KR101354719B1 - Apparatus for detecting fog of image and method thereof - Google Patents
Apparatus for detecting fog of image and method thereof Download PDFInfo
- Publication number
- KR101354719B1 KR101354719B1 KR1020130076721A KR20130076721A KR101354719B1 KR 101354719 B1 KR101354719 B1 KR 101354719B1 KR 1020130076721 A KR1020130076721 A KR 1020130076721A KR 20130076721 A KR20130076721 A KR 20130076721A KR 101354719 B1 KR101354719 B1 KR 101354719B1
- Authority
- KR
- South Korea
- Prior art keywords
- fog
- cumulative distribution
- distribution function
- image
- average
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 20
- 230000001186 cumulative effect Effects 0.000 claims abstract description 114
- 238000005315 distribution function Methods 0.000 claims abstract description 84
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 4
- 206010047571 Visual impairment Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
Description
본 발명은 영상 안개 인식 장치 및 방법에 관한 것으로서, 보다 상세하게는 카메라에서 취득한 영상에 대한 누적분포함수를 근거로 안개를 인식하는 영상 안개 인식 장치 및 방법에 관한 것이다.
The present invention relates to an apparatus and method for recognizing an image fog, and more particularly, to an apparatus and method for recognizing fog based on a cumulative distribution function for an image acquired by a camera.
보통 안개가 끼었을 때에는 가시거리가 1km 미만의 시정 장애 현상이 나타나는데, 이는 대기 중의 물방울 입자들로 인해 빛의 진행방향이 바뀌는 산란 현상이 발생하기 때문이다. In the fog, visibility disturbances of less than 1km are usually seen because of scattering in which the direction of light changes due to water droplets in the atmosphere.
안개는 물방울 입자의 직경이 수㎛ 내지 수십㎛로써, 가시광선 영역의 빛을 거의 동일하게 산란시킨다. 따라서 안개가 끼었을 때에는 피사체들이 뿌옇게 보이게 된다. The fog has a particle diameter of several micrometers to several tens of micrometers, which scatters light in the visible region almost equally. As a result, when the fog is in place, the subjects appear cloudy.
따라서, 영상을 촬영하면, 촬영된 영상신호를 이용하여 안개가 발생되었는지를 판단하고, 그 결과에 따라 안개에 의한 영상 왜곡을 보정하여 영상 화질을 개선하고 있다. Therefore, when the image is captured, it is determined whether the fog is generated by using the captured image signal, and the image quality is improved by correcting the image distortion caused by the fog according to the result.
이러한 안개 왜곡 보정을 통한 영상 화질 개선을 통해, 시정 장애를 해결하고 뿌연 영상을 선명하게 만들고, 안개로 인해 손상된 글씨, 물체 등에 대한 정보를 복원할 수 있다. By improving the image quality through the fog distortion correction, it is possible to solve the visual disturbance, sharpen the cloudy image, and restore information on the letters, objects, etc. damaged by the fog.
본 발명의 배경기술은 대한민국 특허공개번호 10-2009-0100174호(2009.09.23)의 '영상인식 및 이미지의 학습 방법을 기반한 안개 감지 방법 및 그 시스템'에 개시되어 있다.
Background art of the present invention is disclosed in 'fog detection method and system based on image recognition and learning method of the image' of Republic of Korea Patent Publication No. 10-2009-0100174 (2009.09.23).
본 발명의 목적은 카메라에서 취득한 영상에 대한 누적분포함수를 생성하고, 이 누적분포함수의 안개 탐지 영역 내 평균 변화율에 따라 안개 발생 여부를 판단하는 영상 안개 인식 장치 및 방법을 제공하는 것이다. An object of the present invention is to provide an image fog recognition apparatus and method for generating a cumulative distribution function for an image acquired by a camera and determining whether fog is generated according to an average rate of change in the fog detection region of the cumulative distribution function.
본 발명의 다른 목적은 카메라에서 생성된 영상에 대한 안개 발생 여부를 판단하여 영상 화질을 개선할 수 있도록 하는 영상 안개 인식 장치 및 방법을 제공하는 것이다.Another object of the present invention is to provide an apparatus and method for recognizing image fog, which can improve image quality by determining whether fog is generated for an image generated by a camera.
본 발명의 또 다른 목적은 안개 발생시 영상 화질을 개선하여 카메라의 감시 기능을 향상시킬 수 있도록 하는 영상 안개 인식 장치 및 방법을 제공하는 것이다.
It is still another object of the present invention to provide an apparatus and method for recognizing an image fog, which can improve an image surveillance function when a fog occurs.
본 발명의 일 측면에 따른 영상 안개 인식 장치는 카메라에서 촬영된 영상에 대한 누적분포함수를 생성하는 누적분포함수 생성부; 안개 탐지 영역 내 상기 누적분포함수의 평균변화율을 계산하는 평균 변화율 계산부; 및 상기 평균변화율과 기준값을 비교하여 비교 결과에 따라 안개 발생 여부를 판단하는 안개 판단부를 포함하는 것을 특징으로 한다.Image fog recognition apparatus according to an aspect of the present invention comprises a cumulative distribution function generating unit for generating a cumulative distribution function for the image taken by the camera; An average change rate calculator for calculating an average change rate of the cumulative distribution function in the fog detection area; And a fog determination unit comparing the average change rate with a reference value and determining whether fog occurs according to a comparison result.
본 발명에서, 상기 평균 변화율 계산부는 상기 누적분포함수가 상기 안개 탐지 영역 중 누적분포함수 최소라인과 누적분포함수 최대라인에 모두 포함되면 상기 평균 변화율을 계산하는 것을 특징으로 한다.In the present invention, the average change rate calculating unit calculates the average change rate when the cumulative distribution number is included in both the cumulative distribution minimum line and the cumulative distribution maximum line in the fog detection region.
본 발명에서, 상기 안개 판단부는 상기 평균변화율이 상기 기준값 이상이면, 안개가 발생한 것으로 판단하는 것을 특징으로 한다.In the present invention, the fog determination unit is characterized in that the fog is determined that the average change rate is greater than the reference value.
본 발명에서, 상기 평균 변화율은 상기 누적분포함수의 상기 안개 탐지 영역 내 최소값과 최대값을 이용하여 계산되는 것을 특징으로 한다.In the present invention, the average change rate is calculated using the minimum value and the maximum value in the fog detection region of the cumulative distribution function.
본 발명에서, 상기 안개 판단부는 상기 누적분포함수가 상기 안개 탐지 영역 중 누적분포함수 최소라인과 누적분포함수 최대라인에 모두 포함되지 않으면, 안개가 발생하지 않은 것으로 판단하는 것을 특징으로 한다. In the present invention, the fog determination unit, if the cumulative distribution is not included in both the cumulative distribution function minimum line and the cumulative distribution function maximum line of the fog detection region, characterized in that it is determined that the fog does not occur.
본 발명의 일 측면에 따른 카메라 안개 인식 방법은 카메라에서 촬영된 영상에 대한 누적분포함수를 생성하는 단계; 안개 탐지 영역 내 상기 누적분포함수의 평균 변화율을 계산하는 단계; 및 상기 평균 변화율을 기준값과 비교하여 비교 결과에 따라 안개 발생 여부를 판단하는 단계를 포함하는 것을 특징으로 한다.Camera fog recognition method according to an aspect of the present invention comprises the steps of generating a cumulative distribution function for the image taken by the camera; Calculating an average rate of change of the cumulative distribution function in the fog detection region; And comparing the average change rate with a reference value to determine whether fog occurs according to a comparison result.
본 발명에서, 상기 평균 변화율을 계산하는 단계는 상기 누적분포함수가 상기 안개 탐지 영역 중 누적분포함수 최소라인과 누적분포함수 최대라인에 모두 포함되면, 상기 평균 변화율을 계산하는 것을 특징으로 한다.In the present invention, the calculating of the average change rate is characterized in that the average change rate is calculated when the cumulative distribution number is included in both the cumulative distribution minimum line and the cumulative distribution maximum line in the fog detection region.
본 발명에서, 상기 안개 발생 여부를 판단하는 단계는 상기 평균변화율이 상기 기준값 이상이면, 안개가 발생한 것으로 판단하는 것을 특징으로 한다.In the present invention, the step of determining whether the fog is generated, characterized in that it is determined that the fog has occurred, if the average change rate is more than the reference value.
본 발명에서, 상기 평균 변화율은 상기 누적분포함수의 상기 안개 탐지 영역 내 최소값과 최대값을 이용하여 계산되는 것을 특징으로 한다.In the present invention, the average change rate is calculated using the minimum value and the maximum value in the fog detection region of the cumulative distribution function.
본 발명에서, 상기 안개 발생 여부를 판단하는 단계는 상기 누적분포함수가 상기 안개 탐지 영역 내 누적분포함수 최소라인과 누적분포함수 최대라인에 모두 포함되지 않으면, 안개가 발생하지 않은 것으로 판단하는 것을 특징으로 한다.
In the present invention, the step of determining whether the fog occurs, if the cumulative distribution is not included in both the cumulative distribution minimum line and the cumulative distribution function maximum line in the fog detection area, it is determined that the fog does not occur It is done.
본 발명은 카메라에서 취득한 영상에 대한 누적분포함수를 산출하고, 이 누적분포함수의 안개 탐지 영역 내 평균 변화율에 따라 안개 발생 여부를 판단한다. The present invention calculates the cumulative distribution function for the image acquired by the camera, and determines whether fog is generated according to the average rate of change in the fog detection region of the cumulative distribution function.
본 발명은 카메라에서 생성된 영상에 대한 안개 발생 여부를 정확하게 판단하여 안개 보정을 수행할 수 있도록 함으로써, 카메라의 영상 화질을 개선할 수 있도록 한다. According to the present invention, it is possible to accurately determine whether fog occurs on an image generated by a camera and perform fog correction, thereby improving image quality of the camera.
본 발명은 안개 발생시 영상 화질을 개선하여 예를 들어 영상 화질이 중요한 감시 카메라의 감시 기능을 향상시킬 수 있도록 한다.
The present invention improves the image quality when fog occurs, for example, to improve the surveillance function of a surveillance camera where image quality is important.
도 1 은 본 발명의 일 실시예에 따른 영상 안개 인식 장치의 블럭 구성도이다.
도 2 는 본 발명의 일 실시예에 따른 영상에 대한 히스토그램 그래프를 나타낸 도면이다.
도 3 은 본 발명의 일 실시예에 따른 영상에 대한 누적분포함수 그래프를 나타낸 도면이다.
도 4 는 본 발명의 일 실시예에 따른 영상 탐지 영역 내 누적분포함수의 평균 변화율를 나타낸 도면이다.
도 5 는 본 발명의 일 실시예에 따른 안개가 발생하지 않은 것으로 판단하는 누적분포함수의 일 예를 나타낸 도면이다.
도 6 은 본 발명의 일 실시예에 따른 안개가 발생하지 않은 것으로 판단하는 누적분포함수의 다른 예를 나타낸 도면이다.
도 7 은 본 발명의 일 실시에에 따른 안개가 발생한 것으로 판단되는 누적분포함수의 기울기를 예시적으로 나타낸 도면이다.
도 8 은 본 발명의 일 실시예에 따른 안개가 발생하지 않은 것으로 판단되는 누적분포함수의 기울기를 예시적으로 나타낸 도면이다.
도 9 는 본 발명의 일 실시예에 따른 영상 안개 인식 방법을 도시한 순서도이다. 1 is a block diagram of an image fog recognition apparatus according to an embodiment of the present invention.
2 illustrates a histogram graph of an image according to an embodiment of the present invention.
3 is a diagram illustrating a cumulative distribution function graph for an image according to an exemplary embodiment of the present invention.
4 is a view showing an average change rate of the cumulative distribution function in the image detection area according to an embodiment of the present invention.
5 is a diagram illustrating an example of a cumulative distribution function that determines that fog does not occur according to an embodiment of the present invention.
6 is a view showing another example of the cumulative distribution function that determines that the fog does not occur in accordance with an embodiment of the present invention.
FIG. 7 is a diagram illustrating an inclination of the cumulative distribution function determined to have generated fog according to one embodiment of the present invention.
8 is a diagram exemplarily illustrating a slope of a cumulative distribution function determined that fog does not occur according to an embodiment of the present invention.
9 is a flowchart illustrating an image fog recognition method according to an embodiment of the present invention.
이하에서는 본 발명의 일 실시예에 따른 영상 안개 인식 장치 및 방법을 첨부된 도면들을 참조하여 상세하게 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로, 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.Hereinafter, an image fog recognition apparatus and method according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings. In this process, the thicknesses of the lines and the sizes of the components shown in the drawings may be exaggerated for clarity and convenience of explanation. In addition, the terms described below are defined in consideration of the functions of the present invention, which may vary depending on the intention or custom of the user, the operator. Therefore, definitions of these terms should be made based on the contents throughout this specification.
도 1 은 본 발명의 일 실시예에 따른 영상 안개 인식 장치의 블럭 구성도이고, 도 2 는 본 발명의 일 실시예에 따른 영상에 대한 히스토그램 그래프를 나타낸 도면이며, 도 3 은 본 발명의 일 실시예에 따른 영상에 대한 누적분포함수 그래프를 나타낸 도면이며, 도 4 는 본 발명의 일 실시예에 따른 영상 탐지 영역 내 누적분포함수의 평균 변화율를 나타낸 도면이며, 도 5 는 본 발명의 일 실시예에 따른 안개가 발생하지 않은 것으로 판단하는 누적분포함수의 일 예를 나타낸 도면이며, 도 6 은 본 발명의 일 실시예에 따른 안개가 발생하지 않은 것으로 판단하는 누적분포함수의 다른 예를 나타낸 도면이며, 도 7 은 본 발명의 일 실시에에 따른 안개가 발생한 것으로 판단되는 누적분포함수의 기울기를 예시적으로 나타낸 도면이며, 도 8 은 본 발명의 일 실시예에 따른 안개가 발생하지 않은 것으로 판단되는 누적분포함수의 기울기를 예시적으로 나타낸 도면이다. 1 is a block diagram of an image fog recognition apparatus according to an embodiment of the present invention, FIG. 2 is a diagram showing a histogram graph for an image according to an embodiment of the present invention, and FIG. 3 is an embodiment of the present invention. 4 is a diagram illustrating a cumulative distribution function graph for an image according to an example, FIG. 4 is a diagram illustrating an average change rate of the cumulative distribution function in an image detection area according to an embodiment of the present invention, and FIG. FIG. 6 is a view illustrating an example of a cumulative distribution function determined as not generating fog according to an embodiment of the present invention, and FIG. 6 is a view illustrating another example of the cumulative distribution function determined as not generating fog in accordance with an embodiment of the present invention. 7 is a diagram illustrating an inclination of the cumulative distribution function that is determined to be the fog according to an embodiment of the present invention, Figure 8 is an embodiment of the present invention FIG. 3 is a diagram illustrating an inclination of the cumulative distribution function determined to not generate fog according to an example.
도 1 을 참조하면, 본 발명의 일 실시예에 따른 영상 안개 인식 장치는 히스토그램 생성부(10), 누적분포함수 생성부(20), 평균 변화율 계산부(30) 및 안개 판단부(40)를 포함한다. Referring to FIG. 1, the apparatus for detecting image fog according to an exemplary embodiment may include a
카메라는 영상신호를 생성하며, 카메라에서 생성된 영상신호는 디코더(미도시)에서 디코딩되어 휘도(Y)와 색차성분(Cb,Cr)으로 분리된다. The camera generates an image signal, and the image signal generated by the camera is decoded by a decoder (not shown) and separated into luminance Y and color difference components Cb and Cr.
히스토그램 생성부(10)는 영상신호의 휘도(Y)를 이용하여 도 2 에 도시된 바와 같은 히스토그램 그래프를 생성한다. The
히스토그램 그래프는 디지털 영상신호의 휘도(Y)를 0~255 레벨까지 나누고 이에 대해 각 휘도별 픽셀의 총합으로 나타낸 것이다. 히스토그램 그래프의 수평축은 휘도이고 수직축은 픽셀이다. The histogram graph divides the luminance (Y) of the digital image signal from 0 to 255 levels and represents the sum of the pixels for each luminance. The horizontal axis of the histogram graph is luminance and the vertical axis is pixels.
일 예로 휘도(Y)가 14인 픽셀 수가 총 300개가 존재하면, Y=14이고 Y14=300이 된다.For example when the luminance (Y) is the number of
누적분포함수 생성부(20)는 히스토그램 생성부(10)에서 생성된 히스토그램을 이용하여 누적분포함수를 생성한다. The cumulative
누적분포함수는 자신보다 낮은 수의 데이터를 자신을 포함한 합으로 표시한 것이다. 일 예로, Y=0이고 Y0=1이며, Y=1이고 Y1=3이며, Y=2이고 Y2=5이며, Y=3이고 Y3=4이며, Y=4이고 Y4=2이며, Y=5이고 Y5=1일 경우, 누적분포함수는 ΣY0=1, ΣY1=4(ΣY0+ΣY1), ΣY2=9(ΣY1+ΣY2), ΣY3=13(ΣY2+ΣY3), ΣY4=15(ΣY3+ΣY4), ΣY5=16(ΣY4+ΣY5)로 나타나며, 이 누적분포함수를 그래프로 나타내면, 도 3 에 도시된 바와 같다.The cumulative distribution function is the sum of the data including the lower number of data. For example, Y = 0, Y 0 = 1, Y = 1, Y 1 = 3, Y = 2, Y 2 = 5, Y = 3, Y 3 = 4, Y = 4 and Y 4 = 2, Y = 5 and Y 5 = 1, the cumulative distribution function is ΣY 0 = 1, ΣY 1 = 4 (ΣY 0 + ΣY 1 ), ΣY 2 = 9 (ΣY 1 + ΣY 2 ), ΣY 3 = 13 (ΣY 2 + ΣY 3 ), ΣY 4 = 15 (ΣY 3 + ΣY 4 ), and ΣY 5 = 16 (ΣY 4 + ΣY 5 ), and the cumulative distribution function is represented graphically as shown in FIG. 3. same.
평균 변화율 계산부(30)는 도 4 에 도시된 바와 같이, 누적분포함수 생성부(20)에서 생성된 누적분포함수의 안개 탐지 영역 내 최소값(P2)과 최대값(P1)을 이용하여 안개 탐지 영역 내 누적분포함수의 평균 변화율(C)을 계산한다. As shown in FIG. 4, the average
여기서, 안개 탐지 영역은 안개가 발생된 것으로 판단하는 기준이 되는 영역으로써, 수평축은 휘도(Y)이며 수직축은 누적분포함수(ΣYn)이다. 즉, 안개 탐지 영역은 안개가 발생한 것으로 인식할 수 있는 휘도 범위에 대한 누적분포함수(ΣYn)의 범위를 나타낸 것이다. Here, the fog detection region is a region for determining that fog is generated, and the horizontal axis is luminance (Y) and the vertical axis is cumulative distribution function (ΣY n ). That is, the fog detection region represents the range of the cumulative distribution function ΣY n for the luminance range that can be recognized as the fog.
참고로, 본 실시예에서는 안개 탐지 영역 중 누적분포함수가 최소인 지점들을 누적분포함수 최소라인(B2)으로 정의하고, 안개 탐지 영역 중 누적분포함수가 최대인 지점들의 누적분포함수 최대라인(B1)으로 정의한다. 또한, 안개 탐지 영역 중 휘도가 최소인 지점들을 휘도 최소라인(A1)으로 정의하고, 안개 탐지 영역 중 휘도가 최대인 지점들을 휘도 최대라인(A2)으로 정의한다.For reference, in the present exemplary embodiment, the cumulative distribution function minimum lines (B2) are defined as the minimum cumulative distribution points in the fog detection region, and the cumulative distribution maximum lines (B1) of the points where the cumulative distribution function is the largest in the fog detection region. To be defined). In addition, the points with the lowest luminance in the fog detection region are defined as the luminance minimum line A1, and the points with the highest luminance in the fog detection region are defined as the luminance maximum line A2.
한편, 평균 변화율 계산부(30)는 누적분포함수 생성부(20)에서 생성된 누적분포함수가 안개 탐지 영역을 형성하는 누적분포함수 최소라인(B2)과 누적분포함수 최대라인(B1)에 모두 포함되는지를 판단하고, 그 판단 결과에 따라 평균 변화율(C)을 계산한다. Meanwhile, the average change
즉, 평균 변화율 계산부(30)는 도 4 에 도시된 바와 같이, 누적분포함수가 안개 탐지 영역 중 누적분포함수 최소라인(B2)과 누적분포함수 최대라인(B1)에 모두 포함되면, 안개 탐지 영역 내 누적분포함수 최소라인(P2)과 누적분포함수 최대라인(P1)을 이용하여 평균 변화율(C)을 계산한다.That is, as shown in FIG. 4, when the cumulative distribution number is included in both the cumulative distribution minimum line B2 and the cumulative distribution maximum line B1 of the fog detection region, as shown in FIG. 4, the fog detection is performed. The average change rate (C) is calculated using the cumulative distribution function minimum line (P2) and the cumulative distribution function maximum line (P1) in the region.
반면에, 평균 변화율 계산부(30)는 도 5 및 도 6 에 도시된 바와 같이, 누적분포함수 생성부(20)에서 생성된 누적분포함수가 기 설정된 안개 탐지 영역을 형성하는 누적분포함수 최소라인(B2)과 누적분포함수 최대라인(B1) 중 어느 하나에 포함되지 않으면, 평균 변화율(C)를 계산하지 않는다. On the other hand, as shown in FIGS. 5 and 6, the average
도 5 는 누적분포함수 생성부(20)에서 생성된 누적분포함수가 안개 탐지 영역 중 누적분포함수 최소라인(B2)에 포함되지 않고 휘도 최소라인(A1)에 포함되는 경우이고, 도 6 은 누적분포함수 생성부(20)에서 생성된 누적분포함수가 안개 탐지 영역 내 누적분포함수 최대라인(B1)에 포함되지 않고 휘도 최대라인(A2)에 포함되는 경우이다. FIG. 5 illustrates a case in which the cumulative distribution generated by the cumulative distribution
안개 판단부(40)는 평균 변화율 계산부(30)에서 계산된 평균 변화율(C)을 기 설정된 기준값과 비교하여 그 비교 결과에 따라 안개 발생 여부를 판단한다. The
여기서, 기준값은 안개가 발생한 것으로 판단하는 기준이 되는 평균 변화율이다. Here, the reference value is an average rate of change as a reference for determining that fog has occurred.
한편, 안개가 발생할 경우 누적분포함수는 일정 구역의 휘도가 많이 존재하여 가파른 기울기를 나타내는 바, 도 7 에 도시된 바와 같이 급격한 기울기(2개의 수직 점선 사이)로 생성된다. On the other hand, when fog occurs, the cumulative distribution function shows a steep slope because there are many luminance of a predetermined region, and is generated as a steep slope (between two vertical dotted lines) as shown in FIG. 7.
반면에, 안개가 발생하지 않은 일반 영상의 누적분포함수는 도 8 에 도시된 바와 같이 상대적으로 완만한 기울기로 생성된다. On the other hand, the cumulative distribution function of the general image in which no fog occurs is generated with a relatively gentle slope as shown in FIG. 8.
따라서, 안개 판단부(40)는 평균 변화율(C)과 기준값을 비교하여 평균 변화율(C)이 기준값 이상이면, 안개가 발생한 것으로 판단하고, 평균 변화율(C)이 기준값 미만이면 안개가 발생하지 않는 것으로 판단한다. Accordingly, the
더욱이, 안개 판단부(40)는 평균 변화율 계산부(30)에서 평균 변화율(C)이 계산되지 않으면, 안개가 발생하지 않은 것으로 판단한다. Furthermore, if the average change rate C is not calculated by the average
참고로, 도 5 에 도시된 누적분포함수는 안개 탐지 영역 내 누적분포함수 최소라인(B2)에 포함되지 않고 안개 탐지 영역 내 휘도 최소라인(A1) 미만에서 급격한 기울기를 가지는 바, 해당 영상은 안개가 발생한 것으로 판단하지 않는다.For reference, the cumulative distribution function illustrated in FIG. 5 is not included in the cumulative distribution minimum line B2 in the fog detection region and has a steep slope below the luminance minimum line A1 in the fog detection region. Is not judged to have occurred.
또한, 도 6 에 도시된 누적분포함수는 안개 탐지 영역 내 누적분포함수 최대라인(B1)에 포함되지 않고 안개 탐지 영역의 휘도 최대라인(A2)에서 급격한 기울기를 가지는 바, 해당 영상은 안개가 발생한 것으로 판단하지 않는다.In addition, the cumulative distribution function illustrated in FIG. 6 is not included in the cumulative distribution function maximum line B1 in the fog detection region and has a steep slope in the luminance maximum line A2 of the fog detection region. Do not judge.
이하, 본 발명의 일 실시예에 따른 영상 안개 인식 방법을 도 9 를 참조하여 상세하게 설명한다. Hereinafter, an image fog recognition method according to an embodiment of the present invention will be described in detail with reference to FIG. 9.
도 9 는 본 발명의 일 실시예에 따른 영상 안개 인식 방법을 도시한 순서도이다. 9 is a flowchart illustrating an image fog recognition method according to an embodiment of the present invention.
도 9 를 참조하면, 히스토그램 생성부(10)는 디지털 영상신호의 휘도신호(Y)를 이용하여 히스토그램을 생성하고(S10), 누적분포함수 생성부(20)는 히스토그램 생성부(10)에서 생성된 히스토그램을 이용하여 누적분포함수를 생성한다(S20). Referring to FIG. 9, the
다음으로, 평균 변화율 계산부(30)는 누적분포함수 생성부(20)에서 생성된 누적분포함수가 안개 탐지 영역 내 누적분포함수 최소라인(B2)과 누적분포함수 최대라인(B1)에 포함되는지를 판단한다(S30). Next, the average change
단계(S30)에서의 판단 결과, 누적분포함수가 안개 탐지 영역 내 누적분포함수 최소라인(B2) 및 누적분포함수 최대라인(B1)에 포함되지 않으면, 안개 판단부(40)는 안개가 발생되지 않은 것으로 판단한다(S70). As a result of the determination in step S30, if the cumulative distribution number is not included in the cumulative distribution minimum line B2 and the cumulative distribution maximum line B1 in the fog detection region, the
반면에, 단계(S30)에서의 판단 결과, 누적분포함수가 안개 탐지 영역 내 누적분포함수가 누적분포함수 최소라인(B2) 및 누적분포함수 최대라인(B1)에 포함되면, 평균 변화율 계산부(30)는 안개 탐지 영역 내 누적분포함수의 최소값(P2)과 최대값(P1)을 이용하여 평균 변화율(C)을 계산한다(S40). On the other hand, if the cumulative distribution function is included in the cumulative distribution function minimum line B2 and the cumulative distribution function maximum line B1 as a result of the determination in step S30, the average change rate calculator ( 30) calculates the average change rate C using the minimum value P2 and the maximum value P1 of the cumulative distribution function in the fog detection region (S40).
안개 판단부(40)는 평균 변화율 계산부(30)에서 계산된 평균 변화율(C)과 기 설정된 기준값을 비교하고, 비교 결과 평균 변화율(C)이 기준값 이상이면 안개가 발생된 것으로 판단(S60)하고, 평균 변화율(C)이 기준값 미만이면 안개가 발생되지 않은 것으로 판단한다(S70). The
이와 같이 구성되는 본 발명은 카메라에서 취득한 영상에 대한 누적분포함수를 산출하고, 이 누적분포함수의 안개 탐지 영역 내 기울기에 따라 안개 발생 여부를 정확하게 판단한다. The present invention configured as described above calculates the cumulative distribution function for the image acquired by the camera, and accurately determines whether fog occurs according to the slope of the cumulative distribution function in the fog detection region.
더욱이, 본 발명은 안개 발생 여부를 정확하게 판단함으로써, 안개 보정을 통해 영상 화질을 개선할 수 있도록 하고, 영상 화질이 중요한 카메라 예를 들어 감시 카메라의 감시 기능을 향상시킬 수 있도록 한다. In addition, the present invention by accurately determining whether the fog occurs, it is possible to improve the image quality through the fog correction, and to improve the surveillance function of a camera, for example, a surveillance camera, the image quality is important.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.
While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, but, on the contrary, is intended to cover various modifications and equivalent arrangements included within the spirit and scope of the appended claims. will be. Accordingly, the true scope of the present invention should be determined by the following claims.
10: 히스토그램 생성부 20: 누적분포함수 생성부
30: 평균 변화율 계산부 40: 안개 판단부10: histogram generator 20: cumulative distribution function generator
30: average change rate calculator 40: fog determination unit
Claims (10)
안개 탐지 영역 내 상기 누적분포함수의 평균변화율을 계산하는 평균 변화율 계산부; 및
상기 평균변화율과 기준값을 비교하여 비교 결과에 따라 안개 발생 여부를 판단하는 안개 판단부를 포함하되,
상기 평균 변화율 계산부는 상기 누적분포함수가 상기 안개 탐지 영역 중 누적분포함수 최소라인과 누적분포함수 최대라인에 모두 포함되면 상기 평균 변화율을 계산하는 것을 특징으로 하는 영상 안개 인식 장치.A cumulative distribution function generator for generating a cumulative distribution function for the image photographed by the camera;
An average change rate calculator for calculating an average change rate of the cumulative distribution function in the fog detection area; And
Comprising the fog determination unit for comparing the average change rate and the reference value to determine whether the fog occurs according to the comparison result,
And the average change rate calculator calculates the average change rate when the cumulative distribution number is included in both the cumulative distribution minimum line and the cumulative distribution maximum line in the fog detection region.
상기 평균변화율이 상기 기준값 이상이면, 안개가 발생한 것으로 판단하는 것을 특징으로 하는 영상 안개 인식 장치.The method of claim 1, wherein the fog determination unit
And determining that the fog has occurred if the average change rate is greater than or equal to the reference value.
상기 누적분포함수의 상기 안개 탐지 영역 내 최소값과 최대값을 이용하여 계산되는 것을 특징으로 하는 영상 안개 인식 장치. The method of claim 3, wherein the average rate of change
The image fog recognition apparatus, characterized in that calculated using the minimum value and the maximum value in the fog detection area of the cumulative distribution function.
상기 누적분포함수가 상기 안개 탐지 영역 중 누적분포함수 최소라인과 누적분포함수 최대라인에 모두 포함되지 않으면, 안개가 발생하지 않은 것으로 판단하는 것을 특징으로 하는 영상 안개 인식 장치.The method of claim 1, wherein the fog determination unit
And if the cumulative distribution function is not included in both the cumulative distribution minimum line and the cumulative distribution function maximum line of the fog detection region, determining that fog has not occurred.
안개 탐지 영역 내 상기 누적분포함수의 평균 변화율을 계산하는 단계; 및
상기 평균 변화율을 기준값과 비교하여 비교 결과에 따라 안개 발생 여부를 판단하는 단계를 포함하되,
상기 평균 변화율을 계산하는 단계는 상기 누적분포함수가 상기 안개 탐지 영역 중 누적분포함수 최소라인과 누적분포함수 최대라인에 모두 포함되면, 상기 평균 변화율을 계산하는 것을 특징으로 하는 영상 안개 인식 방법.Generating a cumulative distribution function for the image photographed by the camera;
Calculating an average rate of change of the cumulative distribution function in the fog detection region; And
Comprising the step of comparing the average rate of change with a reference value to determine whether the fog occurs according to the comparison result,
The calculating of the average rate of change comprises calculating the average rate of change when the cumulative distribution number is included in both the cumulative distribution minimum line and the cumulative distribution maximum line in the fog detection region.
상기 평균변화율이 상기 기준값 이상이면, 안개가 발생한 것으로 판단하는 것을 특징으로 하는 영상 안개 인식 방법.The method of claim 6, wherein the determining of whether the fog occurs
If the average change rate is more than the reference value, it is determined that the fog has occurred.
상기 누적분포함수의 상기 안개 탐지 영역 내 최소값과 최대값을 이용하여 계산되는 것을 특징으로 하는 영상 안개 인식 방법. The method of claim 8, wherein the average rate of change
The image fog recognition method, characterized in that calculated using the minimum value and the maximum value in the fog detection area of the cumulative distribution function.
상기 누적분포함수가 상기 안개 탐지 영역 내 누적분포함수 최소라인과 누적분포함수 최대라인에 모두 포함되지 않으면, 안개가 발생하지 않은 것으로 판단하는 것을 특징으로 하는 영상 안개 인식 방법. The method of claim 6, wherein the determining of whether the fog occurs
And if the cumulative distribution function is not included in both the cumulative distribution minimum line and the cumulative distribution function maximum line in the fog detection region, determining that fog has not occurred.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130076721A KR101354719B1 (en) | 2013-07-01 | 2013-07-01 | Apparatus for detecting fog of image and method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130076721A KR101354719B1 (en) | 2013-07-01 | 2013-07-01 | Apparatus for detecting fog of image and method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101354719B1 true KR101354719B1 (en) | 2014-01-24 |
Family
ID=50146277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130076721A KR101354719B1 (en) | 2013-07-01 | 2013-07-01 | Apparatus for detecting fog of image and method thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101354719B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230021451A (en) * | 2021-08-05 | 2023-02-14 | 한밭대학교 산학협력단 | Short range fog-forecast system and methods using time dependent atmospheric aerosol extinction variations |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002098509A (en) | 2000-09-22 | 2002-04-05 | Mazda Motor Corp | Vehicle detecting device |
| JP2003132458A (en) | 2001-10-25 | 2003-05-09 | Koito Ind Ltd | Device for detecting smoke or fog or the like |
| KR20040033271A (en) * | 2002-10-11 | 2004-04-21 | 이턴 코포레이션 | Motion-based image segmentor for occupant tracking |
| KR101171991B1 (en) * | 2011-12-02 | 2012-08-08 | 문상목 | Image processing sysem for improving quality of foggy image and fog detection method in the same |
-
2013
- 2013-07-01 KR KR1020130076721A patent/KR101354719B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002098509A (en) | 2000-09-22 | 2002-04-05 | Mazda Motor Corp | Vehicle detecting device |
| JP2003132458A (en) | 2001-10-25 | 2003-05-09 | Koito Ind Ltd | Device for detecting smoke or fog or the like |
| KR20040033271A (en) * | 2002-10-11 | 2004-04-21 | 이턴 코포레이션 | Motion-based image segmentor for occupant tracking |
| KR101171991B1 (en) * | 2011-12-02 | 2012-08-08 | 문상목 | Image processing sysem for improving quality of foggy image and fog detection method in the same |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230021451A (en) * | 2021-08-05 | 2023-02-14 | 한밭대학교 산학협력단 | Short range fog-forecast system and methods using time dependent atmospheric aerosol extinction variations |
| KR102512105B1 (en) | 2021-08-05 | 2023-03-20 | 한밭대학교 산학협력단 | Short range fog-forecast system and methods using time dependent atmospheric aerosol extinction variations |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111080661B (en) | Image-based straight line detection method and device and electronic equipment | |
| US9799118B2 (en) | Image processing apparatus, imaging apparatus and distance correction method | |
| US9767545B2 (en) | Depth sensor data with real-time processing of scene sensor data | |
| ES2681294T3 (en) | Image processing system and computer readable recording medium | |
| JP6158779B2 (en) | Image processing device | |
| US20130120125A1 (en) | Method and system for lane departure warning | |
| KR101546700B1 (en) | System and method for recognizing road pothole area using image | |
| US20130004079A1 (en) | Image processing apparatus, image processing method, and program thereof | |
| KR101583947B1 (en) | Apparatus and method for image defogging | |
| CN106599783B (en) | Video occlusion detection method and device | |
| CN109478329B (en) | Image processing method and device | |
| WO2016076449A1 (en) | Method and system for detecting an approaching obstacle based on image recognition | |
| CN105320927A (en) | Lane line detection method and system | |
| KR101341243B1 (en) | Apparatus and method of restoring image damaged by weather condition | |
| JP2015103249A (en) | Device and method for detection of zebra crossing in image | |
| KR101354719B1 (en) | Apparatus for detecting fog of image and method thereof | |
| US8693769B2 (en) | Image classification methods and systems | |
| JP2005011097A (en) | Face existence determining device and face existence determining program | |
| KR102078419B1 (en) | Driver assistance system and method thereof | |
| KR101171991B1 (en) | Image processing sysem for improving quality of foggy image and fog detection method in the same | |
| KR20150107581A (en) | Image processing apparatus and image processing method | |
| JP2010049491A (en) | Driving state monitoring apparatus | |
| KR101582800B1 (en) | Method for detecting edge in color image adaptively and apparatus and computer-readable recording media using the same | |
| JP2009193130A (en) | Vehicle surrounding monitoring device, vehicle, program for vehicle surrounding monitoring and vehicle surrounding monitoring method | |
| JP3912358B2 (en) | Threshold setting device and threshold setting method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated 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: 20161205 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20171123 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20191112 Year of fee payment: 7 |