DOI QR코드

DOI QR Code

Local Contrast와 빛 전달량 기반 Single Image의 안개 정도 측정 방법

Local contrast and Transmission Based Fog Degree Measurement in Single Image

  • 이근만 (경희대학교 전자정보대학) ;
  • 김원하 (경희대학교 전자정보대학)
  • Lee, Geun-min (Kyung Hee University, Electronic Engineering Building) ;
  • Kim, Wonha (Kyung Hee University, Electronic Engineering Building)
  • 투고 : 2017.01.11
  • 심사 : 2017.03.13
  • 발행 : 2017.05.30

초록

본 논문은 single image에서 측정한 빛 전달량 값과 local contrast 값을 사용하여 안개 량을 수치화하는 방법을 제안한다. 제안하는 방법은 빛 전달량 값을 사용하여 안개로 예측되는 지역을 추정하고, 추정된 안개 예측 지역의 넓이와 해당 지역의 local contrast 크기의 범위를 사용하여 안개 정도를 수치화 한다. single image에서 측정 가능한 안개 의 물리적 특성들을 고려하였기 때문에 기존의 안개 검출 알고리즘들이 구분하지 못했던 영상들에서도 안개 량을 정확하게 측정하였다. 실제 빛의 산란 정도를 측정하는 감광 계수 측정계를 사용하여 측정한 안개 량과 제안하는 방법의 수치를 비교했을 때, 다양한 환경과 물체를 포함한 영상들에서 95%이상의 정확도로 안개 정도를 수치화 하였다. 또한 빛 전달량 추정 과정에서 local contrast 값을 추출하여 사용하기 때문에 기존의 빛 전달량을 측정하는 방법에서 복잡도를 거의 증가시키지 않는다.

This paper has proposed a single image based fog degree quantification method by measuring both transmission and local contrast. The proposed method estimates the foggy expected regions from transmission, and then assesses the size of regions of which transmission values are foggy expected ones and the range of local contrast value on such regions. Compared with fog degree gauged by the scattering coefficient measurement sensor, the proposed method quantifies the fog degree with more than 95% accuracy for images containing various objects and environments. We also developed a technique that measures the local contrast values in process of measuring transmission values. So, the proposed method does not increase complexity compared to the existing transmission method.

키워드

참고문헌

  1. M.Nergru and S.Nedevschi, "Image based fog detection and visibility estimation for driving assistance system," Intelligent Computer Communication and Processing, 2013 IEEE International Conference on, pp163-168, 2013.
  2. R. Spinneker, C. Koch, S.-B, Park, and J. Yoon, "Fast fog detection for camera based advanced driver assistance systems," Intelligent Transportation Systems, 2014 IEEE 17th International Conference on, pp 1369-1374 , 2014.
  3. HM. Pavlic, H. Belzner, G. Rigoll, and S. Ilic, "Image based fog detection in vehicles," Intelligent Vehicles Symposium (IV), IEEE, pp. 1132-1137, 2012.
  4. K. He, J. Sun and X. Tang, "Single Image Haze Removal Using Dark Channel Prior," IEEE Trans. Pattern Anal. Mach. Intell., vol 33, No.12, pp. 2341-2353 , 2011. https://doi.org/10.1109/TPAMI.2010.168
  5. K. B. Gibson, D. T. Vo and T. Q. Nguyen, "An Investigation of Dehazing Effects on Image and Video Coding," IEEE Trans. Image Process, vol 21, No.2, pp. 662-673, 2012. https://doi.org/10.1109/TIP.2011.2166968
  6. Raanan Fattal, "Dehazing Using Color-Lines," ACM Transaction on Graphjics , vol 34, No.1 pp. 1-14, 2014.
  7. J.Ahn, H.Cha, "Enhancement of haze removal using transmission compensation," JBE, vol 18, No.2, pp. 148-150, March 2013.
  8. T.Um,W.Kim. "Dehazing in HSI Color Space with Color Correction," JBE, vol 18 , No.2 , pp. 140-148, March 2013.