[논문]개선된 Dark Channel Prior를 이용한 안개 제거 알고리즘

김진환; 김창수

개선된 Dark Channel Prior를 이용한 안개 제거 알고리즘
Haze Removal Algorithm Using Improved Dark Channel Prior 원문보기

김진환 (고려대학교) , 김창수 (고려대학교)

본 논문에서는 한 장의 영상을 사용하여 영상 내에 존재하는 안개나 흐린 날씨 상태를 제거하는 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 dark channel prior를 사용하는 기법으로써 기존 알고리즘의 문제점을 보완하고 개선한다. 기존 알고리즘에서는 dark channel prior를 계산하여 전달량(transmission)을 추정한 후, 추정된 전달량을 영상의 모양에 맞추는 과정을 통해 정련된 전달량을 구한다. 본 논문에서는 추정된 전달량을 정련하는 과정을 개선함으로써 불필요한 메모리 사용량을 줄인다. 또한 계산량을 줄이기 위해 영상의 계층 분할을 이용한다. 실험 결과를 통하여 제안하는 알고리즘이 기존 알고리즘에 비해 개선된 성능을 발휘함을 확인한다.

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

문제 정의

하지만 cross bilateral filter를 사용하게 되면 모든 화소에 대해 필터를 적용하므로 속도 면에서는 이득을 볼 수 없다. 따라서 다음 절에서 이를 보완하기 위한 계층적 구조를 이용한 속도 개선 방법을 제안한다.
매우 깨끗한 결과 영상을 얻을 수 있으나 전달량을 정련하는 과정에서 매우 큰 행렬을 사용하기 때문에 메모리 사용량이 많고 속도면에서도 제한이 있다. 따라서 본 논문에서는 메모리 사용량을 줄이고 속도도 개선된 알고리즘을 제안한다.

가설 설정

영상에 비해 높은 채도를 가진다는 가정 하에 화질을 개선하는 알고리즘을 제안하였다. Tan이 제안한 알고리즘은 전달량은 비슷한 반면 원영상의 채도 차이가 크다는 성질을 이용하여 Markov Random Field (MRF) 모델을 구성하였다.

제안 방법

그러나 이 방법으로 부분적인 필터링만 하게 될 경우, 엣지를 벗어난 부분에 블로킹현상이 일어난다. 블로킹 현상을 없애기 위해서 가장 윗 단계의 영상, 즉 피라미드의 최상위 단계 영상 전체에 cross bilateral filter를 적용해준다. 최상위 단계 영상에 필터를 적용시킬 경우 블로킹 현상을 최소화할 수 있다.
n 단계의 피라미드 영상이 있을 경우, 1/n 로 축소된 영상과 1/n 크기의 구역을 이용하여 최초의 dark channel prior를 계산한다. 원 논문에서 측정한 것과 같은 방법으로 안개 값 A를 측정하는데, 우선 dark channel prior 중 10%까지의 밝기를 지닌 후보군을 찾는다. 후보군 중 실제 화소 값이 가장 밝은 화소를 선택하여 안개 값으로 사용한다.
그러므로 일정 구간 내 깨끗한 영상의 벡터 방향 (J(x))은 일정한 반사율 R의 벡터 방향과 같다고 놓을 수 있다. 이를 이용하여 independent component analysis(ICA)에 의해 R을 측정함으로써 원하는 결과 영상을 획득한다. 그러나 Fattal의 방법은 안개가 짙은 영역에 대해서는 깨끗한 영상을 얻을 수 없다는 단점이 있다.

대상 데이터

8GHz 및 2 GByte의 메모리를 가진 컴퓨터 환경에서 Matlab을 사용하여 실험하였다. 실험에서 사용한 가우시안 피라미드는 3단계의 단순 가우시안 피라미드를 이용하였다.

데이터처리

실험 결과는 원 논문의 방법과 비교하였다. 실험은 펜티엄 2.
실험 결과는 원 논문의 방법과 비교하였다. 실험은 펜티엄 2.8GHz 및 2 GByte의 메모리를 가진 컴퓨터 환경에서 Matlab을 사용하여 실험하였다. 실험에서 사용한 가우시안 피라미드는 3단계의 단순 가우시안 피라미드를 이용하였다.

이론/모형

Tan이 제안한 알고리즘은 전달량은 비슷한 반면 원영상의 채도 차이가 크다는 성질을 이용하여 Markov Random Field (MRF) 모델을 구성하였다. MRF 모델을 신뢰도 전파(belief propagation: BP)나 그래프 컷(graph cut) 등의 알고리즘을 이용하여 풀면 원하는 결과 영상을 획득하게 된다. 그러나 결과 영상의 채도를 높이는 것에만 치중하였기 때문에 과도한 채도 증가 현상이 발생할 뿐만 아니라 결과 영상에 후광(halo)이 생성되는 등의 단점이 존재한다.
영상에 비해 높은 채도를 가진다는 가정 하에 화질을 개선하는 알고리즘을 제안하였다. Tan이 제안한 알고리즘은 전달량은 비슷한 반면 원영상의 채도 차이가 크다는 성질을 이용하여 Markov Random Field (MRF) 모델을 구성하였다. MRF 모델을 신뢰도 전파(belief propagation: BP)나 그래프 컷(graph cut) 등의 알고리즘을 이용하여 풀면 원하는 결과 영상을 획득하게 된다.
따라서 이를 그대로 이용할 경우 후광 효과와 같은 현상이 발생한다. 따라서 He 등은 이를 개선하기 위해 A. Levin 등[10]의 matting 알고리즘을 적용하였다. 전경과 후경을 matting 하는 식은 안개낀 영상의 모델링 식과 매우 유사하기 때문에 t(x)를 미리 주어진 tri-map 이라고 가정하면 t(x)를 원 영상의 엣지 정보에 맞출 수 있다.
앞 절에서 말한 것처럼 matting 기법은 메모리 사용량이 매우 큰 단점이 있기 때문에 본 논문에서는 matting 기법을 사용하는 대신 cross bilateral filter[11]를 사용하여 전달량을 엣지 정보에 맞추도록 하였다. Bilateral filter는 영상을 고주파 성분을 제거하여 흐리게 하는 필터이지만 영상의 특성을 이용하여 엣지 정보를 보존하는 필터이다.
이 때, 안개가 짙은 영상에서는 엣지 정보가 거의 나타나지 않는다는 점을 이용하여 엣지 정보가 있는 부분에 대해서만 cross bilateral filter를 적용한다. 엣지 정보는 Sobel 엣지 검출기 등의 알고리즘을 사용하여 검출할 수 있다. 엣지 정보가 없는 부분은 상위 단계의 dark channel prior를 그대로 사용함으로써 계산량을 줄일 수 있다.

성능/효과

전달량의 정련과정에서 matting 이 아닌 계층적 cross bilateral filter를 사용할 경우 메모리 및 속도 면에서 이득을 볼 수 있음을 확인할 수 있었다. 하지만 전달량 지도의 경계부분에서 matting에 비해 후광현상이 발생하는 경우가 있었다.
그림 4는 원 논문의 방법과 본 논문에서 제안하는 방법을 비교한 결과이다. 정련된 전달량을 비교해 봤을 때, 원 논문에서 사용한 matting 방법과 제안하는 방법인 cross bilateral filter를 사용하는 것에 큰 차이가 없음을 알 수 있다.
제안하는 방법인 계층적 구조를 이용한 cross bilateral filter를 사용하였을 경우 전 영역에 대해 cross bilateral filter를 사용했을 때와 거의 유사한 결과를 얻을 수 있는 반면, 속도 면에서는 약 2배정도의 속도 증가가 있음을 확인할 수 있었다. 표 1은 각각의 방법에 대해 측정한 시간을 나타내고 있다.
표 1은 각각의 방법에 대해 측정한 시간을 나타내고 있다. 표에서 알 수 있듯이 계층적 cross bilateral filter를 사용했을 때 가장 빠른 결과를 얻었음을 확인할 수 있다.

후속연구

따라서 앞으로의 연구에서는 후광 현상을 줄일 계획이다. 궁극적으로는 dark channel prior를 이용하지 않는 새로운 안개 제거 알고리즘을 개발할 계획이다.
하지만 전달량 지도의 경계부분에서 matting에 비해 후광현상이 발생하는 경우가 있었다. 따라서 앞으로의 연구에서는 후광 현상을 줄일 계획이다. 궁극적으로는 dark channel prior를 이용하지 않는 새로운 안개 제거 알고리즘을 개발할 계획이다.

핵심어

질문

논문에서 추출한 답변

dark channel prior를 이용한 안개 제거 알고리즘은 어떤 관측 사실에 기반하는가?

가장 최근에 dark channel prior를 이용한 안개 제거 알고리즘[9]이 제안되었다. 이 방법은 안개가 없는 영상에서는 일정 구역 내에 항상 0에 가까운 밝기를 가지는 화소 값이 존재한다는 관측에 기반한다.

Tan은 어떤 원리를 이용하여 Markov Random Field (MRF) 모델을 구성하였는가?

영상에 비해 높은 채도를 가진다는 가정 하에 화질을 개선하는 알고리즘을 제안하였다. Tan이 제안한 알고리즘은 전달량은 비슷한 반면 원영상의 채도 차이가 크다는 성질을 이용하여 Markov Random Field (MRF) 모델을 구성하였다. MRF 모델을 신뢰도 전파(belief propagation: BP)나 그래프 컷(graph cut) 등의 알고리즘을 이용하여 풀면 원하는 결과 영상을 획득하게 된다.

다양한 날씨 환경에서 깨끗한 영상을 얻는 방법 중 Fattal의 방법은 어떤 원리를 통해 결과 영상을 획득하는가?

Fattal [8]은 일정 구간 내에 있는 반사율(albedo)은 일정하다는 가정을 이용한다. 그러므로 일정 구간 내 깨끗한 영상의 벡터 방향 (J(x))은 일정한 반사율 R의 벡터 방향과 같다고 놓을 수 있다. 이를 이용하여 independent component analysis(ICA)에 의해 R을 측정함으로써 원하는 결과 영상을 획득한다. 그러나 Fattal의 방법은 안개가 짙은 영역에 대해서는 깨끗한 영상을 얻을 수 없다는 단점이 있다.

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

개선된 Dark Channel Prior를 이용한 안개 제거 알고리즘
Haze Removal Algorithm Using Improved Dark Channel Prior 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

개선된 Dark Channel Prior를 이용한 안개 제거 알고리즘 Haze Removal Algorithm Using Improved Dark Channel Prior 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

개선된 Dark Channel Prior를 이용한 안개 제거 알고리즘
Haze Removal Algorithm Using Improved Dark Channel Prior 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper