KR102668932B1 - 저조도 이미지 대비 향상 방법 및 장치 - Google Patents
저조도 이미지 대비 향상 방법 및 장치 Download PDFInfo
- Publication number
- KR102668932B1 KR102668932B1 KR1020230015199A KR20230015199A KR102668932B1 KR 102668932 B1 KR102668932 B1 KR 102668932B1 KR 1020230015199 A KR1020230015199 A KR 1020230015199A KR 20230015199 A KR20230015199 A KR 20230015199A KR 102668932 B1 KR102668932 B1 KR 102668932B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- low
- equation
- light
- light image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 239000003623 enhancer Substances 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
본 명세서는 저조도 이미지 대비 향상 방법 및 장치에 관한 것이다. 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 방법은 이미지 강화부가 안개 제거 알고리즘을 이용하여 저조도 이미지로부터 이미지 대비가 향상된 강화 이미지를 생성하는 단계 및 필터링부가 노이즈 필터를 이용하여 상기 강화 이미지로부터 노이즈가 제거된 출력 이미지를 생성하는 단계를 포함한다.
Description
본 명세서는 저조도 이미지 대비 향상 방법 및 장치에 관한 것이다.
CNN 기반의 객체 탐지 모델은 객체 탐지의 성능 향상으로 인해 도로 교통 시스템, 긴급 차량 감지 시스템 등 다양한 분야에 활용된다.
그러나, 이러한 시스템은 주간은 물론 야간에서도 항상 동작 되어야 하지만 대부분의 객체 탐지 모델은 조명이 밝은 환경에서 설계되어 야간과 같은 저조도 환경에서는 객체와 배경 사이의 경계가 모호하여 객체 탐지 성능이 저하된다.
이를 개선하기 위해, 저조도 이미지의 대비 향상 기법들이 등장했다. 예컨대, 히스토그램 균등화 기법이나 Retinex 이론에 기반한 방법 등이 있는데, 히스토그램 균등화 기법의 경우 알고리즘이 단순하고 구현이 간단하지만 상대적으로 밝은 영역이 쉽게 포화되어 색상 왜곡이 쉽게 발생되며, Retinex 이론에 기반한 방법의 경우 이미지 대비가 지나치게 높아져 생성된 이미지가 부자연스럽게 보이는 단점이 존재한다.
또한, 종래의 이미지 대비 향상 기법들은 노이즈를 고려하지 않아 시각적으로 만족스럽게 복원되었어도 객체 탐지 성능에는 큰 영향을 주지 못하거나 오히려 강화된 노이즈로 인해 역효과가 발생한다.
따라서, 안정적으로 저조도 이미지 대비를 향상시키면서도 객체 탐지 성능이 저하되지 않는 저조도 이미지 대비 향상 방법의 필요성이 요구된다.
본 명세서의 목적은 저조도 이미지를 반전시킨 제1 이미지에 안개 제거 알고리즘을 적용하여 이미지 대비가 향상된 강화 이미지를 생성할 수 있는 저조도 이미지 대비 향상 방법 및 장치를 제공하는 것이다.
또한, 본 명세서의 목적은 노이즈 필터를 이용하여 객체의 외곽선 정보를 보존하면서 노이즈를 제거함으로써 높은 객체 탐지 성능을 갖는 저조도 이미지 대비 향상 방법 및 장치를 제공하는 것이다.
본 명세서의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 명세서의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 명세서의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 명세서의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 방법은 이미지 강화부가 안개 제거 알고리즘을 이용하여 저조도 이미지로부터 이미지 대비가 향상된 강화 이미지를 생성하는 단계 및 필터링부가 노이즈 필터를 이용하여 상기 강화 이미지로부터 노이즈가 제거된 출력 이미지를 생성하는 단계를 포함한다.
또한, 본 명세서의 일 실시예에서 강화 이미지를 생성하는 단계는 저조도 이미지를 반전 시킨 제1 이미지를 생성하는 단계, 안개 제거 알고리즘을 이용하여 상기 제1 이미지를 안개가 제거된 제2 이미지로 변환하는 단계 및 제2 이미지를 다시 역반전시켜 상기 강화 이미지를 생성하는 단계를 포함한다.
또한, 본 명세서의 일 실시예에서 안개 제거 알고리즘은 Entropy & Fidelity 알고리즘이다.
또한, 본 명세서의 일 실시예에서 노이즈 필터는 Adaptive 2D wiener 필터이다.
본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치는 안개 제거 알고리즘을 이용하여 저조도 이미지로부터 이미지 대비가 향상된 강화 이미지를 생성하는 이미지 강화부 및 노이즈 필터를 이용하여 상기 강화 이미지로부터 노이즈가 제거된 출력 이미지를 생성하는 필터링부를 포함한다.
또한, 본 명세서의 일 실시예에서 이미지 강화부는 저조도 이미지를 반전 시킨 제1 이미지를 생성하고, 상기 안개 제거 알고리즘을 이용하여 상기 제1 이미지를 안개가 제거된 제2 이미지로 변환하고, 상기 제2 이미지를 다시 역반전시켜 상기 강화 이미지를 생성한다.
또한, 본 명세서의 일 실시예에서 안개 제거 알고리즘은 Entropy & Fidelity 알고리즘이다.
또한, 본 명세서의 일 실시예에서 노이즈 필터는 Adaptive 2D wiener 필터이다.
본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 방법 및 장치는 저조도 이미지를 반전시킨 제1 이미지에 안개 제거 알고리즘을 적용하여 이미지 대비가 향상된 강화 이미지를 생성할 수 있다.
또한, 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 방법 및 장치는 노이즈 필터를 이용하여 객체의 외곽선 정보를 보존하면서 노이즈를 제거함으로써 높은 객체 탐지 성능을 갖는다.
도 1은 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치의 블록도이다.
도 2는 본 명세서의 일 실시예에서 저조도 이미지, 제1 이미지, 제2 이미지 및 강화 이미지를 나타낸 도면이다.
도 3은 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치의 구성도이다.
도 4는 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치와 종래의 저조도 이미지 대비 향상 기법의 출력 이미지로부터 외곽선을 추출하여 비교한 도면이다.
도 5 및 도 6은 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치와 종래 이미지 대비 향상 기법의 객체 탐지 결과를 나타낸 도면이다.
도 7 및 도 8은 본 명세서의 일 실시예에 따른 이미지 대비 향상 장치와 종래의 저조도 이미지 대비 향상 기법의 성능을 비교한 표이다.
도 9는 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 방법의 순서도이다.
도 10은 본 명세서의 일 실시예에서 강화 이미지를 생성하는 방법의 순서도이다.
도 2는 본 명세서의 일 실시예에서 저조도 이미지, 제1 이미지, 제2 이미지 및 강화 이미지를 나타낸 도면이다.
도 3은 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치의 구성도이다.
도 4는 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치와 종래의 저조도 이미지 대비 향상 기법의 출력 이미지로부터 외곽선을 추출하여 비교한 도면이다.
도 5 및 도 6은 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치와 종래 이미지 대비 향상 기법의 객체 탐지 결과를 나타낸 도면이다.
도 7 및 도 8은 본 명세서의 일 실시예에 따른 이미지 대비 향상 장치와 종래의 저조도 이미지 대비 향상 기법의 성능을 비교한 표이다.
도 9는 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 방법의 순서도이다.
도 10은 본 명세서의 일 실시예에서 강화 이미지를 생성하는 방법의 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다.
도 1은 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치의 블록도이고, 도 2는 본 명세서의 일 실시예에서 저조도 이미지, 제1 이미지, 제2 이미지 및 강화 이미지를 나타낸 도면이고, 도 3은 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치의 구성도이다. 이하, 도 1 내지 도 3을 참조하여 저조도 이미지 대비 향상 장치를 설명하도록 한다.
도 1을 참조하면 저조도 이미지 대비 향상 장치(100)는 저조도 이미지의 대비를 향상시키는 장치로써, 입력부(110), 이미지 강화부(120), 필터링부(130) 및 객체 탐지부(140)를 포함한다.
입력부(110)는 저조도 이미지를 수신한다. 저조도 이미지는 낮은 조도를 갖는 어두운 배경의 이미지를 의미하며, 주로 밤 야경을 찍으면 빛이 충분하지 않아 저조도 이미지가 생성된다. 본 명세서에서의 저조도 이미지는 객체 탐지 모델을 통해 객체가 디텍팅 될 수 있도록 배경뿐만 아니라 특정 객체를 포함하는 이미지일 수 있다.
이미지 강화부(120)는 안개 제거 알고리즘을 이용하여 입력된 저조도 이미지로부터 이미지 대비가 향상된 강화 이미지를 생성한다.
구체적으로, 도 2 및 도 3에 도시된 바와 같이, 이미지 강화부(120)는 저조도 이미지(a)를 반전 시킨 제1 이미지(b)를 생성하고, 안개 제거 알고리즘을 이용하여 제1 이미지를 안개가 제거된 제2 이미지(c)로 변환하고, 제2 이미지(c)를 다시 역반전시켜 상기 강화 이미지(d)를 생성한다.
즉, 반전된 저조도 이미지인 제1 이미지(b)는 안개 이미지와 유사하므로 본 명세서의 이미지 강화부(120)는 종래의 이미지 대비 향상 기법인 히스토그램 균등화 기법 또는 Retinex 이론에 기반한 이미지 대비 향상 기법 대신 저조도 이미지를 반전시킨 뒤 안개 제거 알고리즘을 이용한다.
따라서, 본 명세서의 저조도 이미지 대비 향상 장치(100)를 이용하면, 종래의 이미지 대비 향상 기법의 문제점인 색상 왜곡이 쉽게 발생되거나, 이미지 대비가 지나치게 높아져 부자연스러운 출력 이미지가 생성되는 문제를 해소할 수 있다.
한편, 안개 제거 알고리즘은 색상 기반의 DCP(Dark Channel Prior) 알고리즘 또는 Entropy & Fidelity 알고리즘일 수 있다. 그러나, DCP 알고리즘은 하얀색의 객체나 건물 등과 같은 곳에서 쉽게 오차가 발생하여 안개 제거 성능에 악영향을 끼친다. 따라서, 안정적인 저조도 이미지 대비 향상을 위해서는 오차 발생 빈도가 적은 Entropy & Fidelity 알고리즘을 사용하는 것이 바람직하다.
한편, 강화 이미지는 전송맵, 빛의 밝기 등을 이용하여 산출되며, 구체적으로 하기의 수학식 1에 의해 산출될 수 있다.
[수학식 1]
이때, B(x,y)는 x,y 픽셀값을 갖는 강화 이미지, L(x,y)는 x,y 픽셀값을 갖는 저조도 이미지, 는 전송맵, 는 빛의 밝기를 각각 의미한다.
또한, 빛의 밝기는 아래의 수학식 2에 의해 산출될 수 있다.
[수학식 2]
또한, 전송맵은 Entropy & Fidelity 알고리즘을 이용한 하기의 수학식 3 내지 7에 의해 산출될 수 있다.
[수학식 3]
[수학식 4]
[수학식 5]
[수학식 6]
[수학식 7]
여기서, 는 엔트로피 퍼포먼스 인덱스, 는 피델리티 퍼포먼스 인덱스, 는 엔트로피 퍼포먼스 인덱스와 피델리티 퍼포먼스 인덱스의 곱인 오브젝트 함수, 는 특정 블록에서 오브젝트 함수의 최대값, 은 전송맵을 각각 의미한다.
필터링부(130)는 노이즈 필터를 이용하여 강화 이미지(d)로부터 노이즈가 제거된 출력 이미지(e)를 생성한다. 강화 이미지(d)와 출력 이미지(e)는 시각적으로 차이가 없어 구별이 어렵지만, 강화 이미지(d)의 경우 노이즈가 포함되어 있으므로 객체 탐지 모델에 입력시 적절한 객체 탐지가 이루어지지 않는 반면, 출력 이미지(e)는 객체 탐지 모델에 입력시 향상된 객체 탐지 성능을 보인다.
따라서, 높은 객체 탐지 성능을 위해 노이즈 제거 과정이 선제적으로 수행되어져야 하며, 사용되는 노이즈 필터는 Adaptive 2D Wiener Filter일 수 있다. 그러나, 반드시 이에 한정되는 것은 아니고, 객체에 포함된 노이즈를 제거할 수 있는 모든 노이즈 제거 필터를 포함한다.
객체 탐지부(140)는 객체 탐지 모델을 이용하여 출력 이미지에 포함된 특정 객체를 탐지한다. 이때, 객체 탐지 모델은 CNN(Convolutional Neural Networks)일 수 있다.
도 4는 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치와 종래의 저조도 이미지 대비 향상 기법의 출력 이미지로부터 외곽선을 추출하여 비교한 도면이다.
도 4를 참조하면, (f)은 저조도 이미지 원본이고, (g) 내지 (j)는 종래의 저조도 이미지 대비 향상 기법을 적용한 출력 이미지이고, (k)는 본 명세서의 저조도 이미지 대비 향상 장치를 이용한 출력 이미지이다. 또한, (f) 내지 (k) 각각의 이미지에서 아래쪽에 위치한 이미지는 위쪽의 저조도 이미지 원본 또는 출력 이미지에서 탐지된 특정 객체의 외곽선을 추출한 이미지이다.
이때, (g)는 KinD 알고리즘, (h)는 DCP 알고리즘, (i)는 Entropy & Fidelity 알고리즘, (j)는 Entropy & Fidelity 알고리즘과 bilateral 필터 사용, (k)는 Entropy & Fidelity 알고리즘과 A2WF(Adaptive 2D Wiener Filter)를 각각 사용한 결과이다.
종래의 저조도 이미지 대비 향상 기법을 적용한 (g) 내지 (j)의 외곽선 이미지는 저조도 이미지 원본으로부터 외곽선을 추출한 이미지(f)보다 뚜렷한 경계선을 갖지만 본 명세서의 이미지 대비 향상 장치로부터 외곽선을 추출한 이미지(k)가 가장 뚜렷한 경계선을 갖는 것을 확인할 수 있다.
도 5 및 도 6은 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 장치와 종래 이미지 대비 향상 기법의 객체 탐지 결과를 나타낸 도면이다.
도면을 참조하면, 상단 이미지는 야간 데이터인 BDD100k, 중간 이미지는 불빛 많은 야간 데이터인 Zju, 하단 이미지는 커스터마이징된 데이터이며, (l)은 저조도 이미지 원본, (m)는 KinD 알고리즘, (n)는 DCP 알고리즘, (o)는 Entropy & Fidelity 알고리즘, (p)는 Entropy & Fidelity 알고리즘과 bilateral 필터 사용, (q)는 Entropy & Fidelity 알고리즘과 A2WF(Adaptive 2D Wiener Filter)를 각각 사용하여 객체를 탐지한 결과이다.
도면에서 나타나듯이, 안개 제거 알고리즘인 Entropy & Fidelity 알고리즘과 A2WF를 함께 사용한 본 명세서의 저조도 이미지 대비 향상 장치가 가장 많은 객체를 탐지하여 높은 객체 탐지 성능을 보인다.
도 7 및 도 8은 본 명세서의 일 실시예에 따른 이미지 대비 향상 장치와 종래의 저조도 이미지 대비 향상 기법의 성능을 비교한 표이다.
도 7에서 Entropy & Fidelity 알고리즘만을 사용하여 객체를 탐지한 경우 이미지 퀄리티를 나타내는 PIQE가 각각의 데이터 셋에서 73.38, 50.98, 62.27을 나타낸 반면, Entropy & Fidelity 알고리즘과 A2WF를 함께 사용한 본 명세서의 저조도 이미지 대비 향상 장치는 각각 63.99, 49.12, 56.90로 낮은 수치를 나타내어 높은 퀄리티의 객체 탐지 결과를 보인다.
도 8에서도 마찬가지로, Entropy & Fidelity 알고리즘과 A2WF를 함께 사용한 본 명세서의 저조도 이미지 대비 향상 장치는 객체 탐지 정확도를 나타내는 AP(Average Precision)가 70.05, 60.83, 33.99로 다른 모델보다 높은 결과를 갖는 것을 확인할 수 있다.
도 9는 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 방법의 순서도이고, 도 10은 본 명세서의 일 실시예에서 강화 이미지를 생성하는 방법의 순서도이다.
도면을 참조하면, 저조도 이미지 대비 향상 장치의 이미지 강화부는 안개 제거 알고리즘을 이용하여 저조도 이미지로부터 이미지 대비가 향상된 강화 이미지를 생성한다(S110). 이후, 필터링부는 노이즈 필터를 이용하여 강화 이미지로부터 노이즈가 제거된 출력 이미지를 생성한다(S120).
이때, 이미지 강화부는 저조도 이미지를 반전 시킨 제1 이미지를 생성하고(S121), 안개 제거 알고리즘을 이용하여 상기 제1 이미지를 안개가 제거된 제2 이미지로 변환하고(S122), 제2 이미지를 다시 역반전시켜 강화 이미지를 생성한다(S123).
이와 같이, 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 방법 및 장치는 저조도 이미지를 반전시킨 제1 이미지에 안개 제거 알고리즘을 적용하여 이미지 대비가 향상된 강화 이미지를 생성할 수 있다.
또한, 본 명세서의 일 실시예에 따른 저조도 이미지 대비 향상 방법 및 장치는 노이즈 필터를 이용하여 객체의 외곽선 정보를 보존하면서 노이즈를 제거함으로써 높은 객체 탐지 성능을 갖는다.
이상과 같이 본 발명에 대해서 예시한 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시 예와 도면에 의해 본 발명이 한정되는 것은 아니며, 본 발명의 기술사상의 범위 내에서 통상의 기술자에 의해 다양한 변형이 이루어질 수 있음은 자명하다. 아울러 앞서 본 발명의 실시 예를 설명하면서 본 발명의 구성에 따른 작용 효과를 명시적으로 기재하여 설명하지 않았을지라도, 해당 구성에 의해 예측 가능한 효과 또한 인정되어야 함은 당연하다.
Claims (8)
- 저조도 이미지 대비 향상 장치를 이용하여 저조도 이미지의 대비를 향상시키는 방법에 있어서,
이미지 강화부가 안개 제거 알고리즘을 이용하여 저조도 이미지로부터 이미지 대비가 향상된 강화 이미지를 생성하는 단계; 및
필터링부가 노이즈 필터를 이용하여 상기 강화 이미지로부터 노이즈가 제거된 출력 이미지를 생성하는 단계를 포함하고,
상기 강화 이미지를 생성하는 단계는,
하기 [수학식 1]을 이용하여 x,y 픽셀값을 갖는 강화 이미지를 생성하고,
[수학식 1]
B(x,y)는 x,y 픽셀값을 갖는 강화 이미지, L(x,y)는 x,y 픽셀값을 갖는 저조도 이미지, 는 전송맵, 는 빛의 밝기를 각각 의미하며,
상기 빛의 밝기()는 하기의 [수학식 2]에 의해 산출되고,
[수학식 2]
상기 전송맵은 Entropy & Fidelity 알고리즘을 이용한 하기의 [수학식 3] 내지 [수학식 7]에 의해 산출되며,
[수학식 3]
[수학식 4]
[수학식 5]
[수학식 6]
[수학식 7]
상기 [수학식 3] 내지 [수학식 7]에서, 는 엔트로피 퍼포먼스 인덱스, 는 피델리티 퍼포먼스 인덱스, 는 엔트로피 퍼포먼스 인덱스와 피델리티 퍼포먼스 인덱스의 곱인 오브젝트 함수, 는 특정 블록에서 오브젝트 함수의 최대값, 은 전송맵을 각각 의미하는 것을 특징으로 하는 저조도 이미지 대비 향상 방법.
- 제1항에 있어서,
상기 강화 이미지를 생성하는 단계는
상기 저조도 이미지를 반전 시킨 제1 이미지를 생성하는 단계;
상기 안개 제거 알고리즘을 이용하여 상기 제1 이미지를 안개가 제거된 제2 이미지로 변환하는 단계; 및
상기 제2 이미지를 다시 역반전시켜 상기 강화 이미지를 생성하는 단계를 포함하는
저조도 이미지 대비 향상 방법
- 제1항에 있어서,
상기 안개 제거 알고리즘은
Entropy & Fidelity 알고리즘인
저조도 이미지 대비 향상 방법
- 제1항에 있어서,
상기 노이즈 필터는
Adaptive 2D wiener 필터인
저조도 이미지 대비 향상 방법
- 안개 제거 알고리즘을 이용하여 저조도 이미지로부터 이미지 대비가 향상된 강화 이미지를 생성하는 이미지 강화부; 및
노이즈 필터를 이용하여 상기 강화 이미지로부터 노이즈가 제거된 출력 이미지를 생성하는 필터링부를 포함하고,
상기 이미지 강화부는,
하기 [수학식 1]을 이용하여 x,y 픽셀값을 갖는 강화 이미지를 생성하고,
[수학식 1]
B(x,y)는 x,y 픽셀값을 갖는 강화 이미지, L(x,y)는 x,y 픽셀값을 갖는 저조도 이미지, 는 전송맵, 는 빛의 밝기를 각각 의미하며,
상기 빛의 밝기()는 하기의 [수학식 2]에 의해 산출되고,
[수학식 2]
상기 전송맵은 Entropy & Fidelity 알고리즘을 이용한 하기의 [수학식 3] 내지 [수학식 7]에 의해 산출되며,
[수학식 3]
[수학식 4]
[수학식 5]
[수학식 6]
[수학식 7]
상기 [수학식 3] 내지 [수학식 7]에서, 는 엔트로피 퍼포먼스 인덱스, 는 피델리티 퍼포먼스 인덱스, 는 엔트로피 퍼포먼스 인덱스와 피델리티 퍼포먼스 인덱스의 곱인 오브젝트 함수, 는 특정 블록에서 오브젝트 함수의 최대값, 은 전송맵을 각각 의미하는 것을 특징으로 하는
저조도 이미지 대비 향상 장치
- 제5항에 있어서,
상기 이미지 강화부는
상기 저조도 이미지를 반전 시킨 제1 이미지를 생성하고, 상기 안개 제거 알고리즘을 이용하여 상기 제1 이미지를 안개가 제거된 제2 이미지로 변환하고, 상기 제2 이미지를 다시 역반전시켜 상기 강화 이미지를 생성하는
저조도 이미지 대비 향상 장치
- 제5항에 있어서,
상기 안개 제거 알고리즘은
Entropy & Fidelity 알고리즘인
저조도 이미지 대비 향상 장치
- 제5항에 있어서,
상기 노이즈 필터는
Adaptive 2D wiener 필터인
저조도 이미지 대비 향상 장치
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230015199A KR102668932B1 (ko) | 2023-02-03 | 2023-02-03 | 저조도 이미지 대비 향상 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230015199A KR102668932B1 (ko) | 2023-02-03 | 2023-02-03 | 저조도 이미지 대비 향상 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102668932B1 true KR102668932B1 (ko) | 2024-05-24 |
Family
ID=91320794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230015199A KR102668932B1 (ko) | 2023-02-03 | 2023-02-03 | 저조도 이미지 대비 향상 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102668932B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180075753A (ko) * | 2016-12-26 | 2018-07-05 | 전남대학교산학협력단 | 휘도-색차신호 색좌표계에서 안개/야간 영상의 가시성 향상을 위한 영상 시스템 |
| KR102252557B1 (ko) | 2020-07-17 | 2021-05-14 | 세종대학교산학협력단 | 저조도 이미지의 컨트라스트 향상 방법 및 그 장치 |
-
2023
- 2023-02-03 KR KR1020230015199A patent/KR102668932B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180075753A (ko) * | 2016-12-26 | 2018-07-05 | 전남대학교산학협력단 | 휘도-색차신호 색좌표계에서 안개/야간 영상의 가시성 향상을 위한 영상 시스템 |
| KR102252557B1 (ko) | 2020-07-17 | 2021-05-14 | 세종대학교산학협력단 | 저조도 이미지의 컨트라스트 향상 방법 및 그 장치 |
Non-Patent Citations (3)
| Title |
|---|
| Dubok Park ET AL: "Single image dehazing with image entropy and information fidelity", 2014 IEEE International Conference on Image Processing (ICIP), 27-30 Oct. 2014(2014.10.27.) 1부.* * |
| F. Jin ET AL: "Adaptive Wiener filtering of noisy images and image sequences", Proceedings 2003 International Conference on Image Processing, 14-17 Sept. 2003(2003.09.14.) 1부.* * |
| Xiangdong Zhang, et al, "Enhancement and Noise Reduction of Very Low Light Level Images," in Proc. ICPR, pp.2034-2037, Tsukuba, Japan, 11-15 Nov. 2012(2012.11.11.) 1부.* * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101298642B1 (ko) | 영상 잡음 제거 방법 및 장치 | |
| Xu et al. | Fog removal from video sequences using contrast limited adaptive histogram equalization | |
| CN105631829B (zh) | 基于暗通道先验与颜色校正的夜间雾霾图像去雾方法 | |
| KR100771158B1 (ko) | 칼라 영상의 화질 향상을 위한 방법 및 시스템 | |
| CN110148095A (zh) | 一种水下图像增强方法及增强装置 | |
| KR100951254B1 (ko) | 이미지의 선명도 향상 장치 | |
| KR102261532B1 (ko) | 단일 스케일 영상 융합에 기반한 안개 제거 시스템 및 방법 | |
| Pei et al. | Effective image haze removal using dark channel prior and post-processing | |
| CN111429370A (zh) | 一种煤矿井下的图像增强方法、系统及计算机存储介质 | |
| CN105335933A (zh) | 一种图像对比度增强方法和装置 | |
| Li et al. | Single image haze removal via a simplified dark channel | |
| CN112435184A (zh) | 一种基于Retinex和四元数的雾霾天图像识别方法 | |
| Dar et al. | An enhanced adaptive histogram equalization based local contrast preserving technique for HDR images | |
| KR102668932B1 (ko) | 저조도 이미지 대비 향상 방법 및 장치 | |
| KR102205708B1 (ko) | 인공지능 기반의 폭우제거 영상 제공장치 및 그 동작 방법 | |
| Girija et al. | Image dehazing using MSRCR algorithm and morphology based algorithm: A Concise Review | |
| CN107194906A (zh) | 一种基于曲波变换融合的图像处理方法及系统 | |
| Gujral et al. | A Novel Defogging Technique for Dehazing Images | |
| Chung et al. | A Study of Single Image Haze Removal Using a Novel White-Patch RetinexBased Improved Dark Channel Prior Algorithm. | |
| Arora et al. | Evaluation of a new integrated fog removal algorithm idcp with airlight | |
| CN110942420B (zh) | 一种图像字幕的消除方法及装置 | |
| Wen et al. | TransIm: Transfer image local statistics across EOTFs for HDR image applications | |
| Ranota et al. | A new single image dehazing approach using modified dark channel prior | |
| Kumar et al. | Single image dehazing using improved dark channel prior | |
| Kim et al. | Intensity surface stretching technique for contrast enhancement of digital photography |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |