KR20220100057A

KR20220100057A - 주변 광원 분류

Info

Publication number: KR20220100057A
Application number: KR1020227021243A
Authority: KR
Inventors: 군터 시에스; 프랑크 크룸바인; 율리우스 콤마; 토마스 님스; 마모우드 야자이에리파르
Original assignee: 에이엠에스 센서스 저머니 게엠베하
Priority date: 2019-11-27
Filing date: 2020-11-27
Publication date: 2022-07-14
Also published as: US20220412798A1; EP4065939A1; WO2021105398A1; CN114746728A

Abstract

이미지 감지 디바이스가 개시되며, 이 이미지 감지 디바이스는, 다중스펙트럼 센서 및 다중스펙트럼 센서에 통신가능하게 결합된 프로세서를 포함한다. 프로세서는, 미리정의된 스펙트럼 데이터와 다중스펙트럼 센서의 출력에 대응하는 데이터의 비교에 기초하여 주변 광원 분류를 결정하도록 구성된다. 또한, 다중스펙트럼 센서로 광의 스펙트럼을 감지하는 단계; 및 미리정의된 스펙트럼 데이터와 다중스펙트럼 센서의 출력에 대응하는 데이터의 비교에 기초하여 주변 광원 분류를 결정하는 단계에 의해 주변 광원을 분류하기 위한 방법이 개시된다. 연관된 컴퓨터 프로그램, 컴퓨터 판독가능한 매체 및 데이터 처리 장치도 역시 개시된다.

Description

주변 광원 분류

본 개시내용은, 이미지 감지 디바이스들, 특히 주변 광원을 분류하기 위한 이미지 감지 디바이스 분야에 관한 것이다.

색상 불변성은, 카메라 등의 이미지 감지 디바이스들의 바람직한 속성이다. 색상 불변성이란, 상이한 조명들 아래에서 비교적 일정한 색상으로 피처나 물체를 관찰하는 능력을 말한다. 즉, 카메라에 포착되는 이미지의 외관은 주변 조명에 의해 영향을 받을 수 있다.

예를 들어, 주변 광원의 색상 온도가 비교적 낮은 경우, 예를 들어 백열 광원의 경우일 수 있는 바와 같이 3000 Kelvin 영역에서, 주변 광원에 노출된 백색 물체의 이미지는 불그스름한 색조를 포함할 것이다. 대조적으로, 높은 색상 온도를 가진 주변 광원의 경우, 예를 들어 흐린 날 일광의 경우와 같이 6000 Kelvin 영역에서, 백색 물체의 이미지는 약간 푸르스름한 색조를 포함한다. 즉, 물체는, 주변 광원에 의한 물체의 조명에 의존하는 색상을 포함하는 것으로 카메라에 의해 관찰될 것이다.

이러한 효과는, 화이트 밸런싱, 바람직하게는 자동 화이트 밸런싱(AWB; automatic white balancing)에 의해 보상될 수 있고, 이것은 상이한 조명들에서 캡처된 이미지의 채색을 조정하기 위해 디지털 카메라에서 종종 채용되는 이미지 처리 단계이다. 디지털 카메라들은, 종종, 일광, 형광등 또는 백열등과 같은 전형적인 조명 조건들에 대해 미리정의된 설정들을 가지며, 일부 경우에는 미리정의된 설정이 자동으로 선택될 수 있다.

기존의 화이트 밸런싱을 위한 기술들은, '회색 세계 이론(Gray-World Theory)' 또는 '백색 패치 이론(White Patch Theory)'에 기초한 알고리즘을 적용한 이미지 처리를 포함한다. 회색 세계 이론은 캡처된 이미지의 평균 반사율이 무채색이라는 가정에 기초한다. 즉, 3개의 색상 채널: 적색, 녹색 및 청색의 평균이 대략 동일해야 한다. 백색 패치 이론은, 캡처된 이미지에서 가장 밝은 픽셀이 주변 광원의 반사에 대응하므로 가장 밝은 픽셀이 주변 조명의 스펙트럼에 대응할 수 있다는 가정에 기초한다. 양쪽 접근법들 모두는 알려진 제한들이 있으며, 특히, 양쪽 접근법들 모두는 상당히 상이한 결과들을 생성하는 경향이 있다.

종래 기술의 AWB 방법들의 단점들을 초래하지 않으면서 이미지에 미치는 주변 조명의 영향들에 대해 카메라를 보정할 수 있는 것이 바람직하다.

따라서, 본 개시내용의 적어도 하나의 양태의 적어도 하나의 실시예의 목적은 선행 기술의 상기 식별된 단점들 중 적어도 하나를 제거하거나 적어도 완화하는 것이다.

본 개시내용은 주변 광원을 분류할 수 있는 이미지 감지 디바이스 및 주변 광원을 분류하기 위한 방법에 관한 것이다. 이미지 감지 디바이스는 셀룰러 전화 등의 모바일 디바이스에서 찾을 수 있다.

제1 양태에 따르면, 다중스펙트럼 센서 및 다중스펙트럼 센서에 통신가능하게 결합된 프로세서를 포함하는 이미지 감지 디바이스가 제공되며, 여기서 프로세서는 미리정의된 스펙트럼 데이터와 다중스펙트럼 센서의 출력에 대응하는 데이터의 비교에 기초하여 주변 광원 분류를 결정하도록 구성된다.

유리하게는, 이미지 감지 디바이스에 의해 감지된 이미지의 정확하고 신뢰할 수 있는 자동 화이트 밸런싱(AWB)이 주변 광원 분류에 기초하여 수행될 수 있다. 또한, 주변 광원의 분류를 스펙트럼 정보에 기초함으로써, AWB는 실제 조명 조건들에 대해 강화될 수 있으며, 예를 들어, 채색된 장면들을 감안하기 위해 필요에 따라 적합화될 수 있다.

이미지 감지 디바이스는 프로세서에 통신가능하게 결합된 이미지 센서를 포함할 수 있다.

프로세서는 주변 광원 분류에 기초하여 이미지 센서에 의해 감지된 이미지를 적합화하도록 구성될 수 있다.

프로세서는 주변 광원 분류의 하나 이상의 파라미터에 기초하여 이미지를 화이트 밸런싱함으로써 이미지를 적합화하도록 구성될 수 있다.

미리정의된 스펙트럼 데이터는 복수의 이산 스펙트럼을 포함할 수 있으며, 각각의 스펙트럼은 상이한 주변 광원에 대응한다.

프로세서는, 이산 스펙트럼들 중 하나와 주변 광원의 스펙트럼 사이의 가장 가까운 일치를 식별함으로써 주변 광원 분류를 결정하도록 구성될 수 있다.

프로세서는 다중스펙트럼 센서의 출력에 대응하는 데이터로부터 주변 광원의 스펙트럼을 재구성하도록 구성될 수 있다.

주변 광원 분류는 색상 온도일 수 있다.

주변 광원 분류는 색상 좌표일 수 있다.

프로세서는 주변 광원 분류의 결정의 정확성의 표시를 제공하도록 구성될 수 있다.

프로세서는 이미지 감지 디바이스에 의해 감지된 이미지의 색상 포화(colour saturation)의 가능성의 표시를 제공하도록 구성될 수 있다.

다중스펙트럼 센서의 스펙트럼 범위는 가시광을 포함할 수 있다.

다중스펙트럼 센서의 스펙트럼 범위는 적외선 복사를 포함할 수 있다.

다중스펙트럼 센서의 스펙트럼 범위는 자외선 복사를 포함한다.

다중스펙트럼 센서는 확산기를 포함할 수 있다.

다중스펙트럼 센서는 광학적 필터를 포함할 수 있다. 광학적 필터는 적외선 복사 및/또는 자외선 복사를 필터링하도록 구성될 수 있다.

이미지 센서 및 다중스펙트럼 센서는 순차적으로 또는 병렬로 동작하도록 구성될 수 있다.

이미지 센서의 시야는 구성가능할 수 있다.

다중스펙트럼 센서의 시야는 구성가능할 수 있다.

다중스펙트럼 센서의 시야는 이미지 센서의 시야보다 클 수 있다.

이미지 감지 디바이스는, 셀룰러 전화, 카메라, 이미지 기록 디바이스; 및/또는 비디오 기록 디바이스 중 적어도 하나일 수 있다.

제2 양태에 따르면 주변 광원을 분류하기 위한 방법이 제공되며, 이 방법은: 다중스펙트럼 센서로 광의 스펙트럼을 감지하는 단계; 및 미리정의된 스펙트럼 데이터와 다중스펙트럼 센서의 출력에 대응하는 데이터의 비교에 기초하여 주변 광원 분류를 결정하는 단계를 포함한다.

이 방법은 주변 광원 분류에 기초하여 이미지 센서에 의해 감지된 이미지를 적합화하는 단계를 더 포함할 수 있다. 이미지는 주변 광원 분류의 하나 이상의 파라미터에 기초하여 이미지를 화이트 밸런싱함으로써 적합화될 수 있다.

미리정의된 스펙트럼 데이터는 복수의 이산 스펙트럼을 포함할 수 있다. 복수의 이산 스펙트럼 중의 각각의 스펙트럼은 상이한 주변 광원에 대응할 수 있다.

이 방법은 다중스펙트럼 센서의 출력에 대응하는 데이터로부터 주변 광원의 스펙트럼을 재구성하는 단계를 더 포함할 수 있다.

이 방법은 이산 스펙트럼들 중 하나와 주변 광원의 스펙트럼 사이의 가장 가까운 일치를 식별함으로써 주변 광원 분류를 결정하는 단계를 더 포함할 수 있다.

제3 양태에 따르면, 컴퓨터 프로그램이 제공되고, 이 컴퓨터 프로그램은, 프로그램이 컴퓨터에 의해 실행될 때 컴퓨터로 하여금 제2 양태에 따른 방법을 실행하게 하는 명령어들을 포함한다.

제4 양태에 따르면, 제3 양태의 컴퓨터 프로그램이 저장된 컴퓨터 판독가능한 매체가 제공된다.

제5 양태에 따르면, 메모리, 및 제2 양태에 따른 방법을 실행하도록 적합화된 프로세서를 포함하는 데이터 처리 장치가 제공된다.

상기 요약은 단지 예시일 뿐이고 비제한적임을 의도한다. 본 개시내용은, 하나 이상의 대응하는 양태, 실시예 또는 피처를, 그 조합으로 또는 독립적으로 구체적으로 언급(청구되는 것을 포함)하든지에 관계없이, 독립적으로 또는 다양한 조합으로 포함한다. 본 개시내용의 임의의 양태에 따라 위에서 정의되거나 본 개시내용의 임의의 특정한 실시예와 관련하여 아래에서 정의되는 피처들은, 기타 임의의 양태 또는 실시예에서, 단독으로든 또는 임의의 다른 정의된 피처와 조합하여 이용되어 본 개시내용의 추가적인 양태 또는 실시예를 형성할 수 있다는 것을 이해해야 한다.

이제 본 개시내용의 이들 및 다른 양태들이 첨부된 도면들을 참조하여 단지 예시로서 설명될 것이다: 여기서,
도 1a는 본 개시내용의 한 실시예에 따른 이미지 감지 디바이스를 도시한다;
도 1b는 도 1a의 이미지 감지 디바이스의 일부의 단면도를 도시한다;
도 2는 다중스펙트럼 센서의 예시적인 응답을 도시한다;
도 3은 다양한 정의된 주변 광원들에 대한 스펙트럼들을 도시한다;
도 4a는 본 개시내용의 한 실시예에 따른 주변 광원 분류의 결정에 대응하는 흐름도이다;
도 4b는 본 개시내용의 추가 실시예에 따른 주변 광원 분류의 결정에 대응하는 흐름도이다;
도 5a는 재구성된 스펙트럼들을 조회 테이블(LUT)에 저장된 정의된 광원들의 스펙트럼들과 비교하는 방법을 도시한다;
도 5b는 재구성된 스펙트럼들을 LUT에 저장된 정의된 광원의 스펙트럼들과 비교하는 방법을 도시하는 그래프이다;
도 5c는 재구성된 스펙트럼들을 제한된 범위의 파장들에 걸쳐 LUT에 저장된 정의된 광원의 스펙트럼들과 비교하는 방법을 도시한다;
도 6a는 색상 포화도를 결정하는 방법을 도시한다;
도 6b는 색상 포화도를 결정하는 방법을 도시하는 그래프이다; 및
도 6c는 색도 다이어그램(chromaticity diagram)을 도시한다.

도 1a는, 본 개시내용의 한 실시예에 따른, 일반적으로 100으로 표시된 이미지 감지 디바이스를 도시한다. 이미지 감지 디바이스(100)는 다중스펙트럼 센서(105) 및 다중스펙트럼 센서(105)에 통신가능하게 결합된 프로세서(110)를 포함한다. 도 1의 예시적인 이미지 감지 디바이스(100)는 셀룰러 전화이다. 여기서 설명된 개시내용은, 카메라, 이미지 기록 디바이스, 비디오 기록 디바이스, 랩탑 또는 태블릿 디바이스, 웹 캠 등의, 다른 이미지 감지 디바이스들로 구현될 수 있음을 이해할 것이다.

프로세서(110)는 하나 이상의 프로세서 및/또는 마이크로제어기 및/또는 마이크로프로세서를 포함할 수 있다. 이미지 감지 디바이스(100)는 하나 이상의 메모리(115)를 포함할 수 있고, 여기서 하나 이상의 메모리는 프로세서(110)에 결합된다. 하나 이상의 메모리(115)는, 예를 들어, 프로세서(110)에 의한 실행을 위한 프로그램 코드, 및/또는 이미지 센서(120)에 의해 감지된 하나 이상의 이미지에 대응하는 데이터 및/또는 다중스펙트럼 센서(105)의 출력에 대응하는 데이터 등의, 데이터를 포함하거나 이를 저장하도록 구성될 수 있다.

이미지 감지 디바이스(100)는 이미지 센서(120)를 포함한다. 이미지 센서(120)는, 예를 들어, CCD(Charge-Coupled Device) 센서 또는 CMOS(Complementary Metal-Oxide-Semiconductor) 이미지 센서일 수 있다. 이미지 센서(120)는 픽셀들의 어레이를 포함할 수 있고, 어레이 내의 각각의 픽셀은, 포토다이오드 등의 광검출기, 및 픽셀을 제어 및/또는 활성화하기 위한 하나 이상의 트랜지스터를 포함한다.

더 일반적으로, 이미지 센서(120)는, 예를 들어 카메라를 포함할 수 있다.

도 1의 예시적인 이미지 감지 디바이스(100)에서, 다중스펙트럼 센서(105) 및 이미지 센서(120)는 도 1b를 참조하여 더 상세히 설명되는 바와 같이 커버(125)에 의해 보호된다. 커버(125)는, 이미지 센서(120) 및 다중스펙트럼 센서(105)가 민감한 광의 파장 범위에 대해 투명하다. 바람직하게는, 커버(125)는 유리 커버이다.

도 1b는 도 1a의 이미지 감지 디바이스(100)의 일부의 단면도를 도시한다. 도 1b의 예시적인 실시예에서, 다중스펙트럼 센서(105)는 적외선 필터(125) 뒤에 배치된다. 적외선 필터(125)는 적외선 복사가 다중스펙트럼 센서(105)에 도달하는 것을 금지하도록 구성되고, 따라서 다중스펙트럼 센서(105)에 의해 감지되는 스펙트럼 혼선(spectral cross-talk)을 제한하도록 구성된다. 다른 실시예들에서, 필터(125)는, 자외선 복사 및/또는 가시광 스펙트럼의 적어도 일부 등의, 복사의 상이한 파장 범위에 대해 구성될 수 있다는 것을 이해할 것이다. 역시 또 다른 실시예에서, 다중스펙트럼 센서(105)는 필터 뒤에 배치되지 않을 수 있다.

이미지 감지 디바이스(100)는 확산기(130)를 포함한다. 바람직하게는, 확산기(130)는 커버(125)와 다중스펙트럼 센서(105) 사이에 배치되어, 예를 들어 다중스펙트럼 센서(105)에 의한 감지시에, 예를 들어 광이 입사되기 전에 광을 확산시킨다. 확산기(130)는 다중스펙트럼 센서(105)가 민감한 광의 파장 범위에 대해 반투명할 수 있다.

바람직한 실시예에서, 다중스펙트럼 센서(105)의 시선 방향(135)은 이미지 센서(120)의 시선 방향(140)과 실질적으로 동일하다. 따라서, 다중스펙트럼 센서(105)는, 아래에서 더 상세히 설명되는 바와 같이, 이미지 센서(120)에 의해 감지된 이미지의 주변 광을 감지하도록 구성될 수 있다.

바람직한 실시예에서, 이미지 센서(120)의 시야(145)는 다중스펙트럼 센서(105)의 시야(150)보다 작다. 따라서, 다중스펙트럼 센서(105)는, 이미지 센서(120)에 의해 감지되는 것보다, 예를 들어, 더 넓은 영역, 예를 들어, 더 큰 비율의 장면으로부터의 주변 광을 감지하도록 구성될 수 있다.

대안적인 실시예들에서, 이미지 센서(120)의 시야(145)는 다중스펙트럼 센서(105)의 시야(150)와 동일하거나 심지어 더 클 수 있다는 것을 이해할 것이다. 유사하게, 일부 실시예에서, 이미지 센서(10)의 시선 방향(140)은 다중스펙트럼 센서(105)의 시선 방향(135)과는 상이할 수 있다. 예를 들어, 다중스펙트럼 센서(105)는 이미지 감지 디바이스(100)의 상이한 표면 또는 부분 상에 장착되거나, 그 내부에 장착되거나, 그 아래에 장착되거나 그와 결합될 수 있다.

다중스펙트럼 센서(105)의 예시적인 응답이 도 2에 도시되어 있다. 다중스펙트럼 센서(105)는 가시광 스펙트럼의 적어도 일부에 걸쳐 있는 복사선의 파장을 감지하도록 구성될 수 있다. 예를 들어, 다중스펙트럼 센서(105)는 가시 범위에 걸쳐 분포된 광학적 채널을 갖는 다중 채널 다중스펙트럼 센서일 수 있다. 바람직한 실시예에서, 다중스펙트럼 센서(105)는 대략 350nm 내지 1000nm 범위의 복사선 파장들에 의해 정의된 스펙트럼 응답을 나타내는 "AS7341 11-Channel Spectral Color Sensor"이다.

다중스펙트럼 센서는 비-이상적 응답을 제공할 수 있다. 다중스펙트럼 센서(105)의 비-이상적 응답은, 감지된 스펙트럼들을 재구성하기 위해 다중스펙트럼 센서들에 의해 측정된 원시 데이터와 곱해질 수 있는 보정 행렬 M에서 정의될 수 있다. 예를 들어, 스펙트럼 기반의 재구성은 다음과 같이 계산될 수 있다:

sensed spectra = M * raw_value

여기서, raw_value는 차원 k의 벡터이고, 벡터 raw_value의 각각의 요소는 센서 채널의 카운트에 대응한다. 보정 행렬 M은 치수 w x k를 가지며, 여기서 w는, 파장, 예를 들어 1nm 증분의 300nm 내지 1100nm의 범위에 대응하고, k는 센서 채널에 대응한다. 즉, 행렬 M의 각각의 엔트리는, 사실상, 특정한 파장에 대한 센서 채널 카운트를 나타낼 수 있는 가중치 인자에 대응한다. 따라서, 보정 행렬 M과 raw_value의 곱은, 감지된 스펙트럼들에 대응하는 행렬을 제공하며, 여기서 다중스펙트럼 센서의 비이상적 응답이 보상되었다.

도 1의 이미지 감지 디바이스(100)의 예시적인 실시예에서, 프로세서(110)는 감지된 스펙트럼들을 재구성하도록 구성될 수 있다. 다중스펙트럼 센서(105)에 대한 보정 행렬 M은 예를 들어 메모리(115)에 저장될 수 있다. 유사하게, 재구성된 감지 스펙트럼들은 또한, 도 4a 및 도 4b를 참조하여 아래에서 설명되는 바와 같이 추가 처리를 위해 메모리(115)에, 임시로 저장되는 등, 저장될 수 있다.

도 3은, D50, D65, A, FL-CW, FL-NW, LED1, 및 LED2로 표시된, 다양한 정의된 주변 광원들에 대한 스펙트럼들을 도시한다. 각각의 스펙트럼은 상이한 주변 광원 및 상이한 색상 온도에 대응한다. 예를 들어, D65는 색상 온도가 약 6500K인 평균 일광에 필적하는 밝고 푸르스름한 색상의 광원에 대응한다. D50은 색상 온도가 약 5000K인 대체로 더 백색의 광원에 대응한다.

즉, 미리정의된 스펙트럼 데이터는 복수의 이산 스펙트럼을 포함할 수 있으며, 각각의 스펙트럼은 상이한 주변 광원에 대응한다.

도 3에 도시된 스펙트럼들은 이미지 감지 디바이스(100)에 저장될 수 있다. 예를 들어, 스펙트럼들, 예컨대 스펙트럼들을 나타내는 데이터는 메모리(115)의 조회 테이블(LUT)에 저장될 수 있다. 다른 실시예들에서, 스펙트럼들은, 행렬, 일련의 별개의 파일들, 인코딩된 포멧 등의 임의의 포멧으로 저장될 수 있다는 것을 이해할 것이다. 더욱이, 각각의 스펙트럼은 대안으로서 또는 추가적으로 파장 범위에 걸쳐 스펙트럼을 근사화하는 모델로서 표현될 수 있다. 예를 들어, 한 실시예에서, n차 다항식 근사가 프로세서(110)에 의해 수행되어 정의된 계수들에 기초하여 하나 이상의 스펙트럼을 계산할 수 있다.

더욱이, 도 3에 도시된 스펙트럼들은 단지 예시의 목적으로 선택된 것임을 이해할 것이다. 산업 표준 광원들 D75, WWF, TL84, Tl830, TL835, SPX35, U30, U35, Tungsten, 광원 A, B, C 또는 E, Illuminant A, B, C 또는 E, D75 등의 Illuminant Series D, Illuminant series E, F 또는 L, Horizon, CWF 등의, 다른 주변 광원들에 대응하는 스펙트럼들이 추가로 또는 대안으로서 표현될 수 있다. 이 목록은 빠짐없이 드러낸 것은 아니며 예시의 목적으로만 제공된 것이다. 비산업 표준 스펙트럼들 등의 다른 스펙트럼들이 추가로 또는 대안으로서 이용될 수 있다.

한 실시예에서, 색도 다이어그램 또는 맵 상의 스펙트럼들 및/또는 연관된 색상 온도 및/또는 좌표들은 LUT에 저장되고, 여기서, LUT의 각각의 엔트리 또는 엔트리 그룹은 인덱스에 대응한다. 예시의 목적을 위해, 인덱스는 "CCT_LUT_index"로 표시될 수 있다.

위에서 설명된 바와 같이 스펙트럼들을 저장하는 것에 추가하여, 색상 온도, 예를 들어 상관된 색상 온도(CCT) 및/또는 색도 다이어그램 또는 맵의 한 지점에 대응하는 좌표들도 역시 이미지 감지 디바이스(100)에 저장될 수 있다. 즉, 각각의 스펙트럼들은 메모리(115)에 추가로 저장된 연관된 색상 온도 및/또는 좌표들을 갖는다. 색도 다이어그램의 한 예가 도 6c를 참조하여 아래에서 설명된다.

도 4a는 주변 광원을 분류하기 위한 방법을 도시한다. 이 방법은 다중스펙트럼 센서로 광의 스펙트럼을 감지하는 제1 단계(400)를 포함한다.

이 방법은 또한, 미리정의된 스펙트럼 데이터와 다중스펙트럼 센서의 출력에 대응하는 데이터의 비교에 기초하여 주변 광원 분류를 결정하는 제2 단계(405)를 포함한다.

다중스펙트럼 센서(105)의 출력에 대응하는 데이터에 대한 미리정의된 스펙트럼 데이터의 비교에 기초하여, 이미지 감지 디바이스(100)에 의한 주변 광원 분류의 결정에 대응하는 흐름도를 도시하는 도 4b를 참조하여 추가 실시예가 이제 설명될 것이다. 분류는, 아래에 더 상세히 설명되는 바와 같이, 색상 온도 또는 색상 좌표, 예를 들어, 색도 다이어그램 상의 색 좌표일 수 있다. 나아가, 도 4b는 또한, 프로세서(110)가 주변 광원 분류 결정의 정확도 표시, 및 이미지 감지 디바이스(100)에 의해 감지된 이미지의 색상 포화의 가능성 표시를 제공하도록 구성될 수 있는 방법을 도시한다.

제1 단계 410에서, 이미지 감지 디바이스(100)의 다중스펙트럼 센서(105)는, 광, 예를 들어, 주변 광의 스펙트럼을 감지하도록 구성된다. 다중스펙트럼 센서(105)는 주변 광의 복수의 스펙트럼을 감지하도록 구성될 수 있다. 도 4b에서, 감지된 스펙트럼들은 "Spectra_n"으로 표시되며, 여기서 n은 감지된 스펙트럼 범위의 특정한 스펙트럼에 대응하는 정수이다.

이미지 센서(120)는, 바람직하게는 다중스펙트럼 센서(105)가 주변 광을 감지하는 것과 실질적으로 동시에, 이미지를 추가로 감지할 수 있다.

바람직한 실시예에서, 다중스펙트럼 센서(105)의 출력은 메모리(115)에 저장되지만, 다중스펙트럼 센서(105)의 출력의 일부 또는 전부는 프로세서(110)에 직접적으로, 예를 들어, 임시 또는 중간 데이터로서 프로세서(110)의 로컬 메모리 또는 레지스터들에 저장될 수도 있다는 것을 이해할 것이다.

도 3과 관련하여 전술된 바와 같이, 다중스펙트럼 센서(105)로부터의 출력에 대응하는 원시 데이터는 감지된 주변 광에 대응하는 스펙트럼들을 재구성하는데 이용될 수 있다. 즉, 다중스펙트럼 센서(105)로부터의 출력에 대응하는 원시 데이터는 감지된 주변 광에 대응하는 스펙트럼들을 결정하기 위해 프로세서(110)에 의해 보정 행렬과 곱해질 수 있다. 감지된 주변 광에 대응하는 결정된 스펙트럼들과 연관된 색상 온도 및/또는 색도 다이어그램 좌표들이 계산되어 메모리(115)에 추가로 저장될 수 있다.

단계 415에서, 재구성된 스펙트럼들은 LUT에 저장된 정의된 광원들의 스펙트럼들과 비교된다. 비교의 방법이 도 5a 내지 도 5c를 참조하여 더 상세히 설명된다. 관심대상 파장 범위에 걸쳐 비교가 이루어진다. 예를 들어, 도 4b의 예에서는 380nm 내지 750nm의 가시 파장 범위에 걸쳐 비교가 이루어진다.

도 4b의 단계 420으로 표시된, 비교의 출력은, CCT 및/또는 주변 광원의 분류, 예를 들어 LUT에 기술된 광원들로부터의 한 정의된 광원의 선택이다. 정의된 광원의 분류는 인덱스, 예를 들어, CCT_LUT _index 일 수 있다.

프로세서(110)는, 예를 들어, 주변 광원 분류의 하나 이상의 파라미터에 기초하여, 예를 들어, CCT 및/또는 색도 다이어그램 좌표에 기초하여, 이미지 센서(120)에 의해 감지된 이미지를 화이트 밸런싱하도록 구성될 수 있다.

선택사항적인 단계 425에서, 프로세서(110)는 스펙트럼 일치의 품질, 예를 들어, 감지된 주변 광의 스펙트럼들과 LUT 내의 정의된 광원들의 스펙트럼들 사이의 일치 정도를 결정하도록 구성될 수 있다. 일치의 품질은, 단계 440에 표시된 바와 같이, 주변 광원 분류의 신뢰 수준의 전체 표시에 기여할 수 있다.

단계 430에서, 감지된 주변 광에 대응하는 재구성된 스펙트럼들은, 도 6a 및 도 6b를 참조하여 이하에서 상세히 설명되는 바와 같이, 이미지 센서(120)에 의해 감지된 이미지에 존재할 수 있는 색상 포화도를 결정하기 위해 분석된다. 분석(430)은, 단계 435에 의해 표시된, 색상 포화 위험의 표시를 제공한다. 결정된 색상 포화도는, 단계 440에 표시된 바와 같이, 주변 광원 분류의 신뢰 수준의 전체 표시에 추가로 기여할 수 있다.

도 5a는 단계 415를 더 상세히 도시한다. 제1 단계 445에서, LUT에 저장된 스펙트럼들로부터의 각각의 스펙트럼이 정규화된다. 예를 들어, 정규화된 스펙트럼들은 다음과 같이 계산할 수 있다:

여기서, Spectra_LUT _i 는 LUT에 저장된 i개의 스펙트럼들 중 하나이고, Average(Spectra_LUT _i )는 관심대상 파장에 걸친 Spectra_LUT _i 의 평균 크기이고, Spectra_LUT_norm _i 는 정규화된 스펙트럼들이다.

이것은 도 5b에 그래픽으로 나타나 있으며, 예시의 목적을 위해, 380 내지 750 nm의 파장 범위에 걸쳐 주변 광원에 대한 정규화된 스펙트럼들(510)이 표현되어 있다.

대안적인 실시예들에서, 스펙트럼들은 정규화된 상태로 LUT에 저장될 수 있고, 따라서 비교가 수행될 때마다 정규화된 스펙트럼들을 계산해야 하는 요건을 제거할 수 있다는 것을 이해할 것이다.

이미지 감지 디바이스(100)의 다중스펙트럼 센서(105)에 의해 감지된 주변 광의 스펙트럼들도 다음과 같이 정규화된다:

여기서: Spectra_DUT _n 은 다중스펙트럼 센서(105)에 의해 감지된 주변 광의 n번째 스펙트럼이며, 그렇지 않으면 테스트 대상 디바이스(DUT; Device Under Test)의 스펙트럼이라고 지칭된다; Average(Spectra_DUT _n )는 관심대상 파장에 걸친 Spectra_DUT _n 의 평균 크기이고, Spectra_DUT_norm _n 은 정규화된 스펙트럼들이다.

이것은, 380 내지 750 nm의 파장 범위에 걸쳐 감지된 주변 광원에 대한 정규화된 스펙트럼들(520)이 도시된 도 5b에 그래픽으로 표현되어 있다.

다음 단계 450에서, 정의된 광원, 예를 들어 D65의 정규화된 스펙트럼들(510)과, 예를 들어, 감지된 주변 광원의 정규화된 스펙트럼들(520) 사이의 편차는 다음과 같이 핏팅 파라미터(fitting parameter) F1_i를 결정하기 위해 계산된다:

여기서, λ_max는 관심대상 범위의 최대 파장에 대응하고, λ_min은 관심대상 범위의 최소 파장에 대응한다. 예를 들어, 도 5b에서, λ_max는 750nm이고 λ_min은 380nm이다.

핏팅 파라미터 F1_n은, 사실상, LUT에 저장된 정규화된 스펙트럼(520)과 다중스펙트럼 센서(105)에 의해 감지된 주변 광의 정규화된 스펙트럼들(510) 사이의 누적된 차이, 예를 들어, λ_max 내지 λ_min의 파장 범위에 걸친 적분 사이의 차이이다. 이것은 도 5b에서 음영 영역(530)으로 표현된다.

이 프로세스는, 단계 455에서 나타낸 바와 같이, LUT의 n개의 엔트리들 각각에 대해 핏팅 파라미터들 F1_n이 계산될 때까지 반복된다. 따라서, 핏팅 파라미터 F1_n의 인덱싱된 테이블이 계산되고, 여기서 핏팅 파라미터 F1_n은, LUT에 저장된 n개의 엔트리들 각각, 예를 들어 n개의 스펙트럼들의 각각의 스펙트럼과 연관된다.

마지막으로, 단계 460에서, 가장 작은 크기를 갖는 핏팅 파라미터가 식별된다. 가장 작은 크기를 갖는 핏팅 파라미터는 감지된 주변 광원을 정의하는 LUT의 인덱스에 대응한다. 즉, 주변 광원의 정규화 스펙트럼으로부터의 최소 편차를 갖는 LUT에 정의된 광원의 정규화된 스펙트럼을 식별함으로써, 주변 광원이 LUT 내의 정의된 광원들 중 하나로서 분류될 수 있다.

따라서, 프로세서(110)는, 이산 스펙트럼들 중 하나와 주변 광원의 스펙트럼 사이의 가장 가까운 일치를 식별함으로써 주변 광원 분류를 결정하도록 구성될 수 있다.

실제 예로서, 저장된 LUT는 도 2에 도시된 바와 같이 D50, D65, A, FL-CW, FL-NW, LED1 및 LED2 주변 광원들의 스펙트럼들을 포함하는데, D65 주변 광원의 정규화된 스펙트럼이 감지된 주변 광원의 정규화된 스펙트럼으로부터의 가장 작은 편차를 갖는 경우, 감지된 주변 광원은 D65 주변 광원으로서 분류될 것이다.

정의된 광원, 예를 들어, D65의 정규화된 스펙트럼과 감지된 주변 광원의 정규화된 스펙트럼 사이의 편차의 크기는, 분류의 정확도에 관한 신뢰 수준을 나타낼 수 있다. 비교적 큰 편차는 낮은 신뢰도를 나타내고 비교적 작은 편차는 높은 신뢰도를 나타낸다. 즉, 도 5b의 그래프를 고려할 때, 음영 영역(530)이 작을수록 더 높은 신뢰 수준을 나타낸다.

한 예시적인 실시예에서, 임계값이 결정될 수 있다. 신뢰 수준, 예를 들어, 편차의 크기가 임계값을 초과하면, 분류가 신뢰할 수 없다고 결정될 수 있고, 예를 들어, 자동 화이트 밸런싱이 수행되지 않아야 한다.

또한, 핏팅 파라미터 F1_n이 큰 크기로 높은 경우, 즉, 관심대상의 전체 스펙트럼 범위에 걸쳐, 예를 들어, 도 3 및 도 5c의 예에서 380nm 내지 750nm에서 이루어진 비교에 기초하여 낮은 신뢰도를 나타낸다면, 전체 관심대상 스펙트럼 범위 중 한 하위 범위에 걸쳐 하나 이상의 추가 비교가 이루어질 수 있다. 이것은, 가장 작은 크기를 갖는 핏팅 파라미터 F1_n이 정의된 임계값 미만의 양만큼 2번째로 가장 작은 편차를 갖는 핏팅 파라미터 F1_n과 상이한 경우, 예를 들어, 2개 이상의 핏팅 파라미터가 유사한 경우에 특히 유리할 수 있다. 또한, 이것은 다중스펙트럼 센서(105)가 복수의 주변 광원에 노출되는 경우에 유리할 수 있다.

도 5c는, 단계 415에서 380nm 내지 750nm의 파장 범위에 걸친 비교에 따라, 주변 광원이 주변 광원 "a" 또는 주변 광원 "b"로 분류될 수 있는, 예를 들어, 광원들 "a" 및 "b"가 감지된 주변 광의 정규화된 스펙트럼들과 유사한 편차들을 갖는 정규화된 스펙트럼들을 보이는, 단순화된 예를 보여준다. 이 경우, 도 5c의 단계 460에서 "파장 범위 2"로 표시된, 제한된 파장 범위에 걸쳐 추가 분석이 수행될 수 있다. "파장 범위 2"의 최대 및 최소 파장들은, 적어도 부분적으로, 주변 광원 "a" 및 광원 "b"의 특성들에 기초할 수 있다. 예를 들어, 주변 광원 "a" 및 주변 광원 "b"가 대체로 불그스름한 주변 광원들, 예를 들어 2000K 내지 3000K 영역의 색상 온도를 갖는 주변 광원들에 대응하는 경우, 제한된 파장 범위는, 예를 들어, 600 내지 750nm 영역일 수 있다.

도 5c의 예에 추가로 도시된 바와 같이, 주변 광원은, 대안으로서, 주변 광원 "c" 또는 주변 광원 "d"로 분류될 수 있다, 예를 들어, 광원들 "c" 및 "d"는 감지된 주변 광의 정규화된 스펙트럼들과 유사한 편차들을 갖는 정규화된 스펙트럼들을 나타낸다. 이 경우, 도 5c의 단계 465에서 "파장 범위 3"로 표시된, 제한된 파장 범위에 걸쳐 추가 분석이 수행될 수 있다. "파장 범위 3"의 최대 및 최소 파장들은, 적어도 부분적으로, 주변 광원 "c" 및 광원 "d"의 특성들에 기초할 수 있다. 예를 들어, 주변 광원 "c" 및 주변 광원 "d"가 대체로 푸르스름한 주변 광원들, 예를 들어 5000K 내지 6000K 영역의 색상 온도를 갖는 주변 광원들에 대응하는 경우, 제한된 파장 범위는, 예를 들어, 380 내지 600nm 영역일 수 있다.

전술된 바와 같이, 프로세서(110)는 또한, 이미지 감지 디바이스(100)에 의해 감지된 이미지의 색상 포화의 가능성의 표시를 제공하도록 구성될 수 있다. 이미지의 색상 포화도는 이미지 내의 특정한 색상의 강도에 대응한다.

도 6a 및 도 6b는, 도 6a에서 "Spectra_n"으로 표시된, 감지된 주변 광이, 도 4b의 단계 430에 도시된 바와 같이, 이미지 센서(120)에 의해 감지된 이미지에 존재할 수 있는 색상 포화도를 결정하기 위해 어떻게 분석될 수 있는지의 예를 도시한다.

초기 또는 중간 단계를 나타낼 수 있는 도 6a의 단계 470에서, 관심대상 파장 범위에 걸쳐 각각의 파장에 대한 최대값과 최소값 사이의 범위를 정의하는 대역(605)이 계산된다. 이것이 도 6b에 도시되어 있으며, 여기서, 도 6a의 단계 475에서 "Spectra_High(λ)"로 표시된 상위 라인(610)은 LUT에 저장된 모든 스펙트럼들의 최대값에 대응하고, 도 6a의 단계 475에서 "Spectra_Low(λ)"로 표시된 하위 라인(620)은 LUT에 저장된 모든 스펙트럼들의 최소값에 대응한다.

즉, 도 6b를 도 2와 비교함으로써, 상위 라인(610)이, 모든 스펙트럼, 예를 들어, LUT에 저장된 D50, D65, A, FL-CW, FL-NW, LED_1 및 LED_2의 최대값에 대응함을 알 수 있다. 유사하게, 도 6b를 도 2와 비교함으로써, 하위 라인(620)이, 모든 스펙트럼, 예를 들어, LUT에 저장된 D50, D65, A, FL-CW, FL-NW, LED_1 및 LED_2의 최소값에 대응한다는 것을 알 수 있다.

또한, 도 6b에는 도 6a에서 "Spectra_n"으로 표시된 감지된 스펙트럼(630)이 도시되어 있다. 감지된 스펙트럼(630)은 점선으로 표시된다.

단계 480에서, 대역(605)으로부터 감지된 스펙트럼(630)의 편차의 적분을 결정하기 위해 분석이 수행된다. 편차의 적분은 도 6b에서 음영 영역(635)으로 표시된다. 즉, 음영 영역은 다음과 같은 도 6b의 영역을 나타내고 여기서: Spectra_n(λ) > Spectra_High(λ)이고; Spectra_n(λ) < Spectra_High(λ).

감지된 스펙트럼(630)과 대역(605) 사이의 편차의 적분의 누적 합계, 예를 들어 도 6b에서 음영 영역의 누적 총계는 색상 포화도를 나타낼 수 있다. 즉, 누적된 총계가 정의된 임계값을 초과하는 등으로 크다면, 색상 포화도가 높을 가능성이 크다고 결정될 수 있고, 예를 들어 자동 화이트 밸런싱이 수행되지 않아야 한다. 반대로, 누적된 총계가 정의된 임계값 미만 등으로 작다면, 색상 포화도가 낮을 가능성이 크다고 결정될 수 있고, 예를 들어 자동 화이트 밸런싱이 신뢰성있게 및/또는 비교적 정확하게 수행될 수 있다.

도 6c는, 도 4b의 단계 430에 도시된 바와 같이, 이미지 센서(120)에 의해 감지된 이미지에 존재할 수 있는 색상 포화도를 결정하기 위해 감지된 주변 광이 어떻게 분석될 수 있는지에 대한 추가 예를 도시한다.

도 6c는 색도 다이어그램(chromaticity diagram)을 도시한다. 도 6c의 색도 다이어그램은 본 기술분야에서 균일 색도 공간(Uniform Chromaticity Space)이라고 알려져 있다. 본 기술분야의 통상의 기술자라면, 다른 색도 다이어그램들, 특히 "CIE 1960 색상 공간"에 의해 정의된 색도 다이어그램이 전술된 방법에 역시 적용될 수 있다는 것을 이해할 것이다.

"흑체 궤적(black body locus)"이라고도 알려진 Planckian 궤적(710)이 도 6c에 도시되어 있다. Planckian 궤적에 수직으로 이어지는 것은 1000K(라인 720)의 색상 온도들로부터 10,000k(라인 730)까지에 이르는 등온 라인들이다. 등온 라인들을 따른 모든 점은 실질적으로 동일한 CCT에 대응한다. 색상 값, 예를 들어, 색도 다이어그램 상의 한 점은, 한 쌍의 "u, v" 좌표들에 의해 정의될 수 있다.

한 실시예에서, 프로세서(110)는 다중스펙트럼 센서(105)에 의해 감지된 주변 광원의 재구성된 스펙트럼으로부터 색상 값(740)을 계산하도록 구성될 수 있다. 색상 값은 색도 다이어그램 상의 한 점으로서 표현될 수 있다. 즉, 프로세서(110)는 주변 광원의 재구성된 스펙트럼들로부터 u, v 좌표들을 계산하도록 구성될 수 있다.

프로세서(110)는 계산된 색상 값(740)과 Planckian 궤적 상의 가장 가까운 점 사이의 거리(750)를 결정하도록 구성될 수 있다. 결정된 거리는 색상 포화도를 나타낼 수 있다. 예를 들어, 임계값을 초과하는 결정된 거리가 색상-포화된 이미지에 대응하는 것으로 간주되는 임계값이 정의될 수 있다. 예를 들어, 한 바람직한 실시예에서 임계값은, 0.03보다 큰 Δuv, 예를 들어, 0.03보다 큰 Planckian 궤적으로부터의 거리에 대응할 수 있다.

역시 또 다른 실시예에서, 색상 포화도를 결정하기 위한 추가적인 기준이 추가로 또는 대안으로서 적용될 수 있다. 예를 들어, 최대 및 최소 CCT들에 대응하는 상위 및/또는 하위 임계값들이 정의될 수 있다. 예를 들어, <2500K의 CCT에 대응하는 재구성된 스펙트럼은 적색 포화된 것으로 간주될 수 있다. 유사하게, >7000K의 CCT에 대응하는 재구성된 스펙트럼은 적색 포화된 것으로 간주될 수 있다.

본 출원인은 여기서 설명된 각각의 개개의 피처 및 2개 이상의 이러한 피처들의 임의의 조합을, 이러한 피처들 또는 조합들이 본 기술분야의 통상의 기술자의 일반적인 상식에 비추어 전체로서 본 명세서에 기초하여 실행될 수 있는 범위까지, 이러한 피처들 또는 피처들의 조합들이 여기서 개시된 임의의 문제들을 해결하는지의 여부와 상관없이, 및 청구항들의 범위까지로 제한되지 않고, 분리하여 개시한다. 출원인은 본 개시내용의 양태들이 임의의 이러한 개개의 피처 또는 피처들의 조합으로 구성될 수 있다는 것을 나타낸다. 전술한 설명에 비추어 볼 때, 본 개시내용의 범위 내에서 다양한 수정이 이루어질 수 있다는 것이 본 기술분야의 통상의 기술자에게 명백할 것이다.

본 기술분야의 통상의 기술자라면, 선행하는 설명 및 첨부된 청구항들에서 '~의 위', '~을 따른', '측' 등의 위치 용어들이 첨부된 도면들에 도시된 것들 등의 개념적 예시들을 참조하여 이루어졌음을 이해할 것이다. 이들 용어들은 참조의 편의를 위해 사용되었지만 제한적 성질을 의도한 것은 아니다. 따라서, 이들 용어들은 첨부된 도면들에 도시된 배향으로 되어 있을 때의 어떤 대상을 언급하는 것으로서 이해되어야 한다.

본 개시내용은 위에서 개시된 바와 같이 바람직한 실시예들의 관점에서 설명되었지만, 이들 실시예들은 단지 예시적인 것일 뿐이며 청구항들이 이들 실시예들로 제한되지 않는다는 것을 이해해야 한다. 본 기술분야의 통상의 기술자라면, 본 개시내용에 비추어 수정들 및 대안들을 만들 수 있을 것이며, 이들은, 첨부된 청구항들의 범위 내에 속하는 것으로 간주된다. 본 명세서에 개시되거나 예시된 각각의 피처는, 단독이든 또는 여기서 개시되거나 예시된 임의의 다른 피처와의 임의의 적절한 조합이든, 임의의 실시예들에 포함될 수 있다.

100 이미지 감지 디바이스
105 다중스펙트럼 센서
110 프로세서
115 메모리
120 이미지 센서
125 커버
130 확산기
135 시선 방향
140 시선 방향
145 시야
150 시야
400 제1 단계
405 제2 단계
410 제1 단계
415 방법 단계
420 방법 단계
425 방법 단계
430 방법 단계
435 방법 단계
440 방법 단계
445 방법 단계
450 방법 단계
455 방법 단계
460 방법 단계
465 방법 단계
470 방법 단계
475 방법 단계
480 방법 단계
510 정규화된 스펙트럼들
520 정규화된 스펙트럼들
530 음영 영역
605 대역
610 상위 라인
620 하위 라인
630 감지된 스펙트럼
710 Planckian 궤적
720 라인
730 라인
740 색상 값

Claims

이미지 감지 디바이스로서,
다중스펙트럼 센서; 및
상기 다중스펙트럼 센서에 통신가능하게 결합된 프로세서
를 포함하고,
상기 프로세서는 미리정의된 스펙트럼 데이터와 상기 다중스펙트럼 센서의 출력에 대응하는 데이터의 비교에 기초하여 주변 광원 분류를 결정하도록 구성된, 이미지 감지 디바이스.
제1항에 있어서, 상기 프로세서에 통신가능하게 결합된 이미지 센서를 포함하고, 상기 프로세서는 상기 주변 광원 분류에 기초하여 상기 이미지 센서에 의해 감지된 이미지를 적합화하도록 구성된, 이미지 감지 디바이스.
제2항에 있어서, 상기 프로세서는 상기 주변 광원 분류의 하나 이상의 파라미터에 기초하여 상기 이미지를 화이트 밸런싱함으로써 상기 이미지를 적합화시키도록 구성된, 이미지 감지 디바이스.
제1항 내지 제3항 중 어느 한 항에 있어서, 상기 미리정의된 스펙트럼 데이터는 복수의 이산 스펙트럼을 포함하고, 각각의 스펙트럼은 상이한 주변 광원에 대응하는, 이미지 감지 디바이스.
제4항에 있어서, 상기 프로세서는 상기 이산 스펙트럼들 중 하나와 상기 주변 광원의 스펙트럼 사이의 가장 가까운 일치를 식별함으로써 상기 주변 광원 분류를 결정하도록 구성된, 이미지 감지 디바이스.
제5항에 있어서, 상기 프로세서는 상기 다중스펙트럼 센서의 출력에 대응하는 데이터로부터 상기 주변 광원의 스펙트럼을 재구성하도록 구성된, 이미지 감지 디바이스.
제1항 내지 제6항 중 어느 한 항에 있어서, 상기 주변 광원 분류는 색상 온도 또는 색상 좌표인, 이미지 감지 디바이스.
제1항 내지 제7항 중 어느 한 항에 있어서, 상기 프로세서는 상기 주변 광원 분류의 결정의 정확도의 표시를 제공하도록 구성된, 이미지 감지 디바이스.
제1항 내지 제8항 중 어느 한 항에 있어서, 상기 프로세서는 상기 이미지 감지 디바이스에 의해 감지된 이미지의 색상 포화 가능성의 표시를 제공하도록 구성된, 이미지 감지 디바이스.
제1항 내지 제9항 중 어느 한 항에 있어서,
상기 다중스펙트럼 센서의 스펙트럼 범위는 가시광을 포함한다;
상기 다중스펙트럼 센서의 스펙트럼 범위는 적외선 복사를 포함한다; 및/또는
상기 다중스펙트럼 센서의 스펙트럼 범위는 자외선 복사를 포함한다;
중에서 적어도 하나에 해당되는, 이미지 감지 디바이스.
제1항 내지 제10항 중 어느 한 항에 있어서,
상기 다중스펙트럼 센서는 확산기를 포함한다;
상기 다중스펙트럼 센서는 광학적 필터를 포함하고, 상기 광학적 필터는 적외선 복사 및/또는 자외선 복사를 필터링하도록 구성된다;
중에서 적어도 하나에 해당되는, 이미지 감지 디바이스.
제2항에 있어서 또는 제2항에 종속될 때 제3항 내지 제11항 중 어느 한 항에 있어서,
상기 이미지 센서 및 상기 다중스펙트럼 센서는 순차적으로 또는 병렬로 동작하도록 구성가능하다;
상기 이미지 센서 및/또는 상기 다중스펙트럼 센서의 시야는 구성가능하다;
상기 다중스펙트럼 센서의 시야는 상기 이미지 센서의 시야보다 크다;
중에서 적어도 하나에 해당되는, 이미지 감지 디바이스.
제1항 내지 제12항 중 어느 한 항에 있어서, 상기 디바이스는, 셀룰러 전화, 카메라, 이미지 기록 디바이스; 및/또는 비디오 기록 디바이스 중 적어도 하나인, 이미지 감지 디바이스.
주변 광원을 분류하기 위한 방법으로서,
다중스펙트럼 센서로 광의 스펙트럼을 감지하는 단계; 및
미리정의된 스펙트럼 데이터와 상기 다중스펙트럼 센서의 출력에 대응하는 데이터의 비교에 기초하여 주변 광원 분류를 결정하는 단계
를 포함하는 방법.
제14항에 있어서, 상기 주변 광원 분류에 기초하여 이미지 센서에 의해 감지된 이미지를 적합화하는 단계를 더 포함하고, 선택사항으로서, 상기 이미지는 상기 주변 광원 분류의 하나 이상의 파라미터에 기초하여 상기 이미지를 화이트 밸런싱함으로써 적합화되는, 방법.
제14항에 있어서, 상기 미리정의된 스펙트럼 데이터는 복수의 이산 스펙트럼을 포함하고, 각각의 스펙트럼은 상이한 주변 광원에 대응하고, 상기 방법은:
상기 다중스펙트럼 센서의 출력에 대응하는 데이터로부터 상기 주변 광원의 스펙트럼을 재구성하는 단계; 및
상기 이산 스펙트럼들 중 하나와 상기 주변 광원의 스펙트럼 사이의 가장 가까운 일치를 식별함으로써 상기 주변 광원 분류를 결정하는 단계
를 더 포함하는, 방법.
명령어들을 포함하는 컴퓨터 프로그램으로서, 상기 명령어들은, 상기 프로그램이 컴퓨터에 의해 실행될 때, 상기 컴퓨터로 하여금 제14항 내지 제16항 중 어느 한 항에 따른 방법을 실행하게 하는, 컴퓨터 프로그램.
컴퓨터 판독가능한 매체로서,
제17항의 컴퓨터 프로그램이 저장된, 컴퓨터 판독가능한 매체.
데이터 처리 장치로서,
메모리, 및 제14항 내지 제16항 중 어느 한 항에 따른 방법을 실행하도록 적합화된 프로세서를 포함하는, 데이터 처리 장치.