[논문]색 순응 변환을 이용하여 화이트 밸런스를 보존하는 컬러 개선과 평가 방법

이상민; 최윤식

색 순응 변환을 이용하여 화이트 밸런스를 보존하는 컬러 개선과 평가 방법
White Balance preserving natural color enhancement and evaluation algorithm using chromatic adaptation transforms 원문보기

이상민 (연세대학교) , 최윤식 (연세대학교)

화이트 밸런스를 유지해야 하는 이유는 입력 이미지의 컬러 밸런스와 동질의 화질 유지를 위하거나, 혹은 이미지를 개선할 때 화질 균일 성을 유지하기 위함이다. 그러나 기존 컬러 개선 방식들은 화이트 밸런스 보존에 관계없이 컬러 개선이 이루어지기 때문에 컬러 개선 전과 후의 화이트 밸런스가 다르게 나타난다. 이 논문에서는 색 순응 변환을 이용하여 화이트 밸런스를 보존하면서 자연스러운 컬러 이미지 개선 및 컬러 측정 알고리즘을 제안한다. 그 결과는 제안된 알고리즘은 Color Naturalness Index 와 Color Colorful Index 라고 풀리는 객관적 방법뿐만 아니라 주관적인 방법 에서도 개선됨을 확인하였다. 알고리즘의 복잡도는 낮으므로 현실 어플리케이션에서도 유용하게 이용될 것이다.

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

문제 정의

본 논문에서는 원 영상이 가지고 있는 화이트 밸런스 즉, 색 온도를 유지 혹은 개선하면서 자연스러운 컬러 이미지 개선 및 평가 방법 인 CNI/CCI 의 최적 값을 찾는 방법을 제안한다. 원 영상의 화이트 밸런스를 감지하여 목표 치 백색 점을 설정한 후 입력 영상의 화이트 밸런스를 소스 백색 점으로 만든다.
본 논문에서는 화이트 밸런스가 유지 혹은 개선 되면서 자연스러운 컬러 이미지 개선할 때 주관적 평가 방법인 CNI 와 CCI 가 유지될 수 있는 방법을 제공한다. 본 논문의 구성은 다음과 같다.

제안 방법

제안한 알고리즘의 성능을 검증하기 위해서 사용된 이미지의 경우, 흑백 영상이 아닌 20 가지 컬러 영상 기준으로 수행하였다. CNI 값이 반복적인 개선을 하게 되면 saturation 되기 때문에 자연스러운 컬러 이미지 개선 방법의 반복 횟수를 10 회로 설정 하였고, 화이트 밸런스 변화를 직관적으로 보기 위해 화이트 밸런스 값을 변환한 색 온도 그래프를 이용하였다. 그림 1 ⓓ 에서 보여주는 것과 같이, 자연스러운 컬러 개선 방법이 반복됨에 따라 기존 방법에서는 색 온도가 급격하게 변함을 보여준다.
각 픽셀의 색상(hue) 값에 조건을 주고 채도(saturation) 값을 확률 변수로 설정 후 가우시안 분포 함수를 사용하여 세 가지 영역, fresh tone(skin), grass, sky 영역에 대한 CNI 값을 추출한다.
앞 절에서 언급한 것과 같이 자연스러운 컬러 이미지 개선 할 때 화이트 밸런스의 유지하지 않을 경우, 이미지의 색 온도가 낮아 질 경우 화면이 전체적으로 붉은 톤이 되고 반대로 색 온도가 높아 질 경우 화면이 파란 톤으로 변한다. 따라서 자연스러운 컬러 이미지 개선 방법을 적용할 때 색 온도 유지는 반드시 고려되어야 하는 부분이고, 이에 아래와 같은 순서도를 적용하여 입력 이미지의 화이트 밸런스를 유지 하면서 객관적인 방법을 사용한 컬러를 개선 할 수 있는 알고리즘을 제안한다.
이 세 가지 CNI 값에 존재하는 pixel 수를 확인 한 후 픽셀의 합으로 나누어 평균 값을 취한다. 또한 CCI 값은 hasler[5]가 CCI 에 대한 쉽고 간단한 방법을 소개하였다. [5]에서는 CIELab 공간에서 컬러 영역인 a, b 공간의 평균과 분산 값을 이용하여 CCI 를 추출한다.
색 순응 모델은 주변 광에 따른 반사율로 D 값을 결정하지만, [3] 에서는 CNI 값을 D 로 설정하여 자연스러운 컬러 이미지 개선 방법을 제안하였다. 이는 R, G, B 각 채널에 L1 값을 기준으로 각각 적용됨으로 기존 이미지가 가지고 있는 화이트 밸런스를 유지하기 어렵다.
제안된 알고리즘에서는 입력 이미지의 백색 점에서 입력 기준 백색 점을 얻고[6], 목표 색 온도를 설정하여 그 색 온도에서 벗어나지 않게 제어하는 것이다. 예를 들면, 입력 이미지의 화이트 밸런스를 직관적인 방법인 색 온도로 바꾼 후 측정 시 4530K 라고 측정 된다면 5000K 혹은 5500K 의 목표 백색 점으로 설정하여 자연스러운 컬러 이미지 개선 방법을 적용하는 것이다.
화이트 밸런스는 세 개의 삼자극치로 표현되는데 세 개의 삼자극치를 기준으로 동시에 비교, 평가가 어려우므로, 여기서는 직관적으로 비교, 평가가 가능한 색 온도로 화이트 밸런스의 변화 정도를 표현하기로 한다.

대상 데이터

여기서 구해진 X’’, Y’’, Z’’ 값과 X’, Y’, Z’ 의 ratio 를 최종적으로 색 순응 모델에 적용하여 입력 픽셀인 R, G, B 에 적용한다. 실험에서는 색 순응 매트릭스 M_cat으로 CIECAM02 매트릭스(16)를 사용하였다.
제안한 알고리즘의 성능을 검증하기 위해서 사용된 이미지의 경우, 흑백 영상이 아닌 20 가지 컬러 영상 기준으로 수행하였다. CNI 값이 반복적인 개선을 하게 되면 saturation 되기 때문에 자연스러운 컬러 이미지 개선 방법의 반복 횟수를 10 회로 설정 하였고, 화이트 밸런스 변화를 직관적으로 보기 위해 화이트 밸런스 값을 변환한 색 온도 그래프를 이용하였다.

데이터처리

각 픽셀의 색상(hue) 값에 조건을 주고 채도(saturation) 값을 확률 변수로 설정 후 가우시안 분포 함수를 사용하여 세 가지 영역, fresh tone(skin), grass, sky 영역에 대한 CNI 값을 추출한다. 이 세 가지 CNI 값에 존재하는 pixel 수를 확인 한 후 픽셀의 합으로 나누어 평균 값을 취한다. 또한 CCI 값은 hasler[5]가 CCI 에 대한 쉽고 간단한 방법을 소개하였다.

이론/모형

[3]에서 사용한 방법은 [5]에서 제안한 방법 중 가장 연산이 간단한 sRGB 컬러 공간에서의 평균과 분산 값을 이용한 CCI 추출법을 사용하였다. CNI 값을 얻게 되면, 이 값을 이용하여 R, G, B 각 채널에 대하여 아래 (1)~(3)의 von Kries 선형적 평준화 색 순응 모델을 사용하였다. [3]
[5]에서는 CIELab 공간에서 컬러 영역인 a, b 공간의 평균과 분산 값을 이용하여 CCI 를 추출한다. [3]에서 사용한 방법은 [5]에서 제안한 방법 중 가장 연산이 간단한 sRGB 컬러 공간에서의 평균과 분산 값을 이용한 CCI 추출법을 사용하였다. CNI 값을 얻게 되면, 이 값을 이용하여 R, G, B 각 채널에 대하여 아래 (1)~(3)의 von Kries 선형적 평준화 색 순응 모델을 사용하였다.
원 영상의 화이트 밸런스를 감지하여 목표 치 백색 점을 설정한 후 입력 영상의 화이트 밸런스를 소스 백색 점으로 만든다. 이 때 von Kries 모델을 기반으로 한 색 순응 모델을 새로이 만들어 목표치 백색 점과 소스 백색 점을 찾아내는데 이용한다. 목표치 백색 점을 분자에 소스 백색 점을 분모로 설정하면 화이트 밸런스, 즉 색 온도를 낮추거나 변경시키지 않는다.

성능/효과

2 절에서는 기존 논문에서 사용한 컬러 이미지 측정 방법을 이용한 컬러 이미지 개선 방법과 평가 알고리즘을 설명하고 3 절에서는 제안된 색 순응 모델 적용하여 화이트 밸런스를 고려한 CNI/CCI 을 이용한 컬러 이미지 향상 기법에 대해 설명한다. 4 절에서는 실험을 통해 제안된 방식은 기존 방식에 비해 우수한 컬러 이미지 향상이 이루어짐을 확인할 수 있고 마지막으로, 5 장에서 결론을 맺는다.
목표치 백색 점을 분자에 소스 백색 점을 분모로 설정하면 화이트 밸런스, 즉 색 온도를 낮추거나 변경시키지 않는다. 실험 결과 결과 기존 방법과 컬러 이미지 측정 방법인 CNI/CCI 값은 유사한 결과를 얻을 수 있으며, 동시에 원 영상의 화이트 밸런스를 유지할 수 있으므로 자연스러운 컬러 이미지 개선에서는 높은 보정 성능을 보인다. 또한 알고리즘의 복잡도는 낮으므로 현실 어플리케이션에서도 유용하게 이용될 것이다.
제시된 표 1 은 여러 가지 영상에 대한 원 영상의 색 온도와 개선 방법을 반복 적용 후의 최종 색 온도에 대한 비교이다. 실험 결과에서는 원 영상의 색 온도보다 낮아지거나, 크게 높아지지 않는 범위 내에서 동작하며, CNI / CCI 값은 기존 방법과 유사하거나 혹은 더 나은 결과를 보여준다.

후속연구

실험 결과 결과 기존 방법과 컬러 이미지 측정 방법인 CNI/CCI 값은 유사한 결과를 얻을 수 있으며, 동시에 원 영상의 화이트 밸런스를 유지할 수 있으므로 자연스러운 컬러 이미지 개선에서는 높은 보정 성능을 보인다. 또한 알고리즘의 복잡도는 낮으므로 현실 어플리케이션에서도 유용하게 이용될 것이다.

핵심어

질문

논문에서 추출한 답변

컬러 향상 기법들은 주로 Human Visual System을 기반으로 영상이 처리된 이유는?

일반적으로 시각적인 부분에서의 자연스러운 컬러 이미지를 개선하는 것이 중요한 목표였기 때문에 컬러 향상 기법들은 주로 Human Visual System (HVS) 을 기반으로 영상을 처리하였다. 이는 하지만 보다 객관적인 평가 방법이 필요로 하게 되는데 이를 위해 Naturalness 와 Colorfulness 를 계산하기 위해 심리학적, 실험적인 몇 가지 연구 결과인 color image quality metrics – Color Naturalness Index(CNI) 와 Color Colorfulness Index(CCI) 를 이용한 방법[4]이 제안되었다.

화이트 밸런스를 유지해야 하는 이유는?

화이트 밸런스를 유지해야 하는 이유는 입력 이미지의 컬러 밸런스와 동질의 화질 유지를 위하거나, 혹은 이미지를 개선할 때 화질 균일 성을 유지하기 위함이다. 그러나 기존 컬러 개선 방식들은 화이트 밸런스 보존에 관계없이 컬러 개선이 이루어지기 때문에 컬러 개선 전과 후의 화이트 밸런스가 다르게 나타난다.

색 순응 변환을 이용하여 화이트 밸런스를 보존하면서 자연스러운 컬러 이미지 개선 및 컬러 측정 알고리즘을 사용한 결과는?

이 논문에서는 색 순응 변환을 이용하여 화이트 밸런스를 보존하면서 자연스러운 컬러 이미지 개선 및 컬러 측정 알고리즘을 제안한다. 그 결과는 제안된 알고리즘은 Color Naturalness Index 와 Color Colorful Index 라고 풀리는 객관적 방법뿐만 아니라 주관적인 방법 에서도 개선됨을 확인하였다. 알고리즘의 복잡도는 낮으므로 현실 어플리케이션에서도 유용하게 이용될 것이다.

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

색 순응 변환을 이용하여 화이트 밸런스를 보존하는 컬러 개선과 평가 방법
White Balance preserving natural color enhancement and evaluation algorithm using chromatic adaptation transforms 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

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

색 순응 변환을 이용하여 화이트 밸런스를 보존하는 컬러 개선과 평가 방법 White Balance preserving natural color enhancement and evaluation algorithm using chromatic adaptation transforms 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

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

색 순응 변환을 이용하여 화이트 밸런스를 보존하는 컬러 개선과 평가 방법
White Balance preserving natural color enhancement and evaluation algorithm using chromatic adaptation transforms 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper