KR101321840B1 - 퍼지 기반 레티넥스를 이용한 영상 정규화 방법 및 장치 - Google Patents

퍼지 기반 레티넥스를 이용한 영상 정규화 방법 및 장치 Download PDF

Info

Publication number
KR101321840B1
KR101321840B1 KR1020120043124A KR20120043124A KR101321840B1 KR 101321840 B1 KR101321840 B1 KR 101321840B1 KR 1020120043124 A KR1020120043124 A KR 1020120043124A KR 20120043124 A KR20120043124 A KR 20120043124A KR 101321840 B1 KR101321840 B1 KR 101321840B1
Authority
KR
South Korea
Prior art keywords
image
input
filtering
adjustment value
input image
Prior art date
Application number
KR1020120043124A
Other languages
English (en)
Inventor
김재희
박강령
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020120043124A priority Critical patent/KR101321840B1/ko
Application granted granted Critical
Publication of KR101321840B1 publication Critical patent/KR101321840B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/32—Normalisation of the pattern dimensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 정규화(Normalization) 대상이 되는 입력 영상을 입력 받는 단계, 입력 영상에 대하여 정규화를 수행하기 전, 미리 설정된 단위 영상의 크기로 크기 정규화를 하고, 크기 정규화 된 영상을 기초로 상기 입력 영상의 균일도를 계산하는 단계, 입력 영상의 균일도를 기초로 상기 입력 영상의 균일도를 증가시키기 필터링 정도를 설정하는 필터링 조정치를 산출하는 단계 및 입력 영상에 대하여 산출된 필터링 조정치를 적용한 필터링을 수행하여 출력 영상을 생성하는 단계를 포함하는 영상 정규화 방법 및 장치를 제공한다.

Description

퍼지 기반 레티넥스를 이용한 영상 정규화 방법 및 장치{IMAGE NORMALIZATION METHOD AND APPARATUS BY USING FUZZY-BASED RETINEX}
본 발명은 퍼지 기반 레티넥스를 이용한 영상 정규화 방법에 관한 것으로, 보다 상세하게는 이동형 생체 인식 시스템 등에서 획득한 영상에 발생하는 비균일한 조명들을 정규화하는 방법에 관한 것이다.
최근 무선 통신의 발달로, 스마트폰, 태블릿 PC와 같은 모바일 장치들의 사용이 활발해지면서, 비밀번호나 공인 인증서를 통해 본인을 인증하는 모바일 뱅킹, 쇼핑 등과 같은 신용 거래가 점차 증가하고 있다. 이러한 인증 방법은 도난, 분실 및 망각 등의 위험을 가지고 있으며, 이 문제들을 해결하기 위한 방안으로 개인의 고유한 생체 정보를 이용한 보안 인증 방식이 개발되고 있다.
생체 인식 시스템의 경우, 조명의 유무 및 그로 인한 그림자 발생의 유무에 따라 인식 성능이 크게 좌우된다. 따라서 해당 단말기를 통해 획득한 영상에 발생되는 비균일한 조명을 정규화 하는 과정은 반드시 필요한 과정이 되고 있다.
예컨대, 대한민국 공개특허(10-0690295)에는 휴대용 단말기용 얼굴 인식 시스템에서 조명 변화에 강인한 얼굴 영상 정규화 방법이 설명되어 있다. 또한, 대한민국 공개특허(10-2009-0093737)에서는 국부적인 음영을 효과적으로 제거할 수 있는 얼굴 영상의 조명 정규화 방법 및 장치에 대한 설명이 되어 있다.
하지만 현재 이동형 단말기에 사용되는 조명 정규화 방법들은 영상에 비춰진 조명의 방향이나 세기를 복잡한 계산을 통해 모델링을 해야 한다는 단점이 존재한다.
본 발명은 이동형 생체 인식 시스템 등의 인식 시스템에서 획득한 영상에 발생하는 비균일한 조명들을 정규화 하는 방법에 관한 것으로서, 이동형 단말기를 통해 획득한 영상에 퍼지 기반 레티넥스 알고리즘을 이용한 조명 정규화를 적용함으로써 조명 변화에 의한 인식 성능의 저하 문제를 해결하고자 하는 것을 목적으로 한다.
상술한 기술적 과제 해결을 위한 본 발명의 일 실시 예는 정규화(Normalization) 대상이 되는 입력 영상을 입력 받는 단계; 상기 입력 영상을 미리 설정된 단위 영상의 크기로 크기 정규화하고, 상기 크기 정규화 된 영상들을 기초로 상기 입력 영상의 균일도를 계산하는 단계; 상기 입력 영상의 균일도를 기초로 필터링 조정치를 산출하는 단계; 및 상기 입력 영상에 대하여 상기 산출된 필터링 조정치를 적용한 필터링을 수행하여 출력 영상을 생성하는 단계를 포함하는 영상 정규화 방법을 제공한다.
또한, 상기 필터링 조정치를 산출하는 단계는 상기 입력 영상의 균일도는 상기 입력 영상의 명도를 이용하여 산출하는 것을 특징으로 할 수 있다.
또한, 상기 필터링 조정치를 산출하는 단계는 상기 산출된 입력 영상의 평균을 제1 입력으로 설정하고, 상기 산출된 입력 영상의 표준 편차를 제2 입력으로 설정하는 단계; 및 상기 설정된 제1 입력과 제2 입력을 기초로 미리 설정된 퍼지 논리에 기초하여 필터링 조정치를 출력하는 단계를 포함하는 것을 특징으로 할 수 있다.
바람직하게는, 상기 필터링 조정치를 출력하는 단계는 상기 제1 입력에 대한 설정도 및 상기 제2 입력에 대한 설정도에 해당하는 필터링 조정치를 미리 설정된 퍼지 논리 테이블을 기초로 산출하고, 상기 산출된 필터링 조정치를 출력하는 것을 특징으로 할 수 있다.
또한, 상기 출력 영상을 생성하는 단계는 상기 산출된 필터링 조정치를 적용한 레티넥스 필터링을 이용하여 상기 입력 영상에 대한 필터링을 수행하여 출력 영상을 생성하는 단계인 것을 특징으로 할 수 있다.
바람직하게는, 출력 영상을 생성하는 단계는 상기 산출된 필터링 조정치를 가우시안(Gaussian) 필터의 시그마 값에 적용하고, 상기 가우시안 필터를 이용하여 레티넥스 필터링을 수행하여 출력 영상을 생성하는 것을 특징으로 할 수 있다.
상술한 기술적 과제 해결을 위한 본 발명의 다른 실시예는 정규화(Normalization) 대상이 되는 입력 영상을 입력 받는 영상 입력부; 상기 입력 영상에 대하여 조명 정규화를 수행하기 전, 미리 설정된 단위 영상의 크기로 크기 정규화, 상기 크기 정규화 된 영상을 기초로 상기 입력 영상의 균일도를 계산하는 영상 정보 산출부; 상기 입력 영상의 균일도를 기초로 필터링 조정치를 산출하는 필터링 조정치 산출부; 및 상기 입력 영상에 대하여 상기 산출된 필터링 조정치를 적용한 필터링을 수행하여 출력 영상을 생성하는 필터링부를 포함하는 영상 정규화 장치를 제공할 수 있다.
본 발명에 따르면, 조명의 방향이나 세기에 대한 모델링을 함에 있어서 퍼지 논리를 이용하여, 해당 영상의 평균 및 표준편차만을 가지고 모델링을 하기 때문에 복잡도가 작아지고, 모델링을 수행하는 처리시간이 줄어들게 되는 효과를 가진다.
도 1은 본 발명의 일 실시예에 따른 영상 정규화 방법을 도시한 순서도이다.
도 2는 본 발명의 일 실시예에 따라, 입력된 균일도에 대한 범위를 지정하기 위한 참고도이다.
도 3은 본 발명의 일 실시예에 따른 영상 정규화 방법 중 필터링 조정치를 산출하는 단계에 대한 순서도이다.
도 4는 영상 정규화 방법에 대한 실시 결과를 도시한 참고도이다.
도 5는 본 발명의 일 실시예에 따른 영상 정규화 장치를 도시한 블록도이다.
이하에서는 본 발명의 일부 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 아울러 본 발명을 설명함에 있어 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.
이하의 실시예들은 본 발명의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합하지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 본 발명의 실시예를 구성할 수도 있다. 본 발명의 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
본 발명의 실시예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 발명의 실시예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다.
하드웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 실시예들에 따른 방법은 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리 유닛은 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
이하의 설명에서 사용되는 특정(特定) 용어들은 본 발명의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 본 발명의 일 실시예에 따른 영상 정규화 방법을 도시한 순서도이다. 도 1을 참조하여 본 발명의 일 실시예에 따른 영상 정규화 장치의 영상 정규화 방법을 설명한다.
S110 단계는 정규화(Normalization) 대상이 되는 입력 영상을 입력받는다.
본 발명에서 정규화(Normalization)란 영상에 포함된 색상, 명도, 채도 또는 조도 등의 영상 정보에 대하여 비균일한 패턴 등을 보이는 영상을 인식하기 위하여 조명의 유무, 그림자 등을 미리 설정된 수준으로 변환시키는 것을 의미한다.
본 발명은 입력 영상의 전부 또는 일부만을 입력받도록 구현될 수 있으며, 예를 들어, 특징 추출 시 사용될 영역만을 포함하는 영상을 입력 영상으로 입력받을 수 있도록 구현될 수 있다.
S120 단계는 입력 영상에 대하여 조명 정규화를 수행하기 전, 미리 설정된 단위 영상 크기로 정규화하고, 크기 정규화된 영상을 기초로 상기 입력 영상의 균일도를 계산한다. 본 발명의 일 실시예에 따르면, 입력 영상의 균일도란 입력 영상의 명도를 측정하여 입력 영상의 명도의 평균 및 표준 편차로 구현된다. 미리 설정된 단위 영상 크기란, 입력 영상에서 조명 정규화를 하고자 하는 영역의 크기가 영상마다 다를 수 있기 때문에, 이를 동일하게 크기 정규화를 하기 위해 정해진 영상 크기를 의미한다. 예를 들어, 입력 영상을 128*128, 256*256 또는 사용자가 임의로 설정한 크기로 정규화할 수 있다. 입력 영상을 미리 설정된 크기로 정규화하는 경우에는 지나치게 소수의 단위로 구성된 크기로 지정할 경우 해당 영역의 의미있는 정보의 손실을 초래하며, 지나치게 다수의 단위로 구성된 크기로 지정하는 경우에는 조명 정규화를 수행함에 있어서 조명 정규화 처리 시간이 지나치게 필요할 수 있다.
본 발명의 실시예에 따르면, 크기 정규화 된 영상에 대하여 영상 정보를 이용하여 입력 영상의 균일도를 산출한다. 영상 정보는 명도, 채도, 색상 등의 정보를 의미한다. 본 발명의 일 실시예에 따르면 크기 정규화 된 영상의 명도를 이용하여 입력 영상의 균일도를 산출할 수 있다.
입력 영상의 평균은 크기 정규화 된 영상에 대한 영상 정보의 평균, 예를 들어, 크기 정규화 된 영상의 명도의 평균을 의미한다. 입력 영상의 표준 편차는 크기 정규화 된 영상에 대한 영상 정보의 표준 편차는 산출된 입력 영상의 평균과 크기 정규화 된 영상 정보의 차를 이용하여 산출한다. 예를 들어, 입력 영상의 표준 편차는 크기 정규화 된 영상 각각의 명도와 입력 영상의 평균을 이용하여 산출할 수 있다.
S130 단계는 입력 영상의 균일도를 기초로 필터링 조정치를 산출한다. 즉, 입력 영상의 균일도에 대한 범위를 지정하여 미리 설정된 함수에 기초하여 필터링 조정치를 산출할 수 있다. 필터링 조정치란 레티넥스 필터링 또는 기타 영상을 필터링하기 위하여 사용되는 변수를 의미하며, 필터링 조정치는 설정된 범위에 기초해 비결정적인 확률 집합을 이용하여 출력으로 결정된다. 본 발명의 일 실시예에 따르면 비결정적인 확률 집합은 퍼지 논리로 구현될 수 있으며, 퍼지 논리는 데이터 테이블과 같은 형태로 저장될 수 있다.
본 발명의 일 실시예에 따라 미리 설정된 퍼지 논리가 표 1과 같이 설정되었다고 가정하여 설명한다.
Figure 112012032999818-pat00001
표 1에 따르면, 입력 1이 “매우 작음”, 입력 2가 “작음”일 경우에는, 출력 값을 “큼”으로 지정할 수 있다. 본 발명의 일 실시예에 따르면, 퍼지 논리에 두개의 입력을 적용하는 경우에는 IF-THEN 규칙을 사용한다. 본 발명에서 IF-THEN 규칙이란, 입력들 간의 관계를 고려하여 출력 범위를 지정하는 방법으로 AND 연산 또는 OR 연산으로 나눌 수 있다. AND 연산은 예를 들어, “입력 1이 A이고 입력 2가 B인 경우에는 출력 의 범위는 C이다”와 같은 연산을 수행하며, OR 연산은 “입력 1이 A이거나 입력 2가 B인 경우에는 출력 값의 범위는 C이다”와 같은 연산을 수행한다. 본 발명의 일 실시예에 따르면, IF-THEN 규칙 중에서는 AND 연산을 사용하는 것이 바람직하다.
복수개의 입력 묶음이 {“매우 큼”, 0.5}, {“큼”, 0}, {“큼”, 0.5}, {“큼”, 0} 인 경우, 이에 따라 출력을 결정한다. 본 발명의 일 실시예에 따르면, 출력 값의 결정은 각각의 묶음에서, 두 개의 입력 값 중 작은 값을 선택하는 MIN 방법을 사용한다.
최종적으로 4개의 묶음으로부터 최종적인 결과 값을 추론하기 위한 비퍼지화 방법으로 Center of gravity, first of maximum, last of maximum, middle of maximum, 혹은 mean of maxima의 방법 중 한가지가 선택적으로 사용될 수 있다.
S140 단계는 입력 영상에 대하여 산출된 필터링 조정치를 적용한 필터링을 수행하여 출력 영상을 생성한다. 본 발명의 일 실시예에 따르면 필터링은 퍼지 논리를 이용하여 수행될 수 있으며, 사람이 볼 수 있는 영상 (
Figure 112012032999818-pat00002
) 은 영상에 비춰지는 조명(
Figure 112012032999818-pat00003
)과 해당 대상 물체가 가지고 있는 고유의 반사 계수(
Figure 112012032999818-pat00004
) 가 곱 연산될 수 있다는 개념을 기반으로 한다. 본 발명에서 x는 크기 정규화 된 단위 영상의 x좌표를 의미하며, y는 크기 정규화 된 단위 영상의 y좌표를 의미한다. 또한 상술한 것과 같이
Figure 112012032999818-pat00005
는 (x,y)좌표를 가지는 영상,
Figure 112012032999818-pat00006
는 (x,y)좌표를 가지는 조명,
Figure 112012032999818-pat00007
는 (x,y)좌표를 가지는 고유의 반사 계수를 의미한다.
[수학식 1]
Figure 112012032999818-pat00008
수학식 1을 반사 계수를 기준으로 수식을 정리하면
[수학식 2]
Figure 112012032999818-pat00009
Figure 112012032999818-pat00010

수학식 2에 따라서, 조명 성분
Figure 112012032999818-pat00011
를 모델링하게 되면 물체가 가지는 고유의 반사계수
Figure 112012032999818-pat00012
성분을 구할 수 있으며, 이를 얼굴 인식과 같은 생체 인식 시스템에서 사용될 수 있다. 일반적으로 조명 성분
Figure 112012032999818-pat00013
는 원 영상에 가우시안 필터
Figure 112012032999818-pat00014
를 중첩 연산(convolution)한 결과로 추정한다.
[수학식 3]
Figure 112012032999818-pat00015

수학식 3과 같은 가우시안 필터에 대한 레티넥스 필터링 결과는 수학식 4와 같다. 수학식 3에서 x 및 y는 영상의 좌표, e는 익스포넨셜(exponential), 시그마는 가우시안 필터에 적용되는 본 발명의 필터링 조정치를 의미한다.
[수학식 4]
Figure 112012032999818-pat00016
즉, 결론적으로 레티넥스 필터링의 결과는 수학식 4에서 log
Figure 112012032999818-pat00017
에 해당되며, 가우시안 필터에서 시그마 값의 변화에 따라 레티넥스 필터링의 결과가 달라진다.
즉, 본 발명의 일 실시예에 따르면 레티넥스 필터링 과정 중 가우시안 필터의 시그마 값을 고정된 값으로 설정하는 것이 아니라 입력 영상의 평균과 표준편차를 입력으로 하는 퍼지 논리를 통해 결정된 출력값으로 결정한다.
도 2는 본 발명의 일 실시예에 따라, 입력된 균일도에 대한 범위를 지정하기 위한 참고도이다. 도 2를 참조하여 본 발명의 일 실시예에 따른 설정 범위 및 설정도를 설명한다. 본 발명에서 설정도란 입력, 출력 등에 대한 설정에 대하여 범위에 따른 정도를 의미한다. 예를 들어, 도 2와 같이 설정하는 경우, “매우 작음”,”작음”,”보통”,”큼”,”매우 큼”과 같이 5 단계의 설정도를 가질 수 있다. 설정 범위를 “매우 작음”, “보통”, “매우 큼”을 가지는 설정 범위(두꺼운 선)과 “작음”,”큼”을 가지는 설정 범위(가는 선)를 가진다고 하면, 입력 1(평균)이 0.125, 입력 2(표준편차)가 0인 경우, 입력 1은 “매우 작음, 0.5”(두꺼운 선), “작음, 0.5” (가는 선)로, 입력 2는 “매우 작음, 1”(두꺼운 선), “작음, 0”(가는 선)으로 설정도를 가진다. 설정된 입력 1의 설정도와 입력 2의 설정도에 기초하여
{“매우 작음, 0.5”,“매우 작음, 1”}, {“매우 작음, 0.5”,“작음, 0”}, {“작음, 0.5”,“매우 작음, 1”}, {“작음, 0.5”,“작음, 0”}으로 총 4개의 묶음으로 설정도가 정해진다.
도 3은 본 발명의 일 실시예에 따른 영상 정규화 방법 중 필터링 조정치를 산출하는 단계에 대한 순서도이다. 상술한 영상 정규화 방법과 동일한 내용은 상술한 내용으로 대체한다.
S210 단계에서는 입력 영상을 입력받는다.
S220 단계에서는 입력 영상을 크기 정규화 하여 크기가 정규화 된 입력 영상의 명도를 이용하여 입력 영상의 평균과 표준 편차를 산출한다.
S230 단계에서는 산출된 입력 영상의 평균과 표준 편차를 기초로 필터링 조정치를 출력한다.
본 발명의 일 실시예에 따르면, 산출된 입력 영상의 평균을 제1 입력으로 설정하고, 산출된 입력 영상의 표준 편차를 제2 입력으로 설정하는 단계 및 설정된 제1 입력과 제2 입력을 기초로 미리 설정된 퍼지 논리에 기초하여 필터링 조정치를 출력하는 단계를 포함한다.
산출된 입력 영상의 평균과 표준 편차를 입력으로 설정하는 단계는 상술한 도 2의 내용으로 대체한다.
본 발명의 일 실시예에 따르면, 필터링 조정치룰 출력하는 단계는 제1 입력에 대한 설정도 및 제2 입력에 대한 설정도에 해당하는 필터링 조정치를 미리 설정된 퍼지 논리 테이블을 기초로 산출하고, 산출된 필터링 조정치를 출력한다. 본 발명에서 미리 설정된 퍼지 논리 테이블은 상술한 퍼지 논리가 저장된 데이터 테이블로서 표 1과 같은 형태에 한정되지 아니한다. 즉, 상술한 바와 같이 AND 연산, OR 연산 또는 NAND 연산 등 사용자가 미리 설정한 연산에 따라 필터링 조정치를 출력한다.
본 발명의 다른 실시예에 따르면, 필터링 조정치를 출력하는 단계는 제1 입력에 대한 설정도와 제2 입력에 대한 설정도 중 낮은 설정도를 기준으로 미리 설정된 퍼지 논리에 기초하여 필터링 조정치를 출력한다.
즉, 예를 들어, {“매우 작음, 0.5”,“매우 작음, 1”}, {“매우 작음, 0.5”,“작음, 0”}, {“작음, 0.5”,“매우 작음, 1”}, {“작음, 0.5”,“작음, 0”} 와 같은 입력의 묶음이 들어온 경우 {“매우 작음, 0.5”,“매우 작음, 1”}은 입력 1이 “매우 작음” , 입력 2가 “매우 작음”이므로 출력은 표 1에 기초하여 “매우 큼”으로 설정되며, 입력 1은 0.5 입력 2는 1 이므로 낮은 설정도를 기준으로 0.5를 설정도로 가지게 된다. 따라서, “매우 큼, 0.5”가 출력으로 결정되며, 동일한 방식으로 {“큼”, 0}, {“큼”, 0.5}, {“큼”,0}의 출력이 결정될 수 있다.
설정된 제1 입력과 제2 입력을 기초로 미리 설정된 퍼지 논리에 기초하여 필터링 조정치를 산출된 경우, 산출된 필터링 조정치를 비퍼지화하여 출력한다.
S240 단계에서는 결정된 필터링 조정치를 비퍼지화하여 가우시안 필터의 시그마값에 적용하고, 이를 기초로 레티넥스 필터링을 수행한다.
S250 단계에서는 레티넥스 필터링된 출력 영상을 생성한다.
도 4는 영상 정규화 방법에 대한 실시 결과를 도시한 참고도이다. 도 4는 조명변화가 심한 실외에서 획득된 입력 영상과 각기 다른 조명 정규화 방법들을 통한 정규화된 영상을 도시한다. 먼저(a)는 입력 영상이며, (b)는 히스토그램 평활화, (c)는 히스토그램 스트레칭, (d)는 레티넥스 필터링, (e)는 본 발명의 일 실시예에 따른 퍼지 논리 기반 레티넥스 알고리즘을 이용한 영상의 조명 정규화 방법의 결과이다. 도 4에서 본 발명의 일 실시예에 따른 영상 정규화 방법이 조명 변화가 심한 실외환경에서도 효과적인 것을 확인할 수 있다.
본 발명은 이동형 단말기에서 조명 변화 및 음영 등으로 인해 인식률이 저하되는 문제점을 해결하기 위한 것으로서, 획득한 영상에 존재하는 비균일한 조명 변화를 효과적으로 처리하는 퍼지 기반 레티넥스 알고리즘을 이용한 조명 정규화 방법을 제공하는 효과를 제공한다.
본 발명의 경우에는 일반적인 레티넥스 필터링의 변형된 형태로, 정규화 결과에 영향을 미치는 가우시안(Gaussian) 필터의 시그마 값(σ)을 고정하여 사용하는 일반적인 레티넥스 필터링과는 달리, 가우시안 필터의 시그마 값을 입력 영상의 균일도를 입력으로 하는 퍼지 로직을 기반으로 조명의 세기와 조명에 의한 그림자 유무를 고려하여 효과적으로 조명 정규화를 한다는 기술적 특징을 포함한다.
도 5는 본 발명의 일 실시예에 따른 영상 정규화 장치를 도시한 블록도이다. 상술한 영상 정규화 방법과 동일한 내용은 상술한 내용으로 대체한다. 도 5를 참조하여 본 발명의 일 실시예에 따른 영상 정규화 장치를 설명한다.
영상 입력부(110)은 정규화(Normalization) 대상이 되는 입력 영상을 입력 받는다.
영상 정보 산출부(120)은 입력 영상에 대하여 조명 정규화를 수행하기 전 미리 설정된 단위 영상의 크기로 크기 정규화를 하고, 상기 크기 정규화 된 영상들을 기초로 입력 영상의 균일도를 계산한다.
필터링 조정치 산출부(130)은 입력 영상의 균일도를 기초로 필터링 조정치를 산출한다.
필터링부(140)은 입력 영상에 대하여 산출된 필터링 조정치를 적용한 필터링을 수행하여 출력 영상을 생성한다.
본 발명에 의한 실시예들은 컴퓨터 프로그램으로 작성 가능하다. 이 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 해당 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 정보저장매체(Computer Readable Media)에 저장되고, 컴퓨터에 의하여 읽혀지고 실행됨으로써 실시예를 구현한다. 정보저장매체는 자기 기록매체, 광 기록매체 및 캐리어 웨이브 매체를 포함한다.
이제까지 본 발명에 대하여 바람직한 실시예를 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명을 구현할 수 있음을 이해할 것이다. 그러므로, 상기 개시된 실시예 들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 한다.

Claims (14)

  1. 정규화(Normalization) 대상이 되는 입력 영상을 입력받는 단계;
    상기 입력 영상을 미리 설정된 단위 영상의 크기로 정규화하고, 상기 정규화된 영상들을 기초로 상기 입력 영상의 균일도를 계산하는 단계;
    상기 입력 영상의 균일도를 이용하여 상기 입력 영상에 대한 필터링 정도를 설정하는 필터링 조정치를 산출하는 단계; 및
    상기 입력 영상에 대하여 상기 산출된 필터링 조정치를 적용한 필터링을 수행하여 출력 영상을 생성하는 단계
    를 포함하며,
    상기 필터링 조정치를 산출하는 단계에서, 상기 입력 영상의 균일도는 상기 입력 영상의 명도를 이용하여 산출되며, 상기 입력 영상의 평균 및 표준 편차를 포함하고,
    상기 필터링 조정치를 산출하는 단계는,
    상기 산출된 입력 영상의 평균을 제1 입력으로 설정하고, 상기 산출된 입력 영상의 표준 편차를 제2 입력으로 설정하는 단계; 및
    상기 설정된 제1 입력과 제2 입력을 기초로 미리 설정된 비결정적인 확률 집합에 기초하여 필터링 조정치를 출력하는 단계
    를 포함하는 것을 특징으로 하는 영상 정규화 방법.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서, 상기 필터링 조정치를 출력하는 단계는
    상기 제1 입력에 대한 설정도 및 상기 제2 입력에 대한 설정도에 해당하는 필터링 조정치를 미리 설정된 퍼지 논리 테이블을 기초로 산출하고, 상기 산출된 필터링 조정치를 출력하는 것을 특징으로 하는 영상 정규화 방법.
  5. 제 1 항에 있어서, 상기 필터링 조정치를 출력하는 단계는
    상기 제1 입력에 대한 설정도와 상기 제2 입력에 대한 설정도 중 낮은 설정도를 기준으로 미리 설정된 퍼지 논리에 기초하여 필터링 조정치를 출력하는 것을 특징으로 하는 영상 정규화 방법.
  6. 제 1 항에 있어서, 상기 필터링 조정치를 출력하는 단계는
    상기 설정된 제1 입력과 제2 입력을 기초로 미리 설정된 퍼지 논리에 기초하여 필터링 조정치를 산출하고, 산출된 필터링 조정치를 비퍼지화하여 출력하는 단계인 것을 특징으로 하는 영상 정규화 방법.
  7. 제6 항에 있어서, 상기 산출된 필터링 조정치를
    Center of gravity, first of maximum, last of maximum, middle of maximum, 또는 mead of maxima 방법 중 어느 하나의 비퍼지화 방법을 이용하여 출력하는 것을 특징으로 하는 영상 정규화 방법.
  8. 제1 항에 있어서, 상기 출력 영상을 생성하는 단계는
    상기 산출된 필터링 조정치를 적용한 레티넥스 필터링을 이용하여 상기 입력 영상에 대한 필터링을 수행하여 출력 영상을 생성하는 단계인 것을 특징으로 하는 영상 정규화 방법.
  9. 제1 항에 있어서, 상기 출력 영상을 생성하는 단계는
    상기 산출된 필터링 조정치를 가우시안(Gaussian) 필터의 시그마 값에 적용하고, 상기 가우시안 필터를 이용하여 레티넥스 필터링을 수행하여 출력 영상을 생성하는 것을 특징으로 하는 영상 정규화 방법.
  10. 정규화(Normalization) 대상이 되는 입력 영상을 입력받는 영상 입력부;
    상기 입력 영상을 미리 설정된 단위 영상의 크기로 정규화하고, 상기 정규화된 영상들을 기초로 상기 입력 영상의 균일도를 계산하는 영상 정보 산출부;
    상기 입력 영상의 균일도를 이용하여 상기 입력 영상에 대한 필터링 정도를 설정하는 필터링 조정치를 산출하는 필터링 조정치 산출부; 및
    상기 입력 영상에 대하여 상기 산출된 필터링 조정치를 적용한 필터링을 수행하여 출력 영상을 생성하는 필터링부를 포함하며,
    상기 입력 영상의 균일도는 상기 입력 영상의 명도를 이용하여 산출되며, 상기 입력 영상의 균일도는 상기 입력 영상의 평균 및 표준 편차를 포함하고,
    상기 필터링 조정치 산출부는,
    상기 산출된 입력 영상의 평균을 제1 입력으로 설정하고, 상기 산출된 입력 영상의 표준 편차를 제2 입력으로 설정하고, 상기 설정된 제1 입력과 제2 입력을 기초로 미리 설정된 비결정적인 확률 집합에 기초하여 필터링 조정치를 출력하는 것을 특징으로 하는 영상 정규화 장치.
  11. 삭제
  12. 삭제
  13. 제 10 항에 있어서, 상기 필터링 조정치 출력부는,
    상기 제1 입력에 대한 설정도 및 상기 제2 입력에 대한 설정도에 해당하는 필터링 조정치를 미리 설정된 퍼지 논리 테이블을 기초로 산출하고, 상기 산출된 필터링 조정치를 출력하는 것을 특징으로 하는 영상 정규화 장치.
  14. 제 10 항에 있어서, 상기 필터링 조정치 출력부는,
    상기 제1 입력에 대한 설정도와 상기 제2 입력에 대한 설정도 중 낮은 설정도를 기준으로 미리 설정된 퍼지 논리에 기초하여 필터링 조정치를 출력하는 것을 특징으로 하는 영상 정규화 장치.
KR1020120043124A 2012-04-25 2012-04-25 퍼지 기반 레티넥스를 이용한 영상 정규화 방법 및 장치 KR101321840B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120043124A KR101321840B1 (ko) 2012-04-25 2012-04-25 퍼지 기반 레티넥스를 이용한 영상 정규화 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120043124A KR101321840B1 (ko) 2012-04-25 2012-04-25 퍼지 기반 레티넥스를 이용한 영상 정규화 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101321840B1 true KR101321840B1 (ko) 2013-10-23

Family

ID=49639231

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120043124A KR101321840B1 (ko) 2012-04-25 2012-04-25 퍼지 기반 레티넥스를 이용한 영상 정규화 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101321840B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101507081B1 (ko) 2014-05-23 2015-04-01 동국대학교 산학협력단 나이 추정 장치 및 방법
KR20160001897A (ko) 2014-06-27 2016-01-07 서강대학교산학협력단 Cielab 색 공간에서의 통합된 멀티 스케일 레티넥스를 수행하는 이미지 처리 방법 및 장치
KR101774735B1 (ko) 2017-06-12 2017-09-06 주식회사 넥스파시스템 차량번호판 주변 그림자 영역 개선 및 차량번호 인식 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050091558A (ko) * 2004-03-12 2005-09-15 학교법인 인하학원 조명환경 분석과 전처리를 통한 얼굴 인식 시스템 및 방법
KR20060033277A (ko) * 2004-10-14 2006-04-19 삼성전자주식회사 영상신호의 노이즈 측정장치 및 그 측정방법
JP2008118208A (ja) 2006-10-31 2008-05-22 Brother Ind Ltd 画像処理プログラムおよび画像処理装置
JP2010520542A (ja) 2007-03-05 2010-06-10 フォトネーション ビジョン リミテッド 分類器チェーンを用いた照明検出

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050091558A (ko) * 2004-03-12 2005-09-15 학교법인 인하학원 조명환경 분석과 전처리를 통한 얼굴 인식 시스템 및 방법
KR20060033277A (ko) * 2004-10-14 2006-04-19 삼성전자주식회사 영상신호의 노이즈 측정장치 및 그 측정방법
JP2008118208A (ja) 2006-10-31 2008-05-22 Brother Ind Ltd 画像処理プログラムおよび画像処理装置
JP2010520542A (ja) 2007-03-05 2010-06-10 フォトネーション ビジョン リミテッド 分類器チェーンを用いた照明検出

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101507081B1 (ko) 2014-05-23 2015-04-01 동국대학교 산학협력단 나이 추정 장치 및 방법
KR20160001897A (ko) 2014-06-27 2016-01-07 서강대학교산학협력단 Cielab 색 공간에서의 통합된 멀티 스케일 레티넥스를 수행하는 이미지 처리 방법 및 장치
KR101774735B1 (ko) 2017-06-12 2017-09-06 주식회사 넥스파시스템 차량번호판 주변 그림자 영역 개선 및 차량번호 인식 방법

Similar Documents

Publication Publication Date Title
WO2021057848A1 (zh) 网络的训练方法、图像处理方法、网络、终端设备及介质
US11151397B2 (en) Liveness testing methods and apparatuses and image processing methods and apparatuses
US8886953B1 (en) Image processing
CN108280431B (zh) 人脸识别处理方法、人脸识别处理装置及智能终端
CN108351961A (zh) 图像及特征质量、用于眼部血管及面部识别的图像增强及特征提取及针对生物识别系统融合眼部血管与面部及/或子面部信息
WO2022042135A1 (zh) 人脸图像的选择方法、装置、设备及存储介质
US20190156499A1 (en) Detection of humans in images using depth information
CN108388878A (zh) 用于识别人脸的方法和装置
US9886766B2 (en) Electronic device and method for adding data to image and extracting added data from image
CN109886087B (zh) 一种基于神经网络的活体检测方法及终端设备
CN112102402B (zh) 闪光灯光斑位置识别方法、装置、电子设备及存储介质
CN111489290A (zh) 一种人脸图像超分辨重建方法、装置及终端设备
US10832382B2 (en) Method for filtering spurious pixels in a depth-map
WO2020119188A1 (zh) 一种程序检测方法、装置、设备及可读存储介质
KR101321840B1 (ko) 퍼지 기반 레티넥스를 이용한 영상 정규화 방법 및 장치
CN109993026B (zh) 亲属识别网络模型的训练方法及装置
CN113569708A (zh) 活体识别方法、装置、电子设备以及存储介质
US11335128B2 (en) Methods and systems for evaluating a face recognition system using a face mountable device
WO2022199395A1 (zh) 人脸活体检测方法、终端设备及计算机可读存储介质
WO2019033518A1 (zh) 信息获取方法、装置、计算机可读存储介质及终端设备
TW202244758A (zh) 指紋識別方法、指紋模組及電子設備
CN110738155A (zh) 人脸识别方法、装置、计算机设备和存储介质
WO2019109722A1 (zh) 隐私遮蔽处理方法、装置、电子设备及存储介质
CN108564537B (zh) 图像处理的方法、装置、电子设备及介质
CN107506921B (zh) 订单风险识别方法、系统、存储介质和电子设备

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20161017

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee