The Journal of the Korea institute of electronic communication sciences (한국전자통신학회논문지)

Korea Institute of Electronic Communication Science (한국전자통신학회)
권호 표지
DOI QR코드

DOI QR Code

Contrast Enhancement Method using Color Components Analysis

컬러 성분 분석을 이용한 대비 개선 방법

  • 박상현 (순천대학교 멀티미디어공학과)
  • Received : 2019.05.27
  • Accepted : 2019.08.15
  • Published : 2019.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

Recently, as the sensor network technologies and camera technologies develops, there are increasing needs by combining two technologies to effectively observe or monitor the areas that are difficult for people to access by using the visual sensor network. Since the applications using visual sensors take pictures of the outdoor areas, the images may not be well contrasted due to cloudy weather or low-light time periods such as a sunset. In this paper, we first model the color characteristics according to illumination using the characteristics of visual sensors that continuously capture the same area. Using this model, a new method for improving low contrast images in real time is proposed. In order to make the model, the regions of interest consisting of the same color are set up and the changes of color according to the brightness of images are measured. The gamma function is used to model color characteristics using the measured data. It is shown by experimental results that the proposed method improves the contrast of an image by adjusting the color components of the low contrast image simply and accurately.

최근 센서 네트워크 기술의 발달과 카메라 기술의 발달로 이 두 기술을 접목한 비쥬얼 센서 기술을 이용하여 사람이 접근하기 어려운 지역을 효과적으로 관찰 또는 감시하고자 하는 수요가 증가하고 있다. 비쥬얼 센서를 이용한 응용은 실외 지역을 카메라 센서를 이용하여 촬영하기 때문에 날씨나 시간에 따라 영상의 대비가 좋지 않은 영상이 얻어질 수 있다. 본 논문에서는 동일한 지역을 지속적으로 촬영하는 비쥬얼 센서의 특성을 이용하여 조도 대비 컬러 특성을 모델링하고 이 특성을 이용하여 대비가 개선된 영상을 실시간으로 만들 수 있는 방법을 제시한다. 제시하는 모델은 영상에서 관심영역을 설정하고 관심영역에 대해서 조도 대비 컬러 특성을 측정하여 이를 감마함수 형태로 모델링한다. 실험 결과는 제안하는 방법이 간단하면서도 정확하게 저대비 영상의 컬러 성분들을 보정하여 영상의 대비를 개선하는 것을 보여준다.

Keywords

KCTSAD_2019_v14n4_707_f0001.png 이미지

그림 1. 다양한 EV값을 촬영된 맥베스 컬러체커 Fig. 1. Macbeth colorcheckers using various EV’s

KCTSAD_2019_v14n4_707_f0002.png 이미지

그림 2. 관심영역 후보 예 Fig. 2 Region of interest candidates

KCTSAD_2019_v14n4_707_f0003.png 이미지

그림 3 제안하는 알고리즘의 블록 다이어그램 Fig. 3 Block diagram of the proposed algorithm

KCTSAD_2019_v14n4_707_f0004.png 이미지

그림 5. 입력 영상의 분할 Fig. 5 Segmentation of the input image

KCTSAD_2019_v14n4_707_f0005.png 이미지

그림 6. k-mean 군집화를 이용하여 선정된 관심 영역 Fig. 6 Selected regions of interest using k-mean clustering

KCTSAD_2019_v14n4_707_f0006.png 이미지

그림 7. 7개 영역의 R 채널 특성 Fig. 7 R channel characteristics of 7 regions

KCTSAD_2019_v14n4_707_f0007.png 이미지

그림 8. 채널 특성을 이용한 색상 값 보정 Fig. 8. Adjustment of a color value using channel characteristics

KCTSAD_2019_v14n4_707_f0008.png 이미지

그림 9. k-mean 군집화를 이용하여 선정된 15개의 관심 영역 Fig. 9 15 Selected regions of interest using k-mean clustering

KCTSAD_2019_v14n4_707_f0009.png 이미지

그림 10. 환경 감시 영상 (a) 해변, (b) 섬, (c) 호수, (d) 부두 Fig. 10 Images of environmental monitoring (a) beach, (b) island, (c) lake, (d) wharf

KCTSAD_2019_v14n4_707_f0010.png 이미지

그림 11. 대비 개선된 결과 영상 (a) 해변, (b) 섬, (c) 호수, (d) 부두 Fig. 11 Contrast enhanced resulting images (a) beach, (b) island, (c) lake, (d) wharf

KCTSAD_2019_v14n4_707_f0011.png 이미지

그림 12. 대비 개선된 결과 영상 (a) 해변, (b) 섬, (c) 호수, (d) 부두 Fig. 12 Contrast enhanced resulting images (a) beach, (b) island, (c) lake, (d) wharf

References

  1. B. Tavli, K. Bicakci, R. Zilan, and J. Barcelo-Ordinas, "A survey of visual sensor network platforms," Multimededia Tools and Applications, vol. 60, Oct. 2012, pp. 689-726. https://doi.org/10.1007/s11042-011-0840-z
  2. H. Jun and J. Kim, "Remote Multiple Senror Network System for Monitoring Conditions of Dairy Cow," Journal of Korean Institute of Information Technology, vol. 13, no. 3, Mar. 2015, pp. 85-93.
  3. P. Porambage, A. Heikkinen, E. Harjula, A. Gurtov, and M. Ylianttila, "Quantitative Power Consumption Analysis of a Multi-tier Wireless Multiemedia Sensor Network," In Proc. European Wireless, Oulu, Finland, May 2016, pp. 1-6.
  4. J. Park, S. Lee, and W. Oh, "Congestion Control Mechanism for Efficient Network Environment in WMSN," J. of the Korea Institute of Electronic Communication Sciences, vol. 10, no. 2, 2015, pp. 289-296. https://doi.org/10.13067/JKIECS.2015.10.2.289
  5. E. Eriksson, G. Dan, and V. Fodor, "Prediction-Based Load Control and Balancing For Feature Extraction in Visual Sensor Networks," In Proc. Acoustics, Speech, and Signal Processing, Florence, Italy, July 2014, pp. 674-678.
  6. S. Park, "Color Analysis and Binarization of River Image for River Surveillance," J. of the Korea Institute of Electronic Communication Sciences, vol. 13, no. 1, 2018, pp. 175-185. https://doi.org/10.13067/JKIECS.2018.13.1.175
  7. U. Kim, J. Lee, Y. Kim, K. Park, and Y. Moon, "Photographic Color Reproduction based on color variation characteristics of digital camera," Korean Institute of Information Technology Tran. on Internet and Information Systems, vol. 5, no. 11, 2011, pp. 2160-2174.
  8. J. Jia, J. Sun, C. Tang, and H. Shum, "Bayesian correction of image intensity with spatial consideration," In Proc. European Conf. Computer Vision, Berlin, 2004, pp. 342-354.
  9. J. Park, "Contrast Enhancement Method for Images from Visual Sensors," J. of the Korea Institute of Electronic Communication Sciences, vol. 13, no. 3, 2018, pp. 525-531. https://doi.org/10.13067/JKIECS.2018.13.3.525
  10. R. Achanta, A. Shaji, K. Smith, A. Lucchi, P. Fua, and S. Susstrunk, "SLIC superpixels compared to state-of-the-art superpixel methods."IEEE transactions on pattern analysis and machine intelligence, vol. 34, no. 11, 2012, pp. 2274-2282. https://doi.org/10.1109/TPAMI.2012.120
  11. H. Singh, N. Agrawal, A. Kumar, G. Singh, and H. Lee, "A novel gamma correction approach using optimally clipped sub-equalization for dark image enhancement." In Proc. IEEE International Conference on Digital Signal Processing, Beijing, China, Oct. 2016, pp. 497-501.