KR101445577B1

KR101445577B1 - 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템

Info

Publication number: KR101445577B1
Application number: KR20130025544A
Authority: KR
Inventors: 이재원; 홍성훈
Original assignee: 주식회사 브이아이티시스템
Priority date: 2013-03-11
Filing date: 2013-03-11
Publication date: 2014-11-04
Also published as: US9418402B2; KR20140111426A; WO2014142417A1; US20150161769A1

Abstract

본 발명은 안개나 연기로 인해 화질이 저하된 영상에서 안개나 연기를 제거하여 가시성이 향상된 영상을 제공하는 방법을 제공하는 것으로, 이를 위하여 본 발명에서는 입력 영상으로부터 안개가 제거된 영상을 구하는 추정모델을 제공하고, 상기 추정 모델로부터 원영상에 안개가 어느 정도의 비율로 섞여있는지를 나타내는 전달률(transmission rate)을 계산하고, 계산된 전달률을 이용하여 안개가 제거된 영상을 구한다.
본 발명에서 제안한 방식은 필터를 상용하지 않고 화소단위의 연산만을 사용하므로 후광효과가 발생하지 않고, 연산량이 매우 적어 실시간 처리가 가능하며, 휘도 영상만을 가지고 처리하여도 좋은 성능을 나타내므로 실시간 처리가 요구되는 감시시스템, 블랙박스, 디지털 카메라 등 모든 멀티미디어 기기에 적용이 가능하다.

Description

안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템{System for enhancing the foggy luminance image using the estimation model of haze removal}

본 발명은 안개 또는 연기로 인해 화질이 저하된 휘도영상에서, 안개 또는 연기를 제거하여 가시성이 향상된 영상을 제공하는 시스템에 관한 것으로, 더욱 상세하게는 기존 방식에서 휘도영상만을 사용할 경우, 안개제거 성능이 저하되고, 큰 크기의 필터를 사용으로 인한 후광효과가 발생과 매우 많은 연산량을 필요로 함으로 인해 실시간 처리가 어려운 점을 해결할 수 있는 시스템에 관한 것이다.

최근 사고예방이나 감지를 위하여 영상 감시시스템이나 차량용 영상 블랙박스 등이 사용되고 있다. 또한, 첨단 안전차량의 경우 동영상 카메라에서 획득한 영상을 컴퓨터 비전을 이용하여 차선이탈과 차량 추돌 경보 등의 사고 경고를 제공하는 연구가 진행되고 있다.

영상처리 또는 컴퓨터 비전 응용에서 좋은 결과 영상을 얻기 위해서는 깨끗한 입력 영상이 필요하다. 특히, 객체를 탐지하거나 추정할 때, 혹은 영상의 에지 정보를 사용할 때는 영상이 깨끗할수록 좋은 결과를 얻을 수 있다. 하지만, 실외에서 획득한 영상의 경우에는 객체로부터 획득되는 빛과 색은 공기 중의 밝기 및 색상과 혼합되어 원래의 색과 다른 색을 띄게 된다. 특히, 안개나 연기와 같은 다른 빛 무리가 있을 경우 객체의 원래 색과 형태를 획득할 때 어려움이 따른다.

안개가 짙은 기상 상태에서 카메라 등의 장치를 통해 영상을 획득했을 때는 같은 색을 가진 객체라 하더라도 안개의 농도에 따라 획득되는 영상에서는 각각 다른 색을 가진다. 안개의 농도가 진할수록 안개의 비율이 높아지기 때문에 획득된 영상 내 객체는 원래의 색을 많이 잃어버리고, 안개에 가까운 값을 가진다. 따라서, 영상의 색 정보를 이용하는 컴퓨터 비전 알고리즘은 안개가 많은 영역에서는 좋은 결과를 제공할 수 없다. 따라서, 안개가 있는 영상을 개선하여 안개가 없을 때 획득한 영상과 유사하게 만드는 다양한 방법들이 제안되었다. 이러한 방법은 여러 개의 영상을 이용하거나, 영상 외에 추가적인 정보를 이용하는 방법 등이 있다. 최근에는 한 개의 영상을 통해 안개를 제거하고 영상을 복원하는 방법이 제안되고 있다.

종래 안개 등이 포함된 영상을 개선하는 방법과 관련해서는, 한국공개특허 제10-2010-0021952호(이하, '선행문헌') 외에 다수 출원 및 공개되어 있다.

선행문헌에 따른 방법은, 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 영상을 입력받아, 상기 제1 휘도 영상의 평균과 표준편차의 비율을 기초로 대기 산란광 맵을 생성하는 단계; 및 상기 제1 휘도 영상에서 상기 생성한 대기 산란광 맵을 감산함으로써 상기 대기 산란광이 제거된 제2 휘도 영상을 출력하는 단계; 를 포함한다. 그러나, 상기한 선행문헌은 화소 단위로 안개 영상 처리를 수행하지 않는다.

한편, 안개 영상을 깨끗한 영상으로 복원하기 위해서 여러 개의 영상을 이용하거나, 영상 외에 추가적인 정보를 이용하는 방법이 일반적이다. 여러 개의 영상을 이용한 방법으로 우선 편광을 이용한 방법[1, 2]이 있는데, 우선 정확히 동일한 위치에서 각각 다른 편광 필터가 장착된 상태로 촬영된 2장의 영상을 획득한다. 편광에 의해 변경된 안개 값이 다르기 때문에 편광된 양을 측정하는 방법을 통해 편광 값을 계산하고 이를 이용하여 편광된 안개를 제거한다. 이 방법은 매우 좋은 결과 영상을 제공하지만, 동일한 위치에서 각각 다른 편광 필터를 사용해야 한다는 강한 제한 조건이 있다.

편광 필터를 이용하지 않고 단순히 여러 장의 영상을 이용하는 방법[3, 4, 5]은 같은 위치에서 다른 날씨 환경 아래 찍은 여러 장의 사진을 이용함으로써 영상으로부터 안개 정보를 획득한다. 이 방법[3, 4, 5]은 동일한 위치이지만 안개 값에 의해 서로 다른 밝기를 가지는 두 영상으로부터 안개 값을 구하고, 구해진 안개 값을 이용하여 안개의 깊이 정보를 구하는 방법을 이용하여 안개를 제거하였다.

여러 장의 영상을 이용하는 대신 영상의 깊이 정보를 이용하여 안개를 제거하는 방법 역시 제안되었다. Kopf 등[6]은 카메라에 내장된 GPS와 같은 정보를 이용하여 촬영하는 즉시 깊이나 텍스쳐 정보를 획득한다. 획득된 깊이 정보는 안개 값의 농도(밀도)로 가정하여, 영상의 안개를 제거한다.

상기 기존 방법들은 모두 여러 장의 영상을 이용하거나 또는 한 장의 영상을 이용하더라도 추가적인 정보를 이용하여 안개를 제거하였다. 하지만 이러한 방법들은 다양한 조건에서의 영상 데이터 확보를 필요로 하고 동적으로 움직이는 카메라에 적용할 수 없다는 단점을 가지고 있어 최근에는 단일 영상으로 안개를 제거하는 방법이 연구되고 있다.

Tan은 [8]에서 대비를 늘리는 방법을 통해서 안개를 제거하는 방법을 제안하였다. 즉, 안개가 없는 깨끗한 영상은 안개가 있는 영상에 비해 높은 에지 강도를 가지고 있고, 안개 값은 급격하게 변하지 않는다는 속성을 이용하여 안개를 제거한다. 이 방법은 밝기 대비가 높게 개선되기 때문에 영상의 형태나 구조가 확실히 들어난다는 장점이 있다. 하지만 과도한 대비 증가로 인하여 포화되는 현상이 일어나며, 깊이 정보가 많이 차이나는 구간에서는 후광 효과(halo effect)가 발생하기도 한다.

Fattal은 [9]에서 영상의 반사율을 측정하고, 일정 영상 영역 내에서 측정된 반사율은 항상 같은 벡터 방향을 갖는다는 가정을 통하여 안개를 제거하고 영상을 복원하는 알고리즘을 제안하였다. He 등이 제안한 [10] 방법은 안개가 없는 깨끗한 영상은 안개가 있는 영상에 비해 칼라의 채도가 높다는 특성을 이용하여 안개를 제거한다. 안개가 없는 깨끗한 영상의 경우에 색선명도가 높은 화소는 R, G, B 값 중 한 채널(channel) 값이 매우 작은 값을 가지므로, 안개가 없는 칼라 영상의 경우 일정 영역에서 매우 낮은 채널 값을 갖는 화소가 있다는 관측을 이용하여 안개를 제거하는 방법을 제안하였다.

하지만, 한 장의 영상을 사용하는 기존 방법은 RGB 칼라를 사용하므로 휘도영상만을 사용할 경우 안개제거 성능이 크게 저하되고, 큰 크기의 필터를 사용하므로 후광효과가 나타나며, 매우 많은 연산량이 요구되어 실시간 처리가 어려운 문제가 있다.

[1] Y. Y. Schechner, S. G. Narasimhan, and S. K. Nayar, "Instant dehazing of images using polarization," in Proc. CVPR, pp. 1984-1991, Hawaii, USA, Dec. 2001.

[2] S. Shwartz, E. Namer, and Y. Y. Schechner, "Blind haze separation," in Proc. CVPR, pp. 1984-1991, New York, USA, Oct. 2006.

[3] S.G. Narasimhan and S. K. Nayar, "Chromatic framework for vision in bad weather," in Proc. CVPR, pp. 598-605, SC, USA, June 2000.

[4] S. G. Narasimhan and S. K. Nayar, "Contrast restoration of weather degraded images," IEEE Trans. Pattern Anal. Mach. Intell., vol. 25, no. 6, pp. 713-724, June 2003.

[5] S. K. Nayar and S. G. Narasimhan, "Vision in bad weather," in Proc. ICCV, pp. 820-827, Corfu, Greece, Sep. 1999.

[6] J. Kopf, B. Neubert, B. Chen , M. Cohen, D. Cohen-Or, O. Deussen, M. Uyttendaele, and D. Lischinski, "Deep photo: Model-based photograph enhancement and viewing," ACM Trans. Graphics, vol. 27, no. 5, pp. 1-10, Dec. 2008.

[7] S. G. Narasimhan and S. K. Nayar, "Interactive deweathering of an image using physical models," In Workshop on Color and Photometirc Methods in Computer Vision, OCT. 2003

[8] R.Tan, "Visibility in bad weather from a single image," in Proc CVPR, pp. 1-8, Alaska, USA, June 2008.

[9] R.Fattal, "Single image dehazing," ACM Trans. Graphics, vol. 27, no. 3, pp. 1-9, Aug. 2008.

[10] K. He, J. Sun, and X.Tang, "Single image haze removal using dark channel prior," in Proc. CVPR, pp. 1956-1963, Miami, USA, June 2009.

본 발명은 상기와 같은 문제점을 감안하여 안출된 것으로, 안개, 연기, 구름 등 공기 중의 밝기 및 색상 성분과, 객체의 빛 및 색 성분이 혼합되어 가시성이 낮아진 영상에 대하여, 공기 중의 밝기 및 색상성분을 제거하여 선명한 영상을 제공하도록 함에 그 목적이 있다.

기존의 안개제거 방법은 입력영상의 R, G, B 각 성분을 이용하고, 휘도성분만을 사용할 경우 성능 저하가 발생한다. 하지만, 현재 대부분의 멀티미디어 시스템에서 사용되는 색 좌표계는 RGB 좌표계가 아닌 YCbCr 색 좌표계와 같이 휘도신호와 색차신호를 사용하므로 기존 방식을 적용하기 위해서는 색 좌표계 변환 처리가 요구되고, 각 R, G, B 각 신호성분에 대해 독립적인 처리를 할 경우 색상 변화가 발생할 수 있다. 또한, 기존 안개제거 방법은 큰 크기의 필터를 사용하므로 후광효과가 나타나며, 매우 많은 연산량이 요구되어 실시간 처리가 어려운 문제가 있다.

이러한 기존 방식에서 발생하는 문제를 해결하기 위하여, 본 발명에서는 입력 휘도영상으로부터 안개가 제거된 영상을 구하는 추정모델을 제공하고, 상기 추정 모델로부터 원영상에 안개가 어느 정도의 비율로 섞여있는지를 나타내는 전달률(transmission rate)을 계산하며, 계산된 전달률을 이용하여 안개가 제거된 영상을 구한다. 본 발명에서 제안한 방식은 필터를 상용하지 않고 화소단위의 연산만을 사용하므로 기존 방법에서 나타나는 후광효과와 높은 연산량 문제를 해결할 수 있다.

이러한 기술적 과제를 달성하기 위한 본 발명은 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템에 관한 것으로서, 안개가 낀 상기 입력영상을 입력받아, 안개가 제거된 화소의 추정치를 계산하는 안개제거 영상 추정치 계산부; 상기 안개가 제거된 화소의 추정치와 입력영상을 이용하여 전달률의 추정치와 전달률의 하한치를 계산하고, 계산된 전달률의 추정치와 전달률의 하한치를 가중합하여 안개가 제거된 영상 복원에 사용할 전달률을 계산하는 전달률 계산부; 및 상기 전달률 계산부를 통해 계산된 전달률 및 상기 입력영상을 이용하여, 안개가 제거된 복원영상을 출력하는 복원영상 출력부; 를 포함한다.

상기와 같은 본 발명에 따르면, 안개, 연기, 구름 등 공기 중의 밝기 및 색상 성분과, 객체의 빛 및 색 성분이 혼합되어 가시성이 낮아진 영상에 대하여, 공기 중의 밝기 및 색상성분을 제거하여 선명한 영상을 제공한다. 현재, 대부분의 멀티미디어 시스템에서 사용되는 색 좌표계는 RGB 좌표계가 아닌 YCbCr 색 좌표계와 같이 휘도신호와 색차신호를 사용하므로 휘도 정보만으로도 우수한 성능을 발휘하는 제안된 방법은 색 좌표계의 변환 없이 멀티미디어 시스템에 적용이 용이하고, 입력칼라의 색상을 유지할 수 있다. 특히, 본 발명은 화소단위의 연산을 수행하므로 큰 크기의 필터를 사용하는 기존 방법의 문제인 후광효과와 높은 연산량 문제를 해결할 수 있으므로, 실시간 응용에 적용할 수 있다.

따라서, 고화질 감시시스템, 차량용 영상 블랙박스, 화재 방지시스템 등에 적용할 경우, 안개나 연기 등으로 가시성이 감소되는 문제를 해결할 수 있고, 최근에 많은 연구가 이루어지는 첨단 안전차량에 적용이 가능한 효과가 있다.

도 1 은 본 발명에 따른 안개제거 추정 모델에 대해 입력 파라미터에 따른 안개가 제거된 화소의 밝기 값 추정 결과를 도시한 도면.
도 2 는 본 발명에 따른 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템을 개념적으로 도시한 전체 구성도.
도 3 및 도 4 는 본 발명에 따른 안개영상 개선 시스템의 시뮬레이션 결과를 나타낸 일예시도.

본 발명의 구체적 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.

이하, 첨부된 도면을 참조하여 본 발명을 상세하게 설명한다.

본 발명에 따른 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템에 관하여 도 1 내지 도 4 를 참조하여 설명하면 다음과 같다.

한 장의 영상을 이용하여 안개를 제거하는 방법들은 공통적으로 아래의 안개 모델링 식을 이용한다.

[수식 1]

[수식 1] 은 R, G, B 채널마다 각각 정의되는데,

는 카메라를 통해 획득된 영상의 x번째 화소 값이고,

는 안개가 제거된 깨끗한 영상,

는 입력영상의 안개 포함량,

는 전달량(transmission)으로서, 획득된 영상이 깨끗한 영상과 안개 값이 어느 정도의 비율로 이루어져 있는지를 나타낸다.

따라서, 영상의 안개제거는 카메라로부터 획득한 입력영상

로부터

와

를 구하고, 이를 이용하여 최종적으로 안개가 제거된??

를 복원하는 것이다.

[수식 1] 로부터 전달률(

)과 안개가 제거된 영상(

)은 각각 다음의 [수식 2] 및 [수식 3] 으로 구할 수 있다.

[수식 2]

[수식 3]

일반적으로, 전달률

는 다음의 [수식 4] 와 같이 거리에 따라 지수함수적으로 감소한다.

[수식 4]

여기서,

는 공기의 산란계수이고,

는 x번째 화소에 대응하는 공간상의 점과 카메라 사이의 거리이다.

따라서, 안개가 일정하게 낀 경우, 하늘과 같이 거리가 먼 곳은 전달률이 0에 가깝게 되어, [수식 1] 에서 입력영상

가 되고, 매우 가까운 곳의 화소는 전달률이 1에 근접하므로

이 된다. 따라서, 영상에서 밝은 화소는 거리가 멀어 안개가 많이 낀 경우로 가정할 수 있고 전달률이 작다고 가정할 수 있다.

본 발명에서는 입력영상의 안개 포함량(

) 을 영상 내에서 가장 밝은 화소 값으로 설정하고, 전달률은 [수식 5] 로 가정한다.

[수식 5]

[수식 5] 의 전달률의 추정치

를 [수식 3] 에 대입하면, [수식 6] 과 같은 안개가 제거된 화소의 추정치

를 입력영상의 화소 값

에 대한 2차 방정식의 해를 계산하여 구할 수 있다.

[수식 6]

만일,

= 1 인 경우, [수식 6] 은 [수식 7] 로 간단히 표현된다.

[수식 7]

도 1 은 [수식 6] 에서 제시한 안개제거 추정 모델에 대해 입력 파라미터

에 따른 안개가 제거된 화소의 밝기 값의 추정 결과를 도시한 도면으로서,

가 클수록 입력 값의 밝기를 많이 감소시키므로 보다 안개제거의 강도가 강해짐을 알 수 있다.

[수식 6] 으로부터 구한 안개가 제거된 화소의 추정치

를 다시 [수식 2] 에 대입하여 전달률의 추정치를 구하면 [수식 8] 과 같다.

[수식 8]

한편, 안개가 제거된 영상

는

을 만족해야 하므로 [수식 3] 으로부터 전달률

의 범위는 [수식 9] 와 같이 결정된다.

[수식 9]

여기서,

는 전달률 하한치.

본 발명에서는 안개 제거된 영상을 구하는데 사용되는 전달률은 다음의 [수식 1] 과 같이 [수식 8] 의 전달률의 추정치

와 [수식 9] 의 하한치와의 가중합으로 계산한다.

[수식 10]

여기서, ω 는 가중치.

최종적으로 안개 제거된 영상은 [수식 10] 에서 구한 전달률을 [수식 3] 에 대입하여 구한다.

도 2 는 본 발명에 따른 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템(S)을 개념적으로 도시한 전체 구성도로서, 도시된 바와 같이 안개제거 영상 추정치 계산부(100), 전달률 계산부(200), 복원영상 출력부(300) 및 후 처리부(400)를 포함하여 이루어진다.

안개제거 영상 추정치 계산부(100)는 안개가 낀 입력영상(

)을 입력받아, 화소 단위로 안개가 제거된 영상을 산출하는 2차 방정식의 근을 이용하여 안개가 제거된 화소의 추정치(

)를 계산한다.

이때, 안개제거 영상 추정치 계산부(100)는 상기 [수식 6] 을 통해 안개가 제거된 화소의 추정치(

)를 계산한다.

전달률 계산부(200)는 안개가 제거된 화소의 추정치(

)와 입력영상(

)을 이용하여 화소단위로 전달률의 추정치와 전달률의 하한치를 계산하고, 계산된 전달률의 추정치와 전달률의 하한치를 가중합하여 안개가 제거된 영상 복원에 사용할 전달률을 계산하는 기능을 수행하는 바, 상기 도 2 에 도시된 바와 같이 전달률 추정모듈(210), 전달률 하한치 계산모듈(220) 및 가중합 계산모듈(230)을 포함한다.

구체적으로, 전달률 추정모듈(210)은 상기 안개제거 영상 추정치 계산부(100)를 통해 계산된 안개가 제거된 화소의 추정치(

), 입력영상(

)의 화소 값 및 안개 포함량(

)을 이용하여 상기 [수식 8] 을 통해 전달률 추정치(

)를 계산한다. 여기서, 영상의 안개 포함량(

)을 영상 내에서 가장 밝은 화소 값으로 설정한다.

전달률 하한치 계산모듈(220)은 상기 입력영상(

)을 입력받아, [수식 9] 를 통해 전달률 하한치(

)를 계산한다.

가중합 계산모듈(230)은 상기 전달률 추정모듈(210) 및 전달률 하한치 계산모듈(220)을 통해 각각 계산된 전달률 추정치(

) 및 전달률 하한치(

)를 상기 [수식 10] 을 통해 가중합하여 안개가 제거된 영상의 복원에 사용될 전달률(

)을 계산한다.

복원영상 출력부(300)는 상기 전달률 계산부(200)를 통해 계산된 전달률(

), 상기 입력영상(

) 및 안개 포함량(

)을 이용한 [수식 3] 을 통해 안개가 제거된 복원영상(

)을 출력한다.

후 처리부(400)는 상기 복원영상 출력부(300)를 통해 출력된 영상에 대하여 명도 확장(stretching) 등의 처리를 수행하여, 최종적으로 안개가 제거된 영상(

)을 출력한다.

도 3 및 도 4 는 본 발명에 따른 안개영상 개선 시스템의 시뮬레이션 결과를 나타낸 일예시도로서, 도시된 바와 같이 도 3 및 도 4 의 (a) 는 안개 낀 영상의 휘도성분

이고, 도 3 및 도 4 의 (b) 는 [수식 6] 에서 파라미터

=1 일 때, 안개가 제거된 화소의 추정치

을 나타낸 것으로 [수식 7] 을 통해 계산된 영상이다. 또한, 도 3 및 도 4 의 (c) 는 [수식 10] 을 통해 구한 전달률

이고, 도 3 및 도 4 의 (d) 는 본 발명을 통해 안개가 제거된 휘도영상이다.

이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.

S: 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템
100: 안개제거 영상 추정치 계산부 200: 전달률 계산부
300: 복원영상 출력부 400: 후 처리부
210: 전달률 추정모듈 220: 전달률 하한치 계산모듈
230: 가중합 계산모듈

Claims

삭제
안개가 낀 입력영상(
)을 입력받아, 안개가 제거된 화소의 추정치(
)를 계산하는 안개제거 영상 추정치 계산부(100);
상기 안개가 제거된 화소의 추정치(
)와 입력영상(
)을 이용하여 전달률의 추정치와 전달률의 하한치를 계산하고, 계산된 전달률의 추정치와 전달률의 하한치를 가중합하여 안개가 제거된 영상 복원에 사용할 전달률을 계산하는 전달률 계산부(200); 및
상기 전달률 계산부(200)를 통해 계산된 전달률(
) 및 상기 입력영상(
) 을 이용하여, 안개가 제거된 복원영상을 출력하는 복원영상 출력부(300); 를 포함하되,
상기 안개제거 영상 추정치 계산부(100)는,
상기 입력영상(
)의 화소 값에 대한 2차 방정식의 해인 [수식 6] 을 통해 안개가 제거된 화소의 추정치(
)를 계산하여 구하는 것을 특징으로 하는 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템.
[수식 6]
제 2 항에 있어서,
상기 복원영상 출력부(300)를 통해 출력된 영상에 대하여 명도 확장(stretching) 처리를 수행하여, 최종적으로 안개가 제거된 영상(
)을 출력하는 후 처리부(400); 를 포함하는 것을 특징으로 하는 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템.
제 2 항에 있어서,
상기 전달률 계산부(200)는,
상기 안개제거 영상 추정치 계산부(100)를 통해 계산된 안개가 제거된 화소의 추정치(
) 및 입력영상(
)을 이용하여 전달률 추정치(
)를 계산하는 전달률 추정모듈(210);
상기 입력영상(
)을 입력받아, 전달률 하한치(
)를 계산하는 전달률 하한치 계산모듈(220); 및
상기 전달률 추정모듈(210) 및 전달률 하한치 계산모듈(220)을 통해 각각 계산된 전달률 추정치(
) 및 전달률 하한치(
)를 가중합하여 안개가 제거된 영상의 복원에 사용될 전달률(
)을 계산하는 가중합 계산모듈(230); 을 포함하는 것을 특징으로 하는 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템.
삭제
제 4 항에 있어서,
상기 전달률 추정모듈(210)은,
상기 안개제거 영상 추정치 계산부(100)를 통해 계산된 안개가 제거된 화소의 추정치(
), 입력영상(
)의 화소 값 및 안개 포함량(
)을 이용하여 상기 [수식 8] 을 통해 전달률 추정치(
)를 계산하는 것을 특징으로 하는 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템.
[수식 8]
제 4 항에 있어서,
상기 가중합 계산모듈(230)은,
[수식 10] 을 통해 안개가 제거된 영상의 복원에 사용될 전달률(
)을 계산하는 것을 특징으로 하는 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템.
[수식 10]

여기서, ω 는 가중치.
제 2 항에 있어서,
상기 복원영상 출력부(300)는,
상기 전달률 계산부(200)를 통해 계산된 전달률(
), 상기 입력영상(
) 및 안개 포함량(
)을 이용한 [수식 3] 을 통해 안개가 제거된 복원영상(
)을 출력하는 것을 특징으로 하는 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템.
[수식 3]