KR101798911B1 - 선택적 대기 강도 추정에 기반한 안개 제거 방법 및 장치 - Google Patents

Abstract

선택적 대기 강도 추정에 기반한 메디안 다크 채널 프라이어 기반의 안개 제거 방법이 개시되며, 선택적 대기 강도 추정에 기반한 메디안 다크 채널 프라이어 기반의 안개 제거 방법은, (a) 메디안 다크 채널 연산에 기초하여 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단하는 단계, (b) 상기 대기 강도 변화가 발생한 것으로 판단된 경우에 한하여, 상기 현재 프레임의 원본 안개 영상에 대한 다크 채널 연산을 수행하고, 상기 다크 채널 연산 결과를 기반으로 상기 원본 안개 영상에 대한 대기 강도를 업데이트하는 단계, (c) 상기 메디안 다크 채널 연산 및 상기 대기 강도를 기반으로 전달량을 추정하는 단계 및 (e) 상기 추정된 전달량을 기반으로 상기 원본 안개 영상에서 안개를 제거한 복원 영상을 생성하는 단계를 포함할 수 있다.

Description

선택적 대기 강도 추정에 기반한 안개 제거 방법 및 장치 {DEHAZING METHOD AND DEVICE BASED ON SELECTIVE ATMOSPHERIC LIGHT ESTIMATION}

본원은 선택적 대기 강도 추정에 기반하여 고속으로 안개를 제거할 수 있는 안개 제거 방법 및 장치에 관한 것이다.

실외에서 촬영된 영상의 품질은 외부 대기 환경에 의해 크게 좌우된다. 대기에 존재하는 부유 물질들의 크기나 종류에 따라서 빛의 산란 및 흡수 현상이 발생하여, 영상의 가시성이 떨어질 수 있기 때문이다. 특히 빛의 산란이 심해져서 뿌옇게 보이는 현상인 안개는 촬영된 영상의 명암 대조비를 저하시켜서 영상 내의 물체들의 식별을 어렵게 하여, 야외에 설치된 방범 및 감시 카메라 시스템의 성능을 크게 떨어뜨릴 수 있다. 이러한 카메라 시스템의 성능 저하는 여러 가지 방범 및 안전 문제를 유발할 수 있기 때문에, 효과적으로 안개를 제거하는 방법의 개발이 반드시 필요하다.

안개 제거 방법은 크게 2가지 종류로 나눌 수 있다. 첫 번째는 안개의 짙은 정도가 카메라와 물체 사이의 거리, 즉 영상의 깊이(depth) 정보에 따라 달라진다는 사실에 주목하여, 두 장 이상의 같은 장면의 영상을 바탕으로 영상의 깊이 정보를 계산하여 안개를 제거하는 방법이다. 그러나 동적인 영상의 경우에는 같은 장면의 영상을 두 장 이상 얻는 것이 어렵다는 한계를 가지고 있다.

두 번째는 안개 영상이 가지는 특성을 활용하여, 한 장의 안개 영상을 바탕으로 안개를 제거하는 단일 영상 안개 제거 방법이다. Tan은 안개 낀 영상의 대조비가 맑은 날의 영상보다 낮다는 특성을 바탕으로 안개 영상의 대조비를 최대화하여 안개를 제거하는 방법을 제안하였다. Fattal은 안개 낀 영상의 음영과 반사율(albedo)이 서로 상관 관계가 없다는 특성을 바탕으로 안개 제거 방법을 제안하였다. 특히, He, Sun, Tang은 dark channel prior(DCP), 즉 맑은 날씨에서 촬영된 영상들의 대부분이 국부 영역에서 어두운 픽셀을 가지고 있다는 통계적 특성을 바탕으로 한 효과적인 안개 제거 방법을 제안하였다.

DCP 기반의 안개 제거 방법은 기존의 Tan, Fattal에 의해 제시된 방법에 비해서 연산 복잡도가 훨씬 낮고, 다양한 종류의 안개 낀 영상에서 효과적으로 안개를 제거할 수 있기 때문에, 많이 활용되고 있다. 그러나 DCP 기반의 안개 제거 방법에서는 전달량을 추정하기 위해서 수행하는 다크 채널(dark channel) 연산에 의해서 안개가 낀 영역과 물체 영역 사이의 윤곽선이 보존되지 않으며, 이에 따라 윤곽선이 소실된 부분에서는 안개 제거가 잘못 이루어짐에 따라 안개 제거 영상 내에 후광(halo) 및 블록 현상이 발생한다. 후광 현상 및 블록 현상은 안개가 제거된 영상의 품질 저하를 초래한다.

이러한 현상들을 줄이기 위해, 종래에 메디안 다크 채널 프라이어(median dark channel prior, MDCP)를 기반으로 하는 안개 제거 방법이 제안된 바 있다. MDCP 기반의 안개 제거 방법은 DCP 기반의 안개 제거 방법에서 이용되던 최소값 필터링 과정을 윤곽선 보존 및 완만한 특성을 가지고 있는 메디안 필터링 과정으로 대체함으로써 윤곽선 손실을 방지하기 때문에, 다크 채널 연산에 비해 윤곽선 보존 능력이 뛰어난 장점이 있다.

그러나, DCP, MDCP 등을 포함한 종래의 안개 제거 방법들은 대부분 영상 내의 안개를 고속으로 제거하기 보다는 안개 제거 영상의 품질을 향상시키는 데에 초점을 두고 있기 때문에, 종래의 안개 제거 기술들로는 고속으로 안개 제거 영상을 획득하는 데에 한계가 있다. 보다 구체적으로, 종래 안개 제거 방법들은 매 프레임마다 대기 강도를 추정하는 과정을 수행하기 때문에 영상 내의 안개 제거 소요 시간이 상당히 오래 걸리며, 이에 따라 고속으로 안개 제거 영상을 획득하지 못하는 단점이 있다. 따라서, 기존의 영상에 안개를 제거하는 방법이 가진 위와 같은 문제점을 해결하기 위한 방법이 필요하다.

본원의 배경이 되는 기술은 한국공개특허공보 제2013-0075718호에 개시되어 있다.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 안개 영상에 포함된 안개를 고속으로 제거할 수 있는 선택적 대기 강도 추정에 기반한 안개 제거 방법 및 장치를 제공하려는 것을 목적으로 한다.

상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 메디안 다크 채널 프라이어에 기반한 안개 제거 방법은, (a) 메디안 다크 채널 연산에 기초하여 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단하는 단계, (b) 상기 대기 강도 변화가 발생한 것으로 판단된 경우에 한하여, 상기 현재 프레임의 원본 안개 영상에 대한 다크 채널 연산을 수행하고, 상기 다크 채널 연산 결과를 기반으로 상기 원본 안개 영상에 대한 대기 강도를 업데이트하는 단계, (c) 상기 메디안 다크 채널 연산 및 상기 대기 강도를 기반으로 전달량을 추정하는 단계 및 (e) 상기 추정된 전달량을 기반으로 상기 원본 안개 영상에서 안개를 제거한 복원 영상을 생성하는 단계를 포함할 수 있다.

또한, 본원의 일 실시예에 따른 메디안 다크 채널 프라이어에 기반한 안개 제거 방법은 상기 (a) 단계에서, 상기 대기 강도 변화가 발생하지 않은 것으로 판단된 경우, 상기 현재 프레임의 대기 강도는 이전 프레임의 대기 강도와 동일하게 설정될 수 있다.

또한, 상기 (a) 단계는, (a1) 상기 현재 프레임에서 상기 메디안 다크 채널의 값이 제1 값을 초과하는 영역의 현재 평균값을 산출하는 단계 및 (a2) 상기 현재 평균값과, 상기 현재 평균값에 대응하는 상기 이전 프레임에서의 이전 평균값의 차이 값을 산출하고, 상기 차이 값에 기초하여 상기 대기 강도 변화의 발생 여부를 판단하는 단계를 포함할 수 있다.

또한, 본원의 일 실시예에 따른 메디안 다크 채널 프라이어에 기반한 안개 제거 방법은 상기 (a2) 단계에서, 상기 차이 값이 기 설정된 값을 초과하면 상기 대기 강도 변화가 발생된 것으로 판단할 수 있다.

또한, 상기 차이 값은 절대값 개념일 수 있다.

또한, 상기 제1 값은 150이고, 상기 차이 값은 0.5일 수 있다.

한편, 본원의 일 실시예에 따른 메디안 다크 채널 프라이어에 기반한 안개 제거 장치는, 메디안 다크 채널 연산에 기초하여 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단하는 판단부, 상기 대기 강도 변화가 발생한 것으로 판단된 경우에 한하여, 상기 현재 프레임의 원본 안개 영상에 대한 다크 채널 연산을 수행하고, 상기 다크 채널 연산 결과를 기반으로 상기 원본 안개 영상에 대한 대기 강도를 업데이트하는 업데이트부, 상기 메디안 다크 채널 연산 및 상기 대기 강도를 기반으로 전달량을 추정하는 전달량 추정부 및 상기 추정된 전달량을 기반으로 상기 원본 안개 영상에서 안개를 제거한 복원 영상을 생성하는 영상 복원부를 포함할 수 있다.

또한, 상기 대기 강도 변화가 발생하지 않은 것으로 판단된 경우, 상기 현재 프레임의 대기 강도는 이전 프레임의 대기 강도와 동일하게 설정될 수 있다.

또한, 상기 판단부는, 상기 현재 프레임에서 상기 메디안 다크 채널의 값이 제1 값을 초과하는 영역의 현재 평균값을 산출하고, 상기 현재 평균값과, 상기 현재 평균값에 대응하는 상기 이전 프레임에서의 이전 평균값의 차이 값을 산출하고, 상기 차이 값에 기초하여 상기 대기 강도 변화의 발생 여부를 판단할 수 있다.

또한, 상기 판단부는, 상기 차이 값이 기 설정된 값을 초과하면 상기 대기 강도 변화가 발생된 것으로 판단할 수 있다.

또한, 상기 차이 값은 절대값 개념일 수 있다.

또한, 상기 제1 값은 150이고, 상기 차이 값은 0.5일 수 있다.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원의 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 메디안 다크 채널의 연산에 기초하여 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단하고, 대기 강도 변화가 발생한 것으로 판단되는 경우에 한해서만 다크 채널 연산 수행 및 대기 강도의 업데이트를 수행함으로써, 선택적 대기 강도 추정에 기반하여 안개 영상에 포함된 안개를 고속으로 제거할 수 있는 효과가 있다.

본원은 프레임 간에 대기 강도 차이가 크지 않다는 점에 착안하여 선택적으로 대기 강도를 추정함으로써, 안개 제거의 전체적인 속도를 향상시킬 수 있는 효과가 있다.

본원은 기존의 안개 제거 방식보다 고속으로 안개를 제거할 수 있어, 관제탑이나 무인 자동차와 같이 신속하고 정확한 시야 확보가 필수적인 분야에 보다 효과적으로 이용될 수 있다.

도 1은 기존의 DCP(dark channel prior) 기반의 안개 제거 방법을 나타낸 순서도이다.
도 2는 기존의 MDCP(median dark channel prior) 기반의 안개 제거 방법을 나타낸 순서도이다.
도 3은 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 방법을 나타낸 순서도이다.
도 4는 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 방법에서 안개가 짙은 정도에 따라 제1 값을 초과하는 영역의 차이를 나타낸 도면이다.
도 5는 본원의 일 실시예에 따른 안개 제거 방법에서 다크 채널 연산과 대기 강도 추정의 소요 시간이 전체 안개 제거 소요 시간에서 차지하는 비율을 나타낸 도면이다.
도 6은 본원의 일 실시예에 따른 안개 제거 방법과 기존의 안개 제거 방법이 적용됐을 때 전체 안개 제거 시 소요되는 시간을 나타낸 도면이다.
도 7은 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 장치의 개략도이다.

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 일 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다.

본원 명세서 전체에서, 어떤 부재가 다른 부재 “상에” 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.

본원 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.

이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.

일반적으로, 안개를 포함하는 영상(또는 안개 낀 영상)은 하기 수학식 1과 같이 모델링될 수 있으며, 수학식 1에 기초하여 안개 제거 과정이 수행된다.

I_c(x)와 J_c(x) 각각은 RGB 채널로 구성된 안개가 낀 원본 영상 I와 안개가 제거된 영상 J 각각에서 c∈ R, G, B 채널의 좌표 x에서의 픽셀 값을 나타낸다. 또한, A_c는 c 채널에서의 대기 강도(atmospheric light) A를 나타내고, t(x)는 좌표 x에서의 전달량 t (transmission)의 값을 나타낸다. 전달량은 빛이 산란되지 않고 카메라 렌즈에 유입되는 비율을 의미하고, 전달량의 크기가 0에 가까울수록 안개가 짙게 형성되어 있음을 나타낼 수 있다. 따라서 J_c(x)t(x)는 물체의 반사된 빛이 바로 카메라 렌즈에 도달하는 직접 감쇄를 나타내고, A_c(1-t(x))는 빛이 대기 중의 부유 물질에 의해 산란되어 카메라 렌즈에 도달하는 산란광(airlight)을 나타낸다. 일반적인 안개 제거 방법(단일 영상 안개 제거 방법)들은 주어진 입력 영상 I만을 사용하여 대기 강도 A와 전달량 t를 추정함으로써 안개가 제거된 영상 J를 획득할 수 있다.

도 1은 기존의 DCP(dark channel prior) 기반의 안개 제거 방법을 나타낸 순서도이다.

도 1을 참조하면, 다크 채널 프라이어(DCP, dark channel prior) 기반의 안개 제거 방법은 간단하면서도 안개 제거 성능이 뛰어나 현재 가장 널리 쓰이고 있는 안개 제거 방법으로서, 맑은 날에 촬영된 영상들이 공통적으로 가지고 있는 통계적 특성을 기반으로 A와 t를 추정할 수 있다. DCP 기반의 안개 제거 방법에서는 원본 영상 I만을 바탕으로 대기 강도 A와 전달량 t를 추정하여 안개가 제거된 복원 영상 J가 획득된다. 개략적으로 추정된 전달량을 통해 획득한 복원 영상에서는 잔존하는 안개로 인한 후광 현상이 발생하게 된다. DCP 기반의 안개 제거 방법에서는 이러한 후광 현상으로 인해 복원 영상의 품질이 열화되므로 이를 억제하기 위하여 추가적인 전달량 보정 과정이 수행될 수 있다. DCP기반의 안개 제거 방법에서는 안개가 없는 상태에서 촬영된 실외 영상이 국부 영역 내의 최소한 한 채널은 0에 가까운 픽셀 값을 가지고 있다는 통계적인 특성이 활용될 수 있다. 이하, 구체적인 DCP기반의 안개 제거 방법이 개시된다.

우선 DCP 기반의 안개 제거를 위해 다크 채널 연산이 수행된다(단계 S100).

DCP기반의 안개 제거를 위한 다크 채널 연산(dark channel operation)은 하기 수학식 2와 같이 정의될 수 있다.

이때, Ω(x)는 좌표 x를 중심으로 하는 국부 영역(윈도우)의 픽셀들의 집합을 의미할 수 있으며, 해당 픽셀을 중심으로 r x r의 크기를 갖는 정사각형의 영역일 수 있다. J^dark(x)는 J(x)에 대한 다크 채널 연산, 달리 표현하여 x 좌표에서의 J의 다크 채널(dark channel)을 의미할 수 있다. 다크 채널 연산은 해당 픽셀의 R, G, B 채널 값 중에서 가장 작은 채널을 선택하고, 다시 해당 채널의 픽셀을 중심으로 하는 국부 영역에서 최소값을 찾는 것을 의미할 수 있다. 특히, J가 안개가 제거된 깨끗한 영상이기 때문에, 임의의 좌표 x에 대한 다크 채널 연산은

이 성립한다고 가정할 수 있다.

국부 영역 Ω(x) 내에서 전달량 t는 일정하다고 가정하고 수학식 1에 다크 채널 연산 결과를 적용하면, 안개가 없는 영상 J의 특성인

에 의하여 수학식 1의 J_c(x)·t(x) 항이 소거될 수 있다. 따라서, 수학식 1에 다크 채널 연산을 적용하면, 하기 수학식 3과 같이 개략적으로 전달량이 추정될 수 있다.

여기서, 상수 ω는 복원 영상에서의 안개의 양을 선택적으로 유지하기 위한 것으로서 원근감을 보존하기 위해 도입되었다. 달리 표현하여, ω는 안개가 제거된 이후에도 원근감이 보존될 수 있도록 적은 양의 안개를 남기기 위한 계수일 수 있다.

보다 자세히 살펴보면, 수학식3을 기반으로 추정된 전달량 t'(x)를 산출하기 위해서(또는 영상 복원을 위해서)는 대기 강도 A에 대한 정보가 요구된다. 그러나, 실제 대기 강도를 정확히 추정하는 것은 불가능하다. 따라서, 각각의 RGB 채널 공간 상에서 A_c의 값이 대체로 일정하다고 가정하는 경우, 아래와 같이 대기 강도가 개략적으로 추정될 수 있다(단계S110).

대기 강도 A를 추정하기 위해, 원본 안개 영상 I의 다크 채널에서 상위 0.1% 밝기의 픽셀영역이 선택되고, 그 중 원본 안개 영상 I_c에서 가장 밝은 픽셀 값이 A_c로 선택될 수 있다. 이후, A가 0이 아니라고 가정한 후 수학식 1에 다크 채널 연산을 수행하면, 수학식 3과 같이 개략적으로 추정된 전달량 t'(x)가 획득될 수 있다(단계 S120).

수학식 3을 통해 구해진 개략적으로 추정된 전달량 t'(x)를 바탕으로 안개 제거를 수행할 경우, 안개 영역과 물체 영역 사이의 윤곽선이 보존되지 않아, 안개 영역을 물체 영역으로 오판하는 문제가 발생할 수 있으며, 이에 따라 안개가 제거된 영상(복원 영상)에서 후광 현상이 발생하여 영상의 품질이 열화된다. 이를 해결하기 위해, 기존의 DCP 기반의 안개 제거 방법에서는 소프트 매팅(soft matting) 기법이나 유도 필터를 사용하여 전달량을 보정하는 과정이 추가적으로 수행된다(단계 S130).

전달량 보정 과정은 다크 채널 연산 이후에 영상의 경계가 소실되는 것을 개선하여 보다 정교한 전달량 추정을 가능하게 하여 후광 현상을 억제할 수 있다. 보정된 전달량 t를 이용하면, 하기 수학식 4에 기초하여 최종적으로 J_c를 획득할 수 있다(단계 S140).

여기서, t₀는 전달량 t의 하한 값으로, 예를 들어, 0.1로 설정될 수 있다.

이러한 기존의 DCP 기반의 안개 제거 방법은 개략적으로 추정된 전달량 t'(x)를 기반으로 안개를 제거할 경우, 개략적으로 추정된 전달량과 실제 전달량 사이의 오차로 인해 후광 현상이 발생하는 문제가 있다. 후광 현상은 추정된 전달량에 내포된 오차에 의해 발생되며, 특히 다크 채널 연산 중 윈도우 내에 윤곽선이 포함될 경우에 오차가 커지는 경향이 있다. 그 이유는 다크 채널을 구하기 위하여 국부 영역에 대한 최소값 필터링을 수행하면, 최소값 필터의 특성에 의해 윤곽선 정보가 소실되거나 왜곡되기 때문이다. 이러한 후광 현상 때문에, 기존의 DCP 기반의 안개 제거 방법은 후광 현상을 줄이기 위해 전달량 보정 절차를 수행하지만, 이는 안개 제거 영상(복원 영상)에서 여전히 후광 현상이 남게 되는 문제가 있다. 또한, 전달량을 보정하는 절차는 복잡한 연산 과정 때문에 소요 시간이 길어져 실시간 영상 시스템에는 적합하지 않다는 한계가 있다.

앞서 말한 바와 같이, 종래 DCP 기반의 안개 제거 방법은 다크 채널 연산에 의하여 안개 영역과 물체 영역 사이의 윤곽 선이 보존되지 않으며, 이에 따라 윤곽선이 소실된 부분에서 안개 제거가 잘못 이루어져 안개 제거 영상에서 후광 현상이 발생하게 되는 문제가 있다.

윤곽선 정보는 영상에서 원근을 판단하는 기준으로 활용될 수 있어, 영상에서 윤곽선 정보는 굉장히 중요한 정보이다. 구체적으로, 영상 내에서 인접해 있거나 가까운 픽셀이라 하더라도, 실제로는 윤곽선을 기준으로 거리가 먼 관계에 있을 수 있기 때문에, 윤곽선은 영상 내에서 원근을 판단하는 중요한 기준 중 하나이다. 이러한 이유로, 영상 내의 윤곽선이 왜곡될 경우, 영상을 바탕으로 추정되는 원근감에 오차가 발생하고 또한, 영상의 원근을 바탕으로 추정되는 전달량에도 오차가 발생한다. 결과적으로, 윤곽선을 포함하는 영역이나 물체 주변에서 특히 전달량 추정에 어려움이 따르며, 후광 현상이 두드러진다.

이에 따라, 종래에는 메디안 다크 채널 프라이어(median dark channel prior, MDCP) 기반의 안개 제거 방법이 제안된 바 있다. 즉, MDCP 기반의 안개 제거 방법은 DCP 기반의 안개 제거 방법에서 이용되던 최소값 필터링 과정을 윤곽선 보존 및 완만한 특성을 가지고 있는 메디안 필터링 과정으로 대체한 기술로서, 이는 DCP 기반의 안개 제거 방법 대비 안개 제거 시 영상 내의 윤곽선 손실을 방지할 수 있다. MDCP기반의 안개 제거를 위한 메디안 다크 채널은 하기 수학식 5와 같이 정의될 수 있다.

I^med는 I의 좌표 x에서의 메디안 다크 채널을 의미한다. MDCP 기반의 안개 제거와 DCP 기반의 안개 제거의 가장 큰 차이는 전달량 보정 절차의 수행 여부라 할 수 있다. 메디안 필터는 원본 안개 영상 I의 윤곽선을 보존하면서 완만화 하는 특성을 가지고 있기 때문에 별도의 윤곽선 복원 절차, 즉 윤곽선을 복원하기 위한 전달량 보정 절차가 필요 없다. 보다 자세하게는 도 2를 참조하여 보다 쉽게 이해될 수 있다.

도 2는 기존의 MDCP(median dark channel prior) 기반의 안개 제거 방법을 나타낸 순서도이다.

도 2를 참조하면, 기존의 MDCP 기반의 안개 제거 방법은 단계S200에서 안개를 포함하는 안개 영상(안개 낀 영상, 원본 안개 영상)에 대한 다크 채널 연산을 수행할 수 있다. 다음으로, 단계S210에서는 단계S200에서 수행된 다크 채널 연산 결과를 기반으로 안개 영상에 대한 대기 강도를 추정할 수 있다. 다음으로, 단계S220에서는 안개를 포함하는 안개 영상에 대한 메디안 다크 채널 연산을 수행한 후, 안개 영상에 대한 메디안 다크 채널 연산과 단계S210에서 추정된 대기 강도를 기반으로 전달량을 추정할 수 있다. 다음으로, 단계S230에서는 단계S220에서 추정된 전달량을 기반으로 안개를 포함하는 안개 영상에서 안개를 제거한 복원 영상(J_C)을 생성할 수 있다

이때, 기존의 MDCP 기반으로 안개를 제거하기 위해 수행되는 단계S200 내지 단계S230의 과정은 도 1을 참조하여 설명된 단계S100 내지 단계 S120 및 단계S140의 과정과 동일한 논리로 적용될 수 있으며, 다만, 기존 MDCP 기반의 안개 제거 방법은, DCP 기반의 안개 제거 시 이용된 수학식 2 내지 수학식 3에서 최소값 필터링(

) 과정이 메디안 필터링(

) 과정으로 대체된 것일 뿐이므로, MDCP 기반으로 안개를 제거하는 방법에 대한 보다 구체적인 설명은 이하 생략하기로 한다.

이러한 기존의 MDCP 기반의 메디안 다크 채널 연산은 DCP 기반에서의 다크 채널 연산에 비해 윤곽선 보존 능력이 뛰어나다는 장점이 있다.

그러나, DCP, MDCP 등을 포함한 종래의 안개 제거 방법들은 대부분 영상 내의 안개를 고속으로 제거하기 보다는 안개 제거 영상의 품질을 향상시키는 데에 초점을 두고 있기 때문에, 종래의 안개 제거 기술들로는 고속으로 안개 제거 영상을 획득하는 데에 한계가 있다. 보다 구체적으로, 도 1 내지 도 2를 통해 설명한 종래 안개 제거 방법들(DCP 또는 MDCP 기반의 안개 제거 방법들)은 안개 동영상 내의 매 프레임마다 대기 강도(A_C)를 추정하기 때문에 전체 영상에 대한 안개 제거 소요 시간이 상당히 오래 걸리며, 이에 따라 고속으로 안개 제거 영상을 획득하지 못하는 단점이 있다.

이러한 문제를 해결하기 위해, 본원의 일 실시예에 따른 안개 제거 방법은 안개 동영상 내에서 프레임 간에 대기 강도의 차이가 크지 않다는 점과 기존 기술에서 이용되는 대기 강도 추정을 위한 다크 채널 연산 복잡도가 크다는 점에 착안하여, 선택적으로 대기 강도를 추정함으로써 고속으로 안개 제거 영상을 획득할 수 있는 기술을 제안한다.

본원의 일 실시예에 따른 안개 제거 방법은 대기 강도를 추정하는 과정을 수행하기 이전에, 대기 강도의 변화를 예측하여 현재 프레임에서 대기 강도 추정 과정을 수행할지 여부를 결정할 수 있다. 즉, 본원의 일 실시예에 따른 안개 제거 방법은 동영상 내의 매 프레임마다 대기 강도를 추정하지 않고, 대기 강도의 변화를 예측하여 선택적으로 대기 강도를 추정함으로써, 궁극적으로 동영상 내에 안개 제거 속도를 향상시킬 수 있다.

도 3은 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 방법을 나타낸 순서도이다.

DCP 기반의 안개 제거 방법은 전달량 보정 과정을 수행함에 따라 안개 제거를 위한 전체 수행 시간이 길어지므로, 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 안개 제거 방법은 전달량 보정 과정을 필요로 하지 않는 MDCP 기반으로 안개를 제거할 수 있다.

도 3을 참조하면, 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 방법(300)은 후술할 안개 제거 장치(700)를 통해 수행될 수 있다. 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 방법(300)은 먼저, 메디안 다크 채널 연산에 기초하여 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단할 수 있다(단계S300).

보다 자세히 살펴보면, 본원의 일 실시예에 따른 안개 제거 방법에서 선택적으로 대기 강도를 추정하기 위해서는 대기 강도의 변화를 파악할 수 있어야 하며, 이를 위해 대기 강도와 상관관계가 높은 요소를 찾아서 대기 강도의 변화 정도를 파악할 수 있어야 한다.

단계S300에서는, 현재 프레임에서 대기 강도의 변화가 발생했는지 여부를 판단하기 이전에, 하기 수학식 6을 이용하여 대기 강도의 변화 정도를 판단할 수 있다.

I^sky는 대기 강도의 변화 정도를 판단하는 지표로서, 원본 안개 영상에 대한 메디안 다크 채널 연산 값(I^med)이 γ 이하인 픽셀에 대해서는 0 값을 가지고, I^med 값이 γ를 초과하는 픽셀에 대해서는 I^med 값을 가지는 영상을 의미한다. 이때, γ는 제1 값으로서, 일예로 150일 수 있다. 참고로, (I^med > γ)는 논리값으로서, 상기 논리가 참(true)이면 1, 거짓(false)이면 0이다.

이후 단계S300에서는, 이전 프레임 대비 현재 프레임에서의 대기 강도에 변화가 발생했는지 여부를 판단하기 위해, 현재 프레임의 I^sky에서 메디안 다크 채널의 값이 제1 값(γ)을 초과하는 픽셀을 가지는 영역을 식별하고, 식별된 영역에 대한 메디안 다크 채널 값의 평균값을 산출할 수 있다. 달리 표현하여, I^sky에서 0을 제외한 나머지 픽셀들의 메디안 다크 채널 값의 평균값을 산출할 수 있다. 이는 하기 수학식 7과 같이 표현될 수 있다.

A'는 본원의 일 실시예에 따른 안개 제거 방법에서 제안하는 대기 강도 변화의 최종 예측 변수를 의미한다. Ω는 I^sky에서 I^med가 제1 값(γ)을 초과하는 영역을 의미한다.

수학식 7에 기초하여 단계S300에서는, n 번째 프레임(또는 현재 프레임)의 대기 강도 변화 예측 값(A'_n)과 n-1 번째 프레임(또는 이전 프레임)의 대기 강도 변화 예측 값(A'_n-1)을 서로 비교하여 두 값 간의 차이 값을 산출할 수 있다.

이후 차이 값이 기 설정된 값(d)을 초과하는 경우에는, 이를 현재 프레임에서의 대기 강도 변화가 발생된 것으로 판단하여, 현재 프레임에 대한 대기 강도 추정 과정을 수행할 수 있다. 반면, 차이 값이 기 설정된 값 이하인 경우에는, 이를 현재 프레임에서의 대기 강도 변화가 발생되지 않은 것으로 판단하여, 현재 프레임에 대한 대기 강도 추정 과정을 수행하지 않고, 이전 프레임(n-1 번째 프레임)에서 사용했던 대기 강도를 재사용할 수 있다. 이때, 일예로, 기 설정된 값(d)는 0.5일 수 있다. 또한, 차이 값은 절대값 개념일 수 있다.

다시 말하면, A'_n - A'_{n -1} > d 인 경우(단계 S300-YES인 경우)에는, 원본 안개 영상에 대한 다크 채널 연산을 통해 대기 강도를 추정함으로써 현재 프레임의 대기 강도(A_n)를 산출하는 단계 S310을 수행할 수 있다. 이후 현재 프레임의 대기 강도(A_n)에 기초하여 전달량을 추정하는 단계 S320을 수행할 수 있다. 이때, 단계 S310에서 현재 프레임의 대기 강도를 산출하는 것은, 이전 프레임에 대비하여 현재 프레임에서 대기 강도의 변화가 발생한 것으로 판단됨에 근거하여 수행되는 것이므로, 현재 프레임의 대기 강도를 산출하는 것은 달리 표현하여 대기 강도를 업데이트하는 것과 그 의미가 상응할 수 있다. 반면, A'_n - A'_{n -1} < d 인 경우(단계 S300-NO인 경우)에는, 다크 채널 연산 및 대기 강도를 추정하는 단계S310을 수행하지 않고, 이전 프레임의 대기 강도(A_n-1)를 재사용하여 단계S320을 수행할 수 있다.

상기에 설명된 내용을 다시 정리하면 다음과 같다. 단계 S300에서는 메디안 다크 채널 연산에 기초하여 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단할 수 있다.

이때, 단계S300에서는, 대기 강도 변화의 발생 여부를 판단하기 위해, 현재 프레임에서 메디안 다크 채널의 값이 제1 값(γ)을 초과하는 영역의 현재 평균값을 산출할 수 있다. 이후, 단계S300에서는 산출된 현재 평균값과, 현재 평균값에 대응하는 이전 프레임에서의 이전 평균값의 차이 값을 산출하고, 차이 값에 기초하여 현재 프레임에서 대기 강도 변화가 발생했는지 여부를 판단할 수 있다. 이때, 차이 값이 기 설정된 값(d)을 초과하는 경우에는, 이를 현재 프레임에서 대기 강도 변화가 발생된 것으로 판단하고, 차이 값이 기 설정된 값 이하인 경우에는, 이를 현재 프레임에서 대기 강도 변화가 발생되지 않은 것으로 판단할 수 있다.

단계S300의 판단 결과, 대기 강도 변화가 발생한 것으로 판단된 경우(S300-YES), 단계S310에서는 현재 프레임의 원본 안개 영상에 대한 다크 채널 연산을 수행하고, 상기 수행된 다크 채널 연산의 결과를 기반으로 기존에 계산되어 기 저장된 이전 프레임의 원본 안개 영상에 대한 대기 강도 값을 현재 프레임의 원본 안개 영상에 대한 대기 강도 값으로 업데이트할 수 있다.

한편, 단계S300의 판단 결과, 대기 강도 변화가 발생하지 않은 것으로 판단된 경우(S300-NO), 단계S310을 수행하지 않고, 현재 프레임의 대기 강도 값에는 이전 프레임의 대기 강도 값이 그대로 사용될 수 있다.

다음으로, S300-YES인 경우, 단계 S320에서는, 현재 프레임의 원본 안개 영상에 대하여 수행된 메디안 다크 채널 연산 및 단계 S310에서 업데이트된 대기 강도(즉, 현재 프레임의 대기 강도, A_n)를 기반으로 전달량을 추정할 수 있다.

한편, S300-NO인 경우, 단계S320에서는, 현재 프레임의 원본 안개 영상에 대하여 수행된 메디안 다크 채널 연산 및 이전 프레임의 대기 강도(A_n-1)를 기반으로 전달량을 추정할 수 있다.

다음으로, 단계 S330에서는 단계 S320에서 추정된 전달량을 기반으로 현재 프레임의 원본 안개 영상에서 안개를 제거한 복원 영상을 생성할 수 있다.

이상 살펴본 바와 같이, 본원의 일 실시예에 따른 안개 제거 방법은, 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단하는 과정을 통해, 현재 프레임에 대기 강도 변화가 발생한 것으로 판단되는 경우(S300-YES)에는 단계S310(즉, 현재 프레임에 대한 다크 채널 연산 및 대기 강도 추정에 따른 대기 강도 업데이트)을 수행함으로써 전달량을 추정(즉, 단계 S320 수행)하고, 현재 프레임에 대기 강도 변화가 발생하지 않은 것으로 판단되는 경우(S300-NO)에는 단계S310를 수행하지 않고 이전 프레임의 대기 강도에 기초하여 전달량을 추정(즉, 단계 S320 수행)하는 등 선택적으로 대기 강도 추정을 수행하므로, 전체 안개 영상의 안개 제거 속도를 향상시킬 수 있다.

도 4는 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 방법에서 안개가 짙은 정도에 따라 제1 값을 초과하는 영역의 차이를 나타낸 도면이다.

도 4를 참조하면, 일예로, 6개의 이미지 중 첫번째 행에 도시된 이미지는 t-1 시간에 대응하는 이전 프레임의 안개 영상을 나타내고, 두번째 행에 도시된 이미지는 t 시간에 대응하는 현재 프레임의 안개 영상을 나타낸다. 이때, t시간(현재 프레임)에서의 영상은 t-1 시간(이전 프레임)에서의 영상 보다 안개가 더 짙은 상태의 영상일 수 있다.

또한, 첫번째 열에 도시된 이미지(I)는 원본 안개 영상을 나타내고, 두번째 열에 도시된 이미지(I^med)는 원본 안개 영상에 메디안 다크 채널 연산이 수행된 안개 영상을 나타내며, 세번째 열에 도시된 이미지(I^sky)는 원본 안개 영상에 수학식 6이 적용된 안개 영상을 나타낸다.

이때, I^sky영상에서, 영역 S1은 이전 프레임에서 I^med가 γ를 초과하는 영역을 개략적으로 나타내고, 영역 S2는 현재 프레임에서 I^med가 γ를 초과하는 영역을 개략적으로 나타낸다. 이때, 첫번째 행의 I^sky 영상보다 안개가 더 짙은 두번째 행의 I^sky 영상에서, I^med가 γ를 초과하는 영역의 범위가 더 큰 것을 확인할 수 있다. 다시 말해, 안개가 옅은 이전 프레임에서의 S1 영역보다 안개가 짙은 현재 프레임에서의 S2 영역이 더 넓음을 확인할 수 있다. 본원의 일 실시예에 따른 안개 제거 방법은 이러한 대기 강도와 메디안 다크 채널 값 간의 상관 관계를 고려한 I^sky를 이용함으로써 안개 영상에서의 안개 분포 변화를 효과적으로 예측할 수 있다.

이후 본원의 일 실시예에 따른 안개 제거 방법에서는 S1 영역에 속한 픽셀들의 I^med 평균값과 S2 영역에 속한 픽셀들의 I^med 평균값의 차이값이 기 설정된 값(d) 이상인지 여부에 따라, 현재 프레임에서 대기 강도 변화가 발생했는지 여부를 판단할 수 있다.

도 5는 본원의 일 실시예에 따른 안개 제거 방법에서 다크 채널 연산과 대기 강도 추정의 소요 시간이 전체 안개 제거 소요 시간에서 차지하는 비율을 나타낸 도면이다.

도 5를 참조하면, 선택적 대기 강도 추정이 적용되지 않은 경우(선택적 대기 강도 추정 적용 X)는 기존의 DCP, MDCP 등의 종래 안개 제거 방법을 이용함으로써 매 프레임마다 대기 강도 추정이 수행되는 경우를 의미하고, 선택적 대기 강도 추정이 적용되는 경우(선택적 대기 강도 추정 적용 O)는 본원의 일 실시예에 따른 안개 제거 방법을 적용하여, 매 프레임마다가 아닌 선택적으로 식별된 프레임에 대해서만 대기 강도 추정을 수행하는 경우를 의미한다.

이때, 각 영상의 크기 마다 다크 채널 연산을 수행하고 대기 강도를 추정하는데 소요되는 시간이 다르지만, 대략적으로 안개 제거 시 다크 채널 연산 및 대기 강도 추정에 소요되는 시간이 전체에서 약 25% 정도의 비중을 차지하고 있음을 확인할 수 있다.

도 6은 본원의 일 실시예에 따른 안개 제거 방법과 기존의 안개 제거 방법이 적용됐을 때 전체 안개 제거 시 소요되는 시간을 나타낸 도면이다.

도 6(a)는 기존 DCP 기반으로 안개를 제거할 때 소요되는 시간을 나타내고, 도 6(b)는 기존의 MDCP 기반으로 안개를 제거할 때 소요되는 시간을 나타내며, 도 6(c)는 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반으로 안개를 제거할 때 소요되는 시간을 나타낸다.

도 6(a) 및 도 6(b)의 경우에는, 매 프레임마다 다크 채널을 연산하고 대기 강도를 추정함에 따라 안개 제거 소요 시간이 오래 걸리는 반면, 도 6(c)의 경우에는 일부 프레임에 대해서만 선택적으로 다크 채널 연산 및 대기 강도 추정을 수행함으로써, 종래 기술 대비 안개 제거 소요 시간을 크게 단축시킬 수 있다. 이를 통해 본원의 일 실시예에 따른 안개 제거 방법은 고속으로 안개 제거 영상을 획득할 수 있다.

이하에서는 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 메디안 다크 채널 프라이어 기반의 안개 제거 장치에 대해 설명하기로 한다. 다만, 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 메디안 다크 채널 프라이어 기반의 안개 제거 장치는 앞서 설명한 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 방법과 동일하거나 상응하는 기술적 특징을 포함하는 발명이라 할 것이므로, 앞서 설명한 구성과 동일 또는 유사한 구성에 대해서는 동일한 도면 부호를 사용하고, 중복되는 설명은 간략히 하거나 생략하기로 한다.

도 7은 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 장치의 개략도이다.

도 7을 참조하면, 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 장치(700)는 프로세서(710)를 포함할 수 있으며, 프로세서(710)는 판단부(720), 업데이트부(730), 전달량 추정부(740) 및 영상 복원부(750)를 포함할 수 있다.

프로세서(710)는 판단부(720), 업데이트부(730), 전달량 추정부(740) 및 영상 복원부(750)의 동작을 제어할 수 있다.

판단부(720)는 메디안 다크 채널 연산에 기초하여 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단할 수 있다.

판단부(720)는 현재 프레임에서 메디안 다크 채널의 값이 제1 값을 초과하는 영역의 현재 평균값을 산출하고, 현재 평균값과, 현재 평균값에 대응하는 이전 프레임에서의 이전 평균값의 차이 값을 산출하며, 차이 값에 기초하여 대기 강도 변화의 발생 여부를 판단할 수 있다.

이때, 판단부(720)는 차이 값이 기 설정된 값을 초과하면 대기 강도 변화가 발생된 것으로 판단할 수 있다.

판단부(720)에서 대기 강도 변화가 발생한 것으로 판단된 경우에 한하여, 업데이트부(730)는 현재 프레임의 원본 안개 영상에 대한 다크 채널 연산을 수행하고, 상기 다크 채널 연산 결과를 기반으로 원본 안개 영상에 대한 대기 강도를 업데이트할 수 있다.

전달량 추정부(740)는 판단부(720)에서 대기 강도 변화가 발생한 것으로 판단된 경우, 메디안 다크 채널 연산 및 현재 프레임의 대기 강도를 기반으로 전달량을 추정할 수 있다.

한편, 판단부(720)에서 대기 강도 변화가 발생하지 않은 것으로 판단된 경우, 현재 프레임의 대기 강도는 이전 프레임의 대기 강도와 동일한 값으로 설정될 수 있으며, 이러한 경우, 전달량 추정부(740)는 메디안 다크 채널 연산 및 이전 프레임의 대기 강도를 기반으로 전달량을 추정할 수 있다.

영상 복원부(750)는 전달량 추정부(740)에서 추정된 전달량을 기반으로 원본 안개 영상에서 안개를 제거한 복원 영상을 생성할 수 있다.

이와 같은 본원의 일 실시예에 따른 선택적 대기 강도 추정에 기반한 메디안 다크 채널 프라이어 기반의 안개 제거 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.

상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.

프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상 살펴본 바와 같이, 전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

700: 선택적 대기 강도 추정에 기반한 MDCP 기반의 안개 제거 장치
710: 프로세서
720: 판단부
730: 업데이트부
740: 전달량 추정부
750: 영상 복원부

Claims (12)

1. 메디안 다크 채널 프라이어에 기반한 안개 제거 방법으로서,
   (a) 메디안 다크 채널 연산에 기초하여 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단하는 단계;
   (b) 상기 대기 강도 변화가 발생한 것으로 판단된 경우에 한하여, 상기 현재 프레임의 원본 안개 영상에 대한 다크 채널 연산을 수행하고, 상기 다크 채널 연산 결과를 기반으로 상기 원본 안개 영상에 대한 대기 강도를 업데이트하는 단계;
   (c) 상기 메디안 다크 채널 연산 및 상기 대기 강도를 기반으로 전달량을 추정하는 단계; 및
   (e) 상기 추정된 전달량을 기반으로 상기 원본 안개 영상에서 안개를 제거한 복원 영상을 생성하는 단계를 포함하되,
   상기 (a) 단계에서 상기 대기 강도 변화가 발생하지 않은 것으로 판단된 경우, 상기 현재 프레임의 대기 강도는 이전 프레임의 대기 강도와 동일하게 설정되고,
   상기 (a) 단계는, (a1) 상기 현재 프레임에서 상기 메디안 다크 채널의 값이 제1 값을 초과하는 것으로 식별된 영역에 대한 상기 메디안 다크 채널의 평균값을 현재 평균값으로 산출하는 단계 및 (a2) 상기 현재 평균값과 상기 현재 평균값에 대응하는 이전 프레임에서의 이전 평균값의 차이 값을 산출하고, 상기 차이 값이 기 설정된 값을 초과하면 상기 대기 강도 변화가 발생된 것으로 판단하는 단계를 포함하는 것인, 안개 제거 방법.
2. 삭제
3. 삭제
4. 삭제
5. 제1항에 있어서,
   상기 차이 값은 절대값 개념인 것인, 안개 제거 방법.
6. 제1항에 있어서,
   상기 제1 값은 150이고, 상기 기 설정된 값은 0.5인 것인, 안개 제거 방법.
7. 메디안 다크 채널 프라이어에 기반한 안개 제거 장치로서,
   메디안 다크 채널 연산에 기초하여 현재 프레임에서의 대기 강도 변화의 발생 여부를 판단하는 판단부;
   상기 대기 강도 변화가 발생한 것으로 판단된 경우에 한하여, 상기 현재 프레임의 원본 안개 영상에 대한 다크 채널 연산을 수행하고, 상기 다크 채널 연산 결과를 기반으로 상기 원본 안개 영상에 대한 대기 강도를 업데이트하는 업데이트부;
   상기 메디안 다크 채널 연산 및 상기 대기 강도를 기반으로 전달량을 추정하는 전달량 추정부; 및
   상기 추정된 전달량을 기반으로 상기 원본 안개 영상에서 안개를 제거한 복원 영상을 생성하는 영상 복원부를 포함하되,
   상기 판단부에서 상기 대기 강도 변화가 발생하지 않은 것으로 판단된 경우, 상기 현재 프레임의 대기 강도는 이전 프레임의 대기 강도로 설정되고,
   상기 판단부는, 상기 현재 프레임에서 상기 메디안 다크 채널의 값이 제1 값을 초과하는 것으로 식별된 영역에 대한 상기 메디안 다크 채널의 평균값을 현재 평균값으로 산출하고, 상기 현재 평균값과 상기 현재 평균값에 대응하는 이전 프레임에서의 이전 평균값의 차이 값을 산출하며, 상기 차이 값이 기 설정된 값을 초과하면 상기 대기 강도 변화가 발생된 것으로 판단하는 것인, 안개 제거 장치.
8. 삭제
9. 삭제
10. 삭제
11. 제7항에 있어서,
    상기 차이 값은 절대값 개념인 것인, 안개 제거 장치.
12. 제1항, 제5항 및 제6항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.

Images