선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 잡음이 있는 저조도 동영상의 고속 시인성 개선 기법을 제안하였다. 먼저, 영상에서 고속 추출한 광도를 활용해 효과적으로 밝기를 개선하였다.
제안 방법
- 먼저, 영상에서 고속 추출한 광도를 활용해 효과적으로 밝기를 개선하였다. 다음으로 동영상이 가진 장점을 극대화하여 효율적으로 잡음을 제거하였다. 마지막으로 색상 매핑 함수의 생성 및 적용을 통해 저조도 영상의 색상을 효과적으로 복원하였다.
- 본 논문에서는 먼저 전처리 과정을 통해 잡음 제거 성능을 크게 저하시키는 임펄스 잡음을 효과적으로 제거한다. 다음으로 영상 각 영역이 받는 광원의 세기를 의미하는 광도를 고속으로 추출하고, 광도를 이용하여 영상의 지역적 특성이 고려된 밝기개선 영상을 얻는다. 또한 동영상이 가지는 장점 활용 극대화를 통해 효율적으로 영상의 잡음을 제거한다.
- 또한 동영상이 가지는 장점 활용 극대화를 통해 효율적으로 영상의 잡음을 제거한다. 마지막으로 저조도 영상의 색상 불균형 문제 해소를 위해 백색 평형 복원 기법을 활용하여 색상을 효과적으로 복원한다.
- 본 논문에서는 잡음이 있는 저조도 동영상의 고속 시인성 개선 기법을 제안하였다. 먼저, 영상에서 고속 추출한 광도를 활용해 효과적으로 밝기를 개선하였다. 다음으로 동영상이 가진 장점을 극대화하여 효율적으로 잡음을 제거하였다.
- 모든 화소에서 동일한 가중치를 사용하는 일반적인 밝기히스토그램 생성 기법과 달리, 제안 기법은 밝은 정도와 어두운 정도를 가중치로 사용함으로써 저조도와 고조도 영역의 특징이 독립적으로 반영된 히스토그램을 얻게 된다. 다음으로 취득한 히스토그램을 누적 및 정규화한 뒤, 항등 함수와의 평균을 통해 일대일 대응이면서 단조 증가인 전달 함수를 생성한다.
- 본 논문에서는 먼저 전처리 과정을 통해 잡음 제거 성능을 크게 저하시키는 임펄스 잡음을 효과적으로 제거한다. 다음으로 영상 각 영역이 받는 광원의 세기를 의미하는 광도를 고속으로 추출하고, 광도를 이용하여 영상의 지역적 특성이 고려된 밝기개선 영상을 얻는다.
- 본 실험에서는 성능 비교를 위해 저조도 영상 시인성 개선 및 잡음 제거 분야 최신 기법인 Rivera 의 기법[1]과 Dabov 의기법[6]을 조합하여 비교 기법을 구성하였다.
- 다음으로 취득한 히스토그램을 누적 및 정규화한 뒤, 항등 함수와의 평균을 통해 일대일 대응이면서 단조 증가인 전달 함수를 생성한다. 생성된 전달 함수를 적용한 개선 결과들을 밝은 정도와 어두운 정도를 이용, 가중 합하여 개선 영상을 얻는다. 그림 1(b)는 밝기 개선기법을 적용한 결과 영상을 도시한다.
- 는 𝑗번째 색상 채널의 평균을 의미한다. 이렇게 얻은 색상매핑 함수를 밝기 개선에서와 동일하게 항등 함수와 평균하여 최종 색상 매핑 함수를 얻고, 이를 적용하여 색상을 복원한다. 그림 1(d)는 색상 복원 기법을 적용한 결과 영상을 도시한다.
- 제안 기법은 아래의 광도 추출 기법을 통해 영상의 광도를 고속으로 계산한다.
- 임펄스 잡음은 유사 블록 검색 기법의 정확도를 크게 낮춰, 잡음 제거 성능을 매우 저하시킨다. 제안 기법은 이를 극복하기 위하여 영상 피라미드의 각 계층에 중앙값 필터링을 적용하여 다양한 크기의 임펄스 잡음을 효과적으로 제거한다.
- 제안 기법은 인접 프레임들간의 높은 유사성을 활용, 유사 블록 검색의 범위를 주변 영역으로 국한한다. 또한 유사 블록검색 시, 복잡도가 높은 전역 검색 기법(full search)이 아닌,3 단계 검색 기법(three-step search)[4]을 적용, 복잡도를 최소화한다.
- 제안 기법의 속도 개선 효과 분석을 위해 본 실험에서는 임베디드 환경에서 640×360 크기 동영상에 시인성 개선 기법을 적용하였다.
이론/모형
- 제안 기법은 인접 프레임들간의 높은 유사성을 활용, 유사 블록 검색의 범위를 주변 영역으로 국한한다. 또한 유사 블록검색 시, 복잡도가 높은 전역 검색 기법(full search)이 아닌,3 단계 검색 기법(three-step search)[4]을 적용, 복잡도를 최소화한다. 그림 1(c)는 잡음이 제거된 영상을 도시한다.
- 저조도 영상의 색상 불균형 해소를 위해 제안 기법은 백색 평형 복원 기법을 활용한다. Gray-world 가정[5]은 영상에 적응적인 백색 평형 복원에 사용되는 주요 가정으로, 이상적인 영상의 경우 RGB 채널의 평균 색상이 무채색임을 의미한다.
- 제안 기법에서는 Gray-world 가정을 활용한 아래의 식을 통해 영상의 색상 복원을 위한 색상 매핑 함수 𝐜𝑗를 얻는다.
-
2.3 시공간적 잡음 제거
제안 기법에서는 잡음 제거를 위해 비국소적 평균(non-local means) 기법 [3]을 활용한다. 비국소적 평균 기법에서는 먼저 영상 전체에서 영상 내 각 블록과 유사한 블록들을 찾고, 이들간의 유사도를 계산한다.
성능/효과
- 그림 2(a)는 입력 영상, 그림 2(b)와 (c)는 각각 비교 기법 및 제안 기법의 결과 영상을 도시한다. 결과에서 알 수 있듯이,두 영상 모두에 대해 제안 기법이 기존 기법 대비 우수한 밝기개선 결과를 보인다. 이는 기존 기법이 실험적으로 얻은 변수를 그대로 사용하여 전달 함수를 생성하는 반면, 제안 기법은 입력 영상에 적응적인 전달 함수 생성이 가능해 다양한 영상에서도 높은 개선 성능이 유지되기 때문이다.
- 모든 화소에서 동일한 가중치를 사용하는 일반적인 밝기히스토그램 생성 기법과 달리, 제안 기법은 밝은 정도와 어두운 정도를 가중치로 사용함으로써 저조도와 고조도 영역의 특징이 독립적으로 반영된 히스토그램을 얻게 된다. 다음으로 취득한 히스토그램을 누적 및 정규화한 뒤, 항등 함수와의 평균을 통해 일대일 대응이면서 단조 증가인 전달 함수를 생성한다. 생성된 전달 함수를 적용한 개선 결과들을 밝은 정도와 어두운 정도를 이용, 가중 합하여 개선 영상을 얻는다.
- 다음으로 동영상이 가진 장점을 극대화하여 효율적으로 잡음을 제거하였다. 마지막으로 색상 매핑 함수의 생성 및 적용을 통해 저조도 영상의 색상을 효과적으로 복원하였다. 실험을 통해 제안 기법이 기존 기법대비 우수한 성능을 보임을 확인하였다.
- 마지막으로 색상 매핑 함수의 생성 및 적용을 통해 저조도 영상의 색상을 효과적으로 복원하였다. 실험을 통해 제안 기법이 기존 기법대비 우수한 성능을 보임을 확인하였다.
- 10s 가 소요되었다. 이를 통해 제안기법이 성능과 속도 모든 면에서 우수함을 알 수 있다.
- 제안 기법에서는 영상에서 추출한 광도를 이용하여 저조도 영역과 고조도 영역을 독립적으로 개선함으로써 최적의 밝기개선 효과를 얻는다. Dark channel prior [2]는 대표적인 광도추출 방법으로 영상의 밝기와 지역적 정보를 동시에 활용하여 정확한 광도 추정 성능을 보이나, 추정 과정에서 화소와 블록 단위의 정렬 연산 사용으로 인해 복잡도가 높다는 문제가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.