KR970006548B1 - 캠코더의 오토 화이트 밸런스(awb) 제어방법 - Google Patents

Abstract

내용없음.

Description

캠코더의 오토 화이트 밸런스(AWB) 제어방법

제1도는 종래의 캠코더에서, 전형적인 외부 센서 방식을 도시한 도면.

제2도는 종래의 캠코더에서, 전형적인 TTL 방식을 도시한 도면.

제3도는 본 발명에 따라, 신경회로망의 기준 입출력 데이타 획득 방법을 도시한 개략적인 블럭도.

제4도는 본 발명에 따라, 신경회로망 제어기에 의한 학습 과정을 도시한 개략적인 블럭도.

제5도는 본 발명에 따라, 신경회로망 제어기에 의한 출력(실제 AWB 동작 수행) 과정을 도시한 개략적인 블럭도.

제6도는 본 발명에 따라, 신경회로망의 제어기에 의한 AWB 학습과정의 흐름도.

제7도는 본 발명에 따라, 신경회로망의 제어기에 의한 AWB 동작 수행과정의 흐름도.

제8도는 본 발명에 따라, 신경회로망의 제어기에 의한 AWB 학습과정의 시스템을 도시한 도면.

제9도는 본 발명에 따라, 신경회로망 제어기에 의한 AWB 시스템을 도시한 도면.

* 도면의 주요부분에 대한 부호의 설명

10 : 센서부 16, 82 : A/D 변환기

20, 84, 97 : 마이크로 프로세서 26, 86 : D/A 변환기

30, 80 : 렌즈부 40, 98 : CCD

50, 88 : 증폭기 90 : 영상신호회로부

92 : 화면부 96 : 퍼스날 컴퓨터

본 발명은 인공 신경회로망의 오토 화이트 밸런스(auto white balance : AWB)(이하 AWB라 한다) 제어방법에 관한 것으로 특히, 캠코더에서 신경회로망을 이용하여 WB를 제어하는 AWB 제어방법에 관한 것이다.

태양광선, 형광등 및 백열등의 각 경우의 광원을 동일한 백색의 종이에 조사하면, 광원의 분광분포(복사도) 곡선 특성에 의해서 태양광선의 경우는 자연색, 형광등에서는 푸르게, 백열등에서는 붉게 보이게 된다. 이때 인간은 상이한 광원에 의해서 나타나는 실제 광원에 의해서 나타나는 색의 차이만큼을 그대로 입력하므로 사람의 눈으로 물체를 보는 경우와 카메라로 촬영한 경우는 서로 다른 색을 표현하게 된다. 이때 카메라가 인간과 같이 광원에 따라서 입력되는 색 성분의 크기를 자동적으로 제어하는 것을 AWB라 한다.

인간의 색인지 과정을 살펴보면, 어떤 광원에서 나온 가시광선이 물체의 표면을 구성하고 있는 화학물질에 의해 선택적으로 반사, 투과, 흡수됨으로써 본래 광선의 파장에 따른 빛의 세기의 분포, 즉 분광 분포를 변화시켜 그 빛이 눈의 망막에 도달하여 자극(stimulus)을 발생시키고 그 자극이 시신경을 통해 대뇌에 전달됨으로써 색감을 인지하게 된다. 이때 사람의 망막에는 빛을 감지하는 간상 세포(rod)와 원추 세포(cone)의 층이 있으며, 각 세포의 자극 한계량 및 분광감도가 서로 다르다. 이와 같이 색인지(色認知) 과정을 살펴보면 결국 인간의 AWB 동작은 외부의 광량(光量)과 파장에 의한 것임을 알 수 있다.

이와 같은, 인간의 색인지 과정에 근거하여 각 화면의 R,G,B,Y 신호, 아이리스(iris) 및 셔터 속도(shutter speed)의 상태를 신경회로망의 입력 데이타로 하고 이때, 숙련된 조정자에 의해서 각 화면의 R,B 이득을 조정한다. 이때 카메라에서 실제의 Y(명암) 신호는 일정하게 들어오기 때문에 아이리스의 개폐정도와 셔터 속도의 상태값을 가지고 실제로 입력되는 광량을 산출한다. 그러므로 위 R,G,B,Y 값과 아이리스의 개폐정도와 셔터 속도 상태값을 신경회로망 제어기의 기준 입력 데이타로 결정하고, 위 조정된 R,B 이득값을 기준출력 데이타로 결정하여 신경회로망 제어기를 학습시킨다. 이 학습된 신경회로망 제어기를 이용하여 실제의 환경에서 화면의 R,G,B,Y 신호, 아이리스 및 셔터 속도의 상태를 입력 데이타로 하여 출력 데이타인 R,B 이득을 얻어서 정확한 AWB를 수행한다.

종래의 캠코더 AWB 방식은 R,G,B 색신호만을 이용하는 보통 제1도의 외부 센서 방식과 제2도의 TTL(through the lens) 방식으로 구성되었다. 제1도에 도시된 바와 같이, 외부 센서 방식은 광원으로부터의 색신호를 수광 감지하는 센서부(10)와 광원의 색신호 R,G,B를 디지탈 신호로 변환시키는 A/D 변환기(16), AWB용 마이크로 프로세서(20), D/A 변환기(26), 광원의 빛을 수광하는 렌즈부(30), 빛을 전기적 신호로 변환시키는 장치 CCD(charge coupled device)(40) 및 증폭기(50)를 기본적으로 구성된다.

제1도를 참조하면, 블럭(10)은 광원으로부터의 빛을 수광하고 나서 색신호 R,G,B를 감지하는 센서부(10)를 예시한 것이다. 블럭(10)에서 감지된 색신호 R,G,B는 블럭(16)에 전송된다. 블럭(16)은 A/D 변환기를 예시한 것으로, 블럭(10)으로부터 수신된 색신호 R,G,B를 디지탈 신호로 변환시킨 다음 블럭(20)에 전송한다. 블럭(20)은 AWB용 마이크로 프로세서를 예시한 것으로, 광원에 따른 색오차를 자동적으로 조정해 주는 AWB가 내장된 마이크로 프로세서를 구성한다. 블럭(16)에서 디지탈 신호 변환된 색신호가 WB(white balance) 조정이 가능한 범위내에 존재할 경우, 블럭(20)에서는「R/G=B/G=1」의 근사수식을 기준으로 적당한 R,B 이득을 구한다. 블럭(20)에서 구해진 R,B 이득은 블럭(26)으로 전송한다. 블럭(26)은 D/A 변환기를 예시한 도면으로 R,B 이득을 아날로그 신호로 변환시켜 블럭(50)에 전송한다.

제1도를 다시 참조하면, 블럭(30)은 광원에서의 빛을 수광하는 렌즈부를 도시한 것이다. 블럭(30)에서 수광된 광원의 빛은 블럭(40)으로 전송된다. 블럭(40)은 CCD(charge coupled device)를 예시한 것으로 빛을 전기적 신호로 변환시키는 장치이다. 블럭(40)에서 전기적 신호로 변환하여 구한 색신호 R,G,B는 블럭(50)으로 진행한다. 블럭(50)은 증폭기를 예시한 도면으로, 블럭(30)을 통해 블럭(40)에서 변환된 R,G,B 신호와 블럭(20)에서 구해진 R,B 이득을 조정하여 증폭한다. 블럭(50)에서 증폭된 R,G,B 신호는 영상 출력으로 전송된다.

제2도를 참조하면, TTL(through the lens) 방식이 도시되어 있다. 종래의 TTL (through the lens) 방식은 제1도에 예시된 외부 센서 방시과 유사하다. 단지 차이점은 다음과 같다 : 종래의 외부 센서 방식은 제1도의 블럭(10)의 센서를 통해 R,G,B 신호가 블럭(20)의 AWB용 마이크로 프로세서에서 R,B 이득이 출력되지만, TTL 방식은, 제2도에 도시된 바와 같이, 블럭(30)의 렌즈부를 통해 R,G,B 신호가 블럭(20)의 AWB용 마이크로 프로세서에 R,B 이득이 출력된다.

TTL 방식은 블럭(20)의 AWB용 마이크로 프로세서와 블럭(30)의 렌즈부, 블럭(40)의 CCD, 블럭(16)의 A/D 변환기, 블럭(26)의 D/A 변환기 및 블럭(50)의 증폭기 등을 기본으로 하여 구성된다.

블럭(30)은 렌즈부를 예시한 것으로, 광원에서의 광신호와 피사체의 반사광을 수광한 광신호를 블럭(40)에 전송한다. 블럭(40)의 CCD는 블럭(30)의 렌즈부를 통해 수신된 광신호를 전기적 R,G,B 신호로 변환시킨다. 그러면, 블럭(40)의 전기적 R,G,B 신호는 블럭(50)과 블럭(16)에 전송된다. 블럭(16)은 A/D 변환기를 예시한 도면으로, 블럭(40)의 CCD를 통해 변환된 R,G,B 신호를 디지탈 신호로 변환하여 블럭(20)에 전송한다. 블럭(20)은 AWB용 마이크로 프로세서를 도시한 것이다. 블럭(16)으로부터 수신된 광신호 +피사체의 반사광의 R,G,B 성분의 크기가 블럭(20)의 AWB용 마이크로 프로세서에서 WB 조정이 가능한 범위내에 존재하면 「R/G=B/G=1」의 근사수식을 기준으로 적당한 R,B 이득을 구한다. 블럭(20)에서 구해진 R,B 이득은 블럭(26)에 전송된다. 블럭(26)은 D/A 변환기를 예시한 것으로, 블럭(20)으로부터의 R,B 이득을 아날로그 신호로 변환한 다음 블럭(50)에 전송한다. 블럭(50)은 증폭기를 도시한 것으로, 블럭(30)의 렌즈부를 통해 블럭(40)의 CCD에서 변환된 R,G,B 신호와 블럭(20)의 AWB용 마이크로 프로세서를 통해 블럭(26)의 D/A 변환기로부터 수신된 R,B 이득을 조정하여 증폭한다. 따라서, 블럭(50)의 증폭기에서 증폭된 R,G,B 신호는 영상출력으로 전송된다.

지금까지는 종래의 외부 센서 방식 및 TTL 방식을 기술하였다. 이제부터 제1도의 외부 센서 방식과 제2도의 TTL 방식의 문제점을 기술하겠다.

우선, 제1도에 도시된 외부 센서 방식의 문제점은 다음과 같다 :

(1) 형광등과 같은 특수한 분광 특성을 가진 광원은 AWB 기능을 저하한다.

(2) 센서로 입력되는 빛은 실제로 광원의 빛과 피사체의 반사광이 모두 들어오지만, 본 알고리즘에서는 광원만의 빛이라 가정했기 때문에 정확한 AWB 동작이 불가능하다.

(3) 피사체와 다른 색온도의 빛이 센서에 입사되었을 때에는 AWB 동작이 불가능하다.

(4) 모든 경우의 환경에 AWB 동작이 불가능하다.

(5) 비디오 카메라에 적용시에는 부피가 커진다.

제2도에 도시된 TTL 방식의 문제점은 다음과 같다 :

(1) 피사체의 색에 의해 AWB가 오동작하는 경우가 발생한다.

(2) 모든 경우의 환경에서 AWB 동작은 불가능하다.

그러므로, 본 발명은 상기 종래의 문제점을 해결하기 위해 안출한 것으로, 그 목적은 학습된 모든 환경에서 인간의 감지된 색오차를 자동적으로 조정해 주는 정확한 AWB 동작을 구현할 수 있는 캠코더의 AWB 제어방법을 제공하는데 있다.

상기 목적을 달성하기 위하여 본 발명은, 렌즈부로부터 입사되어 전하 결합 소자를 통해 출력되는 영상신호의 R,G,B 신호를 마이크로 프로세서에 의해 R,B 신호의 이득조절에 의거하는 레벨 조절 수단을 통해 레벨 조절하여 출력하는 캠코더의 AWB 제어방법에 있어서, 각 화면의 상기 R,G,B,Y 신호, 아이리스 및 셔터 속도 신호와 숙련된 조정자에 의한 R,B 이득 조정값에 따른 데이타를 상기 마이크로 프로세서내의 신경회로망 제어기에 입력하는 단계와, 상기 입력된 데이타에 의거하여 신경회로망 제어기를 학습하는 단계와, 학습된 신경회로망 제어기를 이용하여 상기 R,G,B,Y 신호, 아이리스 및 셔터 속도 신호를 입력으로 하여 상기 R,B 신호의 이득값을 산출하는 단계로 이루어진 캠코더의 AWB 제어방법을 제공한다.

상기한 종래의 AWB 방식 즉, 외부 센서 방식 및 TTL 방식은 모든 환경에서 정확한 AWB 동작이 이루어지지 않는다. 따라서, 본 발명은 정확한 AWB 동작이 수행되도록 하기 위해 신경회로망을 이용한 AWB 방식을 구현하였다. 기존의 모든 AWB 방식은 입력되는 R,G,B 기준 색신호 성분이 광원의 색온도라 가정한 것이다. 상기 종래의 AWB 방식은 색신호 성분을 가지고 기준광원 절대 색온도 그래프로부터 가장 근접한 광원을 추정한다. 상기 종래의 AWB 방식은 위의 추정 광원이 실제의 광원이라 판단하여 R,B 이득을 보정하여 WB를 수행한다. 그러나, 본 발명에 따라 고안된 AWB 시스템은 인간의 색인지 과정을 그대로 신경회로망 제어기에 구현(인간의 눈이 AWB 동작을 하는 것과 동일하게)함으로써 정확한 AWB 동작을 수행한다. 게다가, 신경회로망 제어기의 학습기능을 이용하여 숙련된 조정자의 지식을 데이타 베이스(data base)로 활용함으로써 정확한 AWB 동작을 수행한다. 즉, 색에 가장 예민한 조정자를 기준으로 WB 조정을 수행하기 때문에 모든 촬영자는 정확한 AWB 결과를 얻을 수 있다. 따라서, 신경회로망을 이용한 본 발명의 AWB 방식은 종래의 AWB 방식 즉, 외부 센서 방식 및 TTL 방식의 문제점을 해결할 수 있다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대하여 상세하게 설명한다.

먼저, 제8도를 참조하면, 본 발명에 따른 신경회로망을 적용한 AWB 알고리즘에서, 신경회로망 제어기에 의한 AWB 학습과정은 다음과 같이 기술된다.

(1) 퍼스날 컴퓨터(96)의 AWB 제어 프로그램을 데이타 입력의 모드로 설정하고, 현재의 모드를 AWB용 마이크로 프로세서(84)에 전송하여 마이크로 프로세서(84)를 데이타 입력의 모드로 설정한다.

(2) 카메라 렌즈부(80)에서는 광원과 피사체의 반사광을 수광한 다음 아이리스 및 셔터 속도 상태값을 A/D 변환기(82)로, CCD(98)에서는 색신호 R,G,B 신호값을 A/D 변환기(82)와 증폭기(88)에 전송한다. 카메라 렌즈부(80)에서 전송된 아이리스 및 셔터 상태값과 CCD(98)에서 전송된 색신호 R,G,B 신호값을 A/D 변환기(82)에서 디지탈 신호로 변환하여 AWB용 마이크로 프로세서(84)에 입력한다.

(3) 이때 숙련된 조정자는 화면의 상태를 보면서 퍼스날 컴퓨터(96)를 이용하여 R,B 이득을 조정한다.

(4) 마이크로 프로세서(84)는 조정된 R,B 이득을 퍼스날 컴퓨터(96)로부터 입력받아 D/A 변환기(86)에 전송하고, D/A 변환기(86)는 입력된 데이타를 아날로그 신호로 변환하여 증폭기(88)에 그 입력된 데이타를 전송한다. 증폭기(88)는 CCD(98)부터 직접 입력된 R,G,B 신호값과 D/A 변환기(86)에서 출력된 R,B 이득을 조정하여 색신호 R,G,B 를 증폭하여 영상신호회로부(90)에 전송한다.

(5) 이때, 조정된 R,B 신호를 가지고 숙련된 조정자는 영상신호회로부(90)에서 출력된 화면부(92)의 상태를 보면서 정확한 WB 보정이 될 때까지, 상기한 바와 같이, (2) 내지 (4)의 과정을 반복수행한다.

(6) 화면부(92)의 WB 보정이 끝나면 숙련된 조정자는 퍼스날 컴퓨터(96)에 보정이 완료되었음을 알리고, 퍼스날 컴퓨터(96)는 마이크로 프로세서(84)로부터 R,G,B,Y 신호, 아이리스 및 셔터 속도 상태값과 보정된 화면(92)의 기준 R,B 이득을 전송받아서 그 값을 저장한다.

(7) 예기할 수 있는 모든 상황의 화면을 (2) 내지 (6)의 과정을 수행하면서 WB 동작을 수행한다.

(8) 모든 상황에 대한 WB 보정이 끝나면 퍼스날 컴퓨터(96)을 학습모드로 설정한다.

(9) 퍼스날 컴퓨터(96)에 저장되어 있는 모든 화면의 R,G,B,Y 신호, 아이리스 및 셔터 속도 상태값을 신경회로망 제어기의 입력 데이타로 설정하고, 각 화면부(92)의 보정된 기준 R,B 이득을 출력 데이타로 설정한다.

(10) 퍼스날 컴퓨터(96)는 숙련된 조정자가 정한 기준 에러율 이내로 입출력 값이 수렴하도록 신경회로망 제어기의 학습능력을 이용하여 WB 결과를 학습시킨다.

(11) 학습과정이 끝나면, 퍼스날 컴퓨터(96)는 숙련된 조정자의 WB 수행 결과를 가지고 생성된 신경회로망의 데이타 베이스를 AWB용 마이크로 프로세서(84)에 전송한다.

상기 제8도는 신경회로망 제어기에 의한 AWB 학습과정을 기술하였다. 상기 학습 완료된 신경회로망 제어기에 의한 AWB 시스템은 제9도에 도시되어 있다. 본 발명에 따라서, 학습완료된 신경회로망 제어기에 의한 제9도의 AWB 시스템의 수행과정은 다음과 같이 기술된다 :

(1) 마이크로 프로세서(97)는 학습이 완료된 신경회로망의 제어기를 가진다.

(2) 카메라 렌즈부(80)는 아이리스, 셔터 속도 상태값을 A/D 변환기(82)에, CCD(98)는 색신호 R,G,B 값을 A/D 변환기(82)와 증폭기(88)에 전송한다. A/D 변환기(82)는 카메라 렌즈부(80)와 CCD(98)로부터 전송된 R,G,B 신호, 아이리스 및 셔터 속도 상태값을 디지탈 신호로 변환하여 마이크로 프로세서(97)에 입력한다.

(3) 마이크로 프로세서(97)는 R,G,B 신호로부터 Y 신호를 생성하여, 상기 R,G,B,Y 신호를 학습이 완료된 신경회로망 제어기에 입력하여 R,B 이득값을 구하여 D/A 변환기(86)에 전송한다. 그러면, D/A 변환기(86)는 R,B 이득값을 아날로그 신호로 변환시켜 증폭기(88)에 전송한다.

(4) 증폭기(88)는 CCD(98)로부터 변환된 색신호 R,G,B 값과 D/A 변환기(87)로부터 출력된 R,B 이득을 조정하여 증폭한 다음 상기 신호값을 영상 출력한다.

다시 제3도를 참조하면, 제3도는 기준 입출력 데이타 획득 방법을 개략적으로 도시한 것이다. 블럭(101)의 모든 경우의 화면 상태에서 색신호 R,G,B,Y 및 아이리스, 셔터 속도 상태값의 데이타를 입력한다. 그러면, 블럭(102)에서 숙련된 조정자는 화면을 관측하여 R,B 이득값을 조정한다. 블럭(102)에서는 블럭(103)에서 최적의 화면 상태를 출력할 때까지 R,B 이득값을 조정하고, 이때의 R,B 이득값을 출력한다.

신경회로망 제어기에 의한 학습과정의 블럭도는 제4도에 개략적으로 도시되어 있다. 블럭(104)의 모든 경로에 대해 대응하는 기준 입출력 데이타는 제5도의 R,G,B,Y 신호, 아이리스, 셔터 속도 상태값을 기준 입력 데이타로 하고 제5도의 R,B 이득값을 기준 출력값으로 입력하여 블럭(105)의 신경회로망 제어기의 학습과정에 인가한다. 블럭(105)의 상기 학습과정을 수행하고 나면, 블럭(105)으로부터 블럭(106)으로 학습 완료된 신경회로망 제어기를 출력한다.

신경회로망 제어기에 의한 출력과정의 블럭도는 제5도에 개략적으로 도시되어 있다. 우선, 블럭(107)의 랜덤한 화면 상태의 입력에서, 입력 데이타 R,G,B,Y 및 아이리스, 셔터 속도 상태값을 블럭(108)의 학습된 신경회로망 제어기에 인가한다. 블럭(108)에서는 학습된 신경회로망 제어기에 의한 출력 데이타 R,B 이득값을 출력하고 블럭(109)의 신경회로망 제어기의 출력에 의한 최적의 화면을 출력한다.

본 발명에 따라서 신경회로망 제어기에 의한 AWB 학습과정의 흐름도는 제6도에 도시되어 있다. 예시된 바와 같이, 프로세스는 블럭(61)에서 시작한 다음 블럭(62)으로 진행한다. 블럭(62)은 색신호 R,G,B,Y 및 아이리스, 셔터 속도 상태값의 입력을 예시한 것이다. 그후, 프로세스는 블럭(63)으로 진행한다. 블럭(63)은 숙련된 조정자의 R,B 이득 조정을 예시한 것이다. 색에 가장 민감한 조정자를 기준으로 조정 수행하므로 모든 상황의 R,B 이득을 정확하게 조정한다.

다시 블럭(64)을 참조하면, 모든 상황에 대한 입력이 완료되지 않은 경우, 프로세스는 입력이 완료될 때까지 루프를 통해 반복수행한다. 블럭(64)의 모든 상황의 입력이 완료되었으면, 프로세스는 블럭(65)으로 진행한다. 블럭(65)은 모든 경우의 R,G,B,Y 및 아이리스, 셔터 속도 상태값을 신경회로망 제어기에의 입력을 예시한 것이다. 블럭(65)이 수행하고 나면 블럭(66)으로 진행한다. 블럭(68,70,71,72,73,74)은 역전파(back propagation : BP) 수행과정의 알고리즘을 도시한 것으로 학습을 구체적인 패턴 분류에 이용하기 위해서는 다음과 같은 처리가 필요로 한다 :

(1) 블럭(68)에 도시된 바와 같이 신경회로망 제어기의 가중치를 초기화한다.

(2) 블럭(70)에 도시된 바와 같이 기준 입출력 데이타를 설정한다.

(3) 블럭(71)에 도시된 바와 같이 기준 입출력 데이타를 입력으로 해서 출력 데이타 즉, R,B 이득을 구한다.

(4) 블럭(72)에 도시된 바와 같이, 기준 출력 데이타와 신경회로망 제어기의 출력 데이타를 비교하여 그 오차를 구한다.

(5) 블럭(73)에 도시된 바와 같이, 상기의 오차값을 가지고, 신경회로망 제어기의 가중치를 조정한다.

(6) 블럭(74)에 도시된 바와 같이, 학습 데이타가 지정된 오차값 이내로 수렴할 때까지 계속 루프를 반복 수행한다. 학습 데이타가 지정된 오차값 이내로 수렴하면, 역전파 알고리즘을 이용한 학습과정을 종결한다.

이와 같이, 블럭(68,70,71,72,73,74) 과정의 역전파 알고리즘을 수행하고 나면 프로세스는 블럭(75)으로 진행하여 학습 과정을 종료한다.

본 발명에 따라서, 학습된 신경회로망 제어기에 의한 AWB 수행(출력) 과정의 흐름도는 제7도에 도시된다.

제7도에 도시된 바와 같이 프로세스는 블럭(76)으로부터 시작하며 블럭(77)은 실제 화면의 R,G,B,Y 및 아이리스, 셔터 속도 상태값을 학습 완료된 신경회로망 제어기에 입력하는 것을 예시한 것이다. 블럭(77)이 수행되고 나면, 학습된 신경회로망 제어기에 의해서 R,B 이득을 출력하는 블럭(78)으로 진행한 다음, 블럭(79)에서 신경회로망 제어기에 의한 AWB 출력 과정이 종결된다.

상술한 바와 같이, 본 발명에 따른 신경회로망을 이용한 AWB에 의하면, 인간의 색인지 과정을 그대로 신경회로망 제어기로 구현(인간의 눈이 AWB 동작을 하는 것과 동일하게)함으로써 정확한 AWB 동작이 수행된다. 종래의 외부 센서 방식과 TTL 방식에서는 근사수식(기준광 곡선)에 의해 AWB를 수행하므로 R,G,B 색신호만을 입력데이타로 사용하여 정확한 AWB 동작이 어려웠지만, 본 발명에 따라 신경회로망을 이용하여 AWB 동작을 수행하는 방식은 인간의 색인지 과정을 모방하였기에 R,G,B 색신호 및 광량을 입력 데이타로 사용하였기에 상기 종래의 문제점을 해결하면서 보다 신뢰성 있는 AWB 동작을 얻을 수 있다.

Claims (2)

1. 렌즈부로부터 입사되어 전하 결합 소자를 통해 입력되는 영상신호의 R,G,B 신호를 마이크로 프로세서에 의해 R,B 신호의 이득 조절에 의거하는 레벨 조절 수단을 통해 레벨 조절하여 출력하는 캠코더의 AWB(auto white balance)제어방법에 있어서, 상기 R,G,B,Y 신호, 아이리스 및 셔터 속도 신호에 따른 데이타를 상기 마이크로 프로세서내의 신경회로망 제어기에 입력하는 단계와; 상기 입력된 데이타에 의거하여 학습 데이타를 설정하여 신경회로망 제어기를 학습시키고, 학습된 신경회로망 제어기를 이용하여 이 학습 데이타에 기초하는 상기 R,B 신호의 이득값을 산출하는 단계로 이루어진 캠코더의 AWB 제어방법.
2. 제1항에 있어서, 상기 이득값 산출단계는, 입력된 데이타에 의거하여 초기 학습 데이타를 설정한 다음 이 설정된 학습 데이타와 입력되는 영상신호를 비교하여 오차를 산출하는 단계와; 상기 오차 산출단계에서 산출된 오차를 따라 상기 학습 데이타의 가중치를 조정하여 상기 R,B 신호의 이득값을 산출하는 단계로 이루어진 캠코더의 AWB 제어방법.