KR20170091824A - 이미지 분류 방법 및 장치 - Google Patents

Abstract

본 발명은 영상 또는 이미지를 분류하는 방법 및 그 장치에 관한 것이다. 보다 상세하게는 특정 이미지가 역광 상황에서 촬상되었는지를 확인하여 역광 이미지 여부를 결정하는 기술에 관한 것이다. 특히, 본 발명은 분류 대상 이미지의 히스토그램 형태를 기준으로 제 1 조건의 만족 여부를 판단하는 제 1 조건 판단부와 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분하고, 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교한 결과에 따라 제 2 조건의 만족 여부를 판단하는 제 2 조건 판단부와 분류 대상 이미지의 피사체 영역 또는 배경 영역의 위치에 기초하여 제 3 조건의 만족 여부를 판단하는 제 3 조건 판단부 및 분류 대상 이미지가 제 1 조건, 제 2 조건 및 제 3 조건을 모두 만족하는 경우 역광 이미지로 분류하는 이미지 분류부를 포함하는 이미지 분류 장치 및 방법을 제공한다.

Description

이미지 분류 방법 및 장치{Method and Apparatus for image classification}

본 발명은 영상 또는 이미지를 분류하는 방법 및 그 장치에 관한 것이다. 보다 상세하게는 특정 이미지가 역광 상황에서 촬상되었는지를 확인하여 역광 이미지 여부를 결정하는 기술에 관한 것이다.

역광 영상 또는 이미지는 피사체 후면으로부터 투사되는 조명 환경에서 촬영된 영상 또는 이미지를 의미한다. 특히, 역광 영상은 어두운 영역과 밝은 영역으로 명암차이가 크고, 대조비가 좋지 않은 특징이 있다.

이러한 이유로 인하여 역광인 경우에 피사체의 자세한 정보를 얻지 못하게 되므로 밝은 영역과 어두운 영역의 대비를 개선시킬 필요가 있다.

그러나, 역광 이미지에 대한 대조비 개선을 위해서는 다양한 이미지 처리 기술이 연구되고 있으나, 역광 이미지인지를 판별하는 기술에 대해서는 연구가 진행되고 있지 않은 실정이다. 즉, 역광 이미지의 대조비를 개선하기 위해서는 인위적으로 역광 이미지를 선택하여 대조비 개선 기술을 적용할 수 있으나, 자동으로 특정 이미지가 역광 이미지인지를 판단하는 기술은 제시되고 있지 않다.

따라서, 이미지 처리 장치가 자동으로 역광 이미지인지를 판단하고, 역광 이미지인 경우에 대조비를 개선하여 피사체의 정보를 획득할 수 있도록 개선하지 못하는 문제점이 있다.

전술한 배경에서 안출된 본 발명은 분류 대상 이미지가 역광 상황에서 촬상된 이미지인지를 자동으로 판단하여 분류하는 방법 및 장치를 제안하고자 한다.

또한, 본 발명은 다양한 조건을 이용하여 분류 대상 이미지가 역광 이미지인지를 보다 정확하게 분류할 수 있는 방법 및 장치를 제안하고자 한다.

전술한 과제를 해결하기 위해서 안출된 본 발명은 분류 대상 이미지의 히스토그램 형태를 기준으로 제 1 조건의 만족 여부를 판단하는 제 1 조건 판단부와 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분하고, 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교한 결과에 따라 제 2 조건의 만족 여부를 판단하는 제 2 조건 판단부와 분류 대상 이미지의 피사체 영역 또는 배경 영역의 위치에 기초하여 제 3 조건의 만족 여부를 판단하는 제 3 조건 판단부 및 분류 대상 이미지가 제 1 조건, 제 2 조건 및 제 3 조건을 모두 만족하는 경우 역광 이미지로 분류하는 이미지 분류부를 포함하는 이미지 분류 장치를 제공한다.

또한, 본 발명은 분류 대상 이미지의 히스토그램 형태를 기준으로 제 1 조건의 만족 여부를 판단하는 제 1 조건 판단단계와 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분하고, 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교한 결과에 따라 제 2 조건의 만족 여부를 판단하는 제 2 조건 판단단계와 분류 대상 이미지의 피사체 영역 또는 배경 영역의 위치에 기초하여 제 3 조건의 만족 여부를 판단하는 제 3 조건 판단단계 및 분류 대상 이미지가 제 1 조건, 제 2 조건 및 제 3 조건을 모두 만족하는 경우 역광 이미지로 분류하는 이미지 분류단계를 포함하는 이미지 분류 방법을 제공한다.

본 발명은 분류 대상 이미지가 역광 이미지인지를 자동으로 분류할 수 있는 효과를 제공한다.

또한, 본 발명은 다양한 조건을 중첩적으로 적용하여 특정 이미지가 역광 이미지인지를 보다 정확하게 분류하고, 분류된 이미지의 대조비를 개선하는 기술을 적용함으로써, 촬상 이미지를 자동으로 보정할 수 있는 효과를 제공한다.

도 1은 본 발명의 일 실시예에 따른 이미지 분류 장치의 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 역광 이미지의 히스토그램을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 제 1 조건 판단부의 동작을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 이미지의 각 픽셀을 이진화 기법에 의해서 이진화하는 동작을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 이미지의 각 픽셀을 이진화 기법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 제 2 조건 판단부의 피사체 영역과 배경 영역을 구분하는 동작을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 제 2 조건 판단부가 피사체 영역과 배경 영역을 이진화하여 구분한 결과를 예시적으로 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 제 3 조건 판단부의 동작을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 무게 중심의 벡터를 이용하여 제 3 조건 판단 여부를 결정하는 동작을 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시예에 따른 이미지 분류 방법을 도시한 도면이다.

본 발명은 이미지 분류 장치 및 그 방법에 관한 것이다.

이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.

본 발명에서는 이미지 분류 장치가 분류 대상 이미지가 역광 상황에서 촬상된 이미지인지를 자동으로 판단하여 분류하는 기술을 설명한다. 즉, 역광 이미지의 대조비를 개선하기에 앞서서 해당 이미지가 역광 이미지인지를 자동으로 분류하여 역광 이미지 개선의 전 과정을 자동화하고, 정확도를 높이기 위한 방법 및 장치를 설명하낟.

본 발명에서는 역광 이미지를 중심으로 설명하나, 역광 영상도 동일한 내용이 적용될 수 있다. 즉, 본 발명에서의 이미지는 영상, 사진, 이미지 등을 모두 포괄하는 의미로 사용된다.

본 발명은 분류 대상 이미지의 히스토그램 형태를 기준으로 제 1 조건의 만족 여부를 판단하는 제 1 조건 판단부와 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분하고, 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교한 결과에 따라 제 2 조건의 만족 여부를 판단하는 제 2 조건 판단부와 분류 대상 이미지의 피사체 영역 또는 배경 영역의 위치에 기초하여 제 3 조건의 만족 여부를 판단하는 제 3 조건 판단부 및 분류 대상 이미지가 제 1 조건, 제 2 조건 및 제 3 조건을 모두 만족하는 경우 역광 이미지로 분류하는 이미지 분류부를 포함하는 이미지 분류 장치를 제공한다.

도 1은 본 발명의 일 실시예에 따른 이미지 분류 장치의 구성을 도시한 도면이다.

도 1을 참조하면, 이미지 분류 장치(100)는 분류 대상 이미지의 히스토그램 형태를 기준으로 제 1 조건의 만족 여부를 판단하는 제 1 조건 판단부(110)를 포함할 수 있다.

제 1 조건 판단부(110)는 역광 영상인지를 분류하기 위한 분류 대상 이미지의 히스토그램을 산출하고, 산출된 분류 대상 이미지의 히스토그램을 이용하여 제 1 조건의 만족 여부를 판단할 수 있다. 예를 들어, 제 1 조건 판단부(110)는 히스토그램의 형태를 이용하여 분류 대상 이미지가 제 1 조건을 만족하는지 판단할 수 있다. 구체적으로, 제 1 조건 판단부(110)는 역광 이미지의 특징 중 하나인 파사체와 배경의 밝기 차이가 현저하게 나타나는 특징을 이용하여 분류 대상 이미지를 판단하기 위한 방법으로 분류 대상 이미지의 히스토그램의 형태가 양봉형으로 나타나는지를 판단하여 제 1 조건의 만족 여부를 판단한다.

예를 들어, 제 1 조건 판단부(110)는 히스토그램 형태가 양봉 형태로 산출되는 경우, 제 1 조건을 만족하는 것으로 판단할 수 있다. 이를 위해서, 제 1 조건 판단부(110)는 분류 대상 이미지의 히스토그램의 단봉 정도를 나타내는 단봉형 판별값을 산출하고, 산출된 단봉형 판별값과 미리 설정된 기준값을 비교하여 제 1 조건 여부를 판단할 수 있다. 단봉형 판별값은 히스토그램이 단봉형에 가깝게 나타나는 정도를 나타내는 값으로 0이상 1이하의 정규화된 값으로 산출될 수 있다. 따라서, 단봉형 판별값은 히스토그램이 단봉형에 가까울수록, 1에 가까워지는 값으로 산출될 수 있다. 일 예로, 단봉형 판별값은 Hartigan의 Dip test 기법을 통해서 산출될 수 있다. 즉, 제 1 조건 판단부(110)는 히스토그램의 단봉형 판별값이 미리 설정된 기준값 이하인 경우에 해당 분류 대상 이미자가 제 1 조건을 만족하는 것으로 판단할 수 있다. 분류 대상 이미지가 역광 이미지인 경우에 밝은 부분과 어두운 부분이 극명하게 대비됨으로써, 히스토그램은 낮은 밝기 값을 중심으로 하나의 그룹이 형성되고, 높은 밝기 값을 중심으로 나머지 하나의 그룹이 형성된다. 즉, 역광 이미지의 히스토그램은 양봉 형태로 산출된다. 전술한 Hartigan의 Dip test 기법은 단봉형 판별값을 산출하기 위한 기법의 일 예로 설명한 것으로, 단봉형 판별값은 다양한 방법으로 산출될 수 있다. 예를 들어, 히스토그램의 제 1 피크 값과 제 2 피크 값의 차이가 일정 기준 이하이고, 제 1 피크 값과 제 2 피크 값의 X 축 값이 미리 설정된 기준 값 이상으로 이격되는 경우에 해당 히스토그램의 형태는 양봉형인 것으로 판단할 수도 있다. 또는 제 1 피크 값과 제 2 피크 값을 이용하여 단봉형 판별값을 산출할 수도 있다.

따라서, 제 1 조건 판단부(110)는 분류 대상 이미지의 히스토그램의 형태를 이용하여 해당 분류 대상 이미지가 역광 이미지인지 여부를 판단할 수 있다.

한편, 이미지 분류 장치(100)는 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분하고, 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교한 결과에 따라 제 2 조건의 만족 여부를 판단하는 제 2 조건 판단부(120)를 포함할 수 있다.

제 2 조건 판단부(120)는 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분할 수 있다. 또한, 제 2 조건 판단부(120)는 구분된 피사체 영역의 평균 밝기 값을 산출하고, 미리 설정된 기준 밝기 값과 비교하여 제 2 조건의 만족 여부를 판단할 수 있다. 이는 역광 이미지의 경우, 피사체 영역이 매우 어둡게 나타나는 특징을 이용하여 분류하기 위함이다.

예를 들어, 제 2 조건 판단부(120)는 분류 대상 이미지의 각 픽셀의 밝기 정보를 이용하여 각 픽셀을 이진화 값으로 변환하고, 동일한 이진화 값을 가지는 하나 이상의 픽셀을 동일 영역으로 설정하여 피사체 영역 및 배경 영역을 구분할 수 있다. 즉, 제 2 조건 판단부(120)는 분류 대상 이미지를 구성하는 각 픽셀의 밝기 정보를 추출하고, 해당 분류 대상 이미지를 이진화하기 위한 기준값을 이용하여 각 픽셀의 밝기를 이진화할 수 있다. 예를 들어, 제 2 조건 판단부(120)는 Otus 이진화 기법을 이용하여 각 픽셀의 밝기를 기준으로 이진화할 수 있다. 이를 통해서, 분류 대상 이미지는 두 개의 인덱스 값만을 가지는 픽셀들로 변환될 수 있고, 동일한 인덱스 값을 가지는 픽셀들을 동일한 영역으로 묶어서 배경 영역과 피사체 영역을 구분할 수 있다. 분류 대상 이미지를 이진화하는 구체적인 실시예와 이진화를 위한 기준값을 결정하는 방법은 아래에서 도면을 참조하여 보다 상세하게 설명하도록 한다.

제 2 조건 판단부(120)는 분류 대상 이미지가 두 개의 영역으로 구분되면, 미리 설정된 기준 밝기 값과 피사체 영역의 평균 밝기 값을 비교하여 제 2 조건의 만족 여부를 판단할 수 있다. 일 예로, 기준 밝기 값은 복수의 샘플 이미지 각각에 대한 피사체 영역의 평균 밝기 값을 두 그룹으로 클러스터링하고, 두 그룹 중 역광 샘플 이미지를 포함하는 역광 그룹에 포함된 최대 평균 밝기 값으로 설정될 수 있다. 즉, 기준 밝기 값은 역광 이미지를 기 분류된 복수의 샘플 이미지의 피사체 영역 최대 평균 밝기 값으로 설정될 수 있다. 따라서, 기준 밝기 값은 샘플 이미지가 많을수록 보다 정확하게 설정될 수 있으며, 이미지 분류 장치는 역광 이미지로 분류된 이미지를 전술한 샘플 이미지에 포함하여 기준 밝기 값을 갱신할 수 있다.

제 2 조건 판단부(120)는 분류 대상 이미지의 피사체 영역의 평균 밝기 값이 기준 밝기 값 이하인 경우에 해당 분류 대상 이미지가 제 2 조건을 만족하는 것으로 판단할 수 있다. 즉, 역광 이미지로 분류된 샘플 이미지의 피사체 영역 평균 밝기 값보다 분류 대상 이미지의 피사체 영역 평균 밝기 값이 낮게 산출된면, 해당 분류 대상 이미지는 역광 이미지를 위한 제 2 조건을 만족하는 것으로 판단될 수 있다.

한편, 기준 밝기 값을 산출하기 위해서는 역광 이미지와 일반 이미지(역광이 아닌 이미지)의 샘플을 이용할 수 있으며, 각 샘플 이미지의 피사체 영역의 평균 밝기 값을 neutal network clustering을 통해서 두 그룹으로 분류할 수 있다. 그리고, 분류된 두 그룹 중 역광 이미지를 포함하는 그룹의 최대값을 기준 밝기 값으로 설정할 수 있다.

한편, 이미지 분류 장치(100)는 분류 대상 이미지의 피사체 영역 또는 배경 영역의 위치에 기초하여 제 3 조건의 만족 여부를 판단하는 제 3 조건 판단부(130)를 포함할 수 있다.

제 3 조건 판단부(130)는 분류 대상 이미지에서 구분된 피사체 영역과 배경 영역의 위치를 기준으로 제 3 조건 만족 여부를 판단할 수 있다. 일 예를 들어, 제 3 조건 판단부(130)는 피사체 영역이 분류 대상 이미지의 아래쪽에 위치하고 있는 경우, 제 3 조건을 만족하는 것으로 판단할 수 있다. 구체적으로, 제 3 조건 판단부(130)는 배경 영역과 피사체 영역의 상대적 위치를 기준으로 분류 대상 이미지의 제 3 조건 만족 여부를 판단할 수 있다. 다른 예를 들어, 제 3 조건 판단부(130)는 피사체 영역의 무게중심과 배경 영역의 무게중심을 각각 산출하고, 배경 영역의 무게중심에서 피사체 영역의 무게중심으로 연결한 벡터를 이용하여 제 3 조건의 만족 여부를 판단할 수도 있다. 이를 위해서, 분류 대상 이미지는 Y축을 기준으로 이미지의 위쪽과 아래쪽을 구분하여 입력 받을 수 있다. 즉, 피사체 영역이 이미지가 배경 영역에 비해서 아래쪽에 위치하는지를 판단하기 위해서 분류 대상 이미지의 위와 아래를 구분하여 초기에 입력 받을 수 있다.

피사체 영역과 배경 영역 각각의 무게 중심은 각 영역을 이루는 픽셀의 좌표와 각 픽셀의 밝기 값으로 산출될 수 있으며, 무게 중심은 해당 영역을 구성하는 픽셀의 위치와 밝기를 고려한 해당 영역의 중심점을 의미한다. 따라서, 배경 영역의 중심점과 피사체 영역의 중심점은 각각 하나의 위치로 결정된다. 따라서, 제 3 조건 판단부(130)는 배경 영역의 무게 중심을 기준으로 피사체 영역의 무게 중심으로 연결되는 벡터를 산출하고, 해당 벡터가 X축과 이루는 각도를 이용하여 제 3 조건의 만족 여부를 판단할 수 있다. 구체적인 무게 중심 산출 방법과 제 3 조건 만족 여부의 판단은 아래에서 도면을 참조하여 보다 상세하게 설명한다.

한편, 이미지 분류 장치(100)는 분류 대상 이미지가 제 1 조건, 제 2 조건 및 제 3 조건을 모두 만족하는 경우 역광 이미지로 분류하는 이미지 분류부(140)를 포함할 수 있다. 이미지 분류부(140)는 분류 대상 이미지가 전술한 세 가지 조건을 모두 만족하는 경우에 역광 이미지로 판정하여 분류할 수 있다. 또는 이미지 분류부(140)는 설정에 따라 세 가지 조건 중 두 가지 조건을 만족하는 경우에 역광 이미지로 분류할 수도 있다. 또는, 이미지 분류부(140)는 각 조건의 설정에 따라 세 가지 조건을 모두 만족하지 않은 경우에 해당 분류 대상 이미지를 역광 이미지로 분류할 수도 있다. 예를 들어, 이미지 분류부(140)는 역광 이미지인 경우에 제 1 조건 내지 제 3 조건을 만족하도록 각 조건의 기준이 설정되는 경우, 분류 대상 이미지가 제 1 조건 내지 제 3 조건을 모두 만족하면 역광 이미지로 분류할 수 있다. 이와 반대로, 이미지 분류부(140)는 역광 이미지인 경우에 제 1 조건 내지 제 3 조건을 모두 불만족하도록 각 조건의 기준이 설정되는 경우, 분류 대상 이미지가 제 1 조건 내지 제 3 조건을 모두 불만족하는 경우에 해당 분류 대상 이미지를 역광 이미지로 분류할 수도 있다. 또는 이미지 분류부(140)는 제 1 조건 내지 제 3 조건의 기준이 각각 다르게 설정되는 경우에는 해당 각각의 조건 기준을 이용하여 분류 대상 이미지를 판단할 수 있다.

이상에서 설명한 바와 같이, 본 발명에 따르면 분류 대상 이미지는 다수의 조건 판단에 따라 자동으로 역광 이미지인지가 판단되며, 각 조건의 설정에 따라 보다 정확한 역광 이미지 판단이 가능하다.

이하에서는, 도면을 참조하여 이미지 분류 장치(100)의 각 동작을 보다 상세하게 설명하도록 한다.

도 2는 본 발명의 일 실시예에 따른 역광 이미지의 히스토그램을 설명하기 위한 도면이다.

도 2를 참조하면, 도 2의 (A)는 분류 대상 이미지이고, 도 2의 (B)는 분류 대상 이미지의 히스토그램을 나타내고 있다. 도 2의 (A)는 역광 상황에서 촬상된 역광 이미지로 피사체 영역이 어둡게 나타난다. 따라서, 도 2의 (B)에 나타난 히스토그램은 양봉형으로 나타난다. 따라서, 제 1 조건 판단부(110)는 히스토그램 형태가 양봉 형태로 산출되는 경우, 제 1 조건을 만족하는 것으로 판단할 수 있다.

구체적으로, 도 2의 (B)를 참조하면, 두 개의 피크(200, 210) 각각을 중심으로 히스토그램이 몰려서 양봉형으로 나타나는 것을 볼 수 있다. 즉, 밝기 강도가 낮은 값의 피크(200)와 밝기 강도가 높은 값의 피크(210) 각각을 중심으로 각 픽셀의 밝기 강도가 집중되어 있는 현상을 볼 수 있다. 이와 같이, 역광 이미지의 경우 히스토그램이 양봉형으로 나타나며, 각 피크(200, 210)의 픽셀 수가 비슷하고, 밝기 강도 차이가 크게 벌어지는 모습으로 나타난다.

제 1 조건 판단부(110)는 히스토그램을 이용하여 단봉형에 가까운 정도(예를 들어, 단봉형 판별값)를 산출하여 분류 대상 이미지가 제 1 조건을 만족하는지 판단할 수 있다. 예를 들어, 단봉형 판별값이 0.1로 산출되고, 기준값이 0.2인 경우에 해당 분류 대상 이미지는 제 1 조건을 만족한 것으로 판단할 수 있다.

도 3은 본 발명의 일 실시예에 따른 제 1 조건 판단부의 동작을 설명하기 위한 도면이다.

도 3을 참조하면, 제 1 조건 판단부(110)는 분류 대상 이미지의 히스토그램을 산출한다(S300). 이후, 제 1 조건 판단부(110)는 특정 밝기 강도를 가지는 픽셀의 수를 나타내는 히스토그램을 이용하여 단봉형 판별값을 산출할 수 있다(S310). 일 예로, 단봉형 판별값을 산출하기 위해서 Hartigan의 Dip test를 이용할 수 있다. Dip test를 이용하는 경우, 단봉형 판별값은 0이상 1이하의 정규화된 값으로 산출될 수 있다. 따라서, 해당 히스토그램이 단봉형에 가까울수록 단봉형 판별값은 1에 가까운 값으로 산출될 수 있다.

제 1 조건 판단부(110)는 산출된 단봉형 판별값과 미리 설정된 기준값을 비교하여 단봉형 판별값이 기준값 이하로 나타나는지를 확인한다(S320). 단봉형 판별값이 기준값 이하인 경우, 제 1 조건을 만족한 것으로 판단하고(S330), 단봉형 판별값이 기준값을 초과하는 경우, 제 1 조건을 불만족한 것으로 판단할 수 있다(S340).

전술한 바와 같이, 제 1 조건 판단부(110)는 히스토그램의 피크 값의 픽셀 개수와 두 개의 피크 값이 이격된 정도를 이용하여 단봉형 판별값을 산출할 수도 있으며, 이 경우 기준값이 단봉형 판별값 산출 방법에 따라 달라질 수 있다.

도 4는 본 발명의 일 실시예에 따른 이미지의 각 픽셀을 이진화 기법에 의해서 이진화하는 동작을 설명하기 위한 도면이다.

제 2 조건 판단부(120)는 분류 대상 이미지를 두 가지 영역으로 구분하기 위하여, 각 픽셀의 밝기 정보를 이용하여 각 픽셀을 이진화 값으로 변환할 수 있다. 이진화 값으로 변환하는 방법에 제한은 없으며, 도 4에서는 설명의 편의를 위하여 6 그레이 스케일로 표현되는 샘플 이미지를 중심으로 설명한다.

도 4를 참조하면, 도 4의 (A)는 설명의 편의를 위하여 6 그레이 스케일을 가지는 픽셀을 포함하는 이미지를 나타내고 있으며, 도 4의 (B)는 각 그레이 스케일 인덱스에 따른 픽셀 수를 나타내는 히스토그램이다.

예를 들어, 제 2 조건 판단부(120)는 이미지의 히스토그램을 이용하여 이진화를 위한 기준값을 산출할 수 있다. 즉, 기준값을 기준으로 각 픽셀의 밝기 정보를 0 또는 1로 분류하여 이진화할 수 있고, 동일한 이진화 밝기 정보를 가지는 영역을 동일 영역으로 설정하여 구분할 수 있다. 즉, 도 4의 (A) 이미지는 0부터 5까지의 인덱스로 구분되는 밝기 정보를 가지는 픽셀들이 존재한다. 예를 들어, 인덱스 0의 픽셀 수는 8개이고, 인덱스 4의 픽셀 수는 9개로 나타난다.

제 2 조건 판단부(120)는 분류 대상 이미지를 도 4의 (B)와 같이 밝기 정보를 기준으로 히스토그램을 산출하고, 기준값을 산출할 수 있다. 다만, 정확한 피사체 영역과 배경 영역 구분을 위해서는 영역 구분의 기준이 되는 기준값을 정확히 산출하는 것이 필요하다. 이에 대해서는 이하 도 5를 참조하여 설명한다.

도 5는 본 발명의 일 실시예에 따른 이미지의 각 픽셀을 이진화 기법을 설명하기 위한 도면이다.

도 5를 참조하면, 제 2 조건 판단부(120)는 피사체 영역과 배경 영역을 이진화하기 위한 기준값을 찾기 위하여 분산을 이용할 수 있다. 예를 들어, 특정 집합을 두 클래스로 나누기 위해서는 상대적으로 몰려있는 부분들을 동일 클래스로 분류할 수 있다. 따라서, 보다 정확한 영역 구분을 위해서, 두 클래스로 구분되는 지점(기준값)을 찾기 위해서는 분산을 이용할 수 있다.

도 4의 (B)를 중심으로 설명하면, 전체 분산은 수학식 1과 같이 클래스 내 분산(within-class variance,

)과 클래스 간 분산(between-class variance,

)의 합으로 나타내어 질 수 있다.

클래스 내 분산은 수학식 2와 같이 계산될 수 있다.

수학식 2와 같이 클래스 내 분산은 가중치 1(

)과 클래스 1의 분산(

)을 곱한 값과 가중치 2(

)와 클래스 2의 분산(

)을 곱한 값으로 산출된다. 여기서, 가중치는 전체 이미지에서 해당 클래스에 해당하는 픽셀이 나타날 확률을 의미한다.

한편, 분산이란 분포가 퍼져있는 정도를 나타내는 척도를 나타내므로, 어떤 분포에서 분산이 클수록 분포도는 완만해질 것이고, 분산이 작아질수록 분포도는 어느 한 점 주변으로 몰리게 될 것이다.

따라서, 영역의 정확한 이진화를 위해서는 양 클래스의 분산이 작을수록 좋을 것이다. 즉, 수학식 2의 최소값을 구하면 이진화를 위한 최적의 기준값이 산출될 수 있다. 따라서, 제 2 조건 판단부(120)는 수학식 2를 이용하여 최소값을 산출하고, 이 대의 임계값을 기준값으로 사용할 수 있다.

한편, 클래스 내 분산의 최소값을 보다 빠르게 구하기 위해서 클래스 간 분산을 이용할 수도 있다.

클래스 간 분산은 수학식 3을 이용하여 산출될 수 있다.

여기서,

는 각 클래스의 평균(mean)을 의미한다. 한편, 클래스 간 분산은 클래스 내 분산의 역이므로, 클래스 간 분산의 최대값을 구하고, 그 때의 임계값을 기준값으로 결정할 수 있다.

도 5는 도 4의 (B)를 이용하여 각 임계값 별 클래스 내 분산값을 산출하였다. 전술한 바와 같이, 클래스 내 분산값은 임계값(T)를 3으로 설정한 경우에 최소가 된다. 따라서, 제 2 조건 판단부(120)는 클래스 내 분산값이 최소가 되는 임계값인 3을 기준값으로 결정하여 분류 대상 이미지를 이진화할 수 있다.

도 6을 참조하면, 기준값을 3으로 설정하여 도 4의 (A)를 이진화하는 경우, 도 6의 (A)와 같이 이미지가 변환될 수 있다. 이를 실제 이미지에 적용하면, 도 6의 (B)와 같이 이미지가 검은색과 흰색의 이진화 이미지로 변환된다. 즉, 제 2 조건 판단부(120)는 전술한 분류 대상 이미지의 밝기를 기준으로 각 픽셀을 이진화 값으로 변환하고, 동일한 이진화 값을 가지는 픽셀들을 동일한 영역으로 구분하여 판단할 수 있다.

한편, 제 2 조건 판단부(120)는 전술한 이진화 분류를 통해서 배경 영역과 피사체 영역을 구분하면, 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교하여 제 2 조건의 만족여부를 결정한다.

도 7을 참조하면, 제 2 조건 판단부(120)는 분류 대상 이미지(도 7 (A))를 전술한 이진화 분류를 통해서 도 7의 (B)와 같이 변환할 수 있다. 이렇게 변환된 도 7의 (B)를 이용하여 흰색 부분을 하나의 영역으로 설정하고, 검은색 부분을 다른 하나의 영역으로 구분하여 설정할 수 있다. 즉, 도 7의 (A)과 같은 분류 대상 이미지가 도 7의 (B)와 같이 두 가지 영역으로 분류될 수 있다.

이후, 제 2 조건 판단부(120)는 각 영역의 위치 또는 밝기 정보를 이용하여 각 영역을 피사체 영역과 배경 영역으로 지정할 수 있다. 예를 들어, 분류 대상 이미지의 아래쪽을 중심으로 형성된 영역을 피사체 영역으로 구분하고, 위쪽을 중심으로 형성된 영역을 배경 영역으로 구분할 수 있다. 또는 밝기 정보가 상대적으로 어둡게 나타나는 영역을 피사체 영역으로 지정할 수도 있다.

제 2 조건 판단부(120)는 피사체 영역이 지정되면, 피사체 영역의 평균 밝기 값을 도 7의 (A)와 같은 분류 대상 이미지를 이용하여 산출하고, 미리 결정된 기준 밝기 값과 피사체 영역의 평균 밝기 값을 비교하여 제 2 조건 만족 여부를 판단한다. 기준 밝기 값은 복수의 샘플 이미지 각각에 대한 피사체 영역의 평균 밝기 값을 기준으로 두 그룹으로 그룹핑하고, 역광 샘플 이미지가 포함되는 그룹의 최대 평균 밝기 값으로 결정될 수 있다. 즉, 기준 밝기 값은 역광 이미지로 분류된 복수의 이미지에 대한 피사체 영역의 평균 밝기 값 중 최대 평균 밝기 값으로 결정됨으로써, 분류 대상 이미지가 역광 이미지로 분류될 수 있는지를 판별하는 값으로 사용될 수 있다.

전술한 바와 같이, 분류 대상 이미지에 대한 분류가 최종적으로 결정되면 결정된 이미지를 복수의 샘플 이미지에 포함시킬 수 있고, 이를 통해서 기준 밝기 값의 정확도를 향상시킬 수 있다.

도 8은 본 발명의 일 실시예에 따른 제 3 조건 판단부의 동작을 설명하기 위한 도면이다.

도 8을 참조하면, 제 3 조건 판단부(130)는 피사체 영역과 배경 영역의 상대적 위치로 제 3 조건의 만족 여부를 판단할 수 있다. 즉, 일반적으로 배경 영역은 이미지의 위쪽에 위치하고, 피사체 영역은 이미지의 아래쪽에 위치하는 바 피사체 영역이 이미지의 아래쪽에 위치하고 있는 경우에 제 3 조건이 만족된 것으로 판단할 수 있다. 예를 들어, 도 8의 (A)와 같이 피사체 영역이 이미지의 아래쪽에 위치하는 경우 해당 이미지는 제 3 조건을 만족한 것으로 판단할 수 있다.

또는, 제 3 조건 판단부(130)는 피사체 영역과 배경 영역의 상대적 위치를 보다 정확하게 판별하기 위해서, 무게 중심을 이용할 수 있다. 예를 들어, 제 3 조건 판단부(130)는 도 8의 (B)와 같이 이진화 분류를 통해서 피사체 영역과 배경 영역을 구분하고, 피사체 영역의 무게 중심(B, 810)과 배경 영역의 무게 중심(A, 800)을 추출할 수 있다. 무게 중심이란, 각 픽셀의 좌표와 밝기 정보를 고려한 영역의 중심점을 나타내는 것으로 아래의 수학식 4를 이용하여 결정될 수 있다.

수학식 4와 같이 무게 중심은 해당 이미지의 좌표로 결정될 수 있으며, 해당 영역의 좌표와 밝기를 대표하는 좌표 값으로 나타난다.

각 좌표를 구성하는 값은 아래 수학식 5와 같이 산출된다.

수학식 5에서 w는 각 영역의 모든 좌표의 집합을 의미하고, I(x,y)는 각 좌표에 따른 밝기 값을 나타낸다.

따라서, 수학식 4 및 5를 이용하면 피사체 영역 및 배경 영역 각각의 무게중심 좌표를 산출할 수 있다.

제 3 조건 판단부(130)는 전술한 수학식 4 및 5를 이용하여 각 영역의 무게중심(800, 810)을 산출하고, 도 8의 (C)와 같이 배경 영역의 무게중심(800)에서 피사체 영역의 무게중심(810)으로 이어지는 벡터의 방향을 이용하여 제 3 조건의 만족 여부를 판단할 수 있다. 예를 들어, 제 3 조건 판단부(130)는 벡터의 방향이 이미지의 위쪽에서 아래쪽으로 형성되면, 해당 분류 대상 이미지는 제 3 조건을 만족하는 것으로 판단할 수 있다.

이하, 도 9를 참조하여 벡터 방향을 이용한 제 3 조건 만족 판단 여부를 보다 상세하게 설명한다.

도 9는 본 발명의 일 실시예에 따른 무게 중심의 벡터를 이용하여 제 3 조건 판단 여부를 결정하는 동작을 설명하기 위한 도면이다.

도 9를 참조하면, 제 3 조건 판단부(130)는 배경 영역의 무게중심(900)에서 피사체 영역 무게중심(910)으로 벡터를 설정하고, 벡터가 배경 영역의 무게중심(900)을 기준으로 X축과 이루는 각도(920)를 이용하여 제 3 조건 만족 여부를 판단할 수 있다.

예를 들어, 제 3 조건 판단부(130)는 배경 영역의 무게중심(900)을 기준점으로 피사체 영역의 무게중심(910)을 연결한 벡터를 산출하고, 해당 벡터가 X축과 이루는 각도(920)가 마이너스로 산출되면 제 3 조건을 만족하는 것으로 판단할 수 있다.

또는, 제 3 조건 판단부(130)는 해당 벡터가 X축과 이루는 각도(920)가 마이너스로 산출되고, 마이너스 각도의 크기가 미리 설정된 기준 각도 이상인 경우 제 3 조건을 만족하는 것으로 판단할 수도 있다. 즉, 기준 각도가 45도로 설정되고, 벡터가 X축과 이루는 각도(920)의 크기 값이 45도 이상인 경우 제 3 조건을 만족하는 것으로 판단할 수 있다. 이를 통해서, 배경 영역과 피사체 영역의 상대적 위치를 기준 각도를 이용하여 확인함으로써, 보다 정확한 제 3 조건 만족 여부 판단이 가능하다.

이상에서 설명한 바와 같이, 본 발명은 분류 대상 이미지가 역광 이미지인지를 자동으로 분류할 수 있는 효과를 제공한다. 또한, 본 발명은 다양한 조건을 중첩적으로 적용하여 특정 이미지가 역광 이미지인지를 보다 정확하게 분류하고, 분류된 이미지의 대조비를 개선하는 기술을 적용함으로써, 촬상 이미지를 자동으로 보정할 수 있는 효과를 제공한다.

이하, 도 1 내지 도 9를 참조하여 설명한 본 발명의 이미지 분류 장치의 동작을 모두 실행할 수 있는 이미지 분류 방법을 설명한다.

도 10은 본 발명의 일 실시예에 따른 이미지 분류 방법을 도시한 도면이다.

본 발명은 분류 대상 이미지의 히스토그램 형태를 기준으로 제 1 조건의 만족 여부를 판단하는 제 1 조건 판단단계와 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분하고, 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교한 결과에 따라 제 2 조건의 만족 여부를 판단하는 제 2 조건 판단단계와 분류 대상 이미지의 피사체 영역 또는 배경 영역의 위치에 기초하여 제 3 조건의 만족 여부를 판단하는 제 3 조건 판단단계 및 분류 대상 이미지가 제 1 조건, 제 2 조건 및 제 3 조건을 모두 만족하는 경우 역광 이미지로 분류하는 이미지 분류단계를 포함하는 이미지 분류 방법을 제공한다.

도 10에서는 제 1 조건 내지 제 3 조건을 순서에 따라 도시하고 설명하나, 이는 설명의 편의를 위한 것으로 제 1 조건 내지 제 3 조건의 판단 순서는 상호 변경될 수 있다.

도 10을 참조하면, 본 발명의 이미지 분류 방법은 분류 대상 이미지의 히스토그램 형태를 기준으로 제 1 조건의 만족 여부를 판단하는 제 1 조건 판단단계를 포함할 수 있다(S1000).

예를 들어, 제 1 조건 판단단계는 히스토그램의 형태를 이용하여 분류 대상 이미지가 제 1 조건을 만족하는지 판단할 수 있다. 구체적으로, 제 1 조건 판단단계는 역광 이미지의 특징 중 하나인 파사체와 배경의 밝기 차이가 현저하게 나타나는 특징을 이용하여 분류 대상 이미지를 판단하기 위한 방법으로 분류 대상 이미지의 히스토그램의 형태가 양봉형으로 나타나는지를 판단하여 제 1 조건의 만족 여부를 판단한다.

예를 들어, 제 1 조건 판단단계는 히스토그램 형태가 양봉 형태로 산출되는 경우, 제 1 조건을 만족하는 것으로 판단할 수 있다. 이를 위해서, 제 1 조건 판단단계는 분류 대상 이미지의 히스토그램의 단봉 정도를 나타내는 단봉형 판별값을 산출하고, 산출된 단봉형 판별값과 미리 설정된 기준값을 비교하여 제 1 조건 여부를 판단할 수 있다. 단봉형 판별값은 히스토그램이 단봉형에 가깝게 나타나는 정도를 나타내는 값으로 히스토그램이 단봉형에 가까우면, 1에 가까워지는 값으로 산출될 수 있다. 즉, 제 1 조건 판단단계는 히스토그램의 단봉형 판별값이 미리 설정된 기준값 이하인 경우에 해당 분류 대상 이미자가 제 1 조건을 만족하는 것으로 판단할 수 있다. 분류 대상 이미지가 역광 이미지인 경우에 밝은 부분과 어두운 부분이 극명하게 대비됨으로써, 히스토그램은 낮은 밝기 값을 중심으로 하나의 그룹이 형성되고, 높은 밝기 값을 중심으로 나머지 하나의 그룹이 형성된다. 즉, 역광 이미지의 히스토그램은 양봉 형태로 산출된다.

한편, 이미지 분류 방법은 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분하고, 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교한 결과에 따라 제 2 조건의 만족 여부를 판단하는 제 2 조건 판단단계를 포함할 수 있다(S1010).

제 2 조건 판단단계는 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분할 수 있다. 또한, 제 2 조건 판단단계는 구분된 피사체 영역의 평균 밝기 값을 산출하고, 미리 설정된 기준 밝기 값과 비교하여 제 2 조건의 만족 여부를 판단할 수 있다. 예를 들어, 제 2 조건 판단단계는 분류 대상 이미지의 각 픽셀의 밝기 정보를 이용하여 각 픽셀을 이진화 값으로 변환하고, 동일한 이진화 값을 가지는 하나 이상의 픽셀을 동일 영역으로 설정하여 피사체 영역 및 배경 영역을 구분할 수 있다. 즉, 제 2 조건 판단단계는 분류 대상 이미지를 구성하는 각 픽셀의 밝기 정보를 추출하고, 해당 분류 대상 이미지를 이진화하기 위한 기준값을 이용하여 각 픽셀의 밝기를 이진화할 수 있다. 예를 들어, 제 2 조건 판단단계는 Otus 이진화 기법을 이용하여 각 픽셀의 밝기를 기준으로 이진화할 수 있다.

제 2 조건 판단단계는 분류 대상 이미지가 두 개의 영역으로 구분되면, 미리 설정된 기준 밝기 값과 피사체 영역의 평균 밝기 값을 비교하여 제 2 조건의 만족 여부를 판단할 수 있다. 일 예로, 기준 밝기 값은 복수의 샘플 이미지 각각에 대한 피사체 영역의 평균 밝기 값을 두 그룹으로 클러스터링하고, 두 그룹 중 역광 샘플 이미지를 포함하는 역광 그룹에 포함된 최대 평균 밝기 값으로 설정될 수 있다. 즉, 기준 밝기 값은 역광 이미지를 기 분류된 복수의 샘플 이미지의 피사체 영역 최대 평균 밝기 값으로 설정될 수 있다. 따라서, 기준 밝기 값은 샘플 이미지가 많을수록 보다 정확하게 설정될 수 있으며, 이미지 분류 장치는 역광 이미지로 분류된 이미지를 전술한 샘플 이미지에 포함하여 기준 밝기 값을 갱신할 수 있다.

제 2 조건 판단단계는 분류 대상 이미지의 피사체 영역의 평균 밝기 값이 기준 밝기 값 이하인 경우에 해당 분류 대상 이미지가 제 2 조건을 만족하는 것으로 판단할 수 있다. 즉, 역광 이미지로 분류된 샘플 이미지의 피사체 영역 평균 밝기 값보다 분류 대상 이미지의 피사체 영역 평균 밝기 값이 낮게 산출된면, 해당 분류 대상 이미지는 역광 이미지를 위한 제 2 조건을 만족하는 것으로 판단될 수 있다.

한편, 기준 밝기 값을 산출하기 위해서는 역광 이미지와 일반 이미지(역광이 아닌 이미지)의 샘플을 이용할 수 있으며, 각 샘플 이미지의 피사체 영역의 평균 밝기 값을 neutal network clustering을 통해서 두 그룹으로 분류할 수 있다. 그리고, 분류된 두 그룹 중 역광 이미지를 포함하는 그룹의 최대값을 기준 밝기 값으로 설정할 수 있다.

한편, 이미지 분류 방법은 분류 대상 이미지의 피사체 영역 또는 배경 영역의 위치에 기초하여 제 3 조건의 만족 여부를 판단하는 제 3 조건 판단단계를 포함할 수 있다(S1020).

제 3 조건 판단단계는 분류 대상 이미지에서 구분된 피사체 영역과 배경 영역의 위치를 기준으로 제 3 조건 만족 여부를 판단할 수 있다. 일 예를 들어, 제 3 조건 판단단계는 피사체 영역이 분류 대상 이미지의 아래쪽에 위치하고 있는 경우, 제 3 조건을 만족하는 것으로 판단할 수 있다. 구체적으로, 제 3 조건 판단단계는 배경 영역과 피사체 영역의 상대적 위치를 기준으로 분류 대상 이미지의 제 3 조건 만족 여부를 판단할 수 있다. 다른 예를 들어, 제 3 조건 판단단계는 피사체 영역의 무게중심과 배경 영역의 무게중심을 각각 산출하고, 배경 영역의 무게중심에서 피사체 영역의 무게중심으로 연결한 벡터를 이용하여 제 3 조건의 만족 여부를 판단할 수도 있다. 이를 위해서, 분류 대상 이미지는 Y축을 기준으로 이미지의 위쪽과 아래쪽을 구분하여 입력받을 수 있다. 즉, 피사체 영역이 이미지가 배경 영역에 비해서 아래쪽에 위치하는지를 판단하기 위해서 분류 대상 이미지의 위와 아래를 구분하여 초기에 입력 받을 수 있다.

피사체 영역과 배경 영역 각각의 무게 중심은 각 영역을 이루는 픽셀의 좌표와 각 픽셀의 밝기 값으로 산출될 수 있으며, 무게 중심은 해당 영역을 구성하는 픽셀의 위치와 밝기를 고려한 해당 영역의 중심점을 의미한다. 따라서, 배경 영역의 중심점과 피사체 영역의 중심점은 각각 하나의 위치로 결정된다. 따라서, 제 3 조건 판단단계는 배경 영역의 무게 중심을 기준으로 피사체 영역의 무게 중심으로 연결되는 벡터를 산출하고, 해당 벡터가 X축과 이루는 각도를 이용하여 제 3 조건의 만족 여부를 판단할 수 있다.

한편, 이미지 분류 방법은 분류 대상 이미지가 제 1 조건, 제 2 조건 및 제 3 조건을 모두 만족하는 경우 역광 이미지로 분류하는 이미지 분류단계를 포함할 수 있다(S1030).

이미지 분류단계는 분류 대상 이미지가 전술한 세 가지 조건을 모두 만족하는 경우에 역광 이미지로 판정하여 분류할 수 있다. 또는 이미지 분류단계는 설정에 따라 세 가지 조건 중 두 가지 조건을 만족하는 경우에 역광 이미지로 분류할 수도 있다. 또는, 이미지 분류단계는 각 조건의 설정에 따라 세 가지 조건을 모두 만족하지 않은 경우에 해당 분류 대상 이미지를 역광 이미지로 분류할 수도 있다. 예를 들어, 이미지 분류단계는 역광 이미지인 경우에 제 1 조건 내지 제 3 조건을 만족하도록 각 조건의 기준이 설정되는 경우, 분류 대상 이미지가 제 1 조건 내지 제 3 조건을 모두 만족하면 역광 이미지로 분류할 수 있다. 이와 반대로, 이미지 분류단계는 역광 이미지인 경우에 제 1 조건 내지 제 3 조건을 모두 불만족하도록 각 조건의 기준이 설정되는 경우, 분류 대상 이미지가 제 1 조건 내지 제 3 조건을 모두 불만족하는 경우에 해당 분류 대상 이미지를 역광 이미지로 분류할 수도 있다. 또는 이미지 분류단계는 제 1 조건 내지 제 3 조건의 기준이 각각 다르게 설정되는 경우에는 해당 각각의 조건 기준을 이용하여 분류 대상 이미지를 판단할 수 있다.

이 외에도 이미지 분류 방법은 도 1 내지 도 9를 참조하여 설명한 본 발명의 동작을 일부 또는 전부 포함할 수 있으며, 필요에 따라 순서가 변경되거나 일부 단계가 생략될 수도 있다.

이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (9)

1. 분류 대상 이미지의 히스토그램 형태를 기준으로 제 1 조건의 만족 여부를 판단하는 제 1 조건 판단부;
   상기 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분하고, 상기 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교한 결과에 따라 제 2 조건의 만족 여부를 판단하는 제 2 조건 판단부;
   상기 분류 대상 이미지의 상기 피사체 영역 또는 상기 배경 영역의 위치에 기초하여 제 3 조건의 만족 여부를 판단하는 제 3 조건 판단부; 및
   상기 분류 대상 이미지가 상기 제 1 조건, 제 2 조건 및 제 3 조건을 모두 만족하는 경우 역광 이미지로 분류하는 이미지 분류부를 포함하는 이미지 분류 장치.
2. 제 1 항에 있어서,
   상기 제 1 조건 판단부는,
   상기 히스토그램 형태가 양봉(bimodal) 형태로 산출되는 경우, 상기 분류 대상 이미지가 상기 제 1 조건을 만족하는 것으로 판단하는 이미지 분류 장치.
3. 제 2 항에 있어서,
   상기 제 1 조건 판단부는,
   상기 히스토그램의 단봉(unimodal) 정도를 나타내는 단봉형 판별값을 산출하고 상기 단봉형 판별값과 미리 설정된 기준값을 비교하여,
   상기 단봉형 판별값이 상기 미리 설정된 기준값 이하인 경우 상기 분류 대상 이미지가 상기 제 1 조건을 만족하는 것으로 판단하는 이미지 분류 장치.
4. 제 1 항에 있어서,
   상기 제 2 조건 판단부는,
   상기 분류 대상 이미지의 각 픽셀의 밝기 정보를 이용하여 상기 각 픽셀을 이진화 값으로 변환하고,
   동일한 이진화 값을 가지는 하나 이상의 픽셀을 동일 영역으로 설정하여 상기 피사체 영역 및 배경 영역을 구분하는 이미지 분류 장치.
5. 제 1 항에 있어서,
   상기 기준 밝기 값은,
   복수의 샘플 이미지 각각에 대한 피사체 영역의 평균 밝기 값을 두 그룹으로 클러스터링하고,
   상기 두 그룹 중 역광 샘플 이미지를 포함하는 역광 그룹에 포함된 최대 평균 밝기 값으로 설정되는 이미지 분류 장치.
6. 제 1 항에 있어서,
   상기 제 3 조건 판단부는,
   상기 피사체 영역이 상기 분류 대상 이미지의 아래쪽에 위치하고 있는 경우, 상기 제 3 조건을 만족하는 것으로 판단하는 이미지 분류 장치.
7. 제 1 항에 있어서,
   상기 제 3 조건 판단부는,
   상기 피사체 영역의 무게중심과 상기 배경 영역의 무게중심을 각각 산출하고, 상기 배경 영역의 무게중심에서 상기 피사체 영역의 무게중심으로 연결한 벡터를 이용하여 상기 제 3 조건의 만족 여부를 판단하는 이미지 분류 장치.
8. 제 7 항에 있어서,
   상기 제 3 조건 판단부는,
   상기 배경 영역의 무게중심을 기준으로 상기 벡터가 X축과 이루는 각도가 마이너스 각도로 산출되고,
   상기 마이너스 각도의 크기가 미리 설정된 기준 각도 이상인 경우 상기 제 3 조건을 만족하는 것으로 판단하는 이미지 분류 장치.
9. 분류 대상 이미지의 히스토그램 형태를 기준으로 제 1 조건의 만족 여부를 판단하는 제 1 조건 판단단계;
   상기 분류 대상 이미지를 피사체 영역과 배경 영역으로 구분하고, 상기 피사체 영역의 평균 밝기 값과 미리 설정된 기준 밝기 값을 비교한 결과에 따라 제 2 조건의 만족 여부를 판단하는 제 2 조건 판단단계;
   상기 분류 대상 이미지의 상기 피사체 영역 또는 상기 배경 영역의 위치에 기초하여 제 3 조건의 만족 여부를 판단하는 제 3 조건 판단단계; 및
   상기 분류 대상 이미지가 상기 제 1 조건, 제 2 조건 및 제 3 조건을 모두 만족하는 경우 역광 이미지로 분류하는 이미지 분류단계를 포함하는 이미지 분류 방법.

Images