KR100579890B1 - 움직임 적응적 영상처리 장치 및 그 방법 - Google Patents

움직임 적응적 영상처리 장치 및 그 방법 Download PDF

Info

Publication number
KR100579890B1
KR100579890B1 KR1020040116296A KR20040116296A KR100579890B1 KR 100579890 B1 KR100579890 B1 KR 100579890B1 KR 1020040116296 A KR1020040116296 A KR 1020040116296A KR 20040116296 A KR20040116296 A KR 20040116296A KR 100579890 B1 KR100579890 B1 KR 100579890B1
Authority
KR
South Korea
Prior art keywords
motion
value
weight
calculated
image
Prior art date
Application number
KR1020040116296A
Other languages
English (en)
Inventor
양승준
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020040116296A priority Critical patent/KR100579890B1/ko
Priority to US11/288,402 priority patent/US7885475B2/en
Priority to NL1030729A priority patent/NL1030729C2/nl
Application granted granted Critical
Publication of KR100579890B1 publication Critical patent/KR100579890B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/144—Movement detection
    • H04N5/145—Movement estimation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images

Abstract

움직임 적응적 처리가 적용되는 픽셀 주변 영상의 분산을 이용하여 움직임 적응적 영상처리시 이용되는 가중치를 계산하는 움직임 적응적 처리 장치 및 그 방법이 개시된다. 본 움직임 적응적 영상처리 장치는 연속하여 입력되는 필드 중에서 현재 필드를 적어도 하나의 클래스 영역으로 분류하는 분류부, 현재 필드에서 움직임 적응적 영상처리가 적용되는 픽셀 주변의 소정영역에 위치하는 픽셀값들을 이용하여 분산값을 계산하는 계산부, 분류된 클래스 영역의 종류에 따라 기설정된 최대 분산값과 최소 분산값, 및 계산된 분산값에 기초하여 움직임 적응적 영상처리에 적용될 가중치 계산시 이용되는 문턱값을 계산하는 문턱값 계산부, 현재 필드의 전후 필드들을 이용하여 영상의 움직임 변화를 계산하는 움직임 계산부, 및 문턱값 및 영상의 움직임 변화를 이용하여 픽셀에 적용될 가중치를 산출하는 가중치 계산부를 포함한다. 이에 의해, 소정영역의 픽셀값에 대한 분산값을 이용하여 실제 영상의 움직임에 의해 움직임 변화가 큰 영상을 정확하게 검출함으로써 화질의 열화를 방지할 수 있다.
움직임, 가중치, 적응적, 분산

Description

움직임 적응적 영상처리 장치 및 그 방법{Motion adaptive image pocessing apparatus and method thereof}
도 1은 본 발명의 일실시예에 따른 움직임 적응적 영상처리 장치의 블럭도,
도 2는 본 발명의 일실시예에 따른 움직임 적응적 영상처리 방법을 설명하기 위한 흐름도, 그리고
도 3은 도 1의 가중치 계산부에 의해 계산된 움직임 변화에 따른 가중치를 나타낸 그래프이다.
* 도면의 주요 부분에 대한 부호의 설명 *
100: 분류부 200: 계산부
300: 문턱값 계산부 400: 움직임 계산부
500: 가중치 계산부
본 발명은 움직임 적응적 처리장치 및 그 방법에 관한 것으로, 더욱 상세하게는 움직임 적응적 처리가 적용되는 픽셀 주변 영상의 분산을 이용하여 움직임 적응적 영상처리시 이용되는 가중치를 계산하는 움직임 적응적 영상처리 장치 및 그 방법에 관한 것이다.
일반적으로 움직임을 검출하는 방법은 현재 필드를 기준으로 전후 필드의 두 영상간의 픽셀값의 차를 이용한다. 두 영상간의 픽셀값의 차값이 큰 경우에는 움직임이 큰 경우이며, 픽셀값의 차값이 작은 경우에는 움직임이 작은 경우에 해당한다. 그러나, 영상에 에지(edge)와 같이 다수의 고주파 성분이 포함된 영상이 존재하거나 노이즈가 다수 섞여 있는 영상들이 존재할 경우, 실제 움직임이 없는 영상임에도 불구하고 이러한 영상들을 움직임이 큰 영상으로 판단하게 된다.
따라서, 움직임이 정확하게 검출되지 않음으로써 영상처리시 움직임에 따른 적응적 영상 처리방법이 적절하게 선택되지 않게 된다. 적절하지 않은 움직임에 따른 적응적 영상 처리방법이 영상에 적용됨으로써 화질의 열화가 발생하게 된다.
따라서, 본 발명의 목적은 움직임 적응적 영상처리가 적용되는 픽셀 주변의 픽셀들을 이용하여 계산된 분산을 이용하여 영상에 적용되는 가중치를 계산함으로써, 영상의 움직임에 따라 정확하게 영상을 처리할 수 있는 움직임 적응적 영상처리 장치 및 그 방법을 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명에 따른 움직임 적응적 영상처리 장치는
연속하여 입력되는 필드 중에서 현재 필드를 적어도 하나의 클래스 영역으로 분류하는 분류부, 상기 현재 필드에서 움직임 적응적 영상처리가 적용되는 픽셀 주변의 소정영역에 위치하는 픽셀값들을 이용하여 분산값을 계산하는 계산부, 상기 분류된 클래스 영역의 종류에 따라 기설정된 최대 분산값과 최소 분산값, 및 상기 계산된 분산값에 기초하여 상기 움직임 적응적 영상처리에 적용될 가중치 계산시 이용되는 문턱값을 계산하는 문턱값 계산부, 상기 현재 필드의 전후 필드들을 이용하여 영상의 움직임 변화를 계산하는 움직임 계산부, 및 상기 문턱값 및 상기 영상의 움직임 변화를 이용하여 상기 픽셀에 적용될 가중치를 산출하는 가중치 계산부를 포함한다.
바람직하게는, 상기 분류부는 상기 현재 필드의 픽셀값의 차이에 기초하여 상기 클래스 영역을 분류한다. 또한, 상기 문턱값 계산부는, 상기 계산된 분산값이 상기 최대 분산값 보다 큰 경우에는 상기 최대 분산값을, 상기 최소 분산값 보다 작은 경우에는 상기 최소 분산값을, 상기 계산된 분산값이 상기 최소 분산값 보다 크고 상기 최대 분산값 보다 작은 경우에는 상기 계산된 분산값을 상기 문턱값으로 결정하는 것이 바람직하다.
바람직하게는, 상기 움직임 계산부는, 상기 현재 필드 이전에 입력된 이전 필드 및 상기 현재 필드 이후에 입력된 다음 필드 중 적어도 어느 하나의 필드에서 추정된 움직임 벡터를 적용하여 상기 영상의 움직임 변화를 계산한다.
그리고, 상기 가중치 계산부는, 상기 계산된 움직임 변화가 상기 문턱값 이상인 경우에 상기 계산된 움직임에 비례하도록 가중치를 계산하고, 움직임 변화가 소정값 이상인 경우에는 일정 가중치가 되도록 상기 가중치를 산출하는 것이 가능하다.
한편, 본 발명의 움직임 적응적 영상처리 방법은, 연속하여 입력되는 필드 중에서 현재 필드를 적어도 하나의 클래스 영역으로 분류하는 단계, 상기 현재 필드에서 움직임 적응적 영상처리가 적용되는 픽셀 주변의 소정영역에 위치하는 픽셀값들을 이용하여 분산값을 계산하는 단계, 상기 분류된 클래스 영역의 종류에 따라 기설정된 최대 분산값과 최소 분산값, 및 상기 계산된 분산을 기초로 상기 움직임 적응적 영상처리에 적용될 가중치 계산시 이용되는 문턱값을 계산하는 단계, 상기 현재 필드의 전후 필드들을 이용하여 영상의 움직임 변화를 계산하는 단계, 및 상기 문턱값 및 상기 영상의 움직임 변화를 이용하여 상기 픽셀에 적용될 가중치를 산출하는 단계를 포함한다.
상기 분류하는 단계는, 상기 현재 필드의 픽셀값의 차이에 기초하여 상기 클래스 영역의 종류를 분류하는 것이 바람직하다.
바람직하게는, 상기 문턱값을 계산하는 단계는, 상기 계산된 분산값이 상기 최대 분산값 보다 큰 경우에는 상기 최대 분산값을, 상기 최소 분산값 보다 작은 경우에는 상기 최소 분산값을, 상기 계산된 분산값이 상기 최소 분산값 보다 크고 상기 최대 분산값 보다 작은 경우에는 상기 계산된 분산값을 상기 문턱값으로 결정한다. 또한, 상기 움직임 변화를 계산하는 단계는, 상기 현재 필드 이전에 입력된 이전 필드 및 상기 현재 필드 이후에 입력된 다음 필드 중 적어도 어느 하나에 추정된 움직임 벡터를 적용하여 상기 영상의 움직임 변화를 계산하는 것이 가능하다.
그리고, 상기 가중치를 계산하는 단계는, 상기 계산된 움직임 변화가 상기 문턱값 이상인 경우에 상기 계산된 움직임 변화에 비례하는 가중치를 계산하고, 움직임 변화가 소정값 이상인 경우에는 일정 가중치가 되도록 가중치를 계산하는 것 이 바람직하다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 움직임 적응적 영상 처리 장치의 블럭도이다.
도 1을 참조하면, 본 발명에 따른 움직임 적응적 영상처리 장치는 분류부(100), 계산부(200), 문턱값 계산부(300), 움직임 계산부(400), 및 가중치 계산부(500)를 포함한다.
먼저, 분류부(100)는 연속하여 입력되는 필드 중에서 현재 필드를 적어도 하나의 클래스 영역으로 분류한다. 현재 필드에서 필드들의 소정 픽셀의 픽셀값의 차이를 계산함으로써 현재 필드의 소정 크기의 클래스 영역으로 분류하며, 클래스 영역의 정지영상, 움직임 영상, 떨림(flickering) 영상 등이 될 수 있다. 그리고, 각각의 클래스 영역에 따라 픽셀값의 최대 분산값 또는 표준편차, 및 최소 분산값 또는 표준편차가 정해진다.
계산부(200)는 움직임 적응적 영상 처리를 적용하고자 하는 픽셀 주변의 소정영역에 위치하는 픽셀들을 이용하여 분산값을 계산한다. 소정영역의 픽셀의 분산값은 다음의 수학식에 의해 구할 수 있다.
Figure 112004062699875-pat00001
여기서, σ2는 분산값, f(x,y,k)는 소정영역의 픽셀값, μ는 소정영역의 평 균 픽셀값, E는 기대 연산(expection operation )이다. 이때, 분산값 뿐만 아니라 분산값의 제곤급인 표준편차(σ)을 이용할 수 있다.
즉, 소정영역의 분산값은 소정영역의 픽셀값에서 소정영역의 평균 픽셀값을 뺀 값의 제곱에 기대 연산을 적용하여 계산할 수 있다.
문턱값 계산부(300)는 분류부(100) 및 계산부(200)의 결과를 이용하여 움직임 적응적 영상처리에 적용되는 가중치 계산시 이용되는 움직임 변화의 문턱값을 계산한다. 문턱값은 다음의 수학식에 의해 구할 수 있다.
Figure 112004062699875-pat00002
Figure 112004062699875-pat00003
Figure 112004062699875-pat00004
여기서, Th는 문턱값, σ는 소정영역의 표준편차, σmin는 표준편차의 최소값, 그리고 σmax는 표준편차의 최대값이다. 이때, 표준편차의 최소값인 σmin와 표준편차의 최대값인 σmax는 분류부(100)에서 분류된 영상의 종류에 따라 상이하며, 영상의 종류에 따른 최대 표준편차 및 최소 표준편차는 문턱값 계산부(300)에 기설정되어 있다. 예를 들어, 입력영상에서 정지영상으로 분류된 영상의 표준편차의 최대값 및 최소값은 움직임 영상으로 분류된 영상의 표준편차의 최대값 및 최소값 보다 작게 설정된다.
[수학식 2] 내지 [수학식 4]에 나타낸 바와 같이, 계산부(200)에서 계산된 소정영역의 표준편차가 영상의 종류에 따라 기설정된 표준편차의 최대값 보다 큰 경우, 기설정된 표준편차의 최대값을 문턱값으로 결정한다. 계산부(200)에서 계산된 소정영역의 표준편차가 기설정된 표준편차의 최소값 보다 작은 경우, 기설정된 표준편차의 최소값을 문턱값으로 결정한다. 그리고, 계산부(200)에서 계산된 소정영역의 표준편차가 기설정된 표준편차의 최소값 보다 크고 표준편차의 최대값 보다 작은 경우에는 계산된 소정영역의 표준편차를 문턱값으로 결정한다.
문턱값 계산은 [수학식 2]내지 [수학식 4]와 달리 다음의 수학식에 의해 구할 수 있다.
Figure 112004062699875-pat00005
Figure 112004062699875-pat00006
Figure 112004062699875-pat00007
여기서, Th는 문턱값, Ψ(σ)는 계산부(200)에서 계산된 소정영역의 표준편차에 대한 임의의 함수값, σmin는 표준편차의 최소값, 그리고 σmax는 표준편차의 최대값이다. 이때, 표준편차의 최소값인 σmin와 표준편차의 최대값인 σmax는 분류부 (100)에서 분류된 영상의 종류에 따라 상이하며, 문턱값 계산부(300)에 기설정되어 있다.
[수학식 2]내지 [수학식 4]의 경우와 같이, 계산부(200)에서 계산된 소정영역의 표준편차에 대한 함수값이 영상의 종류에 따라 기설정된 표준편차의 최대값 보다 큰 경우에는 기설정된 표준편차의 최대값을 문턱값으로 결정하며, 기설정된 표준편차의 최소값 보다 작은 경우에는 기설정된 표준편차의 최소값을 문턱값으로 결정한다. 그리고, 계산부(200)에서 계산된 소정영역의 표준편차가 기설정된 표준편차의 최소값 보다 크고 표준편차의 최대값 보다 작은 경우, 계산된 소정영역의 표준편차에 대한 함수값을 문턱값으로 결정한다.
영상의 클래스 종류에 따라 기설정되는 최대 표준편차 및 최소 표준편차는 정지영상이 움직임 영상보다 작으므로 문턱값 계산부(300)에서 계산되는 문턱값 또한 정지영상의 문턱값이 움직임 영상의 문턱값 보다 작다.
움직임 계산부(400)는 연속하여 입력되는 필드들을 이용하여 영상의 움직임변화를 계산한다. 영상의 움직임 변화는 다음의 수학식에 의해 구할 수 있다.
Figure 112004062699875-pat00008
여기서, △은 영상의 움직임이며, f(x,y,k-1) 및 f(x,y,k+1)은 픽셀값이다. 연속하여 입력되는 세필드를 이용하여 영상의 움직임 변화를 계산할 경우, 움직임 적응적 영상처리가 적용되는 필드인 현재 필드 이전에 입력된 이전 필드 및 이후에 입력된 다음 필드에 존재하는 픽셀간의 차값을 이용하여 영상의 움직임 변화를 계 산한다.
한편, 움직임 추정과 보상을 이용하여 움직임 적응 영상처리를 할 경우에 계산되는 움직임 변화는 다음의 수학식들에 의해 구할 수 있다.
Figure 112004062699875-pat00009
Figure 112004062699875-pat00010
Figure 112004062699875-pat00011
여기서, △은 영상의 움직임이며, f(x,y,k-1) 및 f(x,y,k+1)은 픽셀값, (vx, v_y)은 추정된 움직임 벡터이다.
움직임 추정과 보상을 이용하여 움직임 적응 영상처리를 할 경우에는 움직임 적응적 영상처리가 적용되는 필드인 현재 필드 이전에 입력된 이전 필드 및 이후에 입력된 다음 필드에 추정된 움직임 벡터를 적용한 후에 영상의 움직임 변화를 계산한다. 즉, 이전 필드 또는 다음 필드의 픽셀값에 추정된 움직임 벡터를 적용하거나, 이전 필드 및 다음 필드의 픽셀값에 추정된 움직임 벡터를 적용한 후, 이전필드의 픽셀과 이후필드의 픽셀간의 차값을 이용하여 영상의 움직임 변화를 계산한다.
가중치 계산부(500)는 움직임 계산부(400)에서 계산된 영상의 움직임 변화 및 문턱값 계산부(300)에서 계산된 문턱값을 이용하여 영상의 움직임 적응적 영상처리에 적용될 가중치를 계산한다. 계산되는 가중치는 문턱값 계산부(300)에서 계산된 문턱값 보다 큰 움직임 변화를 갖는 경우에만 움직임 적용적 영상처리시 가중치를 부여한다.
그리고, 소정값 이상의 움직임 변화를 갖는 경우에는 영상의 움직임 적용적 영상처리시 적용되는 가중치가 일정값으로 유지되도록 한다. 즉, 큰 움직임 변화를 갖는 영상에 대해 움직임 변화에 따라 비례적으로 가중치를 적용하는 것이 아니라 소정 움직임 변화 이상의 경우에는 일정한 가중치를 부여한다. 따라서, 노이즈, 에지(edge) 등에 의해 영상이 큰 움직임을 갖는 경우에 계산되는 움직임 변화에 따라 영상을 처리하는 것이 아니라 일정한 가중치가 부여되도록 하여 영상의 움직임 변화에 따른 적절한 영상 처리가 되도록 한다.
도 2는 본 발명의 일실시예에 따른 움직임 적응적 영상처리 방법을 설명하기 위한 흐름도이다.
도 2를 참조하면, 연속하여 입력되는 필드 중에서 현재 필드를 적어도 하나의 클래스 영역으로 분류한다(S901). 연속하여 입력되는 필드들의 소정 픽셀의 픽셀값의 차이를 계산함으로써 입력영상의 종류를 분류할 수 있다. 분류되는 클래스의 종류는 계산된 픽셀값의 차값에 따라 정지영상, 움직임 영상, 떨림(flickering) 영상 등이 될 수 있다. 그리고, 각각의 클래스 종류에 따라 최대 분산값 또는 표준편차, 및 최소 분산값 또는 표준편차가 정해진다.
예를 들어, 움직임 영상의 최대 분산값 및 최소 분산값은 정지영상의 최대 분산값 및 최소 분산값에 비해 상대적으로 높은 값을 갖게 된다. 이러한 영상의 종류에 따른 최대 분산값 또는 표준편차, 및 최소 분산값 또는 표준편차는 영상의 움직임 적응적 영상처리시 가중치 적용할 때 이용되는 문턱값 계산시 사용된다.
이어, 영상의 움직임 적응적 영상처리시 가중치 적용할 때 사용되는 문턱값 계산시 이용되는 영상의 분산값을 계산한다(S903). 분산값은 움직임 적응적 영상처리를 적용하고자 하는 픽셀 주변의 소정영역에 위치하는 픽셀들을 이용하여 계산한다. 소정영역의 픽셀값의 평균값을 계산한 후 소정영역의 각 픽셀값과 계산된 픽셀 평균값의 차값의 제곱을 합산하여 분산을 계산한다. 이때, 분산값 뿐만 아니라 분산값의 제곱근인 표준편차를 이용할 수 있다.
이는 움직임 적응적 처리를 적용하려는 픽셀의 움직임이 주변의 소정영역의 픽셀들에 비해 상대적으로 큰 움직임을 갖음으로써 계산되는 분산값이 큰 경우, 이 픽셀은 영상의 움직임에 의한 것이 아니라 노이즈, 에지 등에 의해 큰 움직임을 갖는 것으로 판단할 수 있다. 따라서, 움직임 적응적 영상처리를 적용하려는 픽셀이 큰 움직임 변화를 갖는 것으로 계산더라도 분산값이 큰 경우에는 계산되는 움직임 변화에 따라 움직임 적응적 영상처리를 적용하는 것이 아니라 일정값의 가중치를 적용하여 움직임 적응적 영상처리를 적용하도록 한다.
이어, 분류된 입력영상의 종류 및 계산된 분산값을 이용하여 움직임 적응적 영상처리에 적용되는 가중치 계산시 이용되는 문턱값을 계산한다(S905). 이때, 분류된 입력영상의 종류에 따른 최대 분산값 또는 표준편차 및 최소 분산값 또는 표준편차는 기설정되어 있다.
S901단계에서 분류된 입력영상의 종류에 해당하는 최대 분산값 및 최소 분산값과 계산된 소정영역의 분산값을 비교하여 문턱값을 계산한다. 소정영역의 분산값이 최대 분산값 보다 큰 경우에는 최대 분산값을 문턱값으로 계산하고, 소정영역의 분산값이 최소 분산값이 보다 작은 경우에는 최소 분산값을 문턱값으로 계산한다. 그리고, 소정영역의 분산값이 최소 분산값 보다 크고 최대 분산값 보다 작은 경우,소정영역의 분산값을 문턱값을 계산한다. 이때, 문턱값은 소정영역의 표준편차를 이용하여 계산될 수 있다.
한편, 분류된 입력영상의 종류와, 소정영역의 분산값을 비교하여 문턱값을 계산하는 것이 아니라 소정영역의 분산값에 대한 임의의 함수값을 비교하여 문턱값을 계산할 수 있다.
이어, 연속하여 입력되는 필드들을 이용하여 영상의 움직임 변화를 계산한다(S907). 움직임 적응적 영상처리가 적용되는 필드인 현재필드 이전에 입력된 이전필드 및 이후에 입력된 이후필드에 존재하는 픽셀간의 차값을 이용하여 영상의 움직임 변화를 계산한다.
한편, 움직임 추정과 보상을 이용하여 움직임 적응 영상처리를 할 경우, 움직임 적응적 영상처리가 적용되는 필드인 현재 필드 이전에 입력된 이전 필드 및 이후에 입력된 다음 필드에 추정된 움직임 벡터를 적용한 후에 영상의 움직임 변화를 계산한다.
즉, 이전 필드 또는 다음 필드의 픽셀값에 추정된 움직임 벡터를 적용하거나 이전필드 및 이후필드의 픽셀값에 추정된 움직임 벡터를 적용한 후, 이전필드의 픽 셀과 이후필드의 픽셀간의 차값을 이용하여 영상의 움직임 변화를 계산한다.
이어, 계산된 문턱값 및 움직임 변화를 이용하여 영상의 움직임 적응적 영상처리에 적용될 가중치를 계산한다(S909). 계산되는 가중치는 문턱값 보다 큰 움직임 변화를 갖는 경우에만 움직임 적응적 영상처리시 가중치를 부여하고, 문턱값 보다 큰 소정값 이상의 움직임 변화를 갖는 경우에는 영상의 움직임 적응적 영상처리시 적용되는 가중치가 일정값으로 유지되도록 한다.
따라서, 노이즈, 에지(edge) 등에 의해 영상이 큰 움직임 변화를 갖는 경우, 계산되는 움직임 변화에 따라 영상을 처리하는 것이 아니라 일정한 가중치가 부여되도록 한다. 노이즈, 에지 등에 의해 영상이 큰 움직임 변화를 갖는 경우에는 영상이 실제 움직이는 것에 의해 큰 움직임 변화가 계산되는 것이 아니므로 움직임 적응적 영상 처리시 노이즈, 에지 등에 의해 영상이 큰 움직임 변화를 갖는 것을 고려되도록 하기 위함이다.
도 3은 도 1의 가중치 계산부(500)에서 계산된 움직임 변화에 따른 가중치를 나타낸 그래프이다. 여기서, 그래프의 가로축은 영상의 움직임 변화(△)이며, 세로축은 영상 처리시 영상의 움직임에 따라 적용되는 가중치(W)이다.
도 3을 참조하면, 영상에 움직임 적응적 영상처리시 문턱값 이상의 움직임 변화를 갖는 영상에 대하여 가중치를 부여하며, 문턱값 보다 큰 소정값 이상의 움직임 변화를 갖는 영상에 대하여는 일정한 가중치를 부여한다.
에지와 같이 주파수가 높거나 영상에 잡음이 많아서 움직임값 자체가 크게 계산될 경우에도 영상의 움직임에 의해 계산된 움직임값과 같이 영상 처리를 할 경 우 영상의 열화가 발생할 수 있다. 따라서, 에지, 노이즈 등에 의해 움직임값이 크게 계산될 경우에는 움직임 변화에 따라 비례적으로 가중치를 적용하는 것이 아니라 가중치 '1'를 적용하여 영상을 처리한다.
그리고, 영상 처리시 영상의 움직임 변화에 따른 가중치 적용은 분류되는 입력영상의 종류에 따라 문턱값이 상이하게 계산된다. 따라서, 입력영상이 정지영상일 경우에는 문턱값이 낮게 계산되어 움직임 영상에 비해 상대적으로 작은 움직임 변화에도 가중치가 적용된다.
이상 설명한 바와 같이, 본 발명에 따르면 소정영역의 픽셀값에 대한 분산값을 이용하여 실제 영상의 움직임에 의해 움직임 변화가 큰 영상을 정확하게 검출함으로써 화질의 열화를 방지할 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

Claims (10)

  1. 연속하여 입력되는 필드 중에서 현재 필드를 적어도 하나의 클래스 영역으로 분류하는 분류부;
    상기 현재 필드에서 움직임 적응적 영상처리가 적용되는 픽셀 주변의 소정영역에 위치하는 픽셀값들을 이용하여 분산값을 계산하는 계산부;
    상기 분류된 클래스 영역의 종류에 따라 기설정된 최대 분산값과 최소 분산값, 및 상기 계산된 분산값에 기초하여 상기 움직임 적응적 영상처리에 적용될 가중치 계산시 이용되는 문턱값을 계산하는 문턱값 계산부;
    상기 현재 필드의 전후 필드들을 이용하여 영상의 움직임 변화를 계산하는 움직임 계산부; 및
    상기 문턱값 및 상기 영상의 움직임 변화를 이용하여 상기 픽셀에 적용될 가중치를 산출하는 가중치 계산부;를 포함하는 것을 특징으로 하는 움직임 적응적 영상처리 장치.
  2. 제1항에 있어서,
    상기 분류부는 상기 현재 필드의 픽셀값의 차이에 기초하여 상기 클래스 영역을 분류하는 것을 특징으로 하는 움직임 적응적 영상처리 장치.
  3. 제1항에 있어서,
    상기 문턱값 계산부는, 상기 계산된 분산값이 상기 최대 분산값 보다 큰 경우에는 상기 최대 분산값을, 상기 최소 분산값 보다 작은 경우에는 상기 최소 분산값을, 상기 계산된 분산값이 상기 최소 분산값 보다 크고 상기 최대 분산값 보다 작은 경우에는 상기 계산된 분산값을 상기 문턱값으로 결정하는 것을 특징으로 하 는 움직임 적응적 영상처리 장치.
  4. 제1항에 있어서,
    상기 움직임 계산부는, 상기 현재 필드 이전에 입력된 이전 필드 및 상기 현재 필드 이후에 입력된 다음 필드 중 적어도 어느 하나의 필드에서 추정된 움직임 벡터를 적용하여 상기 영상의 움직임 변화를 계산하는 것을 특징으로 하는 움직임 적응적 영상처리 장치.
  5. 제1항에 있어서,
    상기 가중치 계산부는, 상기 계산된 움직임 변화가 상기 문턱값 이상인 경우에 상기 계산된 움직임에 비례하도록 가중치를 계산하고, 움직임 변화가 소정값 이상인 경우에는 일정 가중치가 되도록 상기 가중치를 산출하는 것을 특징으로 하는 움직임 적응적 영상처리 장치.
  6. 연속하여 입력되는 필드 중에서 현재 필드를 적어도 하나의 클래스 영역으로 분류하는 단계;
    상기 현재 필드에서 움직임 적응적 영상처리가 적용되는 픽셀 주변의 소정영역에 위치하는 픽셀값들을 이용하여 분산값을 계산하는 단계;
    상기 분류된 클래스 영역의 종류에 따라 기설정된 최대 분산값과 최소 분산값, 및 상기 계산된 분산을 기초로 상기 움직임 적응적 영상처리에 적용될 가중치 계산시 이용되는 문턱값을 계산하는 단계;
    상기 현재 필드의 전후 필드들을 이용하여 영상의 움직임 변화를 계산하는 단계; 및
    상기 문턱값 및 상기 영상의 움직임 변화를 이용하여 상기 픽셀에 적용될 가중치를 산출하는 단계;를 포함하는 것을 특징으로 하는 움직임 적응적 영상처리 방법.
  7. 제6항에 있어서,
    상기 분류하는 단계는, 상기 현재 필드의 픽셀값의 차이에 기초하여 상기 클래스 영역의 종류를 분류하는 것을 특징으로 하는 움직임 적응적 영상처리 방법.
  8. 제6항에 있어서,
    상기 문턱값을 계산하는 단계는, 상기 계산된 분산값이 상기 최대 분산값 보다 큰 경우에는 상기 최대 분산값을, 상기 최소 분산값 보다 작은 경우에는 상기 최소 분산값을, 상기 계산된 분산값이 상기 최소 분산값 보다 크고 상기 최대 분산값 보다 작은 경우에는 상기 계산된 분산값을 상기 문턱값으로 결정하는 것을 특징으로 하는 움직임 적응적 영상처리 방법.
  9. 제6항에 있어서,
    상기 움직임 변화를 계산하는 단계는, 상기 현재 필드 이전에 입력된 이전 필드 및 상기 현재 필드 이후에 입력된 다음 필드 중 적어도 어느 하나에 추정된 움직임 벡터를 적용하여 상기 영상의 움직임 변화를 계산하는 것을 특징으로 하는 움직임 적응적 영상처리 방법.
  10. 제6항에 있어서,
    상기 가중치를 계산하는 단계는, 상기 계산된 움직임 변화가 상기 문턱값 이상인 경우에 상기 계산된 움직임 변화에 비례하는 가중치를 계산하고, 움직임 변화가 소정값 이상인 경우에는 일정 가중치가 되도록 가중치를 계산하는 것을 특징으로 하는 움직임 적응적 영상처리 방법.
KR1020040116296A 2004-12-30 2004-12-30 움직임 적응적 영상처리 장치 및 그 방법 KR100579890B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020040116296A KR100579890B1 (ko) 2004-12-30 2004-12-30 움직임 적응적 영상처리 장치 및 그 방법
US11/288,402 US7885475B2 (en) 2004-12-30 2005-11-29 Motion adaptive image processing apparatus and method thereof
NL1030729A NL1030729C2 (nl) 2004-12-30 2005-12-21 Beweging-adaptief beeldverwerkingstoestel en bewegingsadaptieve werkwijze daarvoor.

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020040116296A KR100579890B1 (ko) 2004-12-30 2004-12-30 움직임 적응적 영상처리 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR100579890B1 true KR100579890B1 (ko) 2006-05-15

Family

ID=36640492

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020040116296A KR100579890B1 (ko) 2004-12-30 2004-12-30 움직임 적응적 영상처리 장치 및 그 방법

Country Status (3)

Country Link
US (1) US7885475B2 (ko)
KR (1) KR100579890B1 (ko)
NL (1) NL1030729C2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101782818B1 (ko) 2011-01-21 2017-09-29 삼성디스플레이 주식회사 데이터 처리 방법, 데이터 구동 회로 및 이를 포함하는 표시 장치

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8212717B2 (en) * 2006-10-26 2012-07-03 Raytheon Company Radar imaging system and method using second moment spatial variance
US8054217B2 (en) * 2006-10-26 2011-11-08 Raytheon Company Radar imaging system and method using gradient magnitude second moment spatial variance detection
US20080310677A1 (en) * 2007-06-18 2008-12-18 Weismuller Thomas P Object detection system and method incorporating background clutter removal
KR101520620B1 (ko) * 2008-08-18 2015-05-18 삼성전자주식회사 2차원/3차원 재생 모드 결정 방법 및 장치
US8280158B2 (en) * 2009-10-05 2012-10-02 Fuji Xerox Co., Ltd. Systems and methods for indexing presentation videos
KR101373704B1 (ko) * 2012-05-29 2014-03-14 주식회사 코아로직 적응적 가중치 예측을 이용한 영상 처리 방법
RU2014110361A (ru) * 2014-03-18 2015-09-27 ЭлЭсАй Корпорейшн Процессор изображений, сконфигурированный для эффективной оценки и устранения информации переднего плана на изображениях
KR20170116043A (ko) * 2015-02-12 2017-10-18 엘지전자 주식회사 그래프 기반 변환을 이용하여 비디오 신호를 처리하는 방법 및 장치
CN106572345B (zh) * 2015-10-13 2018-09-25 富士通株式会社 闪烁检测装置及方法
US9674439B1 (en) * 2015-12-02 2017-06-06 Intel Corporation Video stabilization using content-aware camera motion estimation
US10436895B2 (en) * 2016-06-09 2019-10-08 Ellumen, Inc. Phase confocal method for near-field microwave imaging
KR102282455B1 (ko) * 2017-07-11 2021-07-28 한화테크윈 주식회사 영상 처리 장치 및 영상 처리 방법
JP6946979B2 (ja) * 2017-11-29 2021-10-13 富士通株式会社 動画像符号化装置、動画像符号化方法、及び動画像符号化プログラム
US10410371B2 (en) * 2017-12-21 2019-09-10 The Boeing Company Cluttered background removal from imagery for object detection

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0537961A (ja) 1991-07-31 1993-02-12 Nec Home Electron Ltd テレビ信号補正装置
JP3700195B2 (ja) * 1995-01-10 2005-09-28 ソニー株式会社 復号化装置、再生装置、記録再生装置、画像処理システム、復号化方法、再生方法、記録再生方法及び画像処理方法
JPH09319978A (ja) 1996-05-31 1997-12-12 Hitachi Ltd 侵入物体監視装置
JP3411469B2 (ja) 1997-04-14 2003-06-03 日本電信電話株式会社 フレーム多重画像作成方法
KR20000026757A (ko) 1998-10-22 2000-05-15 국필종 동작 검출 시스템 및 방법
JP4253909B2 (ja) 1999-04-09 2009-04-15 ソニー株式会社 画像処理装置および画像処理方法
JP4725001B2 (ja) * 2000-08-07 2011-07-13 ソニー株式会社 画像処理装置及び方法、並びに記録媒体
JP4729812B2 (ja) * 2001-06-27 2011-07-20 ソニー株式会社 画像処理装置および方法、記録媒体、並びにプログラム
US7375760B2 (en) * 2001-12-31 2008-05-20 Texas Instruments Incorporated Content-dependent scan rate converter with adaptive noise reduction
KR100833228B1 (ko) * 2002-02-21 2008-05-28 삼성전자주식회사 고정 연산량을 갖는 동영상 부호화 방법 및 그 장치
KR100492127B1 (ko) * 2002-02-23 2005-06-01 삼성전자주식회사 적응형 움직임 추정장치 및 추정 방법
KR100441509B1 (ko) * 2002-02-25 2004-07-23 삼성전자주식회사 주사포맷변환장치 및 방법
KR20040050577A (ko) 2002-12-10 2004-06-16 삼성전자주식회사 디인터레이싱 장치 및 방법
KR20040058929A (ko) * 2002-12-27 2004-07-05 삼성전자주식회사 Ｄｔｃ 기반의 개선된 동영상 부호화 방법 및 그 장치
JP2007504741A (ja) * 2003-09-04 2007-03-01 コニンクリユケ フィリップス エレクトロニクス エヌ．ブイ． ビデオ信号の頑強なデインタレース
US20050175099A1 (en) * 2004-02-06 2005-08-11 Nokia Corporation Transcoder and associated system, method and computer program product for low-complexity reduced resolution transcoding

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101782818B1 (ko) 2011-01-21 2017-09-29 삼성디스플레이 주식회사 데이터 처리 방법, 데이터 구동 회로 및 이를 포함하는 표시 장치

Also Published As

Publication number Publication date
NL1030729C2 (nl) 2007-10-19
US7885475B2 (en) 2011-02-08
US20060147090A1 (en) 2006-07-06
NL1030729A1 (nl) 2006-07-03

Similar Documents

Publication Publication Date Title
KR100579890B1 (ko) 움직임 적응적 영상처리 장치 및 그 방법
US10096092B2 (en) Image processing system and computer-readable recording medium
US9454805B2 (en) Method and apparatus for reducing noise of image
EP1681849B1 (en) Apparatus for removing noise from a video signal
US7224735B2 (en) Adaptive background image updating
Sadaka et al. A no-reference perceptual image sharpness metric based on saliency-weighted foveal pooling
US9191589B2 (en) Image processing device
KR20180109665A (ko) 객체 검출을 위한 영상 처리 방법 및 장치
US8055092B2 (en) Image processing apparatus and image processing method
US20070036429A1 (en) Method, apparatus, and program for object detection in digital image
CN109743473A (zh) 视频图像3d降噪方法、计算机装置及计算机可读存储介质
US9324135B2 (en) Image processing system, image processing method, and image processing program
US8135228B2 (en) Apparatus and method for immersion generation
JP2021064054A (ja) 路上障害物検知装置、路上障害物検知方法、及び路上障害物検知プログラム
JP2004523941A (ja) 最近傍クラスフィルタリングによる解像度の向上
CN111415317A (zh) 图像处理方法及装置、电子设备、计算机可读存储介质
EP3462725A1 (en) Image processing method, image processing apparatus, imaging apparatus, and program
CN115457614B (zh) 一种图像质量评价方法、模型训练方法及装置
GB2621520A (en) Systems and methods for determining an adaptive region of interest (ROI) for image metrics calculations
Ishida et al. Shadow detection by three shadow models with features robust to illumination changes
Carbonaro et al. A comprehensive approach to image-contrast enhancement
KR19990032185A (ko) 정지 영상의 노이즈 제거 방법 및 장치
US20190087644A1 (en) Adaptive system and method for object detection
Cheng et al. A fully-blind and fast image quality predictor with convolutional neural networks
WO2024024283A1 (ja) 画像認識支援装置、方法及びプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130429

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20140429

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20150429

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20160428

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20170427

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20180427

Year of fee payment: 13

LAPS Lapse due to unpaid annual fee