초록

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

저조도 환경에서 획득된 영상은 대부분의 픽셀이 낮은 RGB 값을 가지기 때문에 물체가 가지는 색의 식별 및 물체 간의 구별이 어렵다는 문제점을 갖는다. 이러한 문제는 이론적으로 영상 내 존재하는 광원의 영향을 제거하는 것을 목적으로 하는 색 항등성 기법을 적용하여 해결이 가능하다. 저조도 영상에 적합한 색 항등성 기법을 찾기 위하여 본 논문에서는 Barnard 데이터 셋을 바탕으로 하는 저조도 합성 영상을 생성하고 이를 기반으로 다양한 색 항등성 기법을 평가한다. 저조도 합성 영상은 원하는 장면을 가지는 영상과 GTD를 생성할 수 있는 장점이 있기 때문에 실험 영상으로 사용된다. 성능 평가는 색 항등성 기법을 적용한 결과 영상과 GTD 영상을 비교하여 수행된다.

저조도 환경에서 획득된 영상은 대부분의 픽셀이 낮은 RGB 값을 가지기 때문에 물체가 가지는 색의 식별 및 물체 간의 구별이 어렵다는 문제점을 갖는다. 이러한 문제는 이론적으로 영상 내 존재하는 광원의 영향을 제거하는 것을 목적으로 하는 색 항등성 기법을 적용하여 해결이 가능하다. 저조도 영상에 적합한 색 항등성 기법을 찾기 위하여 본 논문에서는 Barnard 데이터 셋을 바탕으로 하는 저조도 합성 영상을 생성하고 이를 기반으로 다양한 색 항등성 기법을 평가한다. 저조도 합성 영상은 원하는 장면을 가지는 영상과 GTD를 생성할 수 있는 장점이 있기 때문에 실험 영상으로 사용된다. 성능 평가는 색 항등성 기법을 적용한 결과 영상과 GTD 영상을 비교하여 수행된다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 색 항등성 기법은 영상내의 정보와 장면에 대한 다양한 가정을 바탕으로 물체가 가지는 원래 색을 찾는 것을 목표로 하며 현재까지 많은 연구자들에 의해 다양한 기법이 제안되었다. 본 논문에서는 저조도 영상의 보정에 적합한 색 항등성 기법을 찾기 위하여 다양한 기법들의 성능을 저조도 합성 영상을 이용하여 비교한다..

가설 설정

• EBM은 GWA와는 달리 영상에 존재하는 반사계수 들을 차이를 계산하면 그 평균이 gray가 된다고 가정하였다. 이를 이용하여 장면을 비추는 광원은 영상 내에 존재하는 반사계수들의 도함수를 이용하여 계산된다.
• GWA는 Buchsbuam이 제안했으며 현재 여러 응용에서 사용되고 있다. GWA의 특징은 장면은 다양한 반사계수를 가지는 물체를 동일한 비율로 포함하고 있다고 가정하는 것이다. 이후 물체 반사계수의 기대치가 영상 전체를 고려했을 때 1/2이 되는 것에 착안하여 조명의 색을 계산한다.

제안 방법

• Land가 제안한 기법으로 비균일 조명 환경에서 동작하는 기법이다. Retinex는 영상내의 특정 위치에서 조명이 미치는 영향을 계산하기 위하여 가우시안 분포와 유사한 민감도 패턴을 주변 픽셀들에 적용하고 로그연산을 수행하였다.
• EBM은 GWA와는 달리 영상에 존재하는 반사계수 들을 차이를 계산하면 그 평균이 gray가 된다고 가정하였다. 이를 이용하여 장면을 비추는 광원은 영상 내에 존재하는 반사계수들의 도함수를 이용하여 계산된다.
• 하지만 Barnard 데이터 셋에 포함된 광원이 모두 저조도에서 획득된 데이터가 아니기 때문에 제공되는 광원의 분광 데이터를 저조도 환경에 맞게 변화시키는 과정이 필요하다. 일반적으로 광원이 가지는 강도의 영향은 스펙트럼의 진폭과 비례하기 때문에 본 논문에서는 영상 합성 시 제공되는 광원 분광 데이터의 진폭을 낮추어 영상 합성식에 적용하여 저조도 합성 영상을 생성한다. 그림 1은 생성된 저조도 합성 영상 중 일부를 보여준다.

대상 데이터

• 첫번째 분광 데이터는 다양한 물체로부터 획득된 1995개의 반사계수(reflectance)이다. 두번째 분광 데이터는 Sony DXC-930 카메라의 가시광선 대역에서 동작하는 반응 함수(camera sensitivity function)이며, PhotoResearch의 PR-650 spectrophotometer를 이용하여 101개의 광원 하에서 측정된 분광 데이터이다.
• 이러한 이유로 인해 본 논문에서는 Barnard 데이터 셋 기반의 합성 영상을 사용한다. 합성 영상은 자연 영상과는 달리 원하는 장면과 광원을 선택해 생성할 수 있다는 장점을 가지며, 영상 합성 시 특정 광원의 분광 데이터를 사용하지 않으면 반사계수 정보만을 포함하는 GTD를 생성할 수 있다.
• 의 데이터 셋에는 영상 합성 연구를 위한 다양한 분광(Spectral) 데이터가 포함되어 있다. 첫번째 분광 데이터는 다양한 물체로부터 획득된 1995개의 반사계수(reflectance)이다. 두번째 분광 데이터는 Sony DXC-930 카메라의 가시광선 대역에서 동작하는 반응 함수(camera sensitivity function)이며, PhotoResearch의 PR-650 spectrophotometer를 이용하여 101개의 광원 하에서 측정된 분광 데이터이다.

이론/모형

• 본 논문에서 색 항등성 기법들의 성능 비교를 위하여 사용된 실험 영상들은 Barnard et al.이 색 항등성 연구를 위해 제안한 데이터 셋[1]에 기반한 합성 영상 연구[2]에 사용된 기법을 이용하여 생성된다.

성능/효과

• 반대로 S가 작게 나타나면 해당 기법은 저조도 환경에 따른 영향을 효과적으로 감소시킬 수 있음을 의미한다. 실험 결과 균일 조명을 가정하는 VH, GWA가타 기법보다 우수한 성능을 나타냈다. 이는 비균일 기법에서 사용하는 물체의 원래 색 추정기법이 균일한 저조도 조명환경에는 적합하지 않기 떄문이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기