KR102141122B1 - 안개 제거 방법 및 그 장치 - Google Patents

안개 제거 방법 및 그 장치 Download PDF

Info

Publication number
KR102141122B1
KR102141122B1 KR1020190050319A KR20190050319A KR102141122B1 KR 102141122 B1 KR102141122 B1 KR 102141122B1 KR 1020190050319 A KR1020190050319 A KR 1020190050319A KR 20190050319 A KR20190050319 A KR 20190050319A KR 102141122 B1 KR102141122 B1 KR 102141122B1
Authority
KR
South Korea
Prior art keywords
image
fog
transmittance
equation
pixel value
Prior art date
Application number
KR1020190050319A
Other languages
English (en)
Inventor
이수빈
이철
트영
비엔지아안
Original Assignee
부경대학교 산학협력단
(주)유씨네트웍스
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 부경대학교 산학협력단, (주)유씨네트웍스 filed Critical 부경대학교 산학협력단
Priority to KR1020190050319A priority Critical patent/KR102141122B1/ko
Application granted granted Critical
Publication of KR102141122B1 publication Critical patent/KR102141122B1/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
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G06T5/005—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T5/007—
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

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

Abstract

본 발명에 따른 본 발명은 단일 영상 내의 안개 제거 방법을 개시하여, (a) (a-1) 안개를 포함하는 입력 영상(
Figure 112019044362799-pat00241
)을 모노크롬 이미지(
Figure 112019044362799-pat00242
)로 변환하는 단계, (a-2) 상기 모노크롬 이미지(
Figure 112019044362799-pat00243
)를 n 개의 영역으로 분할하고, 상기 분할된 각 영역의 평균 화소값을 계산하여, 상기 평균 화소값이 가장 큰 영역을 선택하는 단계 및 (a-3) 상기 선택된 영역 내 일부 화소들의 평균값을 대기의 광도(
Figure 112019044362799-pat00244
)로 추정하는 단계 및 (b) (b-1) 상기 모노크롬 이미지(
Figure 112019044362799-pat00245
)를 다운 샘플링(downsampling)하여 가우시안 피라미드(
Figure 112019044362799-pat00246
,
Figure 112019044362799-pat00247
, …,
Figure 112019044362799-pat00248
)를 생성하는 단계, (b-2) 상기 가우시안 피라미드의 N 번째 영상(
Figure 112019044362799-pat00249
)을 이용하여 최상위 레벨의 투과도(
Figure 112019044362799-pat00250
)를 계산하는 단계 및 (b-3) 상기 최상위 레벨의 투과도(
Figure 112019044362799-pat00251
)를 업 샘플링(upsampling)하여 최종 투과도(
Figure 112019044362799-pat00252
)를 계산하는 단계 및 (c) 상기 대기의 광도(
Figure 112019044362799-pat00253
)와 최종 투과도(
Figure 112019044362799-pat00254
)를 이용하여 안개가 제거된 영상(
Figure 112019044362799-pat00255
)을 얻는 단계를 포함한다.
본 발명에 따른 안개 제거 방법 및 그 장치를 통하여 날씨에 영향을 받지 않는 개선된 영상을 취득할 수 있다.

Description

안개 제거 방법 및 그 장치{METHOD FOR REMOVING FOG AND APPARATUS THEREFOR}
본 발명은 안개 제거 방법 및 그 장치에 관한 것으로, 더욱 상세하게는 영상 또는 이미지 상의 안개를 제거하는 방법 및 장치에 관한 것이다.
일반적으로, 실내가 아닌 야외에서 촬영된 이미지는 대기 중의 입자 및 물방울 등에 의하여 품질이 저하된다. 즉, 날씨는 촬영 이미지의 화질에 영향을 미치는데, 구체적으로 이미지에 포함된 객체의 본래의 색상 및 형태를 식별하기 어렵게 한다.
특히, 안개에 의한 화질 저하는 이미지 전반에 걸쳐 발생하며, 균일하고 지속적으로 유지되기 때문에 영상에 존재하는 안개를 제거하는 것이 무엇보다 중요하다. 여기서 안개는 대기 중의 수증기가 응결된 형태의 물방울로 떠있는 현상을 의미하는 것으로, 통상 안개가 끼었을 때 가시거리 1 km 미만의 시정 장애 현상이 나타난다.
안개는 대기 중에서 수증기나 먼지와 같이 공기 보다 큰 입자를 반사시켜 사람의 눈이나 카메라에 입사되는 빛을 산란시키거나 흡수하면서 빛의 전반적인 색 대비(color contrast)나 채도를 감소시킬 수 있다. 이로 인해, 영상 내에 흰색의 성분이 전반적으로 분포되어 낮은 품질의 영상을 얻게 된다. 영상에 존재하는 안개 성분은 멀리 있는 물체에서 가까이 있는 물체까지 거리에 비례하여 분포하는데, 이는 원래 영상의 색의 선명도와 표현력이 저하되는 현상을 야기할 수 있다. 안개는 선명한 영상을 필요로 하는 컴퓨터 비전 시스템의 입력 영상 분야에서 시스템의 성능 및 보안성을 현저히 저하시켜 해당 영상의 신뢰성을 떨어뜨릴 수 있다.
도 1의 (a)는 안개가 존재하는 영상을 도시한 것이고, 도 1의 (b)는 도 1의 (a)에서 안개가 제거된 영상을 도시한 것이다. 도 1의 (a), (b)를 함께 참조하면, 안개 제거를 통한 영상의 화질 개선은 시정 장애를 해결하고 뿌연 영상을 선명하게 만들어, 안개로 인해 손상된 글씨, 물체 등에 대한 정보를 복원하여 해당 영상 정보를 올바르게 인식할 수 있게 한다는 점에 그 의미가 있다는 것을 알 수 있다.
현재 안개 제거에 대한 다양한 연구가 진행되고 있는 실정이다. 종래 다양한 기상 상태 하에서 얻어진 동일한 장면을 사용하여 깊이 정보를 산출하고 대비를 개선하는 알고리즘이 제안된 바 있으나, 이러한 알고리즘의 특성상 급변하는 장면에는 사용할 수 없다는 단점이 있었다. 또한 추가적인 깊이 정보를 사용하며 단일 영상을 기반으로 하는 안개 제거 방법은 영상의 색상이 손상되는 문제가 나타날 수 있다는 문제점이 있었다.
본 발명의 목적은 안개가 있는 환경에서 촬영된 영상의 안개를 실시간으로 제거하여 개선된 영상을 얻을 수 있도록 하는 안개 제거 방법 및 그 장치를 제공하는데 있다.
상기 기술적 과제를 해결하기 위하여, 본 발명은 단일 영상 내의 안개 제거 방법을 개시하여, (a) (a-1) 안개를 포함하는 입력 영상(
Figure 112019044362799-pat00001
)을 모노크롬 이미지(
Figure 112019044362799-pat00002
)로 변환하는 단계, (a-2) 상기 모노크롬 이미지(
Figure 112019044362799-pat00003
)를 n 개의 영역으로 분할하고, 상기 분할된 각 영역의 평균 화소값을 계산하여, 상기 평균 화소값이 가장 큰 영역을 선택하는 단계 및 (a-3) 상기 선택된 영역 내 일부 화소들의 평균값을 대기의 광도(
Figure 112019044362799-pat00004
)로 추정하는 단계 및 (b) (b-1) 상기 모노크롬 이미지(
Figure 112019044362799-pat00005
)를 다운 샘플링(downsampling)하여 가우시안 피라미드(
Figure 112019044362799-pat00006
,
Figure 112019044362799-pat00007
, …,
Figure 112019044362799-pat00008
)를 생성하는 단계, (b-2) 상기 가우시안 피라미드의 N 번째 영상(
Figure 112019044362799-pat00009
)을 이용하여 최상위 레벨의 투과도(
Figure 112019044362799-pat00010
)를 계산하는 단계 및 (b-3) 상기 최상위 레벨의 투과도(
Figure 112019044362799-pat00011
)를 업 샘플링(upsampling)하여 최종 투과도(
Figure 112019044362799-pat00012
)를 계산하는 단계 및 (c) 상기 대기의 광도(
Figure 112019044362799-pat00013
)와 최종 투과도(
Figure 112019044362799-pat00014
)를 이용하여 안개가 제거된 영상(
Figure 112019044362799-pat00015
)을 얻는 단계를 포함한다.
또한 상기 모노크롬 이미지는 흑백 이미지 또는 그레이 이미지(gray image)인 것을 특징으로 한다.
또한 상기 분할되는 n 개의 영역은 4개의 영역인 것을 특징으로 한다.
또한 상기 (a-2) 단계는 분할된 영역의 넓이가 기 정해진 임계값 이하가 될 때까지 반복 수행되는 것을 특징으로 한다.
또한 상기 입계값은 10 내지 12 인 것을 특징으로 한다.
또한 상기 일부 화소들의 평균값은, 상기 선택된 영역 내 밝기 값이 상위 10 % 이내의 화소들의 평균값인 것을 특징으로 한다.
또한 상기 최상위 레벨의 투과도(
Figure 112019044362799-pat00016
)는 하기 (수학식 1)로 계산되는 것을 특징으로 한다.
(수학식 1)
Figure 112019044362799-pat00017
또한 상기 최종 투과도(
Figure 112019044362799-pat00018
)는 하기 (수학식 2)를 통해 계산되는 것을 특징으로 한다.
(수학식 2)
Figure 112019044362799-pat00019
또한 상기 최종 투과도(
Figure 112019044362799-pat00020
)는 상기 입력 영상(
Figure 112019044362799-pat00021
)과 동일한 해상도를 갖는 것을 특징으로 한다.
또한 본 발명은 단일 영상 내의 안개 제거 장치를 개시하여, 안개를 포함하는 입력 영상(
Figure 112019044362799-pat00022
)을 모노크롬 이미지(
Figure 112019044362799-pat00023
)로 변환하여, 상기 모노크롬 이미지(
Figure 112019044362799-pat00024
)를 n 개의 영역으로 분할하고, 상기 분할된 각 영역의 평균 화소값을 계산하여, 상기 평균 화소값이 가장 큰 영역을 선택한 후, 상기 선택된 영역 내 일부 화소들의 평균값을 대기의 광도(
Figure 112019044362799-pat00025
)로 추정하는 대기 광도 추정부, 상기 모노크롬 이미지(
Figure 112019044362799-pat00026
)를 다운 샘플링(downsampling)하여 가우시안 피라미드(
Figure 112019044362799-pat00027
,
Figure 112019044362799-pat00028
, …,
Figure 112019044362799-pat00029
)를 생성하여, 상기 가우시안 피라미드의 N 번째 영상(
Figure 112019044362799-pat00030
)을 이용하여 최상위 레벨의 투과도(
Figure 112019044362799-pat00031
)를 계산한 후, 상기 최상위 레벨의 투과도(
Figure 112019044362799-pat00032
)를 업 샘플링(upsampling)하여 최종 투과도(
Figure 112019044362799-pat00033
)를 계산하는 최종 투과도 추정부 및 상기 대기의 광도(
Figure 112019044362799-pat00034
)와 최종 투과도(
Figure 112019044362799-pat00035
)를 이용하여 안개가 제거된 영상(
Figure 112019044362799-pat00036
)을 산출하는 영상 산출부를 포함한다.
또한 본 발명은 동영상 내의 안개 제거 방법을 개시하여, 단일 영상 내의 안개 제거 방법을 이용하여, 상기 동영상의 최초 프레임(
Figure 112019044362799-pat00037
)에 존재하는 안개 성분을 제거하는 단계, 현재 프레임(
Figure 112019044362799-pat00038
)과 이전 프레임(
Figure 112019044362799-pat00039
)을 통하여 가상의 현재 프레임(
Figure 112019044362799-pat00040
)을 얻는 단계 및 상기 현재 프레임(
Figure 112019044362799-pat00041
)과 상기 이전 프레임(
Figure 112019044362799-pat00042
)의 시간적 관계(
Figure 112019044362799-pat00043
)를 하기 (수학식 3)과 같이 정의하여, 상기
Figure 112019044362799-pat00044
이면, 이전 프레임(
Figure 112019044362799-pat00045
)의 대기 광도를 현재 프레임(
Figure 112019044362799-pat00046
)의 대기 광도로 이용하여 현재 프레임의 안개 성분을 제거하고,
Figure 112019044362799-pat00047
이면, 상기 제1항에 따른 단일 영상 내의 안개 제거 방법을 이용하여 현재 프레임의 안개 성분을 제거하는 단계를 포함한다.
(수학식 3)
Figure 112019044362799-pat00048
본 발명의 실시 예들에 따른 안개 제거 방법 및 그 장치의 효과에 대해 설명하면 다음과 같다.
본 발명에 따른 안개 제거 방법 및 그 장치를 통하여 날씨에 영향을 받지 않는 개선된 영상을 취득할 수 있어 신뢰성 및 안전성을 높일 수 있다.
또한 본 발명은 안개 제거를 위한 계산량이 현저히 감소되기 때문에, 낮은 리소스의 하드웨어로도 안개 제거가 가능할 수 있어, 비용을 현저히 절감할 수 있다.
또한 영상에 존재하는 안개로 인해 영상처리의 성능이 저하되는 문제를 해결할 수 있다.
다만, 본 발명의 실시 예들에 따른 안개 제거 방법 및 그 장치가 달성할 수 있는 효과는 이상에서 언급한 것들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부도면은 본 발명에 대한 실시예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1의 (a)는 안개가 존재하는 영상을 도시한 것이고, 도 1의 (b)는 도 1의 (a)에서 안개가 제거된 영상을 도시한 것이다.
도 2는 본 발명에 따른 단일 영상 내 안개 제거 방법을 도시한 순서도이다.
도 3은 본 발명에 따른 단일 영상 내 안개 제거 방법을 모식적으로 도시한 것이다.
도 4는 본 발명에 따른 대기의 광도(
Figure 112019044362799-pat00049
)를 추정하는 방법을 도시한 순서도이다.
도 5는 본 발명에 따른 대기의 광도(
Figure 112019044362799-pat00050
)를 추정하는 방법을 모식적으로 도시한 것이다.
도 6은 본 발명에 따른 최종 투과도(
Figure 112019044362799-pat00051
)를 계산하는 방법을 도시한 순서도이다.
도 7은 본 발명에 따른 단일 영상 내 안개 제거 장치의 구성을 도시한 블록도이다.
도 8은 본 발명에 따른 단일 영상 내 안개 제거 방법에 따른 결과를 종래의 기술과 비교하여 도시한 것이다.
도 9는 본 발명에 따른 동영상 내의 안개 제거 방법을 도시한 순서도이다.
본 명세서 및 특허청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정하여 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해서 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합되는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 하나의 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다. 이하에서는, 첨부된 도면을 참조하여 본 발명의 실시예에 따른 안개 제거 방법 및 그 장치를 상세하게 설명하기로 한다.
도 2는 본 발명에 따른 단일 영상 내 안개 제거 방법을 도시한 순서도이다.
본 발명은 입력 영상에 존재하는 안개 성분을 제거하기 위해 안개 모델을 사용하는데, 이를 이용하면 물리적인 배경을 바탕으로 안개 성분을 보다 합리적으로 예측하여 제거할 수 있다. 안개 성분에 의해 빛이 산란되고 흡수되는 영상의 안개 모델은 하기 (수학식 1)과 같이 표현할 수 있다.
(수학식 1)
Figure 112019044362799-pat00052
여기서,
Figure 112019044362799-pat00053
는 안개를 포함하고 있는 입력 영상의
Figure 112019044362799-pat00054
위치에서의 화소값,
Figure 112019044362799-pat00055
는 안개 성분이 제거된 영상의
Figure 112019044362799-pat00056
위치에서의 화소값,
Figure 112019044362799-pat00057
는 안개 성분이 입력 영상
Figure 112019044362799-pat00058
에서 어떻게 분포되어 있는지를 나타내는 안개 전달량 지도, 즉 투과도 지도의
Figure 112019044362799-pat00059
위치에서의 투과도를 의미한다. 한편,
Figure 112019044362799-pat00060
는 영상에서의 각 픽셀의 위치를 의미하며,
Figure 112019044362799-pat00061
는 대기의 광도를 의미힌다. 대기의 광도는 통상 안개를 포함하는 영상에서 가장 밝은 값을 의미한다.
안개를 포함하는 촬영된 영상
Figure 112019044362799-pat00062
로부터 안개가 없는 영상
Figure 112019044362799-pat00063
를 추정하기 위해서는 투과도 지도
Figure 112019044362799-pat00064
및 대기의 광도
Figure 112019044362799-pat00065
를 모두 추정해야 한다.
본 발명에 따른 단일 영상 내 안개 제거 방법은 대기의 광도를 추정하는 단계(S100), 최종 투과도를 계산하는 단계(S200) 및 상기 대기의 광도와 최종 투과도를 이용하여 안개가 제거된 영상을 얻는 단계(S300)을 포함한다. 이하에서 상기 S100, S200, S300 단계를 상세히 설명한다.
도 3은 본 발명에 따른 단일 영상 내 안개 제거 방법을 모식적으로 도시한 것이다.
본 발명에 따른 단일 영상 내 안개 제거 방법은 결과 영상의 품질은 유지하면서 안개 제거 속도를 향상시키는 멀티-스케일 투과도 추정 방법을 이용한다.
먼저 안개를 포함하고 있는 입력 영상
Figure 112019044362799-pat00066
를 색 변환(color conversion)하여 모노크롬 이미지(
Figure 112019044362799-pat00067
)로 변환한다. 여기서 모노크롬 이미지는 흑백 이미지 또는 그레이 이미지(gray Image)일 수 있다. 입력 영상을 색 변환하여 모노크롬 이미지를 얻는 과정은 공지된 종래의 방법이 사용될 수 있는바, 이에 대한 자세한 설명은 생략한다.
먼저 상기 모노크롬 이미지(
Figure 112019044362799-pat00068
)를 통해 대기의 광도(
Figure 112019044362799-pat00069
)를 추정(또는 계산)한다. 대기의 광도(
Figure 112019044362799-pat00070
)를 추정하는 방법은 도 4 내지 도 5를 참조하여 후술한다.
이후 상기 모노크롬 이미지(
Figure 112019044362799-pat00071
)를 반복적으로 N 번 다운 샘플링(downsampling)하여 가우시안 피라미드(
Figure 112019044362799-pat00072
,
Figure 112019044362799-pat00073
, …,
Figure 112019044362799-pat00074
)를 생성한다. 도 3에서는 본 발명의 일 실시예로서 N 이 2 인 경우를 예시하였다.
가우시안 피라미드는 이미지를 여러 스케일에 걸쳐 분석하는 이미지 피라미드(image pyramid)의 일종으로, 이미지 피라미드를 생성할 때, 일련의 블러링(blurring)과 다운 샘플링을 통해 이미지를 1/2씩 축소시켜 가면서 피라미드를 생성하는 방식이다. 블러링에는 가우시안 필터를 이용하고 다운 샘플링은 짝수번째 픽셀들은 버리고 홀수번째 픽셀들만을 취하는 방식으로 수행될 수 있다. 이와 같은 방식으로 생성된 이미지 피라미드를 가우시안 피라미드라고 할 수 있다. 가우시안 피라미드에서는 이미지의 크기가 빠르게 줄어들기 때문에 피라미드를 구축하기 위한 시간과 메모리 요구량이 낮고 이후 빠른 영상 분석이 가능할 수 있다.
가우시안 피라미드를 생성한 후 선형 변환 기법을 이용하여 최상위 레벨 N(도 3에서는 N=2)의 투과도
Figure 112019044362799-pat00075
을 추정한다. 그리고 가이디드 필터링(guided filtering) 기법을 이용하여 최종 투과도
Figure 112019044362799-pat00076
를 계산한다. 최종 투과도
Figure 112019044362799-pat00077
를 계산하는 과정은 도 6을 참조하여 후술한다.
대기의 광도(
Figure 112019044362799-pat00078
)와 최종 투과도(
Figure 112019044362799-pat00079
)이 추정된 경우, 이를 상기 수학식 1에 대입하여 안개가 제거된 영상
Figure 112019044362799-pat00080
를 얻을 수 있다.
도 4는 본 발명에 따른 대기의 광도(
Figure 112019044362799-pat00081
)를 추정하는 방법을 도시한 순서도이고, 도 5는 본 발명에 따른 대기의 광도(
Figure 112019044362799-pat00082
)를 추정하는 방법을 모식적으로 도시한 것이다.
본 발명에 따른 단일 영상 내의 안개 제거 방법에 있어, 대기의 광도(
Figure 112019044362799-pat00083
)를 추정하는 방법은, 입력 영상을 모노크롬 이미지로 변환하는 단계(S110), 모노크롬 이미지(
Figure 112019044362799-pat00084
)를 n 개의 영역으로 분할하고, 상기 분할된 각 영역의 평균 화소값을 계산하여, 상기 평균 화소값이 가장 큰 영역을 선택하는 단계(S120) 및 상기 선택된 영역 내 일부 화소들의 평균값을 대기의 광도(
Figure 112019044362799-pat00085
)로 추정하는 단계(S130)를 포함한다.
S120 단계에서는 모노크롬 이미지(
Figure 112019044362799-pat00086
)를 n 개의 영역으로 분할하는 과정이 수행되는데, 여기서 상기 n 은 4일 수 있다. 이 경우, 재귀적인 호출로 영상을 4 개의 영역으로 분할하는 쿼드 트리(quad tree) 기법이 사용될 수 있다.
먼저 쿼드 트리 기법을 이용하여 영상을 4 개의 영역으로 분할한다. 그리고 분할된 각 영역의 평균 화소값을 분할된 각 영역마다 계산한다. 그리고 4개의 영역 중 평균 화소값이 가장 큰 영역을 선택하여 선택된 영역의 넓이가 이미 정해진 임계값(또는 문턱값)(
Figure 112019044362799-pat00087
)보다 작아질 때까지 반복적으로 쿼드 트리 기법을 적용하여 계속하여 4 개의 영역으로 분할한다. 일 실시예로서 상기 임계값은 10 내지 12 일 수 있으나 이러한 임계값은 영상의 목적, 영상의 용도, 안개의 분포정도에 따라 적절히 변경될 수 있다.
S130 단계에서는 S120 단계에서 최종적으로 얻어진 영역에서 밝기값이 높은 값을 기준으로 상위 10 % 이내의 화소들을 선택하여, 상기 화소들의 화소값 평균을 계산하고 이를 대기의 광도(
Figure 112019044362799-pat00088
)로 추정한다.
도 5의 (a)는 안개가 존재하는 입력 영상을 나타낸 것이고, 도 5의 (b)는 일 실시예로서 상기 도 5의 (a)를 기반으로 대기의 광도(
Figure 112019044362799-pat00089
)를 추정하는 방법을 모식적으로 도시한 것이다. 도 5의 (b)를 참조하면, 도 5의 (a)를 모노크롬 이미지로 변환한 후, 쿼드 트리 기법을 이용하여 5 회 영상을 분할하여 대기의 광도를(
Figure 112019044362799-pat00090
)를 추정한 것을 알 수 있다.
도 6은 본 발명에 따른 최종 투과도(
Figure 112019044362799-pat00091
)를 계산하는 방법을 도시한 순서도이다.
도 6 및 도 3을 함께 참조하여 최종 투과도(
Figure 112019044362799-pat00092
)를 계산하는 방법을 상세히 설명한다. 본 발명에 따른 단일 영상 내 안개 제거 방법의 최종 투과도(
Figure 112019044362799-pat00093
)를 계산하는 단계는 모노크롬 이미지를 다운 샘플링하여 가우시안 피라미드를 생성하는 단계(S210), 선형 변환 기법을 통해 최상위 레벨의 투과도(
Figure 112019044362799-pat00094
)를 계산하는 단계(S220) 및 가이디드 이미지 필터를 통해 최상위 레벨의 투과도(
Figure 112019044362799-pat00095
)를 업샘플링하여 최종 투과도(
Figure 112019044362799-pat00096
)를 계산하는 단계(S230)을 포함한다.
S220 단계에서는 S100 단계에서 생성된 가우시안 피라미드의 최상위 영상(
Figure 112019044362799-pat00097
)에 대해서 선형 변환(linear transformation) 기법을 이용하여 최상위 레벨의 투과도(
Figure 112019044362799-pat00098
)를 추정한다. 상기 (수학식 1)로부터 투과도 영상은 하기 (수학식 2)와 같이 표현될 수 있다.
(수학식 2)
Figure 112019044362799-pat00099
(수학식 2)에서
Figure 112019044362799-pat00100
를 구하기 위해
Figure 112019044362799-pat00101
와
Figure 112019044362799-pat00102
사이의 관계를 선형 관계로 가정한다. 따라서
Figure 112019044362799-pat00103
와
Figure 112019044362799-pat00104
사이의 관계는 하기 (수학식 3)과 같이 표현될 수 있다.
(수학식 3)
Figure 112019044362799-pat00105
이 때, 상기 (수학식 3)은 하기 (수학식 4)와 같이 표현할 수 있다.
(수학식 4)
Figure 112019044362799-pat00106
여기서,
Figure 112019044362799-pat00107
와
Figure 112019044362799-pat00108
은
Figure 112019044362799-pat00109
의 최대값 및 최소값,
Figure 112019044362799-pat00110
는 안개 제거의 강도를 제어하는 상수,
Figure 112019044362799-pat00111
는
Figure 112019044362799-pat00112
의 최소값을 의미한다.
상기 (수학식 4)의
Figure 112019044362799-pat00113
를 상기 (수학식 2) 대입하면, 투과도 영상을 하기 (수학식 5)과 같이 도출할 수 있다.
(수학식 5)
Figure 112019044362799-pat00114
S230 단계에서는 가이디드 필터링 기법을 이용하여 입력 영상의 세부 정보(detail information)를 보존하면서, 최상위 레벨의 투과도(
Figure 112019044362799-pat00115
)을 반복적으로 업 샘플링하여 입력 영상과 동일한 해상도를 갖는 최종 투과도(
Figure 112019044362799-pat00116
)를 계산한다.
상기 가이디드 필터링 기법은 일 예로 원래의 크기로 업샘플링을 수행하는 이른바 빠른 가이디드 필터링(Fast Guided Filtering) 기법일 수 있다. 본 발명에서 이용되는 가이디드 필터링 기법은 하기 (수학식 6)과 같이 표현될 수 있다.
(수학식 6)
Figure 112019044362799-pat00117
여기서,
Figure 112019044362799-pat00118
는 가우시안 피라미드의
Figure 112019044362799-pat00119
번째 레벨에서의 영상
Figure 112019044362799-pat00120
에 대한 투과도 영상,
Figure 112019044362799-pat00121
는 가우시안 피라미드의
Figure 112019044362799-pat00122
번째 레벨에서의 영상
Figure 112019044362799-pat00123
에 대한 투과도 영상,
Figure 112019044362799-pat00124
는 선형 보간법(bilinear interpolation)을 이용한 업 샘플링 연산자,
Figure 112019044362799-pat00125
는
Figure 112019044362799-pat00126
를 가이드로 사용하는 가이디드 이미지 필터(guided image filter) 연산자이다.
즉, 가우시안 피라미드의
Figure 112019044362799-pat00127
번째 레벨에서의 영상
Figure 112019044362799-pat00128
에 대한 투과도 영상
Figure 112019044362799-pat00129
는 가우시안 피라미드의
Figure 112019044362799-pat00130
번째 레벨에서의 영상
Figure 112019044362799-pat00131
에 대한 투과도
Figure 112019044362799-pat00132
와 가우시안 피라미드의
Figure 112019044362799-pat00133
를 이용하여 구할 수 있다. 이를 반복적으로 수행하여 최상위 레벨의 투과도(
Figure 112019044362799-pat00134
)로부터 최종 투과도(
Figure 112019044362799-pat00135
)를 계산 할 수 있다.
대기의 광도(
Figure 112019044362799-pat00136
)와 최종 투과도(
Figure 112019044362799-pat00137
)가 얻어지면 이를 이용하여 안개가 없는 영상
Figure 112019044362799-pat00138
를 하기 (수학식 7)을 통해 계산할 수 있다.
(수학식 7)
Figure 112019044362799-pat00139
여기서,
Figure 112019044362799-pat00140
는
Figure 112019044362799-pat00141
를 안정적으로 만들기 위한 상수로, 일 실시예로서 13의 값을 가질 수 있다.
도 7은 본 발명에 따른 단일 영상 내 안개 제거 장치(1000)의 구성을 도시한 블록도이다.
앞서 설명한 단일 영상 내 안개 제거 방법은 이를 구현하는 장치로 구현될 수 있다. 구체적으로 본 발명에 따른 단일 영상 내 안개 제거 장치(1000)는 안개를 포함하는 입력 영상(
Figure 112019044362799-pat00142
)을 색 변환(color conversion)하여 모노크롬 이미지(
Figure 112019044362799-pat00143
)로 변환하여, 상기 모노크롬 이미지(
Figure 112019044362799-pat00144
)를 n 개의 영역으로 분할하고, 상기 분할된 각 영역의 평균 화소값을 계산하여, 상기 평균 화소값이 가장 큰 영역을 선택한 후, 상기 선택된 영역 내 일부 화소들의 평균값을 대기의 광도(
Figure 112019044362799-pat00145
)로 추정하는 대기 광도 추정부(100), 상기 모노크롬 이미지(
Figure 112019044362799-pat00146
)를 다운 샘플링(downsampling)하여 가우시안 피라미드(
Figure 112019044362799-pat00147
,
Figure 112019044362799-pat00148
, …,
Figure 112019044362799-pat00149
)를 생성하여, 선형 변환 기법을 통해, 상기 가우시안 피라미드의 N 번째 영상(
Figure 112019044362799-pat00150
)을 이용하여 최상위 레벨의 투과도(
Figure 112019044362799-pat00151
)를 계산한 후, 가이디드 이미지 필터(guided image filter)를 통해, 상기 최상위 레벨의 투과도(
Figure 112019044362799-pat00152
)를 업 샘플링(upsampling)하여 최종 투과도(
Figure 112019044362799-pat00153
)를 계산하는 최종 투과도 추정부(200) 및 상기 대기의 광도(
Figure 112019044362799-pat00154
)와 최종 투과도(
Figure 112019044362799-pat00155
)를 이용하여 안개가 제거된 영상(
Figure 112019044362799-pat00156
)을 산출하는 영상 산출부(300)를 포함할 수 있다.
도 8은 본 발명에 따른 단일 영상 내 안개 제거 방법에 따른 결과를 종래의 기술과 비교하여 도시한 것이다.
도 8의 (a)는 안개가 포함된 영상을, 도 8의 (b), (c)는 종래의 안개 제거 방법을 통해 얻어진 안개 제거 영상을, 도 8의 (d)는 본 발명에 따른 방법을 통해 얻어진 안개 제거 영상을 도시한 것이다. 도 8의 (b)는 "[1] K. He, J. Sun, and X. Tang, "Single image haze removal using dark channel prior," IEEE Trans. Pattern Anal. Mach. Intell. 33, pp. 2341-2353, Dec. 2011." 도 8의 (c)는 "[2] W. Wang, X. Yuan, X. Wu, and Y. Liu, "Fast image dehazing method based on linear transformation," IEEE Trans. Multimedia 19, pp. 1142-1155, Jun. 2017." 의 예를 참조한 것이다.
하기 표 1은 안개가 제거된 영상을 얻는데 소요되는 시간을 정리한 것이다.
(표 1)
Figure 112019044362799-pat00157
상기 표 1에 나타난 결과를 참조하면, 종래의 방법보다 안개 제거가 효율적으로 수행되면서, 실행 시간 또한 짧은 것을 확인할 수 있다.
도 9는 본 발명에 따른 동영상 내의 안개 제거 방법을 도시한 순서도이다.
본 발명에 따른 동영상 내의 안개 제거 방법은 전술한 단일 영상 내의 안개 제거 방법을 이용하여, 동영상의 최초 프레임에 존재하는 안개 성분을 제거하는 단계(S1000), 현재 프레임과 이전 프레임을 통하여 가상의 현재 프레임을 얻는 단계(S2000) 및 현재 프레임과 이전 프레임의 시간적 관계를 정의하여 안개 성분을 제거하는 단계(S3000)을 포함한다.
보다 구체적으로 본 발명에 따른 동영상 내의 안개 제거 방법은, 단일 영상 내의 안개 제거 방법을 이용하여, 상기 동영상의 최초 프레임(
Figure 112019044362799-pat00158
)에 존재하는 안개 성분을 제거하는 단계, 현재 프레임(
Figure 112019044362799-pat00159
)과 이전 프레임(
Figure 112019044362799-pat00160
)을 통하여 가상의 현재 프레임(
Figure 112019044362799-pat00161
)을 얻는 단계 및 상기 현재 프레임(
Figure 112019044362799-pat00162
)과 상기 이전 프레임(
Figure 112019044362799-pat00163
)의 시간적 관계(
Figure 112019044362799-pat00164
)를 하기 (수학식 8)과 같이 정의하여, 상기
Figure 112019044362799-pat00165
이면, 이전 프레임(
Figure 112019044362799-pat00166
)의 대기 광도를 현재 프레임(
Figure 112019044362799-pat00167
)의 대기 광도로 이용하여 현재 프레임의 안개 성분을 제거하고,
Figure 112019044362799-pat00168
이면, 상기 제1항에 따른 단일 영상 내의 안개 제거 방법을 이용하여 현재 프레임의 안개 성분을 제거하는 단계를 포함할 수 있다.
(수학식 8)
Figure 112019044362799-pat00169
여기서,
Figure 112019044362799-pat00170
는 확률 모델의 변수를 조절하는 인자이다. 이와 같은 방식을 통해 단일 영상 외에도 실시간 영상에 존재하는 안개를 용이하게 제거할 수 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리 범위는 설명된 실시예에 국한되어 정해져서는 안되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
1000 : 단일 영상 내의 안개 제거 장치
100 : 대기 광도 추정부
200 : 최종 투과도 추정부
300 : 영상 산출부

Claims (11)

  1. 단일 영상 내의 안개 제거 방법으로서,
    (a) (a-1) 안개를 포함하는 입력 영상(
    Figure 112020038798012-pat00171
    )을 모노크롬 이미지(
    Figure 112020038798012-pat00172
    )로 변환하는 단계;
    (a-2) 상기 모노크롬 이미지(
    Figure 112020038798012-pat00173
    )를 n 개의 영역으로 분할하고, 상기 분할된 각 영역의 평균 화소값을 계산하여, 상기 평균 화소값이 가장 큰 영역을 선택하는 단계; 및
    (a-3) 상기 선택된 영역 내 일부 화소들의 평균값을 대기의 광도(
    Figure 112020038798012-pat00174
    )로 추정하는 단계; 및
    (b) (b-1) 상기 모노크롬 이미지(
    Figure 112020038798012-pat00175
    )를 다운 샘플링(downsampling)하여 가우시안 피라미드(
    Figure 112020038798012-pat00176
    ,
    Figure 112020038798012-pat00177
    , …,
    Figure 112020038798012-pat00178
    )를 생성하는 단계;
    (b-2) 상기 가우시안 피라미드의 N 번째 영상(
    Figure 112020038798012-pat00179
    )을 이용하여 최상위 레벨의 투과도(
    Figure 112020038798012-pat00180
    )를 계산하는 단계; 및
    (b-3) 상기 최상위 레벨의 투과도(
    Figure 112020038798012-pat00181
    )를 업 샘플링(upsampling)하여 최종 투과도(
    Figure 112020038798012-pat00182
    )를 계산하는 단계; 및
    (c) 상기 대기의 광도(
    Figure 112020038798012-pat00183
    )와 최종 투과도(
    Figure 112020038798012-pat00184
    )를 이용하여 안개가 제거된 영상(
    Figure 112020038798012-pat00185
    )을 얻는 단계를 포함하며,
    상기 최상위 레벨의 투과도(
    Figure 112020038798012-pat00265
    )는 하기 (수학식 1)로 계산되는 것을 특징으로 하는 단일 영상 내의 안개 제거 방법.
    (수학식 1)
    Figure 112020038798012-pat00266

    (여기서,
    Figure 112020038798012-pat00267
    는 안개 제거의 강도를 제어하는 상후,
    Figure 112020038798012-pat00268
    및
    Figure 112020038798012-pat00269
    은
    Figure 112020038798012-pat00270
    의 최대값 및 최소값,
    Figure 112020038798012-pat00271
    는
    Figure 112020038798012-pat00272
    의 최소값으로
    Figure 112020038798012-pat00273
    는 안개를 포함하고 있는 영상의
    Figure 112020038798012-pat00274
    위치에서의 화소값,
    Figure 112020038798012-pat00275
    안개가 없는 영상의
    Figure 112020038798012-pat00276
    위치에서의 화소값,
    Figure 112020038798012-pat00277
    는 투과도 영상의
    Figure 112020038798012-pat00278
    위치에서의 투과도임.)
  2. 제1항에 있어서,
    상기 모노크롬 이미지는 흑백 이미지 또는 그레이 이미지(gray image)인 것을 특징으로 하는 단일 영상 내의 안개 제거 방법.
  3. 제1항에 있어서,
    상기 분할되는 n 개의 영역은 4 개의 영역인 것을 특징으로 하는 단일 영상 내의 안개 제거 방법.
  4. 제1항에 있어서,
    상기 (a-2) 단계는 분할된 영역의 넓이가 기 정해진 임계값 이하가 될 때까지 반복 수행되는 것을 특징으로 하는 단일 영상 내의 안개 제거 방법.
  5. 제4항에 있어서,
    상기 임계값은 10 내지 12 인 것을 특징으로 하는 단일 영상 내의 안개 제거 방법.
  6. 제1항에 있어서,
    상기 일부 화소들의 평균값은,
    상기 선택된 영역 내 밝기 값이 상위 10 % 이내의 화소들의 평균값인 것을 특징으로 하는 단일 영상 내의 안개 제거 방법.
  7. 삭제
  8. 제1항에 있어서,
    상기 최종 투과도(
    Figure 112019044362799-pat00200
    )는 하기 (수학식 2)를 통해 계산되는 것을 특징으로 하는 단일 영상 내의 안개 제거 방법.
    (수학식 2)
    Figure 112019044362799-pat00201

    (여기서,
    Figure 112019044362799-pat00202
    는 가우시안 피라미드의
    Figure 112019044362799-pat00203
    번째 레벨에서의 영상
    Figure 112019044362799-pat00204
    에 대한 투과도 영상,
    Figure 112019044362799-pat00205
    는 가우시안 피라미드의
    Figure 112019044362799-pat00206
    번째 레벨에서의 영상
    Figure 112019044362799-pat00207
    에 대한 투과도 영상,
    Figure 112019044362799-pat00208
    는 선형 보간법(bilinear interpolation)을 이용한 업 샘플링 연산자,
    Figure 112019044362799-pat00209
    는
    Figure 112019044362799-pat00210
    를 가이드로 사용하는 가이디드 이미지 필터(guided image filter) 연산자임.)
  9. 제1항에 있어서,
    상기 최종 투과도(
    Figure 112019044362799-pat00211
    )는 상기 입력 영상(
    Figure 112019044362799-pat00212
    )과 동일한 해상도를 갖는 것을 특징으로 하는 단일 영상 내의 안개 제거 방법.
  10. 단일 영상 내의 안개 제거 장치로서,
    안개를 포함하는 입력 영상(
    Figure 112020038798012-pat00213
    )을 모노크롬 이미지(
    Figure 112020038798012-pat00214
    )로 변환하여, 상기 모노크롬 이미지(
    Figure 112020038798012-pat00215
    )를 n 개의 영역으로 분할하고, 상기 분할된 각 영역의 평균 화소값을 계산하여, 상기 평균 화소값이 가장 큰 영역을 선택한 후, 상기 선택된 영역 내 일부 화소들의 평균값을 대기의 광도(
    Figure 112020038798012-pat00216
    )로 추정하는 대기 광도 추정부;
    상기 모노크롬 이미지(
    Figure 112020038798012-pat00217
    )를 다운 샘플링(downsampling)하여 가우시안 피라미드(
    Figure 112020038798012-pat00218
    ,
    Figure 112020038798012-pat00219
    , …,
    Figure 112020038798012-pat00220
    )를 생성하여, 상기 가우시안 피라미드의 N 번째 영상(
    Figure 112020038798012-pat00221
    )을 이용하여 최상위 레벨의 투과도(
    Figure 112020038798012-pat00222
    )를 계산한 후, 상기 최상위 레벨의 투과도(
    Figure 112020038798012-pat00223
    )를 업 샘플링(upsampling)하여 최종 투과도(
    Figure 112020038798012-pat00224
    )를 계산하는 최종 투과도 추정부; 및
    상기 대기의 광도(
    Figure 112020038798012-pat00225
    )와 최종 투과도(
    Figure 112020038798012-pat00226
    )를 이용하여 안개가 제거된 영상(
    Figure 112020038798012-pat00227
    )을 산출하는 영상 산출부를 포함하며,
    상기 최종 투과도 추정부는 상기 최상위 레벨의 투과도(
    Figure 112020038798012-pat00279
    )를 하기 (수학식 1)로 계산되는 것을 특징으로 하는 단일 영상 내의 안개 제거 장치.
    (수학식 1)
    Figure 112020038798012-pat00280

    (여기서,
    Figure 112020038798012-pat00281
    는 안개 제거의 강도를 제어하는 상후,
    Figure 112020038798012-pat00282
    및
    Figure 112020038798012-pat00283
    은
    Figure 112020038798012-pat00284
    의 최대값 및 최소값,
    Figure 112020038798012-pat00285
    는
    Figure 112020038798012-pat00286
    의 최소값으로
    Figure 112020038798012-pat00287
    는 안개를 포함하고 있는 영상의
    Figure 112020038798012-pat00288
    위치에서의 화소값,
    Figure 112020038798012-pat00289
    안개가 없는 영상의
    Figure 112020038798012-pat00290
    위치에서의 화소값,
    Figure 112020038798012-pat00291
    는 투과도 영상의
    Figure 112020038798012-pat00292
    위치에서의 투과도임.)
  11. 제1항에 따른 단일 영상 내의 안개 제거 방법을 이용하여, 동영상의 최초 프레임(
    Figure 112020502162765-pat00228
    )에 존재하는 안개 성분을 제거하는 단계;
    현재 프레임(
    Figure 112020502162765-pat00229
    )과 이전 프레임(
    Figure 112020502162765-pat00230
    )을 통하여 가상의 현재 프레임(
    Figure 112020502162765-pat00231
    )을 얻는 단계; 및
    상기 현재 프레임(
    Figure 112020502162765-pat00232
    )과 상기 이전 프레임(
    Figure 112020502162765-pat00233
    )의 시간적 관계(
    Figure 112020502162765-pat00234
    )를 하기 (수학식 3)과 같이 정의하여, 상기
    Figure 112020502162765-pat00235
    이면, 이전 프레임(
    Figure 112020502162765-pat00236
    )의 대기 광도를 현재 프레임(
    Figure 112020502162765-pat00237
    )의 대기 광도로 이용하여 현재 프레임의 안개 성분을 제거하고,
    Figure 112020502162765-pat00238
    이면, 제1항에 따른 단일 영상 내의 안개 제거 방법을 이용하여 현재 프레임의 안개 성분을 제거하는 단계;
    를 포함하는 안개 제거 방법.
    (수학식 3)
    Figure 112020502162765-pat00239

    (여기서,
    Figure 112020502162765-pat00240
    는 확률 모델의 변수를 조절하는 인자임.)
KR1020190050319A 2019-04-30 2019-04-30 안개 제거 방법 및 그 장치 KR102141122B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190050319A KR102141122B1 (ko) 2019-04-30 2019-04-30 안개 제거 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190050319A KR102141122B1 (ko) 2019-04-30 2019-04-30 안개 제거 방법 및 그 장치

Publications (1)

Publication Number Publication Date
KR102141122B1 true KR102141122B1 (ko) 2020-09-14

Family

ID=72471334

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190050319A KR102141122B1 (ko) 2019-04-30 2019-04-30 안개 제거 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR102141122B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018106316A (ja) * 2016-12-26 2018-07-05 キヤノン株式会社 画像補正処理方法、および、画像補正処理装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018106316A (ja) * 2016-12-26 2018-07-05 キヤノン株式会社 画像補正処理方法、および、画像補正処理装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Anju Raj ET AL:"Image/Video Dehazing Using Guided Filter by Multi-Scale Fusion", International Journal of Innovative Research in Computer and Communication Engineering, June 2015(2015.06.30.) 1부.* *
Jin-Hwan Kim ET AL:"Single image dehazing based on contrast enhancement", 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 22 May 2011(2011.05.22.) 1부.* *
Zhao Dong ET AL:"A novel fast haze removal technique for single image using image pyramid", 2015 34th Chinese Control Conference (CCC), 28 July 2015(2015.07.28.) 1부.* *

Similar Documents

Publication Publication Date Title
US10026160B2 (en) Systems and techniques for automatic image haze removal across multiple video frames
CN103218778B (zh) 一种图像和视频的处理方法及装置
JP2012168936A (ja) 動画処理装置及び動画処理方法
KR101448164B1 (ko) 파라미터 최적화를 이용한 영상의 안개 제거 방법
KR101470831B1 (ko) 사용자 제어가 가능한 거듭제곱근 연산자를 이용한 안개영상 개선 장치
US20140140619A1 (en) Method and System for Removal of Fog, Mist, or Haze from Images and Videos
CN108765342A (zh) 一种基于改进暗通道的水下图像复原方法
KR102261532B1 (ko) 단일 스케일 영상 융합에 기반한 안개 제거 시스템 및 방법
WO2021179826A1 (zh) 图像处理方法及相关产品
KR101582779B1 (ko) 영상의 파장 적응적 안개 제거 장치 및 방법
CN112272832A (zh) 用于基于dnn的成像的方法和系统
KR20150101872A (ko) 영상 처리 장치 및 방법
Das et al. A comparative study of single image fog removal methods
CN109345479B (zh) 一种视频监控数据的实时预处理方法及存储介质
CN112819699A (zh) 视频处理方法、装置及电子设备
Kansal et al. Fusion-based image de-fogging using dual tree complex wavelet transform
Honnutagi et al. Fusion-based underwater image enhancement by weight map techniques
CN112907461A (zh) 一种红外雾天降质图像去雾增强方法
KR102141122B1 (ko) 안개 제거 방법 및 그 장치
KR101468433B1 (ko) 결합된 색상 채널 변환 맵을 이용한 다이나믹 레인지 확장 장치 및 방법
CN116468636A (zh) 低照度增强方法、装置、电子设备和可读存储介质
Hari et al. Dark and Bright Channel Priors for Haze Removal in Day and Night Images.
CN111028184B (zh) 一种图像增强方法及系统
Negru et al. Exponential image enhancement in daytime fog conditions
CN114418874A (zh) 一种低照度图像增强方法

Legal Events

Date Code Title Description
GRNT Written decision to grant