적응적 가중치를 이용한 노이즈에 강인한 초점값 연산자

Noise Insensitive Focusing Index using Adaptive Weights

  • 최종성 (연세대학교 전기전자 TMS 정보기술사업단) ;
  • 강희 (연세대학교 전기전자 TMS 정보기술사업단) ;
  • 강문기 (연세대학교 전기전자 TMS 정보기술사업단)
  • Choi, Jong-Seong (School of Electrical and Electronic Engineering, Yonsei University) ;
  • Kang, Hee (School of Electrical and Electronic Engineering, Yonsei University) ;
  • Kang, Moon-Gi (School of Electrical and Electronic Engineering, Yonsei University)
  • 투고 : 2010.04.13
  • 심사 : 2010.06.15
  • 발행 : 2010.07.25

초록

초점 검출 시스템은 영상 획득 과정에서 영상의 화질을 결정하는 중요한 요소이다. 초점 검출은 크게 영상의 고주파 성분을 평가하여 수치화하는 초점값 연산 부분과 이 초점값을 이용하여 렌즈를 이동시켜 초점을 일치시키는 부분으로 이루어진다. 초점값을 연산하는데 있어 저조도 잡음이 첨가된 환경에서는 잡음에 의해 그 성능이 크게 저하되게 된다. 본 논문에서는 공간 적응적인 가중치를 이용하여 저조도 잡음이 첨가된 환경에서 효율적으로 초점값을 연산할 수 있도록 하는 방법을 제안하였다. 제안된 방법은 영상의 각 픽셀에서 영상의 국부 특성과 잡음의 특성을 적응적 가중치를 연산하고, 이를 이용해 저조도 잡음에 강인한 초점값 연산자를 제안한다. 제안된 적응적 가중치는 기존의 필터 기반 초점값 연산자에도 적용이 가능한 특성을 갖는다. 잡음이 없는 상태와 가우시안 잡음이 있는 환경 하에서 제안된 연산자의 성능을 검증하였다.

The focusing system is an important factor to determine the imaging quality of a digital imaging system. The focusing system consist of measuring the focusing index with high frequency energy of an image and controlling the movement of the focusing lens based on the computed focusing index. The computation of the focusing index is a key aspect in implementing the focusing system and the noise of the image cause the error in the sharpness evaluation of the image. To reduce this error, the noise under the low illumination condition is considered. A noise insensitive focusing index using adaptive weights is proposed in this paper. This measure determines the sharpness of an image using the spatially adaptive weights based on the local statistics of the image and noise. Experimental results under the condition without and with the noise verify the performance of the proposed method.

키워드

과제정보

연구 과제번호 : 영상 및 비디오 콘텐츠를 위한 계산사진학 가술 개발

연구 과제 주관 기관 : 정보통신연구진흥원

참고문헌

  1. J. M. Tenenbaum, "Accommodation in computer vision," Ph.D. thesis, Stanford Univ. 1970.
  2. R. A. Jarvis, "Focus optimization criteria for computer image processing," Microscope, vol. 24. no. 2, pp. 163-180. 1976.
  3. S. K. Nayar and Y. Nakagawa, "Shape from focus", IEEE Trans. on Pattern Analysis and Machinr Intelligence, vol. 16, no. 8, pp. 824-831, Aug. 1994. https://doi.org/10.1109/34.308479
  4. I. Kharintonenko and X. Zhang, " Digital focus detector for mobile video communicator," IEEE Trans. on Consumer Electronics. vol. 46, no. 1, pp. 237-240, Feb. 2000. https://doi.org/10.1109/30.826405
  5. G. Yang and B. J. Nelson, "Wavelet-based autofocusing and unsupervised segmentation of microscopic images," Intl. Conf. on Intelligent Robots and Systems, pp. 2143-2148, Las Vegas, United States of America, Oct. 2003.
  6. M. Krisan, J. Pers, M. Perse, and S. Kovacic, "A Bayes-spectral-entropy-based measure of camera focus using discrete cosine transform," Pattern Recognition Letters, vol. 27, no. 13, pp. 1431-1439, Oct. 2006. https://doi.org/10.1016/j.patrec.2006.01.016
  7. 이상용, "이산 코사인 변환 계수의 에너지 비를 사용한 디지털 카메라용 초점 값 연산자," 전자공학회 논문지, 제45권 SP편 6호, pp. 88-94, Nov. 2008.