본 논문에서는 기존의 그랩컷 알고리즘을 이용한 객체 검출의 정확도를 향상시키기 위하여 샤프닝 필터를 이용한 영상의 화질을 개선하는 방법을 제안한다. 그랩컷 알고리즘은 사각 윈도우 범위 내에서 객체 추출에 뛰어난 성능을 보이지만, 객체와 배경의 구분이 뚜렷하지 않은 영상에서는 성능이 떨어지는 단점이 있다. 따라서 본 논문에서는 히스토그램 평활화를 통해 밝기 및 선명도를 보강하고, 샤프닝 필터를 이용하여 객체의 경계를 강화하여 기존의 그랩컷 알고리즘보다 객체와 배경의 색상이 비슷한 영상에서 향상된 객체 추출 결과를 보인다. 개선된 그랩컷 알고리즘을 토대로 문자인식, 실시간 객체추적 등 영상처리 융합 기술에서 향상된 결과를 얻을 수 있다.
본 논문에서는 HVS의 가시성과 영상의 히스토그램 특성을 동시에 고려하는 자동 게인옵셋법을 제안한다. 제안한 방법에서는 대비 신장된 영상의 평균 가시성이 최대가 되도록 클리핑의 상하한 역치를 정하고 이들로부터 유도된 게인 및 옵셋으로 영상의 대비를 신장한다. 가시성 함수는 불균일한 밝기의 주변화소들로부터 중심화소의 밝기 변화를 인간 시각이 인지하는 데 필요한 최소 변화량인 공간 JND를 사용하여 정의한다. 실험결과에서 제안한 방법에 의하여 대비 신장된 영상을 기존의 방법들의 결과 영상에 비하여 전역 대비와 국부 대비가 좋게 개선됨을 보인다.
다양한 방법으로 영상을 재현하는 많은 장치들이 있다. 그러나 지원할 수 있는 색의 범위인 색역의 차이 때문에 동일한 칼라 영상이 장치별로 서로 다르게 보이는 현상이 발생한다. 최근 색역 사상은 이미지내의 주변 픽셀에 적응적으로 색역 사상을 수행하는 방법인 공간적인 색역 사상이 많이 사용되고 있다. 그러나 공간적인 색역 사상 방법은 색상 이동, 후광 효과, 상세정보 보존에 대한 문제점을 가지고 있다. 본 논문에서는 기존의 색역 사상 방법에서 색역 밖 영역의 경계영역 보존으로 인해 상세정보 보존이 잘 되지 않는 문제점을 해결하기 위하여 입력 영상의 정보를 활용해서 영상의 상세정보를 보존하는 공간적인 색역 사상 방법을 제안한다. 제안한 방법은 먼저, 입력 영상을 색역 절단 방법을 이용해서 색역 사상을 수행하고 입력 영상과 색역 사상된 영상을 각각 저역 통과 필터링 한 후, 입력 영상의 상세정보과 색역 사상된 영상의 상세정보를 계산한다. 제안한 방법의 상세정보는 입력영상의 상세정보와 색역 사상된 영상의 상세정보의 차로 구할 수 있다. 마지막으로 제안한 방법으로 구한 상세정보를 색역 사상된 영상에 더 해줌으로써 상세정보가 보상된 영상을 얻게 된다. 그리고 상세정보 보상과정에서 색역 밖으로 나간 값을 색역 안으로 넣어주기 위해 다시 색역 절단 방법을 이용한 색역 사상을 수행해서 결과 영상을 얻는다. 제안한 방법을 모니터와 프린터 간에 색재현에 적용하는 실험을 통해 보다 선명하고 대비가 높은 영상 얻을 수 있다.
본 논문에서는 영상의 edge 정보를 이용하여 영상의 안개가 짙은 정도에 따라 영역을 분할 후 잘못 예상한 전달량을 보정하는 방법을 제안한다. 안개가 있는 날 얻은 영상은 가시성이 떨어질 뿐만 아니라 영상처리의 다양한 알고리즘을 사용하기 어렵기 때문에 안개가 짙은 정도인 전달량을 이용하여 안개를 제거한다. 안개제거를 위한 대표적인 방법중 하나인 Dark Channel Prior(DCP) 알고리즘은 날씨가 맑은 영상에서 일정 영역 안에서는 어두운 값이 존재하는 특성을 이용하여 안개의 전달량을 예상한다. 하지만 영상의 RGB 신호에서 전 채널 모두 높은 값을 갖고 있는 영역이 전달량을 찾는 영역보다 클 경우 전달량을 잘못 예상하게 된다. 따라서 제안하는 알고리즘을 사용하여 잘못된 전달량 보정을 통해 색이 왜곡되는 부분을 제거함으로서 기존의 알고리즘과 비교하여 영상 내의 색상이 자연스럽게 구현되고 안개가 제거된 결과를 얻었다.
KSII Transactions on Internet and Information Systems (TIIS)
/
제10권9호
/
pp.4386-4404
/
2016
Most existing salient object detection algorithms commonly employed segmentation techniques to eliminate background noise and reduce computation by treating each segment as a processing unit. However, individual small segments provide little information about global contents. Such schemes have limited capability on modeling global perceptual phenomena. In this paper, a novel salient object detection algorithm is proposed based on region merging. An adaptive-based merging scheme is developed to reassemble regions based on their color dissimilarities. The merging strategy can be described as that a region R is merged with its adjacent region Q if Q has the lowest dissimilarity with Q among all Q's adjacent regions. To guide the merging process, superpixels that located at the boundary of the image are treated as the seeds. However, it is possible for a boundary in the input image to be occupied by the foreground object. To avoid this case, we optimize the boundary influences by locating and eliminating erroneous boundaries before the region merging. We show that even though three simple region saliency measurements are adopted for each region, encouraging performance can be obtained. Experiments on four benchmark datasets including MSRA-B, SOD, SED and iCoSeg show the proposed method results in uniform object enhancement and achieve state-of-the-art performance by comparing with nine existing methods.
Lane detection is a widely researched topic. Although simple road detection is easily achieved by previous methods, lane detection becomes very difficult in several complex cases involving noisy edges. To address this, we use a Convolution neural network (CNN) for image enhancement. CNN is a deep learning method that has been very successfully applied in object detection and recognition. In this paper, we introduce a robust lane detection method based on a CNN combined with random sample consensus (RANSAC) algorithm. Initially, we calculate edges in an image using a hat shaped kernel, then we detect lanes using the CNN combined with the RANSAC. In the training process of the CNN, input data consists of edge images and target data is images that have real white color lanes on an otherwise black background. The CNN structure consists of 8 layers with 3 convolutional layers, 2 subsampling layers and multi-layer perceptron (MLP) of 3 fully-connected layers. Convolutional and subsampling layers are hierarchically arranged to form a deep structure. Our proposed lane detection algorithm successfully eliminates noise lines and was found to perform better than other formal line detection algorithms such as RANSAC
KSII Transactions on Internet and Information Systems (TIIS)
/
제15권12호
/
pp.4420-4438
/
2021
Image dehazing is an ill-posed problem which is far from being solved. Traditional image dehazing methods often yield mediocre effects and possess substandard processing speed, while modern deep learning methods perform best only in certain datasets. The haze removal effect when processed by said methods is unsatisfactory, meaning the generalization performance fails to meet the requirements. Concurrently, due to the limited processing speed, most dehazing algorithms cannot be employed in the industry. To alleviate said problems, a lightweight fast dehazing network based on a multiple scale-patch framework (MSP) is proposed in the present paper. Firstly, the multi-scale structure is employed as the backbone network and the multi-patch structure as the supplementary network. Dehazing through a single network causes problems, such as loss of object details and color in some image areas, the multi-patch structure was employed for MSP as an information supplement. In the algorithm image processing module, the image is segmented up and down for processed separately. Secondly, MSP generates a clear dehazing effect and significant robustness when targeting real-world homogeneous and nonhomogeneous hazy maps and different datasets. Compared with existing dehazing methods, MSP demonstrated a fast inference speed and the feasibility of real-time processing. The overall size and model parameters of the entire dehazing model are 20.75M and 6.8M, and the processing time for the single image is 0.026s. Experiments on NTIRE 2018 and NTIRE 2020 demonstrate that MSP can achieve superior performance among the state-of-the-art methods, such as PSNR, SSIM, LPIPS, and individual subjective evaluation.
본 논문은 먼지, 물방울, 안개 등과 같이 빛의 산란 및 감쇄를 발생시키는 외부요인에 의해 열화된 영상의 화질을 향상시키기 위한 새로운 방법을 제시한다. 기존의 안개제거 방법들은 전역대기 산란광의 오추정 및 매개체 전달량 오류로 인하여 영상을 복원하였을 때 명암대비가 낮거나 일부 영역에서 색이 왜곡되는 문제가 발생한다. 따라서 본 논문에서는 이를 개선하기 위해 강인한 전역대기 산란광 추정방법과 국부영역 색포화 평가방법을 통한 매개체 전달량 추정방법을 제안한다. 제안하는 방법은 전역대기 산란광 오추정에 기인하여 발생하는 매개체 전달량 오류와 색포화 문제를 개선하였으며, 이를 통해 복원영상의 화질을 향상시켰다. 제안하는 방법과 기존 방법과의 비교 실험결과는 전역대기 산란광 추정의 정확성과 복원된 영상의 객관적, 주관성 성능 향상을 보여준다.
최근 영상 및 광학 소자 산업의 발달과 디지털 방송으로 TV등의 디스플레이 장치들이 슬림화 및 대형화되는 추세에 따라 기존 CRT를 대신하고 있다. 특히 LED, Laser등을 이용한 광 색역 디스플레이 장치들은 CRT에서는 표현할 수 없는 고채도의 색을 표시한 수 있는데 기존의 TV신호를 그대로 적용할 경우 색상의 왜곡이 큰 부작용으로 작용한다. 따라서 본 논문에서는 이와 같은 광 색역 디스플레이 장치에서 색상의 왜곡을 없애고 기존 CRT에 비해 넓은 색역을 충분히 활용할 수 있는 색역 사상에 대하여 연구하였다. 색역 사상은 동일색상에서 채도를 향상 시키는 방법이 일반적으로 사용되나 채도의 과도 상승으로 인한 부작용이 나타난 수 있다. 따라서 본 논문에서는 이러한 부작용을 방지하기 위해 밝기와 채도를 같이 상승 시키는 벡터 사상을 제안 하고자 한다. 이 벡터 사상은 색도가 변하지 않아서 영상이 보다 자연스럽다는 장점이 있다. 또 입력과 출력 색역의 기하학적 특성에 따라서 발생할 수 있는 계조 뭉침이나 윤곽선 효과를 색역 맞춤을 통해 보상하였다. 이와 같은 색역 사상과 색역 맞춤을 이용하여 광색역 디스플레이에서 색상 왜곡을 방지하고 자연스러운 영상을 재현할 수 있다.
OLED(Organic Light-Emitting Diode)는 LCD와 달리 자체발광 특성 때문에 흰색을 표현할 때에는 R,G,B 소자가 모두 발광하여야 하므로 전력소비가 상대적으로 커지게 되는 문제점이 있다. 본 논문은 OLED 패널을 사용한 기기의 저전력 디스플레이 방법 및 하드웨어 구현에 관한 것이다. 입력 이미지의 휘도 정보를 기반으로 하여 실시간으로 화소 별 휘도 변환 값을 생성하여 적응적 휘도 조절 방법과 색도 축소 알고리즘의 기본 개념을 사용하여 새로운 색상보정 알고리즘을 사용하여 OLED 패널의 저전력 디스플레이 방법을 제안한다. 기존의 방법과 비교함으로써 제안한 방법의 성능을 확인한 결과 최대 48.43%의 전류 감소를 확인하였다. 최종적으로 제안된 알고리즘은 Verilog HDL로 하드웨어를 구현하였으며, OpenCV와 Window 프로그램을 사용하여 소프트웨어적으로 알고리즘을 검증하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.