WO2021107482A1 - 스켈람 분포를 이용한 티오에프 카메라 영상의 노이즈 모델링 방법 및 장치 - Google Patents

스켈람 분포를 이용한 티오에프 카메라 영상의 노이즈 모델링 방법 및 장치 Download PDF

Info

Publication number
WO2021107482A1
WO2021107482A1 PCT/KR2020/016217 KR2020016217W WO2021107482A1 WO 2021107482 A1 WO2021107482 A1 WO 2021107482A1 KR 2020016217 W KR2020016217 W KR 2020016217W WO 2021107482 A1 WO2021107482 A1 WO 2021107482A1
Authority
WO
WIPO (PCT)
Prior art keywords
noise
skellam
parameters
distance
tof camera
Prior art date
Application number
PCT/KR2020/016217
Other languages
English (en)
French (fr)
Inventor
김성제
강주미
윤주홍
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Publication of WO2021107482A1 publication Critical patent/WO2021107482A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation

Definitions

  • the present invention relates to a method of modeling noise in an input image, and more particularly, to a method of modeling noise in an image input through a Time-of-Flight (ToF) camera.
  • ToF Time-of-Flight
  • Noise in the spatial domain can be expressed by noise probability density
  • noise in the frequency domain can be expressed by various Fourier characteristics of noise.
  • the ToF camera image is affected by various factors. Among them, the main noise of the ToF camera image using the sensor of a CCD or CMOS camera is photon noise. In order to obtain a high-quality distance image by removing such noise, noise modeling suitable for photon noise is required.
  • the present invention has been devised to solve the above problems, and an object of the present invention is to provide a method and an apparatus for modeling and removing noise of a ToF camera image using a Skellam distribution.
  • a noise modeling method includes: acquiring distance images; calculating Skellam parameters for the acquired distance images; modeling noise of distance images based on the calculated distribution of Skellam parameters.
  • Distance images may be generated using a ToF camera.
  • the noise may be photon noise of distance images.
  • Skellam parameters are linear with distance.
  • Temporal Skellam parameters have ergodic characteristics with spatial Skellam parameters.
  • temporal Skellam parameters and spatial Skellam parameters for distance images may be calculated.
  • the noise modeling method according to an embodiment of the present invention may further include removing noise from distance images with reference to the modeled noise.
  • a noise modeling apparatus includes: a camera for acquiring distance images; and a processor that calculates Skellam parameters for the obtained distance images, and models noise of the distance images based on a distribution of the calculated Skellam parameters.
  • the distance image of the ToF camera can be changed using various latest technologies (virtual reality, autonomous vehicle, human It allows to deliver meaningful information to improve the performance of Robot Interaction, etc.).
  • FIG. 6 is a flowchart provided for explaining a noise modeling/removal method of a ToF camera image according to an embodiment of the present invention
  • FIG. 7 is an example of a ToF camera that can be used to acquire a distance image
  • Figure 10 is Skellam parameters for the distance image of Figure 9;
  • 11 to 13 are graphs comparing Skellam parameters in the temporal/spatial domain.
  • FIG. 14 is a block diagram of a ToF camera image noise modeling apparatus according to another embodiment of the present invention.
  • the noise when modeling the photon noise of an image input through the ToF camera, the noise is modeled by utilizing the Skellam distribution of the temporal/spatial distance from the continuously input depth image.
  • meaningful image information can be delivered to an applied technology field by removing noise from a street image through noise modeling.
  • the main noise that can occur in a CCD or CMOS camera image is photon noise, and the same noise can occur in a distance image of a ToF camera that uses it.
  • photon noise is modeled by a Poisson distribution.
  • the number of photons can determine the brightness of a pixel, and as this value increases, the Poisson distribution approaches the Gaussian distribution. Based on this fact, the Poisson distribution is used to express the distribution for the brightness difference.
  • the difference between two Poisson random variables can be defined as a Skellam distribution, and Skellam parameters for the brightness difference can be predicted by using the statistics of the Skellam distribution.
  • Skellam parameters in each RGB channel in the spatio-temporal domain do not differ significantly, and the difference in brightness shows an ergodic characteristic. Also, as the brightness value increases, the linearity of the Skellam parameter value increases.
  • FIG. 6 is a flowchart provided to explain a method for modeling/removing noise of a ToF camera image according to an embodiment of the present invention.
  • noise modeling/removal method according to an embodiment of the present invention, noise modeling of a ToF camera image is performed using a Skellam distribution.
  • a ToF camera S110
  • 7 shows a ToF camera that can be used to acquire a distance image, as an example, the type of the ToF camera does not matter.
  • 8 exemplifies a distance image obtained by the ToF camera of FIG. 7 .
  • Skellam parameters for the distance images obtained in step S110 are calculated (S120). Specifically, in step S120, temporal Skellam parameters and spatial Skellam parameters for distance images are calculated.
  • the following equation shows the equation for calculating the temporal Skellam parameters.
  • the following equation shows the equation for calculating spatial Skellam parameters.
  • the Skellam parameters are linear with distance. This can be confirmed by outputting a 3D graph between the Skellam parameters calculated in step S120 and the distance.
  • FIG. 9 shows an image obtained from an arbitrary distance, and it means that the distance increases as the edge of the image increases with a brighter color.
  • the Skellam parameters according to the x and y coordinates of the distance image of FIG. 9 are shown as 3D graphs, and it can be seen that the Skellam parameters increase as the distance increases.
  • temporal Skellam parameters have ergodic characteristics with the spatial Skellam parameters, which can also be confirmed through the temporal/spatial Skellam parameters calculated in step S120.
  • 11 to 13 show the comparison of Skellam parameters in the temporal/spatial domain for 6 arbitrary distances, and it can be seen that the distributions of Skellam parameters at each distance are almost identical. This shows that the difference in distance has ergodic characteristics.
  • step S130 the noise of the distance images is modeled (S130).
  • noise may be removed from the distance images with reference to the noise modeled in step S130 ( S140 ).
  • the noise modeling apparatus is configured to include a ToF camera 210 , a noise modeling unit 220 , a noise removing unit 230 , and an output unit 240 . .
  • the ToF camera 210 acquires distance images.
  • the noise modeling unit 220 calculates Skellam parameters for the distance images obtained from the ToF camera 210 , and models the noise of the distance images based on the distribution of the calculated Skellam parameters.
  • the noise removing unit 230 removes optical noise from the distance images with reference to the noise modeled by the noise modeling unit 220 .
  • the output unit 240 outputs the distance images from which the noise has been removed by the noise removal unit 230 to modules that require them.
  • photon noise that may be generated from a ToF camera sensor was modeled as a photon noise of a distance image acquired through a ToF camera.
  • Linearity of the Skellam distribution derived by analyzing temporal/spatial changes of the acquired distance image and ergodic characteristics.
  • the distance image of the ToF camera can deliver meaningful information to improve the performance of various core technologies (virtual reality, autonomous vehicle, human robot interaction, etc.).
  • the technical idea of the present invention can also be applied to a computer-readable recording medium containing a computer program for performing the functions of the apparatus and method according to the present embodiment.
  • the technical ideas according to various embodiments of the present invention may be implemented in the form of computer-readable codes recorded on a computer-readable recording medium.
  • the computer-readable recording medium may be any data storage device readable by the computer and capable of storing data.
  • the computer-readable recording medium may be a ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical disk, hard disk drive, or the like.
  • the computer-readable code or program stored in the computer-readable recording medium may be transmitted through a network connected between computers.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

Skellam 분포를 이용한 ToF 카메라 영상의 노이즈 모델링 방법 및 장치가 제공된다. 본 발명의 실시예에 따른 노이즈 모델링 방법은, 거리 영상들을 획득하고, 획득한 거리 영상들에 대한 Skellam 파라미터들을 계산하며, 계산된 Skellam 파라미터들의 분포를 기초로 거리 영상들의 노이즈를 모델링한다. 이에 의해, ToF 카메라의 거리 영상이 다양한 최신 기술들의 성능 향상을 위해 의미 있는 정보를 전달할 수 있도록 하여 준다.

Description

스켈람 분포를 이용한 티오에프 카메라 영상의 노이즈 모델링 방법 및 장치
본 발명은 입력 영상 노이즈 모델링 방법에 관한 것으로, 더욱 상세하게는 ToF(Time-of-Flight) 카메라를 통해 입력된 영상의 노이즈를 모델링하는 방법에 관한 것이다.
노이즈 모델 유형으로는 공간 도메인에서의 노이즈, 주파수 도메인에서의 노이즈와 같은 것들이 존재하며 공간 도메인에서의 노이즈는 노이즈 확률 밀도로 표현하고 주파수 도메인에서의 노이즈는 노이즈의 다양한 푸리에 특성으로 표현할 수 있다.
현재 ToF 카메라와 같은 3D 카메라를 통해 획득한 거리(depth) 영상이 다양한 핵심 기술에 정보를 전달하는 역할을 하고 있음에도 불구하고 거리 영상의 노이즈를 파악하고 제거하기 위한 연구가 부족하다.
ToF 카메라 영상은 다양한 요소의 영향을 받는다. 그 중에서도 CCD 또는 CMOS 카메라의 센서를 사용하는 ToF 카메라 영상의 가장 주된 노이즈는 광자 노이즈이다. 이러한 노이즈를 제거하여 고품질의 거리 영상을 획득하기 위해서는 광자 노이즈에 적합한 노이즈 모델링이 필요하다.
기존의 노이즈 제거 방식들은 ToF 카메라를 통해 획득된 거리 노이즈의 특성을 분석하고 고려하지 않았기 때문에 적절한 노이즈 제거가 어렵다. 따라서, 적절한 노이즈 제거를 위해서는 영상의 시/공간적 특성을 분석하고 파악하여 이에 맞는 노이즈 모델을 적용하는 것이 필요하다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, ToF 카메라 영상의 노이즈를 Skellam 분포를 활용하여 모델링하고 제거하는 방법 및 장치를 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 노이즈 모델링 방법은, 거리 영상들을 획득하는 단계; 획득한 거리 영상들에 대한 Skellam 파라미터들을 계산하는 단계; 계산된 Skellam 파라미터들의 분포를 기초로, 거리 영상들의 노이즈를 모델링하는 단계;를 포함한다.
거리 영상들은, ToF 카메라를 이용하여 생성할 수 있다. 노이즈는, 거리 영상들의 광자 노이즈일 수 있다. Skellam 파라미터들은, 거리에 대해 선형성을 갖는다. 시간적 Skellam 파라미터들은, 공간적 Skellam 파라미터들과 에르고딕한 특성을 갖는다.
계산 단계는, 거리 영상들에 대한 시간적 Skellam 파라미터들과 공간적 Skellam 파라미터들을 계산할 수 있다.
본 발명의 실시예에 따른 노이즈 모델링 방법은, 모델링된 노이즈를 참조하여, 거리 영상들에서 노이즈를 제거하는 단계;를 더 포함할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 노이즈 모델링 장치는, 거리 영상들을 획득하는 카메라; 및 획득한 거리 영상들에 대한 Skellam 파라미터들을 계산하고, 계산된 Skellam 파라미터들의 분포를 기초로 거리 영상들의 노이즈를 모델링하는 프로세서;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, ToF 카메라 영상의 광자 노이즈를 Skellam 분포를 활용하여 모델링하고 제거함으로써, ToF 카메라의 거리 영상이 다양한 최신 기술들(가상현실, 자율주행차, Human Robot Interaction 등)의 성능 향상을 위해 의미 있는 정보를 전달할 수 있도록 하여 준다.
도 1 내지 도 3은 색상 패치에 따른 Skellam 파라미터와 분포 변화,
도 4 및 도 5는 RGB 영상의 시/공간적 에르고딕 특성,
도 6은 본 발명의 일 실시예에 따른 ToF 카메라 영상의 노이즈 모델링/제거 방법의 설명에 제공되는 흐름도,
도 7은 거리 영상 획득에 이용될 수 있는 ToF 카메라 예시,
도 8은 도 7의 ToF 카메라로 획득된 거리 영상 예시,
도 9는 임의의 거리에서 획득된 영상,
도 10은 도 9의 거리 영상에 대한 Skellam 파라미터들,
도 11 내지 도 13은 시/공간적 영역에서의 Skellam 파라미터들을 비교한 그래프들, 그리고,
도 14는 본 발명의 다른 실시예에 따른 ToF 카메라 영상 노이즈 모델링 장치의 블럭도이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
본 발명의 실시예에서는 ToF 카메라를 통해 입력된 영상의 광자 노이즈를 모델링을 수행함에 있어, 연속적으로 입력된 거리(depth) 영상으로부터 시/공간적 거리의 Skellam 분포를 활용하여 노이즈를 모델링한다.
이는 거리 영상의 Skellam 분포가 분포는 시간적/공간적으로 에르고딕한 특성을 작으며, 거리 값에 대한 Skellam 파라미터 값이 선형성을 가진다는 특성을기반으로 한다.
더 나아가, 본 발명의 실시예에서는 노이즈 모델링을 통해 거리 영상의 노이즈를 제거함으로써 응용 기술 분야에 의미 있는 영상 정보를 전달할 수 있도록 한다.
CCD 또는 CMOS 카메라 영상에서 발생할 수 있는 가장 주된 노이즈는 광자 노이즈로써, 이를 활용하는 ToF 카메라의 거리 영상에서도 같은 노이즈가 발생할 수 있다. 일반적으로 광자 노이즈는 포아송 분포에 의해 모델링된다. 광자의 수는 픽셀의 밝기를 결정할 수 있으며, 이 값이 커질수록 포아송 분포는 가우시안 분포에 근접해진다. 이러한 사실에 기반하여 밝기 차에 대한 분포를 표현하기 위해 포아송 분포를 사용한다. 두 포아송 랜덤 변수 사이의 차이는 Skellam 분포로 정의될 수 있으며, 이 Skellam 분포의 통계를 사용함으로써 밝기 차에 대한 Skellam 파라미터들을 예측할 수 있다.
시/공간적 영역의 각 RGB 채널에서의 Skellam 파라미터가 크게 다르지 않으며, 밝기의 차이가 에르고딕한 특성을 보인다. 또한, 밝기 값이 커질수록 Skellam 파라미터 값이 증가하는 선형성도 보인다.
도 1 내지 도 3은 이러한 선형성을 보여준다. 더 밝은 패치일수록 Skellam 파라미터의 값이 증가함을 알 수 있다. 도 4 및 도 5에는 RGB 영상 각 패치에 대한 시/공간적 에르고딕한 특성을 표현하였다.
도 6은 본 발명의 일 실시예에 따른 ToF 카메라 영상의 노이즈 모델링/제거 방법의 설명에 제공되는 흐름도이다. 본 발명의 실시예에 따른 노이즈 모델링/제거 방법에서는, Skellam 분포를 활용하여 ToF 카메라 영상의 노이즈 모델링을 수행한다.
이를 위해, 먼저 ToF 카메라로 각 거리에 대한 거리 영상들을 획득한다(S110). 도 7에는 거리 영상 획득에 이용될 수 있는 ToF 카메라를 나타내었는데, 예시적인 것으로 ToF 카메라의 종류는 문제되지 않는다. 도 8에는 도 7의 ToF 카메라로 획득된 거리 영상을 예시하였다.
다음, S110단계에서 획득한 거리 영상들에 대한 Skellam 파라미터들을 계산한다(S120). 구체적으로, S120단계에서는 거리 영상들에 대한 시간적 Skellam 파라미터들과 공간적 Skellam 파라미터들을 계산한다.
다음 식은 시간적 Skellam 파라미터들을 계산하기 위한 식을 나타낸다.
Figure PCTKR2020016217-appb-I000001
다음 식은 공간적 Skellam 파라미터들을 계산하기 위한 식을 나타낸다.
Figure PCTKR2020016217-appb-I000002
전술한 바와 같이, Skellam 파라미터들은 거리에 대해 선형성을 갖는다. 이는 S120단계에서 계산된 Skellam 파라미터들과 거리 사이의 3D 그래프를 출력해 보면 확인가능하다.
도 9는 임의의 거리에서 획득된 영상을 보여주며, 영상의 가장자리인 밝은 색으로 갈수록 더 거리가 먼 것을 의미한다. 도 10에는 도 9의 거리 영상의 x, y 좌표에 따른 Skellam 파라미터들을 3D 그래프로 나타내었는데, 거리가 멀어질수록 Skellam 파라미터들이 증가하는 것을 확인할 수 있다.
또한, 시간적 Skellam 파라미터들은 공간적 Skellam 파라미터들과 에르고딕한 특성을 갖는다고 전술한 바 있는데, 이 역시 S120단계에서 계산된 시/공간적 Skellam 파라미터들을 통해 확인할 수 있다.
도 11 내지 도 13에는 임의의 거리 6개에 대한 시/공간적 영역에서의 Skellam 파라미터들을 비교하여 나타내었는데, 각 거리의 Skellam 파라미터의 분포가 거의 일치하는 것을 확인할 수 있다. 이는 거리의 차이가 에르고딕한 특성을 가지는 것을 보여주는 것이다.
다음, S120단계에서 계산된 Skellam 파라미터들의 분포를 기초로, 거리 영상들의 노이즈를 모델링한다(S130).
더 나아가, S130단계에서 모델링된 노이즈를 참조하여, 거리 영상들에서 노이즈를 제거할 수도 있다(S140).
도 14는 본 발명의 다른 실시예에 따른 ToF 카메라 영상 노이즈 모델링 장치의 블럭도이다. 본 발명의 실시예에 따른 노이즈 모델링 장치는, 도 14에 도시된 바와 같이, ToF 카메라(210), 노이즈 모델링부(220), 노이즈 제거부(230) 및 출력부(240)를 포함하여 구성된다.
ToF 카메라(210)는 거리 영상들을 획득한다. 노이즈 모델링부(220)는 ToF 카메라(210)에서 획득한 거리 영상들에 대한 Skellam 파라미터들을 계산하고, 계산된 Skellam 파라미터들의 분포를 기초로 거리 영상들의 노이즈를 모델링한다.
노이즈 제거부(230)는 노이즈 모델링부(220)에서 모델링된 노이즈를 참조하여, 거리 영상들에서 광학 노이즈를 제거한다. 출력부(240)는 노이즈 제거부(230)에서 노이즈가 제거된 거리 영상들을 이를 필요로 하는 모듈들로 출력한다.
지금까지, Skellam 분포를 이용한 ToF 카메라 영상의 노이즈 모델링 방법 및 장치에 대해 바람직한 실시예를 들어 상세히 설명하였다.
본 발명의 실시예에서는, ToF 카메라 센서로부터 발생할 수 있는 광자 노이즈를 ToF 카메라를 통해 획득된 거리 영상의 광자 노이즈를 모델링하였는데, 획득된 거리 영상의 시/공간적 변화를 분석하여 도출한 Skellam 분포의 선형성과 에르고딕한 특성을 기반으로 하였다.
나아가, 본 발명의 실시예에서는, Skellam 분포 기반의 모델링을 통한 노이즈 제거 기법을 제시하였다.
이에 따라, ToF 카메라의 거리 영상이 다양한 핵심 기술들(가상현실, 자율주행차, Human Robot Interaction 등)의 성능 향상을 위해 의미 있는 정보를 전달할 수 있게 된다.
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

Claims (8)

  1. 거리 영상들을 획득하는 단계;
    획득한 거리 영상들에 대한 Skellam 파라미터들을 계산하는 단계;
    계산된 Skellam 파라미터들의 분포를 기초로, 거리 영상들의 노이즈를 모델링하는 단계;를 포함하는 것을 특징으로 하는 노이즈 모델링 방법.
  2. 청구항 1에 있어서,
    노이즈는,
    거리 영상들의 광자 노이즈인 것을 특징으로 하는 노이즈 모델링 방법.
  3. 청구항 1에 있어서,
    Skellam 파라미터들은,
    거리에 대해 선형성을 갖는 것을 특징으로 하는 노이즈 모델링 방법.
  4. 청구항 1에 있어서,
    계산 단계는,
    거리 영상들에 대한 시간적 Skellam 파라미터들과 공간적 Skellam 파라미터들을 계산하는 것을 특징으로 하는 노이즈 모델링 방법.
  5. 청구항 1에 있어서,
    시간적 Skellam 파라미터들은,
    공간적 Skellam 파라미터들과 에르고딕한 것을 특징으로 하는 노이즈 모델링 방법.
  6. 청구항 1에 있어서,
    모델링된 노이즈를 참조하여, 거리 영상들에서 노이즈를 제거하는 단계;를 더 포함하는 것을 특징으로 하는 노이즈 모델링 방법.
  7. 청구항 1에 있어서,
    거리 영상들은,
    ToF 카메라를 이용하여 생성하는 것을 특징으로 하는 노이즈 모델링 방법.
  8. 거리 영상들을 획득하는 카메라; 및
    획득한 거리 영상들에 대한 Skellam 파라미터들을 계산하고, 계산된 Skellam 파라미터들의 분포를 기초로 거리 영상들의 노이즈를 모델링하는 프로세서;를 포함하는 것을 특지으로 하는 노이즈 모델링 장치.
PCT/KR2020/016217 2019-11-29 2020-11-18 스켈람 분포를 이용한 티오에프 카메라 영상의 노이즈 모델링 방법 및 장치 WO2021107482A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190156222A KR20210067021A (ko) 2019-11-29 2019-11-29 Skellam 분포를 이용한 ToF 카메라 영상의 노이즈 모델링 방법 및 장치
KR10-2019-0156222 2019-11-29

Publications (1)

Publication Number Publication Date
WO2021107482A1 true WO2021107482A1 (ko) 2021-06-03

Family

ID=76130343

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/016217 WO2021107482A1 (ko) 2019-11-29 2020-11-18 스켈람 분포를 이용한 티오에프 카메라 영상의 노이즈 모델링 방법 및 장치

Country Status (2)

Country Link
KR (1) KR20210067021A (ko)
WO (1) WO2021107482A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100835380B1 (ko) * 2007-01-15 2008-06-05 한국과학기술원 영상의 경계를 검출하는 방법 및 그 장치와 이를 구현할 수있는 컴퓨터로 읽을 수 있는 기록 매체
US20140002697A1 (en) * 2012-06-29 2014-01-02 Samsung Electronics Co., Ltd. Apparatus and method of reducing noise of image
KR20150037366A (ko) * 2013-09-30 2015-04-08 삼성전자주식회사 깊이 영상의 노이즈를 저감하는 방법, 이를 이용한 영상 처리 장치 및 영상 생성 장치
KR20150141259A (ko) * 2014-06-09 2015-12-18 전자부품연구원 이미지 센서 노이즈 모델 기반 필터링 방법 및 이를 적용한 영상 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100835380B1 (ko) * 2007-01-15 2008-06-05 한국과학기술원 영상의 경계를 검출하는 방법 및 그 장치와 이를 구현할 수있는 컴퓨터로 읽을 수 있는 기록 매체
US20140002697A1 (en) * 2012-06-29 2014-01-02 Samsung Electronics Co., Ltd. Apparatus and method of reducing noise of image
KR20150037366A (ko) * 2013-09-30 2015-04-08 삼성전자주식회사 깊이 영상의 노이즈를 저감하는 방법, 이를 이용한 영상 처리 장치 및 영상 생성 장치
KR20150141259A (ko) * 2014-06-09 2015-12-18 전자부품연구원 이미지 센서 노이즈 모델 기반 필터링 방법 및 이를 적용한 영상 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YOUNGBAE HWANG ; JUN-SIK KIM ; IN SO KWEON: "Difference-Based Image Noise Modeling Using Skellam Distribution", IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, IEEE COMPUTER SOCIETY., USA, vol. 34, no. 7, 1 July 2012 (2012-07-01), USA, pages 1329 - 1341, XP011444695, ISSN: 0162-8828, DOI: 10.1109/TPAMI.2011.224 *

Also Published As

Publication number Publication date
KR20210067021A (ko) 2021-06-08

Similar Documents

Publication Publication Date Title
WO2017099510A1 (ko) 영상 통계정보에 기반한 정지장면 분할장치 및 그 방법
KR101941801B1 (ko) Led 디스플레이에 이용되는 영상 처리 방법 및 장치
WO2011087289A2 (en) Method and system for rendering three dimensional views of a scene
WO2011136407A1 (ko) 스테레오 카메라를 이용한 영상인식장치 및 방법
WO2017014396A1 (ko) 영상의 파장 적응적 안개 제거 장치 및 방법
CN113096158A (zh) 运动对象的识别方法、装置、电子设备及可读存储介质
TWI729587B (zh) 物件定位系統及方法
CN105488769B (zh) 一种实时视频去雾方法
US20220277490A1 (en) Image processing method, image processing apparatus and program
CN107547839A (zh) 基于图像分析的远程控制平台
WO2021107482A1 (ko) 스켈람 분포를 이용한 티오에프 카메라 영상의 노이즈 모델링 방법 및 장치
CN116563172B (zh) 一种vr全球化在线教育互动优化增强方法及装置
WO2011136405A1 (ko) 3ｄ 카메라를 이용한 영상인식장치 및 방법
CN108833797A (zh) 一种提高车载双目视觉系统性能的装置及其使用方法
CN112950565A (zh) 一种数据中心漏水检测与定位的方法、设备和数据中心
WO2017086522A1 (ko) 배경스크린이 필요 없는 크로마키 영상 합성 방법
CN112565674A (zh) 一种可远程视频监控和控制的展厅中控系统
KR20150002187A (ko) Gaussian filtering 기반 영상의 안개제거 시스템 및 방법
WO2016098943A1 (ko) 얼굴 검출 능력 향상을 위한 이미지 처리 방법 및 시스템
US20150287209A1 (en) Image Segmentation Using Blur And Color
EP3407252A1 (en) Image processing apparatus, image processing method, and storage medium
CN106101489B (zh) 基于云平台的模板匹配监控视频去雾系统及其去雾方法
WO2018131729A1 (ko) 단일 카메라를 이용한 영상에서 움직이는 객체 검출 방법 및 시스템
CN112465853B (zh) 视频图片的背景变换方法、装置、电子设备及存储介质
WO2014007562A1 (ko) 영상 검색방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20892697

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20892697

Country of ref document: EP

Kind code of ref document: A1