• 전자공학회논문지S
• /
• 제36S권10호
• /
• pp.94-102
• /
• 1999

본 논문에서는 카메라의 조명궤적과 화상내의 광휘점 (highlight) 영역의 화소들이 형성하는 색도좌표 군집에 대한 근사된 직선과의 교점을 카메라 촬영 장면에서의 조명색으로 결정하는, 카메라 촬영 장면의 조명색을 화상으로부터 직접 추정하는 방법을 제안하였다. 이 방법은 카메라의 조명에 대한 반응 특성을 사전 정보로 제공함으로써 기존의 화상내의 광휘점 정보망을 이용하던 방법에 비해 더욱 정확한 조명색 추정을 가능하게 한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제33권1호
• /
• pp.84-94
• /
• 2006

영상의 컬러 정보는 조명 환경에 따라 변한다. 이 경우 영상으로부터 조명 컬러를 추정하고 물체 본래의 컬러를 복원하는 것을 컬러 항상성이라 한다. 본 논문에서는 이색성 반사 모델에 기반한 새로운 컬러 항상성 복원 기법을 제안한다. 이색성 반사 모델에 기반하여 조명 컬러를 추정하기 위해서는 정확한 이색성 선을 추출하는 것이 매우 중요하다. 이를 위해 본 논문에서는 이색성 기울기와 이색성 선 공간을 제안하고, 이를 이용하여 이색성 선을 추정하는 기법을 제안한다. 또한 얻어진 이색성 선을 이용하여 단일 및 다중 컬러 영상에 대한 조명 추정 기법도 제안한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권12호
• /
• pp.4502-4512
• /
• 2014

This article presents a reformulation of the Grey Edge framework for colour constancy. Colour constancy is the ability of a visual system to perceive objects' colours independently of their scenes' illuminants. Colour constancy algorithms try to estimate the colour of an illuminant from image values. This estimation can later be used to correct the image as though it were taken under a white illuminant. The modification presented allows the framework to incorporate image-specific filters instead of the commonly used edge detectors. A colour constancy algorithm is proposed using PCA and FastICA linear component analyses methods for the construction of such filters. The results show that the proposed method improves the accuracies of the Grey Edge framework algorithms whilst on the other hand, achieving comparable accuracies with the state-of-the-art methods, but improving their time efficiencies.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (2)
• /
• pp.419-421
• /
• 2000

정확한 색 재현(Color Reproduction)을 위해서 영상 입력 장치(Image Input Device)의 조명색(Illuminant Color)에 따른 영상 변화를 분석하는 것은 중요하다. 영상 입력 장치는 피사체(Object)를 비추는 조명의 색 특성에 따라 영상을 생성한다. 이는 인간 시각 시스템(Human Visual System)이 가지는 색 불변성(Color Constancy)과는 다른 특성이며, 정확한 색 재현을 위해 필요한 색 실현 모델(Color Appearance Model)이 영상을 변환하는데 문제점으로 작용한다. 따라서, 영상 입력 장치가 생성하는 영상으로부터 조명 정보를 분석하여 인간 시각 시스템의 색 불변성을 재현할 필요가 있다. 본 논문에서는 영상의 조명 정보를 평가하기 위해 채도(Chroma)가 높은 기준 색 샘플들의 rgb 색도를 이용하여 색도 평면에 색도 다각형(Chromaticity Polygon)을 구성하고 영상의 모든 픽셀들의 rgb 색도 분포와 기준 색 샘플들의 색도 다각형간의 포함 관계에 따라 조명 정보를 평가한다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.1-7
• /
• 2012

일반적으로 바랜 영상 보정 방법들은 색 바램의 현상은 광원의 효과로서, Gray World Assumption 또는 White Patch Retinex와 같은 광원 추정 알고리즘을 사용한다. 그러나 이러한 방법들은 염료의 특성, 온도, 습도, 광원 등에 따라 다르게 바래는 색에 대한 보정은 부정확함을 나타냈다. 본 논문에서는 LCybCrg 색 공간에서의 분류맵을 이용한 바랜 색 보정 방법을 제안한다. 먼저 입력의 색 바랜 영상은 LCybCrg의 보색 공간의 색도를 기반으로 하여 분류되었다. 그리고 RGB 색 공간에서 Gray World Assumption을 기반으로 하여 바랜 색도를 보정하였다. 또한 CybCrg 값으로부터 계산된 가중치는 각각의 영역에서 발생 할 수 있는 윤곽효과를 줄이기 위해 적용되었다. 그 결과 제안한 방법은 바랜 영상에 대해 이전 방법들 보다 더 나은 보정 성능을 보였다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2000년도 추계학술발표논문집
• /
• pp.218-223
• /
• 2000

영상에서 색상은 조명과 물체의 반사 특성에 의해 걸정되므로고 정확한 조명성분 추출을 통해 물체 고유의 색상을 복원할 수 있다. 물체 색상과 하이라이트 색상의 분포와 이들간의 관계를 잘 반영하여 모델링한 Dichromatic 반사 모델에서는, 3차원 RGB 공간에서의 하이라이트(highlight) 영역에 의한 클러스터 분포형상으로부터 표면반사벡터를 구해 이것을 조명벡터로 결정하였다. 그러나, 표면반사벡터의 방향은 물체색상의 영향을 받아 실제 조명벡터와 동일한 방향을 나타내지 못한다는 것을 실험을 통해 알 수 있었다. 실제적으로 하이라이트영역에 대한 클러스터는 물체 색상으로부터 조명색상에 근접한 방향으로 형성되며, 조명벡터로는 글러스터의 최대값으로 향하는 것을 취하는 것이 보다 정확하다는 특성이 있음을 확인하였다. 본 논문에서는 여러 가지 실험을 통해 이러한 특성이 타당함을 제시하고, 그래픽반사모델을 이용하여 하이라이트 색상에 대한 새로운 해석 방법을 제시한다.

• 대한전자공학회논문지SP
• /
• 제38권3호
• /
• pp.56-56
• /
• 2001

임의의 물체색은 장면(scene)에 존재하는 조명과 물체 표면의 특성에 의해 결정되므로, 정확한 물체색을 표현하기 위해서는 조명색의 추정이 중요하다. 본 논문은 인지광원(perceived illumination) 현상을 확장한 방법과, 광휘점(highlight) 방법을 각각 제안하고, 두가지 방법을 결합하는 결합적 조명색 추정방법을 제안한다. 인지광원 방법은 개략적인 해의 범위를 결정하는 면에서는 안정성이 보장되나, 정확성의 측면에서는 입력영상의 내용에 의존적인 경향이 있는 단점이 있다. 광휘점 방법은 입력영상의 내용에 의존적이지 않으며, 정확한 해를 제시하는 장점이 있으나, 최종적인 해를 결정하기 위해 폭넓은 범위를 가지는 교차점인 다수의 후보들을 고려해야 하는 단점이 있다. 그러므로 본 논문에서는 두 가지 방법의 상호보완적인 특성을 이용하여, 인지광원 방법의 추정결과를 가능한 해의 개략적인 범위로 설정하고, 광휘점 방법으로부터 추출된 후보점 및 분포 클러스터(cluster)들의 특성을 고려하여 최종적인 해를 결정하는 알고리즘을 제안한다.

• 대한전자공학회논문지SP
• /
• 제38권4호
• /
• pp.392-400
• /
• 2001

본 논문에서는 단일 영상에 포함된 광원의 분광분포를 추정하는 광원추정 알고리즘을 제안한다. 제안된 광원 추정 방법은 두 단계로 이루어져 있다. 첫째, 변형된 회색계 가정(modified gray world assumption)을 이용하여 부분적으로 광원의 영향을 배제한 후 밝으면서도 무채색에 가까운 최대 무채색 영역을 찾아 그 영역의 표면 분광 반사율을 구한다. 이때 최대 무채색 영역의 표면 분광 반사율은 1269개의 Munsell 색 표본에 대하여 주성분 분석 방법을 이용하여 추정하였다. 둘째, 주어진 Munsell 색 표본과 대표 광원의 조합으로 반사광의 모집단을 만들었다. 다음 최대 무채색 영역의 각 화소와 반사광 모집단과의 색차를 비교하여 최대 무채색 영역과 색차가 가장 적은 반사광 표본을 선택하고 이를 최대 무채색 영역에 대한 반사광의 분광분포로 정의한다. 최종적으로 최저 무채색 영역의 반사광 분광분포를 해당하는 표면 분광반사율로 나누어줌으로써 영상에 포함된 광원의 분광분포를 추정한다. 제안한 알고리듬의 성능을 평가하기 위하여 유색 광원에 조명된 영상에 대한 광원 추정 실험을 하였으며 기존의 방법과 추정된 광원의 분광 분포 비교 및 색차 비교를 통해 그 타당성을 검증하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.808-810
• /
• 2016

Color constancy는 다양한 광원 아래에서 사물의 색을 인지하는 능력이다. 사람의 눈은 절대적인 색상을 인지하는 것이 아니라 주변 환경과의 상대적인 색상을 인지하지만[1], 기계는 절대적인 색상 값으로 받아들이므로 기계가 광원의 영향을 받은 사물의 색상을 정확히 알기 위해서는 기계가 받아들이는 색상 값에서 광원의 영향을 제거해 주는 과정이 필요하다. 이를 카메라에서는 화이트 밸런싱 또는 칼라 밸런싱이라 부르기도 하며 이러한 과정을 위해서 다양한 기법들이 존재하는데, 영상 전체의 각 색상 채널의 평균값은 무채색이라는 Grey world 기법[2]부터, 영상에서 가장 높은 색상 값을 갖는 곳이 광원을 가장 잘 표현한다고 가정하는 White patch(Max RGB)기법[1], 색상 히스토그램 보정을 통한 화이트 밸런싱[3], 최근에는 무채색 지점에서의 각 색상 채널의 변화량이 모두 같다는 가정을 통해 무채색 지점을 찾는 Grey pixel[4] 등 많은 기법이 연구되었다. 본 연구에서는 칼라 히스토그램 보정으로 칼라 대비 개선 효과를 통해 각 색상 채널의 비율이 비슷한 곳을 무채색 지점으로 표본을 수집하여 해당 표본으로부터 칼라 벡터로서 PCA를 통한 대표 값을 추출하여 광원을 예측하는 기법을 소개한다.

• 전자공학회논문지
• /
• 제52권8호
• /
• pp.89-96
• /
• 2015

인간의 시각은 색순응을 통해서 사물의 색을 광원의 색에 영향 없이 인지 할 수 있다. 반면에, 카메라는 입력 값을 그대로 기록하기 때문에, 광원에 따라 물체의 색이 다르게 나타난다. 최근에 희박성 제약조건의 비음수 행렬 분해(nonnegative matrix factorization with sparseness constraint; NMFsc)를 이용한 광원추정 방법이 제안되었다. 이 방법은 낮은 희박성 제약조건을 사용해서 광원을 추정하고, 높은 희박성 제약조건을 사용해서 반사율을 추정한다. 하지만, 희박성 제약조건의 비음수 행렬분해를 이용한 광원 추정 방법은, 영상의 전역적인 정보를 사용하므로, 영상에서 동일한 색이 넓은 영역에 존재하는 경우, 추정된 광원이 큰 오차를 가진다. 이러한 단점을 보완하기 위해, 영상에서 주색도 분석과 희박성 제약조건의 비음수 행렬 분해를 이용한 광원 추정 방법을 제안하였다. 먼저 주색도를 분석하기 위해 영상을 색도 좌표계로 옮기고 색도 히스토그램을 이용하여 유사한 색도를 가지는 영역들로 영상을 분할한다. 다음으로 영상의 주색도는 분할된 영상들 중 색도의 표준편차가 가장 적은 영상의 색도로 선택한다. 마지막으로 주색도 분석 결과와 희박성 제약조건의 비음수 행렬 분해를 이용해 입력 영상에서 주색도 성분을 제거하고 최종적인 광원을 추정한다. 실제 촬영 영상에 대한 평균 각오차를 사용하여 기존의 방법과의 성능을 비교하였고, 그 결과 제안하는 방법의 평균 각 오차는 5.5를 나타내어 영상의 주 색도를 포함하여 광원을 추정한 기존 방법의 평균 각 오차 5.7 보다 우수한 성능을 나타내었다.