것이다.
Step 1보다 Step 2에서 뾰족한 삼각형의 모습을 보여주고 있다. 제안 방법은 변화 스펙트럼이 적은 곳에서도 잘 표현되는 것을 볼 수 있다.
제안 방법은 스펙트럼의 변화가 심한 영상에서 특이 좋은 효과를 발휘하지만 스펙트럼의 변화가 심하지 않는 야간 조명의 Person, Cat영상에서도 정보손실이 적은 효율적인 영상을 생성하는 것을 알 수 있었다.
야간 조명 영상의 특징은 명도 히스토그램이 일방적으로 한 영역에 치우쳐있다는 것이다. 제안 방법은 이러한 좁은 영역에 아주 세밀한 부분까지 이진화로 표현되어 기존의 방법보다는 정보손실이 적다는 것을 알 수 있었다. 이러한 정보손실이 작은 이진 영상은 인식을 바탕으로 하는 여러 분야 에서 두루 이용할 수 있을 것으로 판단된다.
제안 방법의 단점은 단순한 기존의 이진화 방법보다 여러 이론을 접목하여 알고리즘이 복잡하며 복잡한 처리과정으로 인하여 수행시간은 기존 이진화 방법보다는 길게 나왔다. 그러나 현재 시스템의 발전이 이러한 단점을 극복할 것이라고 본다.
5로 주어 실험하였다. 제안 방법의 영상(d)은 대상 객체의 전체 윤곽과 세부적인 표현이 잘 나온 결과를 나왔다.
임계 치는 27이 나온 Otsu 이진화(a) 방법과 4x4영상으로 분할한 적응 이진화 방법(b)은 앞 부분의 글자가 나타나지 않는 결과가 나왔다. 퍼지 이진화 방법과 제안 방법은 a - cut값을 0.5로 주어 실험하였고 제안한 방법(d)에서 가장 뚜렷한 결과를 나타났다.

후속연구

따라서 향후 연구 과제는 제안 방법보다 더 단순한 최적화된 처리과정을 연구할 것이며 야간 조명 영상뿐만 아니라 특수한 상황의 영상을 처리할 수 있는 범용적인 이진화 방법을 연구할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	퍼지 이진화 방법이란 무엇인가?	평균, 모드, 오쯔 등과 같은 전역 이진화는 명도 히스토그램을 분석하여 임계치를 구하는 방법[1-2]이며 적응적 이진화 방법은 영상을 분할하여 각 블록 단위로 이진화를 하는 방법이다[3-4]. 또한 퍼지 이진화 방법은 삼각형, 사다리꼴 등과 같은 모양의 형태를 퍼지 논리에 적용하여 두 개의 임계치를 생성하여 구하는 방법[4-7]이다. 또한 위의 방법을 혼합한 혼합형 방법[8-10] 등이 있다.
	전역적인 방법의 단점은 무엇인가?	각 방법에 대한 장단점을 살펴보면, 전역적인 방법은 하나의 임계치를 설정하기 때문에 부분적인 영상의 세밀함이 떨어진다. 또한 적응적 이진화는 부분적인 세밀 함은 뛰어나지만 전체 영상에서 부조화를 이룬다.
	제안 방법에서의 분할 방법의 원칙을 적용하였을 때 장점은?	그이유는 영상 분할 과장에서 경계선의 위치가 단계 진행 과정에서 항상 다른 위치를 설정하기 위함이다. 이러한 분할경계의 위치를 이동함으로써 적응이진화의 단점인 경계선이 뚜렷하게 표시되는 현상을 방지할 수가 있으며 더불어 자연스러운 전체 영상을 표현할 수가 있어 객체의 연결성을 보장할 수가 있다. 따라서 객체의 전체윤곽이 파악되어 객체의 인식에 도움이 될 수 있다.

참고문헌 (10)

N. Otsu, "A threshold selection method from grey-level histogram," IEEE Trans. SMC, vol. 9, no. 1, pp. 62-66, 1979.
J. N. Kapur, P. K. Sahoo, and A. Wong, "A New Method for Gray Lavel Picture using Entropy of the Histogram," Computer Vision, Graphics, and Image Processing, vol. 29, no. 3, pp. 273-285, 1985.

상세보기
J. Bernsen, "Dynamic thresholding of grey-level images," In International conference on pattern recognition, pp. 1251-1255, 1986.
H. C. Lee, K. B. Kim, H. J. Park, and E. Y. Cha, "An Improved Adaptive Binarization Algorithm Based on Fuzzy Logic," International Journal of Saftware Engineering and lts Applications, vol. 10, no. 10, pp. 1-8, 2016.
K. B. Kim, "Fuzzy Stretching Method of Color Image," Journal of the Korea Society of Computer and Information, vol. 18, no. 5, May. 2013.
K. B. Kim, "ART2 Based Fuzzy Binarization Method with Low Information Loss," Journal of the Korea Institute of Information and Communication Engineering, vol. 18, no. 6, pp. 1269-1274, Jun. 2014.

원문보기 상세보기
H. C. Lee, K. B. Kim, H. J. Park, and E. Y. Cha, "An c-cut Automatic Set based on Fuzzy Binarization Using Fuzzy Logic," Journal of the Korea Institute of Information and Communication Engineering, vol. 19, no. 12, pp. 2924-2932, 2015.

원문보기 상세보기
Dong Jo Kim, P. Lakshmi Manjusha, "Building Detection in High Resolution Remotely Sensed Images based on Automatic Histogram-Based Fuzzy C-Means Algorithm," Asia-pacific Journal of Convergent Research Interchange, HSST, ISSN : 2508-9080, vol.3, no.1, Mar (2017), pp. 57-62, http://dx.doi.org/10.21742/APJCRI.2017.03.05.
H. C. Lee, "A Method of Binarization with Less Information Loss using Merge and Conquer Approach and Fuzzy," International Information Institute, vol. 20, no. 8(A), pp. 5595-5600, 2017.
H. C. Lee, "Fuzzy Logic-based Binarization : A Divide and Conquer Approach," International Information Institute, vol. 21, no. 2, pp. 687-694, 2018. 2.

LOADING...

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