[논문]HDR 영상 톤 매핑 알고리즘 분석

박재현; 김정현; 조성인

HDR 영상 톤 매핑 알고리즘 분석
The Analysis of HDR Tone Mapping Algorithm 원문보기

박재현 (동국대학교 멀티미디어공학과) , 김정현 (동국대학교 멀티미디어공학과) , 조성인 (동국대학교 멀티미디어공학과)

실제 인간의 눈이 가장 어두운 물체와 가장 밝은 물체 사이의 차이를 인식하는 동적 영역의 범위는 1014(cd/㎡)이다. 이를 디지털 영상으로 가능한 최대로 표현하기 위해 HDR 영상을 생성하는 다양한 기술이 개발되었다. 하지만, 기존 디스플레이 장치의 동적 영역은 103(cd/㎡)로 사람의 동적 영역에 비해 상대적으로 작은 동적 영역을 가진다. 따라서, HDR 영상을 LDR 디스플레이에 효과적으로 표현하기 위해서는 HDR 영상과 시각적으로 유사한 영상을 생성하는 방법인 톤 매핑 기법 (Tone Mapping Operator: TMO)이 필수적이다. 본 논문에서는 HDR 영상을 LDR 디스플레이에 표현하기 위해 개발된 톤 매핑 기법과 톤 매핑 기법의 품질을 평가하는 방법을 소개하고, 각각의 톤 매핑 기법의 품질 점수를 비교한다.

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

문제 정의

본 논문에서는 향상된 톤 매핑 성능을 보여주는 혼합 톤 매핑 방법 [8-11]들과 톤 매핑이 된 영상을 평가할 수 있는 지표에 대해서 소개한다. 추가적으로, 각 혼합 TMO 의 평가지표를 추출하고 이를 비교하면서 톤 매핑 성능에 영향을 주는 요소와 추후 톤 매핑 알고리즘 연구를 위한 방향을 제시하도록 한다.
본 논문에서는 향상된 톤 매핑 성능을 보여주는 혼합 톤 매핑 방법 [8-11]들과 톤 매핑이 된 영상을 평가할 수 있는 지표에 대해서 소개한다. 추가적으로, 각 혼합 TMO 의 평가지표를 추출하고 이를 비교하면서 톤 매핑 성능에 영향을 주는 요소와 추후 톤 매핑 알고리즘 연구를 위한 방향을 제시하도록 한다.

가설 설정

FSITM 의 자세한 계산은 입력 영상 H, 톤 매핑 된 LDR 영상 (L), 그리고 로그 도메인의 입력 HDR 영상이 주어지면 각 영상의 각 채널 C 에 대한 LWMPA 맵을 구한다. 이는 log(H)와 L 의 각 채널 특징이 LWMPA 맵에서 동일하게 유지되어야 한다는 가정을 기반으로 한다. 모든 특징 유형이 동일할 경우 FSITM 은 1 이고, 모두 다른 경우 0 으로 나타낸다.

제안 방법

σ’는 비선형 매핑의 결과값으로 중요한 신호 강도는 1, 중요하지 않은 신호 강도는 0 으로 매핑한다. 각 패치 별 S_local 값의 평균을 S_l 이라 하고, 전체적인 구조를 평가하기 위해 스케일 레벨의 구조 점수들을 조합하여 다음과 같이 구조적 충실도 점수를 도출한다.
실험은 앞서 2 장에서 소개한 기존 톤 매핑 방법들의 평가지수를 비교했다. 평가 지수는 TMQI-II 와 FSITM 을 이용하였다.
그러나, 이 과정에서 HDR 영상의 엣지나 지역적인 대비 (local contrast) 데이터의 손실이 발생한다. 이러한 영상의 정보 손실을 최소화하기 위해 시각적으로 민감한 고주파 성분은 최대한 보존하고, 상대적으로 둔감한 평활 (smooth) 영역의 저주파성분을 압축하는 TMO 가 제안되었다.
톤 매핑 영상 품질 지수 기반 최적화 (TMQI-based Optimizing: TMQIO)[11] 기법에서 제안된 TMQI-II 는TMQI 의 지역 휘도 레벨을 고려할 수 있는 모델로 제안되었다. SNM의 경우, 톤 매핑 영상의 자연성을 수치적으로 잘 나타내기 위해 영상 의존적 모델로 제안되었다.
TMQI 는 톤 매핑 영상의 품질을 평가하기 위해 [14]에서 처음 제안되었다. 톤 매핑 영상의 품질 지수를 나타내기 위해 구조적 유사성 지수 측정 (Structural Similarity Index Measure: SSIM)에서 파생된 구조 충실도 측정치(Structural Fidelity Measure: SFM)와 통계적 자연성 모델(Statistical Naturalness Model: SNM)을 결합한다. TMQI 는 보편적으로 영상 품질을 평가할 때 사용하는 지표보다 톤 매핑영상에 대해 더 나은 수치를 제공한다 [15].

대상 데이터

1333}으로 설정했다. 밝기 및 대비와 관련되는 통계적 자연성 점수는 약 3000 개의 8 비트 회색조 테스트 셋에 대해 수행된 통계를 기반으로 한다. 기존 영상 테스트 셋 밝기의 평균과 표준편차는 가우시안 (Gaussian)과 베타 확률 분포 함수 (beta probability density function)을 따른다.
평가 지수는 TMQI-II 와 FSITM 을 이용하였다. 실험에 사용된 테스트셋은 기존 실험에서 사용된 HDR 영상 및 자연 영상과 직접 촬영된 영상 그리고 비디오에서 추출한 프레임 세트를 각 10 개씩 이용했다 [16]. 각 영상 세트는 다양한 유형의 영상이 포함되어 있다.

이론/모형

FSITM 방법은 원본 HDR 영상과 톤 매핑 된 LDR 영상의 지역적 위상 유사성 (local phase similarity)을 기반으로 한다. 유사성 지수는 기존의 품질 평가에서 성공적으로 사용된 위상 파생 특징 맵 (phase-derived feature map)을 기반으로 한다.
밝기 및 대비와 관련되는 통계적 자연성 점수는 약 3000 개의 8 비트 회색조 테스트 셋에 대해 수행된 통계를 기반으로 한다. 기존 영상 테스트 셋 밝기의 평균과 표준편차는 가우시안 (Gaussian)과 베타 확률 분포 함수 (beta probability density function)을 따른다. 가우시안 함수와 베타확률 분포는 아래와 같이 나타낸다.
레티넥스 기반의 톤 매핑 기법은 입력 영상에 임의의 스케일의 가우시안 필터를 적용시켜 배경성분을 얻는다. 빛의 세기에 따른 인간의 시각적 인지 체계를 로그 도메인으로 나타내는 Weber 의 법칙에 따라 로그 도메인에서 입력 영상과 배경영상의 차를 출력 영상으로 한다.
실험은 앞서 2 장에서 소개한 기존 톤 매핑 방법들의 평가지수를 비교했다. 평가 지수는 TMQI-II 와 FSITM 을 이용하였다. 실험에 사용된 테스트셋은 기존 실험에서 사용된 HDR 영상 및 자연 영상과 직접 촬영된 영상 그리고 비디오에서 추출한 프레임 세트를 각 10 개씩 이용했다 [16].
유사성 지수는 기존의 품질 평가에서 성공적으로 사용된 위상 파생 특징 맵 (phase-derived feature map)을 기반으로 한다. 하지만 톤 매핑 된 영상의 평가는 SSIM 같은 품질 평가 지표가 아닌 지역 가중치 평균 위상 각도 (Locally Weighted Mean Phase Angle: LWMPA) 맵을 이용한다. LWMPA 맵은 영상에 생긴 잡음에 강한 특성을 가지고 있다.

성능/효과

이러한 동적 영역이 제한된 디스플레이에서 출력하기 위한 영상을 표준 동적 영역(Standard Dynamic Range: SDR) 영상 또는 낮은 동적 영역(Low Dynamic Range: LDR) 영상이라고 한다. 디지털 카메라의 성능이 증가함에 따라 표현할 수 있는 동적 영역도 증가했고, 10bit 이상의 휘도 레벨을 가지는 높은 동적 영역 (High Dynamic Range) 영상이 촬영되었다. 이러한 HDR 영상과 시각적으로 유사하게 LDR 영상을 LDR 디스플레이에서 출력하기 위한 방법으로 다중 노출 영상 혼합 (Multiple Exposure Fusion) 방법 [1-2]과 톤 매핑 기법 (Tone Mapping Operator: TMO) [3-11]이 있다.
[10]에서는 기존의 다중 스케일 성분 분해 톤 매핑 기법 [7], [19]에 WLS 필터를 적용시켰을 때 향상된 톤 매핑 결과를 제공한다는 것을 입증했다. 또한, [9]의 양방향 필터를 WLS 필터로 대체하여 적용함으로써 헤일로 열화를 효과적으로 제거할 수 있음을 보여준다.
또한 TMQI-II 기반으로 목적함수의 매개 변수가 반복적으로 업데이트된다. 최적화를 위한 각 반복 과정에서 결과 영상의 구조 충실도와 통계적 자연성이 향상된다. 따라서, 이 방법은 양질의 톤 매핑 영상을 생성하는 것이 가능하다.

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

HDR 영상 톤 매핑 알고리즘 분석
The Analysis of HDR Tone Mapping Algorithm 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

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

HDR 영상 톤 매핑 알고리즘 분석 The Analysis of HDR Tone Mapping Algorithm 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

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

HDR 영상 톤 매핑 알고리즘 분석
The Analysis of HDR Tone Mapping Algorithm 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper