• 방송공학회논문지
• /
• 제20권5호
• /
• pp.697-705
• /
• 2015

본 논문에서는 서로 다른 윈도우 크기를 적용한 다크 채널을 결합하여 전달량을 추정하고, 이를 바탕으로 한 고속 고품질의 안개 제거 방법을 제안한다. 기존의 soft matting 기법이나 유도 필터를 도입한 dark channel prior(DCP) 기반의 안개 제거 방법은 계산 복잡도가 높아 보정에 소요되는 시간이 길 뿐만 아니라 후광 현상을 완전히 억제하지 못하는 한계가 있다. 후광 현상은 개략적으로 추정된 전달량과 실제 전달량 사이의 오차에서 기인하는 것으로, 제거해야 할 안개의 양을 잘못 추정하여 영상에서 안개가 잔존함에 따라 발생하게 된다. 이러한 후광 현상은 복원 영상의 품질을 열화시키므로 이를 개선해야 할 필요가 있다. 제안하는 방법은 효과적으로 전달량을 추정하여 만족할 만한 품질의 복원 영상을 획득하면서 동시에 복잡한 전달량 정련 절차를 생략하여 고속의 보정이 가능케 하였다. 제안하는 방법에서는 서로 다른 두 개의 윈도우 크기를 적용한 다크 채널(dark channel)의 차분 영상을 이용하여 후광 영역을 예측한다. 이와 같이 예측된 결과를 바탕으로 두 다크 채널을 결합하여, 이중 다크 채널에 기반하여 전달량을 추정한다. 기존의 다크 채널의 경우, 다크 채널 연산을 수행한 이후에 복원 영상에서 블록 현상이나 복원 영상의 밝기가 감소하는 문제를 갖는 것에 비해, 제안하는 다크 채널은 다크 채널 연산 이후에도 영상의 경계가 잘 보존되며 복원 영상의 밝기가 유지되는 장점이 있다. 제안하는 다크 채널을 기반으로 추정된 전달량을 통해, 후광 현상을 효과적으로 억제하고 추가적인 전달량 정련 과정을 생략할 수 있다. 그 결과, 640 × 480 크기의 영상 기준으로, 복원 영상의 품질은 개선함과 동시에 기존 방법 대비 14.2배의 속도 향상을 달성하였다.

• 인터넷정보학회논문지
• /
• 제22권6호
• /
• pp.25-32
• /
• 2021

미래 해상 환경 변화에 맞춰 해상 항로표지가 다양한 분야에 걸쳐 활용되며 쓰임이 증대되고 있다. 해상 항로표지는 항행하는 선박의 위치, 방향 및 장애물의 위치를 알려주는 항행보조시설로, 현재는 단순히 선박의 안전 항해를 도울 뿐 아니라, 여러 센서와 카메라를 탑재하여 해양 기상환경을 파악하고 기록하는 수단으로 변모하고 있다. 하지만 주로 선박과의 충돌로 인해 소실되며 특히 해무로 인한 관측 시야 저하로 안전사고가 발생한다. 해무 유입은 항만, 해상교통 등에 위험을 초래하고 시간과 지역에 따라 발생 가능성의 차이가 커 예측이 쉽지 않다. 또한, 전 해역에 분포되어있는 항로표지의 특성상 개별 관리가 어렵다. 이를 해결하고자 본 논문에서는 항로표지에 설치된 카메라에서 촬영한 영상으로 해무 강도를 측정하는 방안을 통하여 해양 기상환경을 파악해 보완하고 날씨로 인한 항로표지 안전사고를 해결하는 것을 목적으로 한다. 설치가 어렵고 높은 비용이 드는 광학 및 온도 센서 대신 항로표지에 설치된 카메라의 일반 영상을 사용하여 해무 강도를 측정한다. 덧붙여 다양한 해역에서의 실시간 해무 파악을 위한 선행 연구로, 안개 모델(Haze Model), Dark Channel Prior(DCP)를 이용해 해무 강도 측정 기준을 제시한다. DCP를 적용한 영상에서 특정 픽셀값의 문턱값(Threshold value)을 설정하고, 이를 기준으로 전체 영상에서 해무가 존재하지 않는 픽셀의 수를 통해 해무 강도를 추정한다. 합성 해무 데이터셋과 실제 해무 동영상을 캡처해 만든 실제 해무 데이터셋으로 해무 강도 측정 여부를 검증했다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 추계학술대회
• /
• pp.148-150
• /
• 2012

외부 환경에 안개가 존재하는 경우, 영상처리의 다양한 알고리즘을 사용하기 어렵다. 이때 안개가 짙은 정도인 전달량을 이용하여 안개를 제거한다. 안개 제거를 위한 대표적인 방법 중 하나인 Dark Channel Prior 알고리즘은 영상의 색 정보를 이용하여 안개의 전달량을 예상한다. 하지만 RGB 전 채널 모두 높은 값을 갖고 있는 영역이, 전달량을 찾는 마스크보다 클 때 전달량을 잘못 예상하게 된다. 본 논문에서는 영상의 edge 정보를 이용하여 영상의 안개가 짙은 정도에 따라 영역을 분할 후 잘못 예상된 전달량을 보정하는 방법을 제안한다. 잘못된 전달량 예상을 통해 색이 왜곡되는 부분을 제거함으로서 기존의 알고리즘과 비교하여 영상 내의 색상이 자연스럽게 안개가 제거된 결과를 얻었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 추계학술대회
• /
• pp.172-175
• /
• 2016

In image dehazing, the existing transmission estimators bring out the halo artifact at boundaries unless they adopt a refinement process with the high computational complexity. We analyze how the existing transmission estimation methods suffer from the halo artifact at the boundaries and observed that the elaborate, high computational refinement processes to remove the halo effect are excessive for dehazing. On the basis of the analysis and observation, we embed a simple segmentation logic in an existing transmission estimator, which is sufficiently accurate for dehazing. The experiment verifies that the proposed method significantly reduces the halo artifact without requiring any refinement process.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• pp.326-329
• /
• 2011

안개나 스모그 등으로 인한 영상의 왜곡에 대해 Dark Channel Prior 를 이용해 안개제거를 하면 깨끗한 결과 영상을 얻을 수 있다. 하지만 이 기법에서 전달량을 정련할 때 많은 시간이 걸리는데 계산 속도 면을 개선하기 위해 Gaussian Filter 를 사용해 정련한다. 이 때 단순한 Gaussian Filter 를 사용하게 되면 결과영상에서 후광효과가 생기게 된다. 후광효과를 줄이기 위해 본 논문에서 제안한 적응 Gaussian Filter 를 사용해 영상을 복원시킨다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권7호
• /
• pp.3245-3271
• /
• 2016

To obtain well-dehazed images at the receiver while sustaining low bit rates in the transmission pipeline, this paper investigates the effects of image dehazing methods using dehazing contrast-enhancement filters on image compression for surveillance systems. At first, this paper proposes a novel image dehazing method by using a new method of calculating the transmission function—namely, the direct denoising method. Next, we deduce the dehazing effects of the direct denoising method and image dehazing method based on dark channel prior (DCP) on image compression in terms of ringing artifacts and blocking artifacts. It can be concluded that the direct denoising method performs better than the DCP method for decompressed (reconstructed) images. We also improve the direct denoising method to obtain more desirable dehazed images with higher contrast, using the saliency map as the guidance image to modify the transmission function. Finally, we adjust the parameters of dehazing contrast-enhancement filters to obtain a corresponding composite peak signal-to-noise ratio (CPSNR) and blind image quality assessment (BIQA) of the decompressed images. Experimental results show that different filters have different effects on image compression. Moreover, our proposed dehazing method can strike a balance between image dehazing and image compression.

• 방송공학회논문지
• /
• 제21권2호
• /
• pp.272-275
• /
• 2016

본 논문은 위성 영상을 위한 안개 제거 및 표면반사율 기반의 특징점 검출 방법을 제안한다. 기존의 안개 제거를 위한 DCP 방법은 패치 기반의 처리 방식으로 인해 전달맵 생성 과정에서 블록현상이 발생하게 되고, 이는 영상을 흐리게 하는 원인이 된다. 따라서 제안한 은닉마코프 기반의 방법은 영상의 블록 현상을 제거하고 선명도를 향상한다. 또한 표면반사율 기반의 견고한 특징점 추출을 통해서 영상 정합의 정확성을 향상하였다. 실험을 통해 제안한 방법이 기존 방법에 비해 안개 제거의 성능에서 우수함을 확인하였으며 이를 통해 특징 검출 및 위성 영상 정합에 적합함을 확인하였다.

• 한국산업융합학회 논문집
• /
• 제23권6_2호
• /
• pp.1025-1032
• /
• 2020

In this paper, we propose a method to classify road weather conditions into rain, fog, and sun using a SVM (Support Vector Machine) classifier after extracting weather features from images acquired in real time using an optical sensor installed on a roadside post. A multi-dimensional weather feature vector consisting of factors such as image sharpeness, image entropy, Michelson contrast, MSCN (Mean Subtraction and Contrast Normalization), dark channel prior, image colorfulness, and local binary pattern as global features of weather-related images was extracted from road images, and then a road weather classifier was created by performing machine learning on 700 sun images, 2,000 rain images, and 1,000 fog images. Finally, the classification performance was tested for 140 sun images, 510 rain images, and 240 fog images. Overall classification performance is assessed to be applicable in real road services and can be enhanced further with optimization along with year-round data collection and training.

• Journal of Platform Technology
• /
• 제11권6호
• /
• pp.68-78
• /
• 2023

본 연구에서는 안개(haze)가 존재하는 영상에서의 색상 왜곡에 대하여 분석하고자 한다. 장면에 안개가 포함되는 경우, 장면에서 반사되는 칼라 신호는 안개 성분에 따른 투과율의 영향으로 색상의 왜곡이 수반된다. 통상적인 안개 제거(de-hazing) 방법으로 안개의 영향을 배제하는 경우 색상의 왜곡이 충분히 해소되지 않는 경향이 있다. Khoury 등은 많은 연구에서 언급되는 안개 모델인 다크-채널-프라이어(dark channel prior) 기법을 이용하여 색상의 왜곡 정도를 파악하였다. 그러나 색 오차 값 등 왜곡의 경향성 만을 확인하였고, 구체적인 색 왜곡에 대한 분석을 하지 않았다. 본 논문에서는 색 왜곡의 형태를 분석하고, 색상의 왜곡을 줄일 수 있는 복원 방법을 제안하였다. Khoury 등이 사용한 데이터베이스의 입력 영상에는 표준 칼라 도구인 맥베스 칼라체커(Macbeth color checker)가 포함되어 있다. 맥베스 칼라체커(Macbeth color checker)의 칼라 값들을 이용하여 안개 농도의 변화에 따른 색상 왜곡을 분석하고, 모델링을 통하여 새로운 색상 왜곡 모델을 제시하였다. 제안한 방법은 안개 농도 변화에 따른 단계별 색도(chromaticity)의 변화와 기준 정보(ground truth)의 색도를 이용하여 사상(mapping) 함수를 구하는 것이다. 색 왜곡의 형태가 안개 농도에 비례하여 단계별로 차이가 있으므로 모든 단계에서 안정적으로 작동하는 통합적인 사상 함수를 구하는 것이 필요하다. 본 논문에서는 제안한 방법을 통한 색상 왜곡의 개선을 각도 오차(angular error)의 값을 기준으로 추정하였으며, 기존 방법에 비하여 15% 정도의 개선효과가 있음을 검증하였다.

• 전자공학회논문지
• /
• 제54권1호
• /
• pp.96-110
• /
• 2017

기존의 차량 검출 연구들의 대부분은 일반렌즈 또는 광각렌즈를 가지는 후방 카메라를 사용하기 때문에 사각지대가 넓으며, 영상에 노이즈 및 다양한 외부 환경에 취약한 부분이 있다. 본 논문에서는 사각지대를 줄이고, 노이즈 및 가혹한 외부 환경에서도 인식이 가능한 검출 방법을 제안한다. 먼저 광각렌즈보다 더 넓은 화각을 가진 어안렌즈를 이용해 사각지대를 최소화한다. 렌즈의 화각이 커진 만큼 비선형 방사왜곡도 커지게 되므로, 정확한 영상 결과를 얻기 위해서 왜곡 상수 초기화와 최적화를 실시한 후 Calibration을 이용하였다. 그리고 Calibration과 동시에 원본 영상을 분석하여 안개가 자욱한 상황과 갑작스러운 조도 변화로 인해 생기는 명순응, 암순응 현상에 의한 시야 방해 상황에서도 인식이 가능하도록 안개 제거와 밝기 보정을 이용하였다. 안개 제거는 일반적으로 계산 시간이 매우 크다. 따라서 계산 시간을 줄이기 위해 대표적인 안개 제거 알고리즘인 Dark channel prior를 기반으로 안개를 제거하였다. 밝기 보정 시에는 Gamma correction을 이용했고, 보정에 필요한 Gamma value를 결정하기 위해 영상에 대한 밝기 및 명암 평가가 수행하였다. 평가는 영상의 전체가 아닌 일부분을 이용하여 할애되는 계산시간을 줄였다. 밝기 및 명암 값이 계산되면 그 값을 이용해 Gamma value를 결정하고 전체 영상에 보정을 실시하였다. 그리고 밝기 보정과 안개 제거로 나누어 병렬 처리한 후, 영상을 하나로 정합함으로써 전 처리 과정의 연산시간을 줄였다. 이후 보정된 영상으로부터 특징추출법인 HOG를 이용하여 차량을 검출하였다. 그 결과 본 논문에서 제안하는 방법의 영상 보정을 이용한 차량 검출을 하는데 1프레임당 0.064초가 걸렸으며, 기존의 차량 검출 방법에 비해 7.5%의 향상된 검출률을 얻었다.