• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.159-160
• /
• 2015

본 논문에서는 잡음이 있는 저조도 동영상의 고속 시인성 개선 기법을 제안한다. 먼저, 영상에서 고속 추출한 광도를 기반으로 입력 영상을 저조도 영역과 고조도 영역으로 구분한 뒤, 각 영역의 특징을 반영한 전달 함수의 독립적인 생성 및 적용을 통해 영상의 밝기를 개선한다. 다음으로 동영상의 풍부한 시공간적 정보 활용 극대화를통해 효율적으로 영상의 잡음을 제거한다. 마지막으로 영상의 색상 분포 분석을 통해 매핑 함수를 생성하고, 이를 적용하여 색상 치우침 문제가 있는 저조도 영상의 색상을 효과적으로 복원한다. 실험을 통하여 제안 기법이 기존 기법 대비 우수한 시인성 개선 및 속도 개선 결과를 보임을 확인한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.157-158
• /
• 2015

본 논문에서는 광원 노출도를 이용한 저조도 영상 시인성 개선 기법을 제안한다. 제안 기법은 저조도 영상의 저주파 성분과 고주파 성분을 각각 개선한 뒤 병합하여 시인성이 개선된 영상을 얻는다. 먼저, 영상에서 추출한 광원 노출도를 기반으로 저주파 성분을 저조도 영역과 고조도 영역으로 구분하고, 각 영역의 특징을 반영한 전달 함수의 독립적인 생성 및 적용을 통해 개선된 저주파 성분을 얻는다. 다음으로 저주파 성분의 개선 결과로부터 저주파 성분의 개선 정도와 텍스처 정도를 얻고, 이들 값을 이용하여 고주파 성분을 효과적으로 개선한다. 실험을 통하여 제안 기법이 기존 기법에 비하여 우수한 시인성 개선 결과를 보임을 확인한다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.11 no.6
• /
• pp.311-317
• /
• 2011

In this paper, we proposed realtime image enhancing method on the three noise types of input images, such as haze, low contrast and back light images. Some conventional de-hazing algorithms have good performance but need large memories and high computational burdens. We proposed the efficient algorithm which not only removes the haze but also reduces memory usage and computational complexity. We implemented the realtime system by using DM6446 DSP chip, and it showed the excellent result in these three problems; haze, low contrast and back light. We implemented the system with the processing speed at 15 frames/sec.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.06a
• /
• pp.258-259
• /
• 2013

광원 및 조명이 미약한 환경에서 획득된 저조도 영상은 인지적 및 색 왜곡적 측면에서 취약점을 가진다. 영상의 색 복원을 위한 연구인 색 항등성 기법은 저조도 환경에 적합하지 않기 때문에 저조도 영상을 대상으로 적용할 경우에는 좋은 성능을 내지 못한다. 이러한 문제를 해결하기 위하여 본 논문에서는 저조도 영상의 색 복원을 위한 톤 매핑 및 색 항등성 기법에 대해 분석한다. 톤 매핑 기법은 저조도 영상의 밝기를 개선해 색 항등성 기법의 적용을 가능하도록 하기 위해 사용되며, 이후 다양한 색 항등성 기법을 밝기 조절된 저조도 영상에 적용해 색 복원에 적합 여부를 판단한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.376-377
• /
• 2011

일반적으로 저조도 환경에서 촬영된 영상에서 컬러의 정보를 식별하는 것은 어렵다. 기존의 대표적인 영상 개선의 방법인 레티넥스(Retinex)는 연산량이 많고 원본 영상의 컬러 정보를 정확히 반영하지 못하는 문제점이 있다. 따라서, 본 논문에서는 저조도 환경에서 촬영된 영상에 대해 컬러의 왜곡 문제를 개선하기 위하여 비선형 함수와 RGB 컬러 공간에서의 벡터 상수곱을 이용한 실시간 영상 개선 방법을 제안한다.

• Journal of IKEEE
• /
• v.25 no.1
• /
• pp.139-147
• /
• 2021

This paper introduces an image decomposition-based deep learning method and loss function to improve low-light images. In order to remove color distortion and halo artifact, illuminance channel of an input image is decomposed into reflectance and luminance channels, and a decomposition-based multiple structural deep learning process is applied to each channel. In addition, a mixed norm-based loss function is described to increase the stability and remove blurring in reconstructed image. Experimental results show that the proposed method effectively improve various low-light images.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.19 no.7
• /
• pp.36-41
• /
• 2018

An image intensifying device is equipment that makes weak objects visible in a dark environment, such as making nighttime bright enough to let objects be visually observed. It is possible to obtain a clear image by amplifying the light in the presence of a certain amount of weak light. However, in an extremely low-light environment, where even moonlight is not present, there is not enough light to amplify anything, and the sharpness of the screen deteriorates. In this paper, a method is proposed to improve image quality by using multiple filters and anisotropic diffusion for output noise of the image-intensifying device in extreme low-light environments. For the experiment, the output of the image-intensifying device was obtained under extremely low-light conditions, and signal processing for improving the image quality was performed. The configuration of the filters for signal processing uses anisotropic diffusion after applying a median filter and a Wiener filter for effective removal of salt-and-pepper noise and Gaussian noise, which constitute the main noise appearing in the image. Experimental results show that the improvement visually enhanced image quality. Both peak signal-to-noise ratio (PSNR) and SSIM, which are quantitative indicators, show improved values.

• Journal of Broadcast Engineering
• /
• v.24 no.4
• /
• pp.623-632
• /
• 2019

Many researches have been carried out for brightness and contrast enhancement, illumination reduction and so forth. Recently, the aforementioned hand-crafted approaches have been replaced by artificial neural networks. This paper proposes a convolutional neural network that can replace the method of generating a reflectance image where illumination component is attenuated. Experiments are carried out on 102 low-light images and we validate the feasibility of the replacement by producing satisfactory reflectance images.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.8
• /
• pp.11-19
• /
• 2023

In this paper, it is confirmed that the metrics used to evaluate image quality can be applied to low-light images. Due to the nature of low-illumination images, factors related to light create various noise patterns, and the smaller the amount of light, the more severe the noise. Therefore, in situations where it is difficult to obtain a clean image without noise, the quality of a low-illuminance image from which noise has been removed is often judged by the human eye. In this paper, noise in low-illuminance images for which ground truth cannot be obtained is removed using Noise2Noise, and spatial resolution and radial resolution are evaluated using ISO 12233 charts and colorchecker as metrics such as MTF and SNR. It can be shown that the quality of the low-illuminance image, which has been evaluated mainly for qualitative evaluation, can also be evaluated quantitatively.

• Journal of Broadcast Engineering
• /
• v.24 no.1
• /
• pp.87-96
• /
• 2019

Improvement of low-light image mainly focuses on the contrast enhancement. Many researches have been carried out for brightness enhancement, contrast improvement and illumination reduction. Recently, the aforementioned approaches have been replaced by artificial neural networks. This paper proposes a methodology that can replace the Retinex-based reflectance image acquisition by deep neural network. Experiments carried out on 102 low-light images validated the feasibility of the replacement by producing PSNR=30.8682(db) and SSIM=0.4345.