• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.161-163
• /
• 2021

대부분의 영상에 존재하는 그림자는 다양한 딥러닝 기반 영상처리 작업을 수행함에 방해가 되는 요소이다. 영상 내 그림자는 다양한 광원과 다양한 물체들의 상호작용에 의해 복잡하게 생성되며 이를 제거하는 것을 통해 다양한 Computer Vision task의 성능을 향상시킬 수 있다. 이 논문에서는 영상 내 그림자를 감지하여 Attention mechanism을 통해 그림자를 제거하고 Recurrent 하게 작업을 수행하며 복잡한 그림자를 단계적으로 제거하는 네트워크를 구현하였으며, Recurrent 한 네트워크에서 이전 단계의 데이터를 다음 단계에 효율적으로 전달하는 방식에 대한 실험을 수행하였다.

• 정보처리학회논문지B
• /
• 제12B권4호
• /
• pp.395-402
• /
• 2005

칼라 교통 영상열에서의 물체 추출을 위해 우선 MOG(Mixture of Gaussians)에 기반한 배경차이 방법을 이용한다. 추출한 물체에는 그림자가 포함되어 있을 수 있다. 이 그림자로 인해 물체의 정확한 위치를 찾기 힘들고 때에 따라서는 옆의 물체와 붙어 버릴 수도 있다 그림자 제거를 위한 여러 가지 방법이 제안되었다. 기존 연구는 대개 칼라나 텍스쳐 성분이 그림자 밑에 유지되고 있는 것으로 가정하였으며 이 가정이 성립하지 않는 경우에는 어려움이 있다. 본 논문에서는 이 가정이 성립하지 않는 경우에도 견고하게 그림자를 제거하는 방법을 제안하였다. 우선 색정보에 기반하여 그림자 화소 후보를 추출하고 전체 물체 크기에 대한 그림자 화소수의 비율을 계산한다. 비율이 적절하면 그림자 화소 후보를 제거하고, 과도하면 예전 제거 기록을 가지고 있는 history way를 활용하여 그림자를 제거한다. 제안된 방법을 실제 칼라 교통 영상열에 적용하여 좋은 결과를 얻었다.

• 한국정보전자통신기술학회논문지
• /
• 제8권4호
• /
• pp.249-256
• /
• 2015

디지털 영상에서 그림자는 영산 분석에 부정적인 영향을 미칠 수 있기 때문에 효과적으로 이동물체 검출 및 추적을 위해서는 그림자 제거가 필수적인 전처리 과정이다. 본 논문에서는 색도 영상, 밝기 변화 및 이동물체의 그림자 방향 특성을 이용해 그림자를 제거하는 알고리즘을 제안하였다. 제안하는 방법은 크게 두 단계로 구성이 되며, 첫 번째 단계로 현재 영상의 색도와 밝기 변화를 이용해 그림자 후보 영역을 제거하고, 두 번째 단계에서 이동물체의 최하위 화소 위치를 구하여그림자의 방향에 해당하는 그림자를 제거하였다. 그림자는 이동물체의 아래 영역에 위치하기 때문에 이동물체의 최하위 화소와 그림자의 방향을 알면 그림자를 제거할 수 있다. 실험 결과, 실제 이동물체 영역과 그림자 영역의 분리가 효과적으로 이루어졌으며, 이동물체 검출 및 추적 성능이 향상되었다.

• 한국ITS학회 논문지
• /
• 제7권1호
• /
• pp.32-41
• /
• 2008

비디오를 이용한 비전기반 감시에서 움직이는 객체의 추적은 GMM (Gaussian Mixture Model)을 사용한 배경영상과 현재영상의 차이법을 이용한다. 문턱치를 통해 생성된 이진영상을 이용하여 객체 추적을 할 경우 객체 정보가 아닌 그림자에 의하여 객체가 병합되는 현상이 나타난다. 본 논문에서는 신경망(Backpropagation Neural Network)을 이용하여 그림자를 제거하는 방법을 제안하였다. 10개의 동영상에서 객체영역과 캐스트그림자(Cast-Shadow)영역의 훈련용 이미지에서 특징 값을 추출하여 신경망을 훈련시켰다. 캐스트그림자를 제거하는 방법은 이진영상의 객체로 추정되는 영역에서 그림자를 분리하는 방법을 기초로 하며 기존의 그림자 제거 알고리즘 (SNP, SP, DNM1, DNM2, CNCC)보다 그림자 제거 성능이 (16.2%, 38.2%, 28.1%, 22.3%, 44.4%)로 높게 나타났다.

• 방송공학회논문지
• /
• 제26권4호
• /
• pp.419-428
• /
• 2021

그림자 제거는 객체 추적 및 검출 등 영상처리 기술의 핵심 전처리 요소이다. 최근 심층 합성곱 신경망 (Deep Convolutional Neural Network) 기반의 영상 인식 기술이 발전함에 따라 심층 학습을 이용한 그림자 제거 연구들이 활발히 진행되고 있다. 본 논문에서는 자기 주의 증류(Self Attention Distillation)를 이용하여 심층 특징을 추출하는 새로운 그림자 제거 방법을 제안한다. 제안된 방법은 각 층에서 추출된 그림자 검출 결과를 하향식 증류를 통해 점진적으로 정제한다. 특히, 그림자 검출 결과에 대한 정답을 이용하지 않고 그림자 제거를 위한 문맥적 정보를 형성함으로써 효율적인 심층 신경망 학습을 수행한다. 그림자 제거를 위한 다양한 데이터 셋에 대한 실험 결과를 통해 제안하는 방법이 실제 환경에서 발생한 그림자 제거에 효과적임을 보인다.

• 한국멀티미디어학회논문지
• /
• 제12권7호
• /
• pp.941-946
• /
• 2009

영상 처리 기술에 기반한 경비 및 보안 감시 시스템이 보급되면서, 영상으로부터 정확하게 대상 물체를 추출하는 기술의 필요성이 증대되었다. 조명이 시시각각 변하는 경우 물체를 정확하게 추출하느냐는 더욱 어려운 문제가 된다. 영상으로부터 그림자를 제거한 물체를 추출해내기 위해서 많은 노력이 있었다. 여러 그림자 제거 방법들이 공통적으로 가지는 문제점이 있는데, 그림자 제거 시 물체의 일부도 손상시킨다는 점이다. 본 논문에서는 이런 문제점을 보완하기 위해서 그림자 제거 후 컬러 정보를 이용하여 물체의 손상된 영역을 복원하는 방법을 제안한다. 다양한 환경으로부터 획득한 영상에 제안한 방법을 적용하여 그 타당성을 검증하였다.

• 한국측량학회지
• /
• 제26권5호
• /
• pp.455-463
• /
• 2008

광학센서를 이용한 자료취득과정 중 발생하는 그림자는 영상내 동일 지물에 대한 밝기값의 지속성을 훼손하여 영상에 의한 지상 정보를 해석함에 있어 방해요소로 작용한다. 본 연구에서는 영상정보의 활용에 있어 그림자 영역을 추출하고 그림자에 의한 영상 왜곡을 제거하기 위한 기법에 관한 연구로써 자료원이 다른 보조자료의 활용을 배제하고 단일 컬러 영상으로부터 도심지의 지상 객체에 의한 그림자를 제거하기 위하여 HSI 컬러모델의 명도(intensity) 정보를 이용하여 그림자 영역을 추출하였으며 퓨리어 변환에 의한 그림자 영역 복원기법을 적용함으로써 영상에서의 그림자 영향을 제거하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 추계학술대회
• /
• pp.574-578
• /
• 2009

정지 영상이나 비디오 영상 시퀀스에서 배경 영상으로부터 움직이는 관심 물체를 구별하기 위한 실시간 물체 검출은 물체의 위치 추적과 인식에 있어 필수적인 단계이다. 물체 분할 후에 그림자 영역이 움직이는 물체 영역에 포함되어지기 때문에 그림자는 물체의 일부분 혹은 움직이는 물체로 오분류될 수 있다. 이러한 이유로 그림자 제거 알고리즘은 움직이는 물체 검출 및 추적 시스템의 결과에 중요한 역할을 한다. 이 문제점들을 해결하기 위해 본 논문에서는 움직이는 물체의 특징과 색상공간에서 그림자의 특징에 기반을 둔 정확한 물체 검출과 그림자 제거 알고리즘을 제안한다. 실험결과는 제안 알고리즘이 실험 영상에서 물체 검출과 그림자 제거에 대해 효과적인 것을 알 수가 있다.

• 한국멀티미디어학회논문지
• /
• 제11권5호
• /
• pp.610-622
• /
• 2008

이동 객체의 검출은 다양한 영상 감시 응용에 필수적인 중요한 기술이다. 그런데 이동 객체 검출 결과로 얻어진 전경 영상에는 그림자에 의한 색상 변화가 전경 영역으로써 함께 검출되는 경우가 쉽게 발생하며, 이러한 문제를 해결하기 위하여 이동 객체 검출은 흔히 그림자 제거와 함께 수행된다. 대부분의 그림자 제거 방법은 조명 변화발생시 색상의 조도 성분만 변화하며 색도 성분은 유지된다는 가정에 기반하여 색도 성분을 분리하여 표현하는 다양한 색상 공간을 통해 그림자 제거를 수행한다. 본 논문에서는 색도 성분을 분리하는 색상 공간 가운데 그림자 제거에 가장 적합한 색상 공간을 선택하고자 다양한 색상 공간 (YCbCr, HSI, 정규화된 rgb, Yxy, Lab, c1c2c3)을 비교하였다. 과거 그림자 제거에 있어서 다양한 색상 공간의 성능을 비교한 몇몇 연구가 있었으나, 기존 연구들은 각 논문에서 제안한 특정 그림자 제거 방법에 다양한 색상 공간을 적용하거나 임의의 임계값을 이용하여 각 색상 공간의 성능을 비교하였기 때문에, 각 색상 공간에서 조명 변화 발생에 따른 색상 왜곡을 정확히 측정하기 어려운 문제가 있었다. 본 논문에서는 이러한 기존 연구의 문제점을 피하고 각 색상 공간을 정확하게 비교하기 위하여 1) 서로 다른 조명 조건에 노출된 동일한 색상을 갖는 면의 경계에서 색도 성분의 기울기 값을 측정함으로서 조명 변화 발생 시 색도 성분의 변화 정도를 비교하였으며, 2) RoC 곡선을 통하여 임계치 설정의 문제를 피하면서 배경 제거 정확도를 비교하였다. 실험을 통하여 YCbCr 색상 공간과 정규화된 rgb 색상 공간이 비교대상으로 선택된 여러 색상 공간 가운데 가장 좋은 성능을 보이는 것을 확인하였다.

• 정보처리학회논문지B
• /
• 제15B권1호
• /
• pp.1-8
• /
• 2008

일반적으로 감시영상에서 움직이는 물체들은 배경빼기 혹은 프레임 차를 이용하여 추출된다. 하지만 객체에 의해서 만들어지는 그림자는 심각한 탐지의 오류를 야기시킬 수 있다. 특히, 도로 상에 설치된 감시카메라로부터 획득된 영상으로부터 차량 정보를 분석할 때, 차량에 의해서 생성되는 그림자로 인하여 차량의 모양을 왜곡시켜 부정확한 결과를 만든다. 때문에 그림자의 제거는 감시 영상 내에서의 정확한 객체 추출을 위해서 반드시 필요하다. 본 논문은 도로감시영상 내에서 움직이는 차량의 차종판별 성능을 향상시키기 위한 움직이는 객체 내에 만들어지는 그림자를 제거한다. 제거된 객체의 영역은 소실점을 이용하여 3차원 객체로 피팅(Fitting)한 후 측정된 데이터를 감독 학습하여 원하는 차종 판별결과를 얻는데 사용한다. 실험은 3가지 기계학습 방법{IBL, C4.5, NN(Neural Network)}을 이용하여 그림자의 제거가 차종의 판별성능에 미치는 결과의 평가한다.