KR101507642B1 - 평가 전달량에 기초한 안개 영상 보상 방법 - Google Patents

평가 전달량에 기초한 안개 영상 보상 방법 Download PDF

Info

Publication number
KR101507642B1
KR101507642B1 KR20120077860A KR20120077860A KR101507642B1 KR 101507642 B1 KR101507642 B1 KR 101507642B1 KR 20120077860 A KR20120077860 A KR 20120077860A KR 20120077860 A KR20120077860 A KR 20120077860A KR 101507642 B1 KR101507642 B1 KR 101507642B1
Authority
KR
South Korea
Prior art keywords
fog
image
value
brightness
pixel value
Prior art date
Application number
KR20120077860A
Other languages
English (en)
Other versions
KR20140011118A (ko
Inventor
김원하
엄태하
Original Assignee
경희대학교 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 경희대학교 산학협력단 filed Critical 경희대학교 산학협력단
Priority to KR20120077860A priority Critical patent/KR101507642B1/ko
Publication of KR20140011118A publication Critical patent/KR20140011118A/ko
Application granted granted Critical
Publication of KR101507642B1 publication Critical patent/KR101507642B1/ko

Links

Images

Classifications

    • 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
    • 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

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)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)
  • Color Image Communication Systems (AREA)

Abstract

본 발명은 영상 개선 방법에 관한 것으로, 보다 구체적으로 안개가 포함되어 있는 입력 영상에서 안개 세기에 따른, 빛의 산란 정도를 나타내는 평가 전달량을 계산하고 계산한 평가 전달량을 고려하여 HSI 모드에서 안개 영상의 채도와 명도를 보상하여 안개 보상 영상을 생성하는 방법에 관한 것이다.

Description

평가 전달량에 기초한 안개 영상 보상 방법{Method for compensating fogs image based on estimated transmission value}
본 발명은 영상 개선 방법에 관한 것으로, 보다 구체적으로 안개가 포함되어 있는 입력 영상에서 안개 세기에 따른, 빛의 산란 정도를 나타내는 평가 전달량을 계산하고 계산한 평가 전달량을 고려하여 HSI 모드에서 안개 영상의 채도 또는 명도를 보상하여 안개 보상 영상을 생성하는 방법에 관한 것이다.
실외에서 획득한 영상의 경우 다양한 외부 요인에 의해 실제 객체가 가지고 있는 밝기나 색상 정보를 그대로 획득하기 어렵다. 예컨대, 카메라를 통해 영상을 획득할 경우 객체로부터 획득하는 빛과 색은 공기 중의 밝기 및 색상과 혼합되어 원래의 색과 다른 색을 띄게 된다. 더욱이 기상 상태로 인하여 안개와 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 획득된 영상 내 객체는 원래의 색을 많이 잃어버리고 안개의 색 또는 빛에 가까운 색 또는 빛을 가진다.
따라서 좋지 않은 기상 상태에서 깨끗한 영상을 만들기 위한 많은 연구가 진행되고 있다. 지금까지 개발 연구된, 안개 영상에서 안개를 제거하는 방법은 여러 장의 영상을 이용하는 방법과 추가 정보를 이용하는 방법으로 크게 구분된다. 여러 장의 영상을 이용하여 안개를 제거하는 대표적인 방법은 같은 위치에서 서로 다른 날씨 환경 아래에서 획득한 다수의 영상을 이용하여 촬영한 안개 영상에서 안개를 제거하며, 추가 정보를 이용하여 안개를 제거하는 대표적인 방법은 카메라에 내장된 GPS 정보를 이용하여 영상의 깊이 정보를 획득하고 획득한 깊이 정보로부터 안개 값의 밀도를 계산하여 안개 영상에서 안개를 제거한다.
그러나 종래 안개 영상에서 안개를 제거하는 방법 중 여러 장의 영상을 이용하여 안개를 제거하는 방법은 반드시 미리 획득한 여러 장의 영상이 필요하므로 미리 획득한 영상이 존재하지 않는 경우 또는 움직이는 영상의 경우에는 적용되기 곤란한다. 한편, 추가 정보를 이용하여 안개를 제거하는 대표적인 방법은 획득한 안개 영상 이외에 별도의 장비를 이용하여 안개 상태 정보를 판단하며 안개 상태 정보는 동일 영상에서 서로 균일하다는 가정하에 영상에서 안개를 제거하기 때문에 실제 서로 균일한 밀도로 분포되어 있지 않은 안개 영상에서 안개를 정확하게 제거하지 못한다는 문제점을 가진다.
본 발명은 위에서 언급한 문제점들을 해결하기 위한 것으로, 본 발명이 이루고자 하는 목적은 빛의 산란 정도를 나타내는 평가 전달량으로부터 안개 깊이 또는 안개 양의 정도를 판단하여 안개 영상을 보상하는 방법을 제공하는 것이다.
본 발명이 이루고자 하는 다른 목적은 RGB 모드가 아닌 HSI 모드에서 평가 전달량에 기초하여 안개 영상의 명도를 보정하여 가시성을 향상시킨 안개 영상 보상 방법을 제공하는 것이다.
본 발명이 이루고자 하는 또 다른 목적은 HSI 모드에서 평가 전달량에 기초하여 안개 영상의 명도뿐만 아니라 채도도 보정한 안개 영상 보상 방법을 제공하는 것이다.
본 발명의 목적을 달성하기 위하여 본 발명의 일 실시예에 따른 안개 영상 보상 방법은 RGB 모드의 안개 영상을 HSI 모드의 안개 영상으로 변환하는 단계와, RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 각 픽셀의 픽셀값으로 계산하고 계산한 픽셀값과 상기 HSI 모드 안개 영상의 명도 히스토그램으로부터 최소 픽셀값 맵을 생성하는 단계와, 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우의 픽셀값 히스토그램으로부터 안개 영상의 평가 전달량을 계산하는 단계와, HSI 모드의 안개 영상의 명도값에 평가 전달량을 적용하여 HSI 모드의 안개 영상에서 안개를 제거하여 안개 보상 영상을 생성하는 단계를 포함한다.
본 발명의 일 실시예에 따른 안개 영상 보상 방법에서는 안개 보상 영상의 명도가 낮아지는 경향을 보상하기 위하여 HSI 모드의 안개 영상의 채도값에 평가 전달량을 적용하여 상기 안개 제거 영상의 채도를 보상하는 단계를 더 포함한다.
여기서 안개 보상 영상(J(x, y))은 아래의 수학식(1)에 의해 계산되며,
[수학식 1]
Figure 112012057108312-pat00001
t(x,y)E는 안개 영상(O(x,y))을 구성하는 픽셀(x,y)의 평가 전달량이며, AI는 대기 산란광의 크기로 HSI 모드의 안개 영상의 명도 히스토그램에서 설정된 값인 것을 특징으로 한다.
평가 전달량(t(x,y)E)은 아래의 수학식(2)에 의해 계산되며,
[수학식 2]
Figure 112012057108312-pat00002
여기서
Figure 112012057108312-pat00003
는 안개 영상의 픽셀(O(x,y))의 R, G, B 명도 최소값을 의미하며,
Figure 112012057108312-pat00004
는 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우에서 최소 픽셀값을 의미하며, AI는 대기 산란광의 크기로 HSI 모드의 안개 영상의 명도 히스토그램에서 설정된 값인 것을 특징으로 한다.
여기서 평가 전달량(t(x,y)E)은 아래의 수학식(3)에 의해 계산되며,
[수학식 3]
Figure 112012057108312-pat00005
Figure 112012057108312-pat00006
는 안개 영상의 픽셀(O(x,y))의 R, G, B 명도 최소값을 의미하며,
Figure 112012057108312-pat00007
는 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우에서 최소 픽셀값을 의미하며, AI는 대기 산란광의 크기로 HSI 모드의 안개 영상의 명도 히스토그램에서 설정된 값인 것을 특징으로 한다.
본 발명의 다른 실시예에 따른 안개 영상 보상 방법은 안개 영상에서 빛의 산란 정도를 나타내는 평가 전달량을 계산하는 단계와, 계산한 평가 전달량을 HSI 모드의 안개 영상의 명도값에 적용하여 안개 영상의 명도값을 보상하는 단계와, 계산한 평가 전달량을 HSI 모드의 안개 영상의 채도값에 적용하여 안개 영상의 채도값을 보상하는 단계와, 보상한 명도값, 채도값에 기초하여 안개 영상에서 안개가 제거 보상된 안개 보상 영상을 생성하는 단계를 포함한다.
여기서 평가 전달량을 계산하는 단계는 RGB 모드의 안개 영상을 HSI 모드의 안개 영상으로 변환하는 단계와, RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 각 픽셀의 픽셀값으로 계산하고 계산한 픽셀값과 HSI 모드의 안개 영상의 명도 히스토그램으로부터 최소 픽셀값 맵을 생성하는 단계와, 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우의 픽셀값 히스토그램으로부터 안개 영상의 평가 전달량을 계산하는 단계를 포함한다.
여기서 안개 보상 영상은 아래의 수학식(4)에 의해 생성되며,
[수학식 4]
Figure 112012057108312-pat00008
JH(x,y), JS(x,y), JI(x,y)는 각각 안개 보상 영상의 보상 색상값, 보상 채도값 및 보상 명도값을 의미하며, 보상 색상값은 상기 안개 영상의 색상값과 동일한 것을 특징으로 한다.
바람직하게, 보상 채도값과 상기 보상 명도값은 아래의 수학식(5)와 수학식(6)에 의해 계산되며,
[수학식 5]
Figure 112012057108312-pat00009
[수학식 6]
Figure 112012057108312-pat00010
여기서 OH(x,y)와 OI(x,y)는 각각 안개 영상의 채도값과 명도값이며, fH(t(x,y)E)는 채도 보상함수이며, t(x,y)E는 평가 전달량이며, AI는 대기 산란광의 크기로 상기 HSI 모드 안개 영상의 명도 히스토그램에서 설정된 값인 것을 특징으로 한다.
한편, 본 발명의 일 실시예에 따른 안개 영상 보상 장치는 RGB 모드의 상기 안개 영상을 HSI 모드 안개 영상으로 변환하는 모드 변환부와, 안개 영상에서 빛의 산란 정도를 나타내는 평가 전달량을 계산하는 평가 전달량 계산부와, 계산한 평가 전달량을 HSI 모드의 안개 영상의 명도값에 적용하여 안개 영상의 명도값을 보상하는 명도 보상부와, 계산한 평가 전달량을 HSI 모드의 안개 영상의 채도값에 적용하여 안개 영상의 채도값을 보상하는 채도 보상부와, 보상한 명도값, 채도값에 기초하여 안개 영상에서 안개가 제거 보상된 안개 보상 영상을 생성하는 보상 영상 생성부를 포함한다.
여기서 평가 전달량 계산부는 RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 각 픽셀의 픽셀값으로 계산하고 계산한 픽셀값과 HSI 모드 안개 영상의 명도 히스토그램으로부터 최소 픽셀값 맵을 생성하는 맵 생성부와, 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우의 픽셀값 히스토그램을 생성하는 윈도우 히스토그램부와, 윈도우 히스토그램에서 중간 픽셀값 또는 최소 픽셀값을 판단하는 픽셀값 판단부와, 판단한 중간 픽셀값 또는 최소 픽셀값으로부터 각 픽셀의 전달량을 계산하는 전달량 계산부를 포함하는 것을 특징으로 한다.
본 발명에 따른 안개 영상 보상 방법은 종래 안개 영상 보상 방법과 비교하여 다음과 같은 다양한 효과를 가진다.
첫째, 본 발명에 따른 안개 영상 보상 방법은 빛의 산란 정도를 나타내는 평가 전달량으로부터 안개 깊이 또는 안개 양의 정도를 판단하여 안개 영상을 보상함으로써, 안개 영상을 구성하는 픽셀 단위로 평가 전달량에 따라 안개를 보상할 수 있다.
둘째, 본 발명에 따른 안개 영상 보상 방법은 RGB 모드가 아닌 HSI 모드에서 평가 전달량에 기초하여 안개 영상의 명도를 보상함으로써, RGB 모드의 R 채널, G채널, B 채널 각각에 대해 모두 보상하는 것보다 적은 연산량으로 안개 영상을 보상할 수 있다.
셋째, 본 발명에 따른 안개 영상 보상 방법은 HSI 모드에서 평가 전달량에 기초하여 안개 영상의 명도뿐만 아니라 채도를 보상함으로써, 채도 편향없는 자연스러운 안개 영상을 획득할 수 있다.
도 1은 도 1은 동일 지역에서 안개가 끼지 않은 정상 영상과 안개가 낀 안개 영상의 일 예를 도시하고 있다.
도 2는 정상 영상과 안개 영상의 HS(Hue, Saturation) 공간의 히스토그램을 각각 도시하고 있다.
도 3은 정상 영상과 안개 영상의 I(Intensity) 공간의 히스토그램을 도시하고 있다.
도 4는 본 발명에 따른 안개 영상 보상 장치를 설명하기 위한 기능 블록도이다.
도 5는 본 발명에 따른 평가 전달량 계산부를 보다 구체적으로 설명하기 위한 기능 블록도이다.
도 6은 본 발명에 따른 안개 영상 보상 방법을 구체적으로 설명하기 위한 흐름도이다.
도 7은 본 발명에 따라 계산된 평가 전달량에 의해 생성되는 안개 영상의 평가 전달량 맵의 일 예를 도시하고 있다.
도 8은 본 발명에 따른 채도 보상함수의 일 예를 도시하고 있다.
도 9는 본 발명에 따라 명도와 채도를 보상한 안개 영상을 도시하고 있다.
도 10은 본 발명에 따른 안개 영상의 전달량을 계산하는 단계를 보다 구체적으로 설명하기 위한 흐름도이다.
도 11은 본 발명에 따른 윈도우 히스토그램을 설명하기 위한 도면이다.
이하 첨부한 도면을 참고로 본 발명에 따른 안개 영상 보상 방법 및 그 장치에 대해 보다 구체적으로 설명한다.
도 1은 동일 지역에서 안개가 끼지 않은 정상 영상과 안개가 낀 안개 영상의 일 예를 도시하고 있으며, 도 2는 정상 영상과 안개 영상의 HS(Hue, Saturation) 공간의 히스토그램을 각각 도시하고 있으며, 도 3은 정상 영상과 안개 영상의 I(Intensity) 공간의 히스토그램을 도시하고 있다. 도 2에서 색상(H)은 원에서 Y축을 0도와 180도로 하여 각도로 표현되며 채도(S)는 원점(0,0)을 기준으로 1로 크기가 정규화되어 도시되어 있으며, 도 3에서 명도(I)는 크기가 1로 정규화되어 도시되어 있다.
도 2에 도시되어 있는 것과 같이, 정상 영상의 HS 히스토그램과 안개 영상의 HS 히스토그램을 비교하여 살펴보면 정상 영상이 안개 영상보다 원점을 기준으로 더 넓은 영역으로 퍼져 있다. 한편, 도 3에 도시되어 있는 것과 같이, 정상 영상의 I 히스토그램은 안개 영상의 I 히스토그램보다 더 넓은 영역으로 퍼져 있음을 알 수 있다.
즉, 안개 영상의 HS 히스토그램과 I 히스토그램에서 알 수 있듯이, 안개 영상에서 객체의 명도는 흐려지면서 전체적으로 안개 명도로 집중되며, 채도는 작아짐을 알 수 있다. 따라서 본 발명에서는 안개 영상에서 명도와 채도를 안개 깊이 또는 안개 양에 따라 보상해 주는데, 안개 깊이 또는 안개 양은 평가 전달량에 기초하여 평가한다.
도 4는 본 발명에 따른 안개 영상 보상 장치를 설명하기 위한 기능 블록도이다.
도 4를 참고로 보다 구체적으로 살펴보면, 평가 전달량 계산부(10)는 RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 각 픽셀의 픽셀값으로하는 최소 픽셀값 맵으로부터 빛의 산란 정도, 즉 안개 깊이 또는 안개 양을 나타내는 평가 전달량을 계산한다. 평가 전달량 계산부(10)는 HSI 모드의 안개 영상의 명도 히스토그램으로부터 결정되는 대기 산란광의 크기(AI)로부터 최소 픽셀값 맵을 생성하고, 생성한 최소 픽셀값 맵으로부터 평가 전달량을 계산한다. 여기서 모드 변환부(20)는 입력되는 RGB 모드의 안개 영상을 HSI 모드로 변환하며, 명도 히스토그램은 HSI 모드 안개 영상을 구성하는 각 픽셀의 명도 분포도로부터 명도 히스토그램을 생성한다.
명도 보상부(40)는 계산한 평가 전달량을 HSI 모드의 안개 영상의 명도값에 적용하여 안개 영상의 명도값을 보상하며, 채도 보상부(50)는 계산한 평가 전달량을 HSI 모드 안개 영상의 채도값에 적용하여 안개 영상의 채도값을 보상한다.
보상 영상 생성부(60)는 보상한 명도값, 채도값에 기초하여 안개 영상에서 안개가 제거 보상된 HSI 모드의 안개 보상 영상을 생성한다. 모드 변환부(20)는 HSI 모드의 안개 보상 영상을 다시 RGB 모드의 안개 보상 영상으로 변환하여 출력한다.
본 발명에 따른 안개 영상 보상 장치는 HSI 모드에서 명도와 채도를 보상함으로써 RGB 모드의 R 채널, G 채널, B채널에서 각각 명도를 보정하는 것보다 연산량을 줄일 수 있으며, 안개 영상을 구성하는 각 픽셀 단위의 평가 전달량에 의해 안개 영상의 채도와 명도를 보상함으로써 안개 영상 전체에 동일한 안개 세기로 안개를 보상하는 것보다 안개를 정확하고 자연스럽게 제거할 수 있다.
도 5는 본 발명에 따른 평가 전달량 계산부를 보다 구체적으로 설명하기 위한 기능 블록도이다.
도 5를 참고로 보다 구체적으로 살펴보면, 맵 생성부(11)는 RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 해당 픽셀의 픽셀값으로 계산하고, 계산한 픽셀값과 HSI 모드 안개 영상의 명도 히스토그램으로부터 최소 픽셀값 맵을 생성한다. 윈도우 히스토그램부(13)는 생성한 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우를 구성하는 픽셀값으로부터 윈도우 단위의 윈도우 히스토그램을 생성하고, 픽셀값 판단부는 생성한 픽셀값 히스토그램에서 중간 픽셀값 또는 최소 픽셀값을 판단한다.
전달량 계산부(17)는 판단한 중간 픽셀값 또는 최소 픽셀값으로부터 안개 영상의 각 픽셀에 대한 전달량을 계산한다. 본 발명에서 중간 픽셀값을 이용하여 계산된 안개 영상의 각 픽셀에 대한 전달량은 최소 픽셀값을 이용하여 계산된 안개 영상의 각 픽셀에 대한 전달량보다 안개 영상의 객체 에지에 대한 구분이 명확해짐을 확인할 수 있었으며, 바람직하게 본 발명에서 전달량 계산부(17)는 중간 픽셀값을 이용하여 안개 영상의 각 픽셀에 대한 전달량을 계산한다.
도 6은 본 발명에 따른 안개 영상 보상 방법을 구체적으로 설명하기 위한 흐름도이다.
도 6을 참고로 보다 구체적으로 살펴보면, RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 각 픽셀의 픽셀값으로하는 최소 픽셀값 맵으로부터 빛의 산란 정도, 즉 안개 깊이 또는 안개 양을 나타내는 평가 전달량(t(x,y)E)을 아래의 수학식(1)과 같이 계산한다(S110).
[수학식 1]
Figure 112012057108312-pat00011
여기서
Figure 112012057108312-pat00012
는 RGB 모드 안개 영상의 픽셀(O(x,y))의 R, G, B 명도 최소값을 의미하며,
Figure 112012057108312-pat00013
는 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우에서 최소 픽셀값을 의미하며, AI는 대기 산란광의 크기로 HSI 모드의 안개 영상의 명도 히스토그램에서 설정된 값이며, w는 안개 가중치 값으로 자연스러운 안개 보상 영상을 획득하기 위해 설정되는 상수이다. 바람직하게, AI 값은 안개 영상의 명도 히스토그램에서 상위 1%값으로 설정된다.
본 발명에서 평가 전달량(t(x,y)E)은 아래의 수학식(2)와 같이 계산될 수 있다.
[수학식 2]
Figure 112012057108312-pat00014
여기서
Figure 112012057108312-pat00015
는 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우에서 중간 픽셀값을 의미한다.
도 7은 수학식(2)에 의해 계산된, 본 발명에 따라 계산된 평가 전달량에 의해 생성되는 안개 영상의 평가 전달량 맵의 일 예를 도시하고 있다. 도 7에 도시되어 있는 것과 같이, 안개 영상에서 안개 깊이 또는 안개 양이 많은 지역의 전달량은 0에 가까워 빛의 산란이 크며, 안개 깊이 또는 안개 양이 적은 지역의 전달량은 1에 가까워 빛의 산란이 작음을 알 수 있다.
다시 도 6을 참고로 살펴보면, 계산한 평가 전달량을 HSI 모드의 안개 영상(O(x,y))의 명도값에 적용하여 안개 영상의 명도값을 아래의 수학식(3)과 같이 보상하여 명도 보상된 안개 영상(JI(x,y))을 생성한다(120).
[수학식 3]
Figure 112012057108312-pat00016
여기서 t(x,y)E는 안개 영상(O(x,y))을 구성하는 각 픽셀(x,y)의 평가 전달량이며, AI는 대기 산란광의 크기로 HSI 모드의 안개 영상의 명도 히스토그램에서 설정된 값이다.
명도 보상된 안개 영상은 안개 영상보다 가시성은 향상된다. 그러나 안개 영상은 거리가 멀고 안개 양이 많을수록 안개 영상의 채도가 감소하게 되는데, 명도 보상된 안개 영상의 경우에는 명도만이 보상되어 채도는 낮은 상태로 그대로 유지된다. 평가 전달량은 안개 영상의 안개 깊이 또는 안개 양에 따른 채도의 감소도 반영하는 것으로 계산한 평가 전달량을 HSI 모드 안개 영상의 채도값에 적용하여 안개 영상의 채도값을 보상한다(S130). 안개 영상의 채도값은 아래의 수학식(4)와 같이 보상된다.
[수학식 4]
Figure 112012057108312-pat00017
여기서 fH(t(x,y)E)는 채도 보상함수이다. 멀리 있는 지역 또는 안개가 많은 지역의 채도는 회색값에 근접한 채도를 가지는데, 채도 보상함수는 안개 영상에서 안개 깊이 또는 안개 양을 반영한 빛의 산란 정도를 나타내는 전달량에 따라 안개 영상의 채도에 가중치를 부여하여 분산시켜준다. 채도 보상함수의 일 예는 아래의 수학식(5)와 수학식(5)로 표현되는 도 8의 가우시안 함수와 같다.
[수학식 5]
Figure 112012057108312-pat00018
HSI 모드에서 채도와 명도를 보상한 안개 보상 영상을 아래의 수학식(6)과 같이 생성한다(S140).
[수학식 6]
Figure 112012057108312-pat00019
여기서 JH(x,y), JS(x,y), JI(x,y)는 각각 안개 보상 영상의 보상 색상값, 보상 채도값 및 보상 명도값을 의미하며, 보상 색상값은 안개를 보상하지 않은 안개 영상의 색상값과 동일하다.
도 9(a)는 안개 보상을 하지 않은 영상 영상을 도시하고 있으며, 도 9(b)는 본 발명에 따라 명도를 보상한 안개 영상을 도시하고 있으며, 도 9(c)는 본 발명에 따라 명도와 채도를 보상한 안개 영상을 도시하고 있다.
도 10은 본 발명에 따른 안개 영상의 전달량을 계산하는 단계를 보다 구체적으로 설명하기 위한 흐름도이다.
도 10을 참고로 보다 구체적으로 살펴보면, RGB 모드의 안개 영상을 아래의 수학식(7) 내지 수학식(9)에 의해 HSI 모드의 안개 영상으로 변환하고(S111), HSI 모드의 안개 영상으로부터 명도 히스토그램을 생성한다(S113).
[수학식 7]
Figure 112012057108312-pat00020
Figure 112012057108312-pat00021
[수학식 8]
Figure 112012057108312-pat00022
[수학식 9]
Figure 112012057108312-pat00023
RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 각 픽셀의 픽셀값으로 계산하고, 상기 계산한 픽셀값과 HSI 모드의 안개 영상의 명도 히스토그램으로부터 최소 픽셀값 맵을 생성한다(S115). RGB 모드의 안개 영상(I)을 구성하는 각 픽셀들의 R 채널, G 채널, B 채널의 픽셀값 중 최소값을 해당 픽셀의 픽셀값으로 계산하고, 계산한 픽셀값을 명도 히스토그램으로부터 설정된 대기산란값(AI)으로 나누어 해당 픽셀의 최소 픽셀값 맵을 생성한다.
생성한 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우 픽셀값으로부터 윈도우 히스토그램을 생성하고(S117), 생성한 윈도우 히스토그램으로부터 안개 영상의 평가 전달량을 계산한다(S119).
도 11을 참고로 윈도우 히스토그램을 생성하는 단계의 일 예를 보다 구체적으로 살펴보면, 도 11(a)에 도시되어 있는 최소 픽셀값 맵(I)에서 도 11(b)에 도시되어 있는 안개 영상의 픽셀(P1)을 중심에 포함하는 5×5 크기의 윈도우(W1)를 생성한다. 도 11(c)에 도시되어 있는 바와 같이 생성한 윈도우(W1)의 윈도우 히스토그램을 생성한다. 윈도우 히스토그램은 윈도우 내에 존재하는 픽셀들의 픽셀값을 카운팅하여 크기별로 순차적으로 분류한 것이다.
앞서 수학식(1)에서 설명한 방식과 같이 최소 픽셀값 맵에서 5×5 크기 윈도우에서 최소 픽셀값에 기초하여 평가 전달량을 계산하는 경우, 윈도우 히스토그램에서 최소 픽셀값은 가장 처음에 위치하는 픽셀값으로 가장 처음에 위치하는 픽셀값을 검색하여 평가 전달량을 계산한다. 한편, 앞서 수학식(2)에서 설명한 방식과 같이 최소 픽셀값 맵에서 5×5 크기 윈도우에서 중간 픽셀값에 기초하여 평가 전달량을 계산하는 경우, 윈도우 히스토그램에서 작은 크기의 픽셀값을 가지는 픽셀 수부터 순차적으로 카운트하여 윈도우를 구성하는 전체 픽셀수의 반값에 해당하는 픽셀의 픽셀값에 기초하여 평가 전달량을 계산한다. 윈도우 히스토그램을 이용함으로써, 윈도우를 구성하는 모든 픽셀의 픽셀값을 비교하지 않고 최소 픽셀값 또는 중간 픽셀값을 적은 연산량으로 계산할 수 있다.
이와 동일한 방식으로 다음 픽셀(P2)에 대해서는 다음 픽셀(P2)에 해당하는 윈도우(W2)로 옮겨가며, 다음 픽셀(P2)에 대한 평가 전달량을 계산한다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10: 평가 전달량 계산부 20: 명도 히스토그램 생성부
30: 모드 변환부 40: 명도 보상부
50: 채도 보상부 60: 보상 영상 생성부
11: 맵 생성부 13: 윈도우 히스토그램부
15: 픽셀값 판단부 17: 전달량 계산부

Claims (13)

  1. RGB 모드의 안개 영상을 HSI 모드의 안개 영상으로 변환하는 단계;
    상기 RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 각 픽셀의 픽셀값으로 계산하고, 상기 계산한 픽셀값과 상기 HSI 모드 안개 영상의 명도 히스토그램으로부터 최소 픽셀값 맵을 생성하는 단계;
    상기 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우의 픽셀값 히스토그램으로부터 상기 안개 영상의 평가 전달량을 계산하는 단계; 및
    상기 HSI 모드의 안개 영상의 명도값에 상기 평가 전달량을 적용하여 상기 HSI 모드의 안개 영상에서 안개를 제거하여 안개 보상 영상을 생성하는 단계를 포함하는 것을 특징으로 하는 안개 영상 보상 방법.
  2. 제 1 항에 있어서, 상기 안개 영상 보상 방법은
    상기 HSI 모드의 안개 영상의 채도값에 평가 전달량을 적용하여 상기 안개 보상 영상의 채도를 보상하는 단계를 더 포함하는 것을 특징으로 하는 안개 영상 보상 방법.
  3. 제 2 항에 있어서, 상기 안개 보상 영상 또는 상기 채도 보상한 안개 보상 영상을 RGB 모드로 변환하는 단계를 더 포함하는 것을 특징으로 하는 안개 영상 보상 방법.
  4. 제 2 항에 있어서, 상기 안개 보상 영상(J(x, y))은 아래의 수학식(1)에 의해 계산되며,
    [수학식 1]
    Figure 112012057108312-pat00024

    여기서 t(x,y)E는 안개 영상(O(x,y))을 구성하는 픽셀(x,y)의 평가 전달량이며, AI는 대기 산란광의 크기로 상기 HSI 모드의 안개 영상의 명도 히스토그램에서 설정된 값인 것을 특징으로 하는 안개 영상 보상 방법.
  5. 제 2 항에 있어서, 상기 평가 전달량(t(x,y)E)은 아래의 수학식(2)에 의해 계산되며,
    [수학식 2]
    Figure 112013097654391-pat00025

    여기서
    Figure 112013097654391-pat00026
    는 상기 안개 영상의 픽셀(O(x,y))의 R, G, B 명도 최소값을 의미하며,
    Figure 112013097654391-pat00027
    는 상기 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우에서 최소 픽셀값을 의미하며, AI는 대기 산란광의 크기로 상기 HSI 모드의 안개 영상의 명도 히스토그램에서 설정된 값이며, w는 안개 가중치 값으로 안개 보상 영상을 획득하기 위해 설정되는 상수인 것을 특징으로 하는 안개 영상 보상 방법.
  6. 제 2 항에 있어서, 상기 평가 전달량(t(x,y)E)은 아래의 수학식(3)에 의해 계산되며,
    [수학식 3]
    Figure 112014051597837-pat00028

    여기서
    Figure 112014051597837-pat00029
    는 상기 안개 영상의 픽셀(O(x,y))의 R, G, B 명도 최소값을 의미하며,
    Figure 112014051597837-pat00030
    는 상기 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우에서 최소 픽셀값을 의미하며, AI는 대기 산란광의 크기로 상기 HSI 모드의 안개 영상의 명도 히스토그램에서 설정된 값이며, w는 안개 가중치 값으로 안개 보상 영상을 획득하기 위해 설정되는 상수인 것을 특징으로 하는 안개 영상 보상 방법.
  7. 평가 전달량을 계산하는 단계;
    상기 계산한 평가 전달량을 HSI 모드의 안개 영상의 명도값에 적용하여 상기 안개 영상의 명도값을 보상하는 단계;
    상기 계산한 평가 전달량을 상기 HSI 모드의 상기 안개 영상의 채도값에 적용하여 상기 안개 영상의 채도값을 보상하는 단계; 및
    상기 보상한 명도값, 채도값에 기초하여 상기 안개 영상에서 안개가 제거 보상된 안개 보상 영상을 생성하는 단계를 포함하며,
    상기 평가 전달량을 계산하는 단계는
    RGB 모드의 안개 영상을 HSI 모드의 안개 영상으로 변환하는 단계;
    상기 RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 각 픽셀의 픽셀값으로 계산하고, 상기 계산한 픽셀값과 HSI 모드의 안개 영상의 명도 히스토그램으로부터 최소 픽셀값 맵을 생성하는 단계; 및
    상기 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우의 픽셀값 히스토그램으로부터 상기 안개 영상의 평가 전달량을 계산하는 단계를 포함하는 것을 특징으로 하는 안개 영상 보상 방법.
  8. 삭제
  9. 제 7 항에 있어서, 상기 안개 보상 영상은 아래의 수학식(4)에 의해 생성되며,
    [수학식 4]
    Figure 112014127115893-pat00031

    여기서 JH(x,y), JS(x,y), JI(x,y)는 각각 상기 안개 보상 영상의 보상 색상값, 보상 채도값 및 보상 명도값을 의미하며, 상기 보상 색상값은 상기 안개 영상의 색상값과 동일한 것을 특징으로 하는 안개 영상 보상 방법.
  10. 제 9 항에 있어서, 상기 보상 채도값과 상기 보상 명도값은 아래의 수학식(5)와 수학식(6)에 의해 계산되며,
    [수학식 5]
    Figure 112012057108312-pat00032

    [수학식 6]
    Figure 112012057108312-pat00033

    여기서 OH(x,y)와 OI(x,y)는 각각 안개 영상의 채도값과 명도값이며, fH(t(x,y)E)는 채도 보상함수이며, t(x,y)E는 평가 전달량이며, AI는 대기 산란광의 크기로 상기 HSI 모드 안개 영상의 명도 히스토그램에서 설정된 값인 것을 특징으로 하는 안개 영상 보상 방법.
  11. 평가 전달량을 계산하는 평가 전달량 계산부;
    상기 계산한 평가 전달량을 HSI 모드의 안개 영상의 명도값에 적용하여 상기 안개 영상의 명도값을 보상하는 명도 보상부;
    상기 계산한 평가 전달량을 상기 HSI 모드의 상기 안개 영상의 채도값에 적용하여 상기 안개 영상의 채도값을 보상하는 채도 보상부; 및
    상기 보상한 명도값, 채도값에 기초하여 상기 안개 영상에서 안개가 제거 보상된 안개 보상 영상을 생성하는 보상 영상 생성부를 포함하며,
    상기 평가 전달량 계산부는
    RGB 모드의 안개 영상을 구성하는 각 픽셀의 R, G, B 명도 최소값을 각 픽셀의 픽셀값으로 계산하고, 상기 계산한 픽셀값과 상기 HSI 모드 안개 영상의 명도 히스토그램으로부터 최소 픽셀값 맵을 생성하는 맵 생성부;
    상기 최소 픽셀값 맵에서 N×M 크기(N, M은 자연수)로 설정된 윈도우 픽셀값으로부터 윈도우 히스토그램을 생성하는 윈도우 히스토그램부;
    상기 윈도우 히스토그램에서 중간 픽셀값 또는 최소 픽셀값을 판단하는 픽셀값 판단부; 및
    상기 판단한 중간 픽셀값 또는 최소 픽셀값으로부터 상기 각 픽셀의 전달량을 계산하는 전달량 계산부를 포함하는 것을 특징으로 하는 안개 영상 보상 장치.
  12. 제 11 항에 있어서, 상기 안개 영상 보상 장치는
    RGB 모드의 상기 안개 영상을 HSI 모드 안개 영상으로 변환하는 모드 변환부를 더 포함하는 것을 특징으로 하는 안개 영상 보상 장치.
  13. 삭제
KR20120077860A 2012-07-17 2012-07-17 평가 전달량에 기초한 안개 영상 보상 방법 KR101507642B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20120077860A KR101507642B1 (ko) 2012-07-17 2012-07-17 평가 전달량에 기초한 안개 영상 보상 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20120077860A KR101507642B1 (ko) 2012-07-17 2012-07-17 평가 전달량에 기초한 안개 영상 보상 방법

Publications (2)

Publication Number Publication Date
KR20140011118A KR20140011118A (ko) 2014-01-28
KR101507642B1 true KR101507642B1 (ko) 2015-04-07

Family

ID=50143488

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20120077860A KR101507642B1 (ko) 2012-07-17 2012-07-17 평가 전달량에 기초한 안개 영상 보상 방법

Country Status (1)

Country Link
KR (1) KR101507642B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102188162B1 (ko) * 2014-08-19 2020-12-07 현대자동차주식회사 안개 상황에서 차량 검출 방법 및 시스템
KR101583430B1 (ko) * 2014-09-30 2016-01-19 고려대학교 산학협력단 영상 처리 방법 및 장치
CN107886480A (zh) * 2017-11-06 2018-04-06 北方工业大学 基于v系统的图像去雾方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100021952A (ko) * 2008-08-18 2010-02-26 삼성테크윈 주식회사 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100021952A (ko) * 2008-08-18 2010-02-26 삼성테크윈 주식회사 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Fog-removing Method of Colorizde Image Based on HighPass Filtering, ISCID(2011) *
A Fog-removing Method of Colorizde Image Based on HighPass Filtering, ISCID(2011)*

Also Published As

Publication number Publication date
KR20140011118A (ko) 2014-01-28

Similar Documents

Publication Publication Date Title
US9710715B2 (en) Image processing system, image processing device, and image processing method
US8396324B2 (en) Image processing method and apparatus for correcting distortion caused by air particles as in fog
KR101518722B1 (ko) 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치
US10521885B2 (en) Image processing device and image processing method
KR101309498B1 (ko) 높은 동적 범위 이미지 매핑을 위한 히스토그램 조정
KR101292421B1 (ko) 단위 블록별 안개 영상 보상 방법
KR101309497B1 (ko) 높은 동작 범위 이미지 매핑을 위한 히스토그램 조정
US8374428B2 (en) Color balancing for partially overlapping images
JP5158100B2 (ja) カラー画像処理方法、装置およびプログラム
CN104732578B (zh) 一种基于倾斜摄影技术的建筑物纹理优化方法
KR102221116B1 (ko) 크로스 커널 구조의 중간값 필터를 이용한 영상 잡음 제거장치 및 방법
KR101917094B1 (ko) 매핑테이블을 이용한 고속 스모그/저조도 영상 개선 방법 및 장치
JP6531542B2 (ja) 画像処理システム、画像処理装置、撮像装置、画像処理方法、プログラムおよび記録媒体
US9330340B1 (en) Noise estimation for images using polynomial relationship for pixel values of image features
CN114004834B (zh) 一种图像处理中的雾天情况分析方法、设备及装置
KR101507642B1 (ko) 평가 전달량에 기초한 안개 영상 보상 방법
CN112640413B (zh) 用于显示周围环境的模型的方法、控制设备和车辆
KR101662407B1 (ko) 영상의 비네팅 보정 방법 및 장치
CN110175967B (zh) 图像去雾处理方法、系统、计算机设备和存储介质
JP6104115B2 (ja) 画像処理装置
CN107424134B (zh) 图像处理方法、装置、计算机可读存储介质和计算机设备
KR20180064028A (ko) 영상 처리 방법 및 장치
KR101553140B1 (ko) 영상 분할 기법을 이용한 안개 영상의 보상 방법
CN113284060A (zh) 一种基于波长衰减识别的水下图像增强方法
Thulasika et al. Single image fog removal based on fusion strategy

Legal Events

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

Payment date: 20171220

Year of fee payment: 4