[논문]광원 노출도 기반 저조도 영상 시인성 개선

임재문; 허민혁; 이철우; 박태곤; 최진혁; 김창수

문제 정의

본 논문에서는 효과적인 개선을 위해 그림 1 과 같이 영상 밝기 성분인 저주파 성분과 영상 텍스처 성분인 고주파 성분을 독립적으로 개선한다. 먼저, 저주파 성분에서 각 영역이 광원에 노출된 정도를 의미하는 광원 노출도를 얻은 뒤, 이를 활용하여 저주파 성분을 개선한다.
본 논문에서는 광원 노출도를 이용한 저조도 영상 시인성 개선 기법을 제안하였다. 먼저, 저조도 영상에서 추출한 광원 노출도로 명도와 암도를 얻고, 이들의 활용을 통해 효과적으로 저주파 성분을 개선하였다.

제안 방법

본 논문에서는 효과적인 개선을 위해 그림 1 과 같이 영상 밝기 성분인 저주파 성분과 영상 텍스처 성분인 고주파 성분을 독립적으로 개선한다. 먼저, 저주파 성분에서 각 영역이 광원에 노출된 정도를 의미하는 광원 노출도를 얻은 뒤, 이를 활용하여 저주파 성분을 개선한다. 다음으로 베버의 법칙 활용을 통해 고주파 성분을 개선한다.
He 의 기법[2]에서 제안된 dark channel prior (DCP)는 안개 제거 분야의 대표적인 광원 노출도 계산 방법으로, 비안개 영역은 RGB 채널 중 적어도 한 채널에서는 낮은 값을 가짐을 의미한다. 제안 기법에서는 저조도 영상에 DCP 를 아래와 같이 적용하여 저주파 성분 내 각 영역의 광원 노출도를 계산한다.
는 화소 x의 주변 영역을 의미한다. (1)을 통해 추출된 광원 노출도에는 블로킹 현상이 발생한다는 문제가 있어, 추가적으로 가우시안 필터링을 적용하여 블로킹 현상이 완화된 최종 광원 노출도를 얻는다.
효과적인 저주파 개선을 위해 광원 노출도를 통해 영상의 밝은 정도를 의미하는 명도와 어두운 정도를 의미하는 암도를 얻는다. 명도는 광원 노출도와 같으며, 암도는 명도를 반전하여 얻는다.
기존의 대조비 기반 밝기 개선 기법은 영상의 밝기 분포 분석에 사용되는 밝기 히스토그램 생성 시 각 화소에서 동일한 가중치를 사용한다. 이와 달리 제안 기법에서는 저조도 영역의 개선에는 암도를 가중치로 사용하고, 고조도 영역의 개선에는 명도를 가중치로 사용한다. 이렇게 얻은 각 밝기 히스토그램에 Lee 의 기법[3] 적용을 통해 전달 함수를 얻고, 이들을 저주파 성분에 각각 독립적으로 적용하여 저조도 영역과 고조도 영역 중심의 개선 결과를 얻는다.
이렇게 얻은 각 밝기 히스토그램에 Lee 의 기법[3] 적용을 통해 전달 함수를 얻고, 이들을 저주파 성분에 각각 독립적으로 적용하여 저조도 영역과 고조도 영역 중심의 개선 결과를 얻는다. 마지막으로 앞에서 얻은 명도와 암도 기반 개선 결과를 각각 명도와 암도를 가중치로 사용하여 병합함으로써 개선된 저주파 성분을 얻는다.
본 논문에서는 광원 노출도를 이용한 저조도 영상 시인성 개선 기법을 제안하였다. 먼저, 저조도 영상에서 추출한 광원 노출도로 명도와 암도를 얻고, 이들의 활용을 통해 효과적으로 저주파 성분을 개선하였다. 다음으로 저주파 성분 개선 정도와 영상의 텍스처 정도를 계산하고, 이를 이용하여 고주파 성분의 개선 효과를 극대화하였다.
먼저, 저조도 영상에서 추출한 광원 노출도로 명도와 암도를 얻고, 이들의 활용을 통해 효과적으로 저주파 성분을 개선하였다. 다음으로 저주파 성분 개선 정도와 영상의 텍스처 정도를 계산하고, 이를 이용하여 고주파 성분의 개선 효과를 극대화하였다. 마지막으로 개선된 저주파 성분과 고주파 성분을 병합함으로써 최적의 시인성 개선 결과를 얻을 수 있었다.

이론/모형

이와 달리 제안 기법에서는 저조도 영역의 개선에는 암도를 가중치로 사용하고, 고조도 영역의 개선에는 명도를 가중치로 사용한다. 이렇게 얻은 각 밝기 히스토그램에 Lee 의 기법[3] 적용을 통해 전달 함수를 얻고, 이들을 저주파 성분에 각각 독립적으로 적용하여 저조도 영역과 고조도 영역 중심의 개선 결과를 얻는다. 마지막으로 앞에서 얻은 명도와 암도 기반 개선 결과를 각각 명도와 암도를 가중치로 사용하여 병합함으로써 개선된 저주파 성분을 얻는다.
본 실험에서는 기존 기법과의 비교를 위해 비교 기법으로 저조도 영상 화질 개선 분야 최신 기법인 Rivera 의 기법[1]을 사용하였다.

성능/효과

그림 3(a)는 입력 영상, 그림 3(b)는 Rivera 의 기법[1]의 결과 영상, 그림 3(c)는 제안 기법의 결과 영상을 도시한다. 첫 번째와 두 번째 행의 결과로부터 확인할 수 있듯이, 조명으로 인해 고조도 영역과 저조도 영역의 구분이 명확한 영상의 경우 제안 기법이 기존 기법 대비 우수한 개선 효과를 보인다. 이는 기존 기법의 경우 밝기 개선을 위한 전달 함수 생성 시 영상의 특성에 대한 고려 없이 실험으로 얻은 변수를 그대로 사용하기 때문이다.
이는 기존 기법의 경우 밝기 개선을 위한 전달 함수 생성 시 영상의 특성에 대한 고려 없이 실험으로 얻은 변수를 그대로 사용하기 때문이다. 이와 달리 제안 기법에서는 고조도 및 저조도 각 영역의 특징에 대한 독립적인 분석을 통해 전달 함수를 얻고, 이를 각각 적용하여 밝기를 개선함으로써 시인성 개선 효과가 극대화된다. 또한 마지막 행의 결과에서 알 수 있듯이, 영상이 전체적으로 어두운 경우에 대해서도 제안 기법이 기존 기법에 비해 향상된 개선 성능을 보인다.
이와 달리 제안 기법에서는 고조도 및 저조도 각 영역의 특징에 대한 독립적인 분석을 통해 전달 함수를 얻고, 이를 각각 적용하여 밝기를 개선함으로써 시인성 개선 효과가 극대화된다. 또한 마지막 행의 결과에서 알 수 있듯이, 영상이 전체적으로 어두운 경우에 대해서도 제안 기법이 기존 기법에 비해 향상된 개선 성능을 보인다. 이를 통해 제안된 전달 함수 생성 기법의 우수함을 확인할 수 있다.
또한 마지막 행의 결과에서 알 수 있듯이, 영상이 전체적으로 어두운 경우에 대해서도 제안 기법이 기존 기법에 비해 향상된 개선 성능을 보인다. 이를 통해 제안된 전달 함수 생성 기법의 우수함을 확인할 수 있다.
다음으로 저주파 성분 개선 정도와 영상의 텍스처 정도를 계산하고, 이를 이용하여 고주파 성분의 개선 효과를 극대화하였다. 마지막으로 개선된 저주파 성분과 고주파 성분을 병합함으로써 최적의 시인성 개선 결과를 얻을 수 있었다. 실험을 통해 제안 기법이 저조도 영상 화질 개선 분야의 최신 기법 대비 우수한 성능을 보임을 확인하였다.
마지막으로 개선된 저주파 성분과 고주파 성분을 병합함으로써 최적의 시인성 개선 결과를 얻을 수 있었다. 실험을 통해 제안 기법이 저조도 영상 화질 개선 분야의 최신 기법 대비 우수한 성능을 보임을 확인하였다.

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

[국내논문] 광원 노출도 기반 저조도 영상 시인성 개선
Contrast Enhancement of Low-Light Images Using Light Exposure Maps 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 광원 노출도 기반 저조도 영상 시인성 개선 Contrast Enhancement of Low-Light Images Using Light Exposure Maps 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 광원 노출도 기반 저조도 영상 시인성 개선
Contrast Enhancement of Low-Light Images Using Light Exposure Maps 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper