KR101518722B1 - 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치 - Google Patents

안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치 Download PDF

Info

Publication number
KR101518722B1
KR101518722B1 KR1020080111875A KR20080111875A KR101518722B1 KR 101518722 B1 KR101518722 B1 KR 101518722B1 KR 1020080111875 A KR1020080111875 A KR 1020080111875A KR 20080111875 A KR20080111875 A KR 20080111875A KR 101518722 B1 KR101518722 B1 KR 101518722B1
Authority
KR
South Korea
Prior art keywords
image
scattering light
luminance image
luminance
brightness
Prior art date
Application number
KR1020080111875A
Other languages
English (en)
Other versions
KR20100021952A (ko
Inventor
강봉협
김동준
전창원
고한석
Original Assignee
삼성테크윈 주식회사
고려대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성테크윈 주식회사, 고려대학교 산학협력단 filed Critical 삼성테크윈 주식회사
Priority to US12/436,885 priority Critical patent/US8396324B2/en
Publication of KR20100021952A publication Critical patent/KR20100021952A/ko
Application granted granted Critical
Publication of KR101518722B1 publication Critical patent/KR101518722B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 영상 처리 방법 및 장치에 관한 것으로, 본 발명의 일 실시 예에 따른 영상 처리 방법은 안개에 의해 발생한 대기 산란광(Airlight)을 포함한 영상에서 휘도 성분의 평균과 표준편차의 비율을 기초로 적응적으로 분할된 영역에서의 추정된 대기 산란광을 보간하여 대기 산란광 맵을 생성하고, 이를 감산해줌으로써 효과적으로 대기 산란광 성분을 없애줄 수 있다.
Figure R1020080111875
안개, 대기 산란광, 왜곡 보정, 화질 개선, 영상 처리

Description

안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치 {Image enhancement processing method and apparatus for distortion correction by air particle like fog}
본 발명은 영상 처리에 관한 것으로, 더 상세하게는 안개 환경에서의 안개로 인한 왜곡을 보정하여 영상의 화질을 개선하는 영상 처리 방법 및 장치에 관한 것이다.
안개란 대기 중의 수증기의 응결된 형태의 물방울이 떠있는 현상이다. 보통 안개가 끼었을 때 가시거리가 1km 미만의 시정 장애 현상이 나타난다. 안개가 끼었을 때 대기 중에 물방울 입자들이 생기게 되고 이 물방울 입자들로 인한 빛의 산란 현상이 발생한다. 빛의 산란이란 빛이 공기 중의 입자들과 충돌하여 진행방향이 바뀌는 것을 말한다. 이는 빛의 파장과 입자크기에 따라 다르다.
일반적으로 빛의 산란은 크게 레일리 산란(Rayleigh scattering)과 미에 산란(Mie scattering)으로 나뉜다. 레일리 산란은 산란의 요인이 되는 입자의 크기가 빛의 파장보다 작을 때 적용되고 이때 산란 에너지는 파장의 네 제곱에 반비례한다. 맑은 날 빛이 공기분자들에 의해 산란될 때 파란색이 붉은색보다 더 많이 산란되어서 하늘이 파랗게 보이는 것이 그 예이다. 그러나 산란의 요인이 되는 입자의 크기가 빛의 파장보다 큰 경우의 빛의 산란은 미에 산란이론에 따른다. 안개의 경우 입자의 직경이 수μm 내지 수십 μm로 가시광선의 파장인 400nm~700nm의 파장보다 크기 때문에 미에 산란 이론에 따른다. 미에 산란 이론에 의하면 대기 중에 물방울과 같이 산란의 원인이 되는 입자의 크기가 클 때는 산란의 양이 파장의 영향을 적게 받아서 가시광선 영역의 모든 빛을 거의 동일하게 산란시킨다. 따라서 안개가 끼었을 때 피사체들이 뿌옇게 보이게 된다. 이 때 발생하는 새로운 광원을 대기 산란광(Airlight)이라고 한다.
안개 왜곡 보정을 통한 영상 화질 개선은 시정 장애를 해결하고 뿌연 영상을 선명하게 만들 수 있다. 또한, 안개로 인해 손상된 글씨, 물체 등에 대한 정보를 복원함으로써 인식을 위한 전처리 단계로서의 중요성을 가진다.
종래의 안개 제거 기술은 크게 비 모델 방식과 모델 방식으로 나눌 수 있다.
전자의 예로는 히스토그램 평활화(Histogram equalization)를 들 수 있다. 히스토그램 평활화는 히스토그램 평활화는 영상의 히스토그램을 분석하여 분포를 재분배하는 방법이다. 이러한 히스토그램 평활화는 쉽고 개선의 효과가 좋지만, 깊이(Depth)가 균일하지 않은 안개 영상의 경우 적합하지 않다. 또한, 일반적인 화질 개선에 적합하나 안개가 영상에 미치는 영향의 특성을 잘 반영하지 못하여 짙은 안개 영상의 경우 개선이 미미하다는 단점이 있다.
후자는 안개로 인한 빛의 산란현상이 영상에 미치는 영향을 모델링한 방식이 다. 먼저, S. G. Narasimhan and S. K. Nayar의 "Contrast restoration of weather degraded images," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 25, pp. 713-724, 2003.에는 다른 날씨 환경에서 얻은 두 장 이상의 영상을 비교하여 장면 깊이(Scene depth)를 추정한 후 보정을 함으로써 안개에 의한 왜곡을 보정하는 기술이 개시되어 있다. 하지만, 이는 날씨가 서로 다른 2장의 영상 입력이 필요하므로 실시간 구현을 위해서는 날씨의 변화를 감지함과 동시에 그에 상응하는 영상 저장 공간을 필요로 하게 된다. 그리고, 날씨 변화에 대한 주기를 예측할 수 없기 때문에, 저장 주기에 관한 결정이 어렵게 된다. 또한, 오차가 없는 동일한 장면을 촬영해야만 하기 때문에 움직이는 물체가 있는 경우 안개 왜곡 정도를 추정 시 오류가 발생할 수 있다.
다음으로, J. P. Oakley and H. Bu의 "Correction of Simple Contrast Loss in Color Images," Image Processing, IEEE Transactions on, vol. 16, pp. 511-522, 2007.에는 안개에 의해 영상의 픽셀 값이 변한 정도를 추정하여 빼 줌으로써 안개에 의한 왜곡을 보정하는 기술이 명시되어 있다. 하지만, 안개가 균일하다는 가정으로부터 출발하였기 때문에 균일하고 옅은 안개의 경우에는 적용 가능하나 실제 균일하지 않은 안개의 경우가 더 많고, 안개가 균일하다고 할지라도 카메라와 피사체와의 거리에 따라 안개에 의하여 영향을 받는 정도가 달라지므로 실제 적용에 있어서는 문제점이 있다.
본 발명은 전술한 종래기술의 문제점을 해결하기 위해 안출된 것으로, 안개를 포함한 영상으로부터 안개 성분을 효과적으로 추정하여 제거함으로써 영상 화질을 개선해 줄 수 있는 영상 처리 방법 및 장치를 제공하는 데 목적이 있다.
상기 기술적 과제를 달성하기 위한, 본 발명의 일 실시 예에 따른 영상 처리 방법은 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 영상을 입력받아, 상기 제1 휘도 영상의 평균과 표준편차의 비율을 기초로 대기 산란광 맵을 생성하는 단계; 및 상기 제1 휘도 영상에서 상기 생성한 대기 산란광 맵을 감산함으로써 상기 대기 산란광이 제거된 제2 휘도 영상을 출력하는 단계를 포함한다.
바람직하게, 상기 대기 산란광 맵은 상기 대기 산란광에 의한 영향의 정도를 표현하는 것을 특징으로 한다.
바람직하게, 상기 생성 단계는 상기 제1 휘도 영상을 소정의 개수의 블록으로 영역 분할하는 단계; 상기 분할한 영역별로 상기 제1 휘도 영상의 평균과 표준편차의 비율을 이용하여 비용 함수(cost function)를 정의하고, 상기 비용 함수를 이용해서 영역별로 대기 산란광 성분을 계산하는 단계; 및 상기 계산한 영역별 대기 산란광 성분을 최소 자승법(Least Square method)을 이용하여 상기 제1 휘도 영상의 대기 산란광 맵을 생성하는 단계를 포함한다.
바람직하게, 상기 영역 분할 단계는 상기 제1 휘도 영상의 깊이, 즉 피사체 와의 거리 차이를 기초로 적응적으로 수행하는 것을 특징으로 한다.
바람직하게, 상기 영역 분할 단계는 상기 제1 휘도 영상의 열과 행 방향으로 그래디언트 합을 계산하고, 상기 계산한 그래디언트 합이 최대가 되는 좌표를 기준으로 분할하는 것을 특징으로 한다.
바람직하게, 상기 영역 분할 단계 이전에 상기 제1 휘도 영상의 에지 정보를 이용하여 하늘 영역을 검출하는 단계를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 방법은 상기 검출한 하늘 영역을 제외한 영역을 포함하는 제1 휘도 영상에 대한 밝기의 표현 범위를 확장하고, 히스토그램을 이용하여 밝기를 조정하고, 상기 조정된 히스토그램의 값을 누적하여 밝기의 표현 범위를 나타내는 매핑함수를 생성하는 전 처리 단계를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 전 처리 단계는 다음 수학식 7을 이용하여 밝기를 조정하는 것을 특징으로 한다.
[수학식 7]
hnew(k)=(h(k)+1)1/n
(여기서, h(k)는 히스토그램이고, k는 밝기 표현 범위, n은 지수승의 상수를 의미한다)
바람직하게, 상기 매핑 함수는 상기 검출한 하늘 영역에 대한 밝기 표현 범위를 유지하는 것을 특징으로 한다.
바람직하게, 상기 비용 함수는 다음 수학식 2와 같이 정의되는 것을 특징으 로 한다.
[수학식 2]
Figure 112008078064591-pat00001
Figure 112008078064591-pat00002
(여기서, Y'(i,j)는 대기 산란광을 포함한 영상의 휘도이고, I(i,j)는 대기 산란광을 포함하지 않은 영상의 휘도 신호이다. 예를 들면 맑은 날씨의 영상의 휘도 신호이거나, 이상적인 영상의 휘도 신호일 수 있다. 이상적인 영상(ideal image) I(i,j)는 영상의 재현범위를 모두 사용하고 평균을 (최대-최소)/2로 갖는 일정한 분포를 가지는 영상을 의미한다. i,j는 픽셀의 좌표이고, λ는 영상에서 감해주는 휘도의 정도, 즉 대기 산란광 성분이다.)
바람직하게, 상기 대기 산란광 성분은, 다음 수학식 3을 이용하여 계산하는 것을 특징으로 한다.
[수학식 3]
Figure 112008078064591-pat00003
바람직하게, 상기 방법은 상기 출력된 제2 휘도 영상에 대한 에지 강조 처리를 수행하는 단계를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 에지 강조 처리는 다음 수학식 5를 이용해서 수행하는 것 을 특징으로 한다.
[수학식 5]
Yout(i,j)=Y"(i,j)±s×g(i,j)
(여기서, Yout(i,j)는 안개 왜곡 정도를 보상하고, 에지 강조 처리를 수행한 결과 휘도 영상이고, Y"(i,j)는 안개 왜곡 정도를 보상한 휘도 영상이며, s는 에지 개선 정도를 조절하는 파라미터이고, g(i,j)는 고주파 필터를 통과한 에지 성분이다)
바람직하게, 상기 방법은 상기 대기 산란광(Airlight)을 포함한 영상의 색차 영상과 상기 에지 강조 처리된 제3 휘도 영상을 RGB 영상으로 변환하는 단계; 및 상기 변환한 RGB 영상에 대해 히스토그램 스트레칭을 수행하는 단계를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 방법은 상기 출력된 제2 휘도 영상에 대해 밝기 감소를 보정하는 후 처리 단계를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 방법은 상기 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 영상과 제1 색차 영상, 및 상기 후 처리한 제2 휘도 영상을 이용하여 영상의 밝기 변화에 따른 채도 감소를 보정하는 단계를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 대기 산란광은 안개에 의해 발생한 것을 특징으로 한다.
상기 다른 기술적 과제를 달성하기 위한, 본 발명의 다른 실시 예에 따른 영상 처리 방법은 안개 영상을 포함한 영상의 제1 휘도 영상을 입력받아, 상기 제1 휘도 영상을 소정 개수의 블록으로 영역 분할하는 단계; 상기 분할한 영역별로 평균과 표준편차의 비율을 기초로 상기 안개 영상의 영향을 반영한 대기 산란광을 계산하는 단계; 상기 계산한 영역별 대기 산란광을 기초로 최소 자승법을 이용해서 상기 제1 휘도 영상의 대기 산란광 맵을 생성하는 단계; 및 상기 제1 휘도 영상에서 상기 생성한 대기 산란광 맵을 감산함으로써 상기 안개 영상의 영향이 제거된 제2 휘도 영상을 출력하는 단계를 포함한다.
바람직하게, 상기 영역 분할 단계는 상기 제1 휘도 영상의 깊이, 즉 피사체와의 거리 차이를 기초로 적응적으로 수행하는 것을 특징으로 한다.
바람직하게, 상기 방법은 상기 영역 분할 단계 이전에 상기 제1 휘도 영상의 에지 정보를 이용하여 하늘 영역을 검출하는 단계; 및 상기 검출한 하늘 영역을 제외한 영역을 포함하는 제1 휘도 영상의 밝기를 전 처리하는 단계를 더 포함하고, 상기 영역 분할 단계는, 상기 전 처리된 제1 휘도 영상의 깊이 정보를 기초로 적응적으로 분할하는 것을 특징으로 한다.
바람직하게, 상기 대기 산란광은 안개에 의해 발생한 것을 특징으로 한다.
상기 또 다른 기술적 과제를 달성하기 위한, 본 발명의 또 다른 실시 예에 따른 영상 처리 장치는 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 영상을 입력받아, 상기 제1 휘도 영상의 평균과 표준편차의 비율을 기초로 대기 산란광 맵을 생성하는 대기 산란광 맵 생성부; 및 상기 제1 휘도 영상에서 상기 생성한 대기 산란광 맵을 감산함으로써 상기 대기 산란광이 제거된 제2 휘도 영상을 출력하는 감산부를 포함한다.
바람직하게, 상기 대기 산란광 맵은 상기 대기 산란광에 의한 영향의 정도를 표현하는 것을 특징으로 한다.
바람직하게, 상기 대기 산란광 맵 생성부는 상기 제1 휘도 영상을 소정의 개수의 블록으로 영역 분할하는 영역 분할부; 상기 분할한 영역별로 상기 제1 휘도 영상의 평균과 표준편차의 비율을 이용하여 비용 함수(cost function)를 정의하고, 상기 비용 함수를 이용해서 영역별로 대기 산란광 성분을 계산하는 대기 산란광 계산부; 및 상기 계산한 영역별 대기 산란광 성분을 최소 자승법(Least Square method)을 이용하여 상기 제1 휘도 영상의 대기 산란광 맵을 생성하는 맵 생성부를 포함한다.
바람직하게, 상기 장치는 상기 감산부로부터 출력된 제2 휘도 영상에 대해 에지 강조 처리를 수행하는 에지 강조부를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 장치는 상기 대기 산란광을 포함한 영상의 색차 영상과 상기 에지 강조부로부터 출력된 제3 휘도 영상을 RGB 영상으로 변환하는 RGB변환부; 및 상기 변환한 RGB 영상에 대해 히스토그램 스트레칭을 수행하는 후 처리부를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 영역 분할부는, 상기 제1 휘도 영상의 깊이 차이를 기초로 적응적으로 수행하는 것을 특징으로 한다.
바람직하게, 상기 장치는 상기 제1 휘도 영상의 에지 정보를 이용하여 하늘 영역을 검출하는 하늘 영역 검출부를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 장치는 상기 검출한 하늘 영역을 제외한 영역을 포함하는 제1 휘도 영상에 대한 밝기의 표현 범위를 확장하고, 히스토그램을 이용하여 밝기를 조정하고, 상기 조정된 히스토그램의 값을 누적하여 밝기의 표현 범위를 나타내는 매핑함수를 생성하는 전 처리부를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 장치는 상기 출력된 제2 휘도 영상에 대해 밝기 감소를 보정하는 후 처리부를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 장치는 상기 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 영상과 제1 색차 영상, 및 상기 후 처리한 제2 휘도 영상을 이용하여 영상의 밝기 변화에 따른 채도 감소를 보정하는 색차 보정부를 더 포함하는 것을 특징으로 한다.
바람직하게, 상기 대기 산란광은 안개에 의해 발생한 것을 특징으로 한다.
상기 또 다른 기술적 과제를 달성하기 위한, 본 발명의 또 다른 실시 예에 따른 상기 방법들을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체를 포함한다.
본 발명의 일 실시 예에 따른 영상 처리 방법은 안개에 의해 발생한 대기 산란광(Airlight)을 포함한 영상의 휘도의 평균과 표준편차의 비율을 기초로 대기 산란광 맵을 생성하고, 이를 감산해줌으로써 효과적으로 대기 산란광 성분을 없애줄 수 있다.
또한, 영상의 깊이 차이를 고려하여 적응적으로 영역 분할을 수행함으로써 후광 효과, 안개 왜곡 보정 후 동일한 물체의 밝기 차이 등의 영향을 줄일 수 있으 며, 전 처리 과정을 통하여 하늘 영역을 제외한 부분의 밝기 보정을 한 후 안개 보정 정도를 추정함으로써 새벽이나 저녁 안개에 대해서도 효과적으로 안개 성분을 제거한 영상을 얻을 수 있다.
이하, 첨부한 도면들을 참조하여 본 발명의 바람직한 실시 예들을 상세히 설명한다. 하기의 설명에서는 본 발명에 따른 동작을 이해하는데 필요한 부분만이 설명되며 그 이외 부분의 설명은 본 발명의 요지를 흩트리지 않도록 생략될 수 있다.
또한, 이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 본 발명을 가장 적절하게 표현할 수 있도록 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다.
도 1은 본 발명의 일 실시 예에 따른 영상 처리 장치(100)의 개략적인 블록도이다.
도 1을 참조하면, 영상 처리 장치(100)는 Y/C변환부(110), 대기 산란광 맵 생성부(120), 감산부(130), 에지 강조부(140), RGB변환부(150) 및 후 처리부(160)를 포함한다. 또한, 영상 처리 장치(100)는 대기 산란광 맵 생성부(120)와 감산부(130)만을 포함하여 구현할 수도 있다.
Y/C변환부(110)는 RGB 입력 영상을 휘도/색차 컬러 공간으로 변환하여 휘도(Y) 및 색차 신호(C)로 출력한다. 여기서, RGB 입력 영상은 대기 산란광 성분을 포함하고 있으며, 대기 산란광은 공기 중의 안개에 의해 만들어진 것이다. 또한, 입력 영상은 안개에 의해 뿌옇게 보이면서 색상이 선명하지 않은 영상이다. 즉, 안개 환경에서 빛이 공기 중의 안개 입자와 충돌하여 발생하는 대기 산란광의 영향으로 영상이 손상된다. 이때 안개로 생성된 대기 산란광은 새로운 광원으로서 작용한다.
여기서, RGB 색 공간에서 YCbCr 색 공간으로의 변환은 다음 수학식 1을 이용한다.
Y=0.29900R+0.58700G+0.11400B
Cb=-0.16874R-0.33126G+0.50000B
Cr=0.50000R-0.41869G-0.08131B
여기서, 휘도(Y)는 밝고 어두운 정도를 표현하는 성분이고, 색차(C)는 색상 정보를 표현하는 성분이다. 2가지 색차 성분은 Cb,Cr값을 가지는데, Cb는 블루(B) 성분과 기준값과의 차이, Cr은 레드(R) 성분과 기준값과의 차이를 의미한다. 본 발명의 바람직한 실시 예에서, Y/C 신호를 이용함으로써 RGB 신호를 이용하는 것에 비해 복잡도가 감소하고, 인간의 눈은 색상의 변화보다 밝기의 변화에 더 민감함으로 휘도 신호만을 이용한다. 특히, YCbCr 색공간은 휘도에 민감한 인간의 시각 특성을 이용해 색상 정보로부터 휘도 성분을 분리해 낸 색공간이다. 또한, 본 발명의 바람직한 실시 예에서는 RGB 영상을 YCbCr 신호로 변환하는 것을 설명하고 있지만, YCbCr 변환 좌표뿐만 아니라, 다른 색 공간 좌표, 예를 들면 YUV, Lab, YCC 등 의 다른 색공간 좌표계에도 적용할 수 있음은 물론이다.
대기 산란광 맵 생성부(120)는 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 신호(Y')를 입력받아, 제1 휘도 신호의 평균과 표준편차의 비율을 기초로 대기 산란광 맵(λ)을 생성한다. 여기서, 평균과 표준편차의 비율을 이용하는 것은 대기 산란광, 특히 안개에 의해 발생한 대기 산란광이 영상에 미치는 영향을 고려한 것이다. 대기 산란광이 영상에 미치는 영향을 도 3a 내지 3d를 참조하여 설명한다.
도 3a는 맑은 날씨에 촬영한 영상이고, 도 3c는 안개가 낀 날씨에 촬영한 영상이다. 도 3b는 도 3a에 도시된 맑은 날씨의 영상의 휘도 신호를 분석한 히스토그램이다. 도 3d는 도 3b에 도시된 안개 영상의 휘도 신호를 분석한 히스토그램이다.
일반적으로, 안개 영상은 전체 밝기가 상승하여 뿌옇게 보이고, 안개에 의해 주변 픽셀과 밝기 차이가 구분되지 않는다. 이는 픽셀 간의 밝기의 분산이 감소했음을 의미한다. 이는 도 3b 및 3d로부터 확인할 수 있다.
도 3b 및 3d에 도시된 선은 각각의 휘도에 대한 히스토그램의 평균을 나타낸다. 도 3b에 도시된 것보다 3d에 도시된 선이 더 우측으로 치우쳐 있다. 즉, 안개 영상의 휘도의 평균이 맑은 영상보다 크다는 것을 의미한다. 또한, 히스토그램이 좌우로 퍼져 있는 정도를 비교하면 도 3d가 더 작게 퍼져있음을 알 수 있다. 즉, 안개 영상의 분산이 더 작다는 것을 의미한다.
대기 산란광 맵 생성부(120)가 휘도 신호의 평균과 표준편차의 비율을 이용 하는 것은 영상의 변화를 좀 더 정확히 반영하기 위함이다. 웨버(Weber)의 법칙에 따르면 한 영상의 어두운 영역에서의 휘도의 작은 변화는 밝은 영역에서의 동일한 작은 변화보다 잘 인식된다. 즉, 안개가 끼었을 때는 영상 전체에서 휘도가 증가하게 되어 영상 내의 휘도 변화를 사람의 시각이 잘 느끼지 못한다. 따라서, 종래의 안개 영향을 모델링하는 경우에는 평균과 표준편차를 각각 고려했지만, 본 발명의 바람직한 실시 예에서는 평균과 표준편차의 비율을 고려함으로써 안개에 의한 휘도의 영향을 더 정확하게 반영해 줄 수 있다.
대기 산란광 맵 생성부(120)의 구체적인 구성과 기능을 도 2를 참조하여 설명한다.
도 1 및 2를 참조하면, 대기 산란광 맵 생성부(120)는 영역 분할부(210), 대기 산란광 계산부(220) 및 맵 생성부(230)를 포함한다.
영역 분할부(210)는 제1 휘도 신호(Y')를 입력받아, 소정의 개수의 블록으로 영역 분할한다. 휘도 신호를 균등한 크기의 블록으로 영역 분할하는데, 블록의 개수는 임의로 정할 수 있다. 도 4a에는 임의의 영상을 9개의 블록으로 분할한 것이 예시적으로 도시되어 있다. 영역 분할을 하는 것은 균등하지 않은 안개에 의한 영향을 고려하여 안개 성분을 보상해주기 위함이다. 영역 분할을 위한 블록의 개수는 하드웨어 복잡도를 고려하여 적절하게 선정할 수 있다.
대기 산란광 계산부(220)는 영역 분할부(210)가 분할한 영역별로 제1 휘도 신호(Y')의 평균과 표준편차의 비율을 이용하여 비용 함수(cost function)를 정의하고, 정의한 비용 함수를 이용해서 영역별로 대기 산란광 성분을 계산한다. 여기 서, 평균과 표준편차는 전술한 바와 같이 안개 특성을 반영하기 위해서 평균과 표준편차의 비율을 이용하는 것이고, 비용 함수는 최적의 해를 찾기 위한 도구로서 다음 수학식 2와 같이 정의된다.
Figure 112008078064591-pat00004
Figure 112008078064591-pat00005
본 발명의 바람직한 실시 예에서는 상기 수학식 2와 같이, 비용 함수 A(λ)와 B(λ)를 사용하지만, 이에 한정되지 않고 안개 특성을 반영하기 위해 휘도의 평균과 표준편차의 비율을 이용한 다른 비용함수를 사용할 수도 있음은 물론이다.
여기서, Y'(i,j)는 대기 산란광을 포함한 영상의 휘도이고, Y(i,j)는 대기 산란광을 포함하지 않은 영상의 휘도 신호이다. 예를 들면 맑은 날씨의 영상의 휘도 신호이거나, 이상적인 영상의 휘도 신호일 수 있다. 이상적인 영상(ideal image) I(i,j)는 영상의 재현범위를 모두 사용하고 평균을 (최대-최소)/2로 갖는 일정한 분포를 가지는 영상을 의미한다. i,j는 픽셀의 좌표이고, λ는 영상에서 감해주는 휘도의 정도, 즉 대기 산란광 성분이다.
상기와 같이 정의된 비용함수 A(λ) 및 B(λ)를 이용하여 안개가 영상에 영향을 미친 대기 산란광 성분을 계산하기 위해 다음 수학식 3을 이용한다.
Figure 112008078064591-pat00006
상기 수학식 3은 A(λ)와 B(λ) 차이를 최소로 하는 λ값을 계산한다는 의미이다. 여기서, 각각의 영역별 대기 산란광 성분을 계산한 것이 도 4b에 도시되어 있다. 도 4b는 도 4a에 도시된 영역 분할 결과에 대해 영역별 대기 산란광 성분을 계산하여 표시한 것이다. 다만, 도 4a에서는 9개의 영역으로 분할하였지만, 도 4b에는 25개의 블록으로 영역 분할한 영상에 대한 대기 산란광 성분이 점으로 도시되어 있다.
맵 생성부(230)는 상기 계산한 영역별 대기 산란광 성분을 최소 자승법(Least Square method)을 이용하여 제1 휘도 신호, 즉 전체 휘도 신호에 대한 대기 산란광 맵(λ)을 생성한다. 여기서, 최소 자승법을 이용해서 영상의 좌표값과 대기 산란광 성분의 관계를 모델링할 수 있다. 그리고 각각의 점, 즉 대기 산란광에 의한 보상 정도(λ)를 영상의 좌표값으로 모델링하고, 보간(Interpolation) 방법을 이용하여 전체 영상에 대한 대기 산란광 맵을 생성한다. 최소 자승법(Least Square Method)은 선형 통계 모델에서 효율적인 추정방법으로 공지되어 있다. 이에 대한 설명은 생략한다. 본 발명의 바람직한 실시 예에서는 최소 자승법을 사용하지만, 이에 한정되지 않고 여러 개의 좌표 사이의 값을 유추하는 다른 보간(Interpolation) 방법을 사용할 수 있음은 물론이다.
여기서, 전체 영상에 대한 대기 산란광 맵이 도 4c에 도시되어 있다. 도 4c 를 참조하면, 전체의 보상 정도가 일률적인 것이 아니라 영상의 부분마다 보상 정도가 차이가 있는 것을 알 수 있다. 다시 도 4a와 4c를 함께 참조하면, 도 4a에서 오른쪽 윗부분에 안개의 영향이 많은 것을 알 수 있으며, 도 4c에서 오른쪽 윗부분이 좀 더 밝은 것을 알 수 있다. 또한, 도 4a에서 왼쪽 아랫부분은 안개의 영향이 적은 것을 알 수 있으며, 도 4c에서 왼쪽 아랫부분이 좀 더 어두운 것을 알 수 있다.
감산부(130)는 Y/C변환부(110)로부터 출력된 휘도 신호(Y')에서 대기 산란광 맵 생성부(120)가 생성한 대기 산란광 맵(λ)을 감산함으로써 대기 산란광이 제거된 제2 휘도 신호(Y'')를 출력한다.
이를 수식으로 표현하면 다음 수학식 4와 같다.
Y"(i,j)=Y'(i,j)-λY(i,j)
여기서, Y'(i,j)는 안개에 의해 왜곡된 원본 휘도 성분이고, λY(i,j) 는 안개에 의해 왜곡된 정도를 나타내는 대기 산란광 맵이고, Y"(i,j)는 안개 왜곡이 보정된 휘도 성분이다.
에지 강조부(140)는 감산부(130)로부터 출력된 휘도 신호(Y")에 대한 에지 강조 처리를 수행한다. 안개 영상의 경우 대기 산란광으로 인해 경계가 불분명해져 영상이 블러링(Blurring)된다. 이러한 현상을 해결하기 위해 윤곽선 성분 개선을 수행한다. 에지 강조 처리는 다음 수학식 5를 이용하여 수행한다.
Yout(i,j)=Y"(i,j)±s×g(i,j)
여기서, YOUT(i,j) 는 안개 왜곡 정도를 보상하고, 에지 강조 처리를 수행한 결과 휘도 신호이고, Y"(i,j)는 안개 왜곡 정도를 보상한 휘도 영상이며, s는 에지 개선 정도를 조절하는 파라미터이고, g(i,j)는 고주파 필터를 통과한 에지 성분이다. 바람직하게, 에지 강조를 위한 고주파 필터는 가우시안 고주파 필터(Gaussian high pass filter)를 사용할 수 있다. 본 발명의 바람직한 실시 예에서는 가우시안 고주파 필터를 사용하지만, 이에 한정되지 않고 다양한 고주파 통과 필터를 사용할 수 있음은 물론이다.
RGB변환부(150)는 에지 강조부(140)로부터 출력된 휘도 신호(YOUT)와 Y/C변환부(110)로부터 출력된 색차 신호(C)를 이용하여 RGB신호로 변환한다. YCbCr 색 공간에서 RGB 색 공간으로의 변환식은 다음 수학식 6과 같다.
R=1.164(Y-16)+1.596(Cr-128)
G=1.164(Y-16)-0.813(Cr-128)-0.392(Cb-128)
B=1.164(Y-16)+2.017(Cb-128)
후 처리부(160)는 RGB 변환부(150)로부터 RGB신호를 입력받아 히스토그램 스트레칭을 수행한다. 감산 연산을 통한 안개 제거 알고리즘을 적용한 후 영상이 전반적으로 어둡게 보이는 현상을 없애기 위해 후처리 단계이다. 히스토그램 스트레 칭은 RGB영상의 히스토그램의 최소값과 최대값 사이 범위를 영상 장치가 표현할 수 있는 최대 범위로 확장시키는 것이다. 일반적으로 사용되는 R, G, B 각각의 채널별 8 비트의 경우, 0~255의 범위까지를 가지도록 확장한다.
도 5a에는 RGB신호의 히스토그램이 도시되어 있고, 도 5b에는 히스토그램 스트레칭의 결과가 도시되어 있다. 도 6a에 도시된 것처럼, 빼기 연산을 한 결과 전체 영상의 밝기가 낮아져 있다. 또한, 새벽 안개나 저녁 안개의 경우 원본 영상이 어두운데 안개 제거를 위해 빼기 연산을 하므로 더 어두워져 물체가 전혀 구분되지 않을 수도 있다. 따라서, 이러한 경우들에 있어서는 히스토그램 스트레칭을 함으로써 도 5b에 도시된 것처럼 휘도를 0~255 사이에 고르게 분포하도록 해 준다.
본 발명의 바람직한 실시 예에서는 전체 영상이 어두워지는 것을 보상해주기 위해 히스토그램 스트레칭 처리를 하였지만, 다른 후 처리 기법을 적용하여 어두워진 영상을 보상해줄 수도 있음은 물론이다.
도 6은 본 발명의 또 다른 실시 예에 따른 영상 처리 장치(100)의 개략적인 블록도이다.
도 6을 참조하면, Y/C 변환부(110), 대기 산란광 맵 생성부(120), 감산부(130), RGB 변환부(150), 하늘 영역 검출부(170), 전 처리부(180), 후 처리부(190), 색차 보정부(200)를 포함한다. 도 1에 도시된 영상 처리 장치(100)의 구성과 동일한 구성에 대한 설명은 생략하고 차이가 있는 구성에 대해서만 설명한다.
하늘 영역 검출부(170)는 Y/C 변환부(110)로부터 휘도 영상을 입력받아, 휘도 영상의 에지 성분을 이용하여 하늘 영역을 검출한다. 여기서, 휘도 영상의 그 래디언트 영상을 이용하여 윤곽선 검출, 즉 에지 검출을 수행한다.
하늘 영역을 검출하는 것은 하늘 영역의 분포가 균일하므로 평균 밝기와 분산을 이용하는 안개 왜곡 보정 방법에서 짙은 안개가 낀 영역과 구분이 되지 않아 하늘 영역을 포함하여 화질 개선을 할 때 오버인핸스먼트(Overenhancement)를 유발시킬 수 있기 때문이다. 따라서 하늘 영역은 대기 산란광의 추정에 있어서 제외시킨다. 본 발명의 바람직한 실시 예에서는 하늘 영역을 검출하기 위해서 안개 영상의 특성을 이용한다. 하늘 영역은 일반적으로 영상의 상단에 위치하고 안개 영상의 하늘 영역의 경우 윤곽 성분을 가지고 있지 않다. 하늘 영역의 검출을 위해 영상의 그레디언트 영상을 이용하여 윤곽선 검출을 수행한다. 각 행에 대해 열 상단에서 하단방향으로 스캔하며 윤곽선이 감지되면 이전까지의 픽셀까지를 하늘 영역으로 검출한다. 예를 들면, 윤곽선 검출 방법으로 라플라시안 마스크를 사용한다. 라플라시안 윤곽선 검출기는 하나의 마스크만을 사용하기 때문에 속도가 매우 빠르고 2차 미분 연산자를 사용하여 모든 방향의 윤곽선 검출이 가능하다. 윤곽선 검출을 위한 마스크 연산 방법은 원 영상 안의 픽셀들과 동일한 위치의 마스크 픽셀들과 곱하여 모든 픽셀을 더해서 중심 픽셀에 할당한다. 또한, 하늘 영역을 검출하고 나서, 전체 영상에서 하늘 영역이 차지하는 비율, 검출한 하늘 영역에서의 최대, 최소 밝기값을 이용하여 하늘 영역의 표현 범위를 계산한다.
본 발명의 바람직한 실시 예에서는 윤곽선 검출을 위해, 라플라시안 마스크를 이용하지만, 이에 한정되지 않고 다른 에지 검출을 위한 마스크를 사용할 수 있음은 물론이다.
전 처리부(180)는 Y/C변환부(110)로부터 입력된 휘도 영상(Yin)과 하늘 영역 검출부(170)로부터 검출된 하늘 영역 정보를 이용해서 하늘 영역을 제외한 부분의 밝기의 표현 범위를 확장하고, 히스트로그램을 이용해서 밝기를 재조정한다.
전 처리부(180)의 영상 처리 과정은 도 7을 참조하여 설명한다.
전 처리부(180)는 하늘 영역을 제외한 입력 휘도 영상의 히스토그램 정보를 추출한다. 도 7a에는 입력된 휘도 영상의 히스토그램을 나타낸다. 그리고, 영상의 픽셀 전체 개수의 소정의 퍼센트의 비율로 추출한 히스토그램의 높낮이를 제한한다. 이는 도 7b에 도시되어 있다.
그리고, 다음 수학식 7과 같은 지수승 연산을 이용하여 히스토그램의 포락선(envelope)은 유지하면서 높낮이 차이를 줄인다.
hnew(k)=(h(k)+1)1/n
여기서, h(k)는 히스토그램이고, k는 밝기 표현 범위, n은 지수승의 상수를 의미한다.
그리고, 변형된 히스토그램 값을 누적하여 누적 히스토그램을 생성한 후, 밝기 성분의 표현범위로 변경함으로써 매핑 함수를 생성한다. 여기서, 하늘 영역의 표현 범위는 변하지 않도록 조절한다. 매핑 함수는 도 7d에 도시되어 있다.
대기 산란광 맵 생성부(120)는 전처리된 휘도 영상으로부터 대기 산란광 맵을 생성한다. 여기서, 전처리된 휘도 영상은 하늘 영역을 제외하고, 즉 하늘 영역 의 밝기의 최대, 최소 범위는 유지한 채, 안개 성분을 제거하기 위한 관심 영역의 밝기의 범위를 조절한 휘도 영상이다.
대기 산란광 맵 생성부(120)의 구체적인 구성은 도 8을 참조하여 설명한다.
도 8을 참조하면, 대기 산란광 맵 생성부(120)는 적응적 영역 분할부(240), 대기 산란광 계산부(220) 및 맵 생성부(230)를 포함한다.
도 2에 도시된 대기 산란광 맵 생성부(120)와의 차이점은 적응적 영역 분할부(240)를 포함한다는 것이다. 도 2에 도시된 영역 분할부(210)는 분할된 하나의 영역 내에서 서로 다른 깊이(Depth)를 갖는 화소가 존재하지만, 이를 고려하지 않는다. 여기서, 깊이는 카메라와 피사체와의 거리를 의미한다. 일반적으로 안개환경에서 대기 산란광은 피사체와 카메라와의 거리에 대한 함수로 표현된다. 즉, 도 2에 도시된 영역 분할부(210)는 각각의 영역에 따라 비용함수를 이용하여 하나의 대기 산란광을 계산하기 때문에, 동일한 영역으로 분할된 동일 영역 내의 깊이 차이가 큰 화소가 존재할수록 결과 영상이 자연스럽지 못할 수 있다. 예를 들면, 균일 영역 분할시 동일 영역에서 깊이 차이가 큰 부분에는 후광효과(Halo effect)가 발생할 수 있으며, 실제로는 같은 건물이나 물체이지만 주변에 의한 영향으로 보상 정보가 다르게 추정되어 밝기가 달라지는 경우가 발생할 수 있다.
도 8에 도시된 적응적 영역 분할부(240)는 입력 영상의 거리를 기초로 적응적으로 영역을 분할한다. 즉, 촬영 대상 물체 간의 거리를 추정하고, 이를 반영하여 영역을 비균일하도록 분할한다.
적응적 영역 분할의 방법은 도 9a 내지 9e를 참조하여 설명한다.
영역별 대기 산란광을 추정하기 위해 먼저 영역 분할을 수행한다. 원 영상을 균일한 영역들로 분할한다. 영상 내의 하나의 영역을 동일한 깊이(Depth)로 추정하기 위해 그래디언트영상을 이용하여 영역 재분할을 하였다. 한 영역의 영상을 그래디언트 영상으로 만들어 주고 열과 행 방향에 대해서 각각 그래디언트 값을 합한다. 각 영역의 열 방향과 행 방향에 대한 그레디언트 값의 지역 최대값을 분할점으로 삼아 다시 영역 분할을 수행한다.
예를 들면, 원 영상을 9개(3×3)로 분할하는 경우, 열과 행 방향으로 2×2로 균일하게 분할한다(도 9b). 그리고, 열과 행 방향으로 그래디언트 합을 계산한다. 즉, 균일하게 분할된 하나의 영역에 대하여, 다음 수학식 8을 이용해 그래디언트 합을 계산한다.
Figure 112008078064591-pat00007
Figure 112008078064591-pat00008
여기서, nrow 와 ncol 은 분할된 영역의 행과 열의 수를 의미하고, G(i,j)는 해당 영역의 그래디언트 영상을 의미하고, k(여기서, k=1,...4)는 분할된 영역의 인덱스를 의미한다.
열과 행 방향으로 영역 별 최대 그래디언트 합인 좌표를 선택하다. 즉 하나의 영역에서, Srow, Scol 의 최대값을 갖는 좌표를 구한다(도 9c 및 9d의 도면 번호 900, 910, 920 및 930). 이는 다음 수학식 9와 같다.
Figure 112008078064591-pat00009
그리고, 영역 재분할을 수행한다(도 9d). 원 영상을 적응적으로 영역 분할한 결과가 도 9e에 도시되어 있다.
대기 산란광 계산부(220)는 적응적 영역 분할부(240)로부터 비균일하게 분할된 각각의 영역별로 비용함수를 이용해서 안개제거 보상에 필요한 대기산란광을 계산한다. 즉, 안개 제거 보상이 필요한 정도를 계산한다.
맵 생성부(230)는 대기 산란광 계산부(220)에서 계산된 각각의 영역별 대기 산란광을 전체 영상에 대해 인터폴레이션을 함으로써 전체 영상을 보정하는 대기 산란광 맵을 생성한다.
후 처리부(190)는 감산부(130)로부터 입력된 안개성분을 제거한 휘도 영상과 하늘 영역 검출부(170)로부터 입력된 하늘 영역 정보를 이용하여 후 처리를 수행한다. 여기서, 후 처리는 빼기 연산을 기반으로 한 안개 왜곡 보정으로 인하여 생긴 전체 영상의 밝기 감소를 보정하고, 안개에 의한 에지 정보 손실을 복원하는 처리이다.
후 처리부(190)의 구성은 도 10을 참조하여 설명한다.
도 10을 참조하면, 후 처리부(190)는 히스토그램 스트레칭부(240), 적응적 히스토그램 등화부(250) 및 에지 강조부(260)를 포함한다.
히스토그램 스트레칭부(240)는 하늘 영역 검출부(170)로부터 입력된 하늘 영역 정보를 이용하여 하늘 영역을 제외한 나머지 영역의 평균 밝기가 안개 왜곡 보정 전후가 동일하도록 밝기 범위를 조절한다.
적응적 히스토그램 등화부(250)는 하늘 영역 검출부(170)로부터 입력된 하늘 영역 정보를 이용하여 하늘 영역을 제외한 나머지 부분의 밝기 표현 범위를 확장시키고, 히스토그램을 이용한 밝기를 재조정한다. 이는 전 처리부의 처리과정과 동일하다.
에지 강조부(260)는 적응적 히스토그램 등화부(20)로부터 출력된 휘도 신호에 대한 에지 강조 처리를 수행한다. 안개 영상의 경우 대기 산란광으로 인해 경계가 불분명해져 영상이 블러링(Blurring)된다. 이러한 현상을 해결하기 위해 윤곽선 성분 개선을 수행한다. 여기서, 에지 강조 처리는 상기 수학식 5를 참조하여 설명한 방식과 동일하다.
색차 보정부(200)는 Y/C 변환부(110)로부터 입력된 휘도 영상(Yin)과 색차 영상(Cin), 후 처리부(190)로부터 입력된 휘도 영상(Yout)을 이용해서 색차 영상을 보정한다. 여기서, 색차 보정은 대기 산란광에 의한 영향을 보정하기 때문에 밝기 변환에 따른 채도 감소분을 보정해 주는 것이다. 색차 보정은 다음 수학식 10을 이용한다.
Figure 112008078064591-pat00010
여기서, cp는 채도 보정 상수, Cmid는 색차 성분의 중간값, Yin과 Cin은 안개 영상의 휘도 및 색차 영상, Yout 및 Cout은 안개 왜곡이 보정된 영상의 휘도 및 색차 영상을 의미한다.
RGB 변환부(150)는 색차 보정부(200)로부터 휘도 영상(Yout)과 색차 성분이 보정된 색차 영상(Cout)을 입력받아 RGB 영상을 출력한다. Y/C 색공간에서 RGB 영상으로 변환은 상기 수학식 6을 이용한다.
도 11은 본 발명의 다른 실시 예에 따른 영상 처리 방법을 설명하기 위한 흐름도이다.
도 11를 참조하면, 단계 1100에서, RGB신호를 Y/C신호로 변환한다. 단계 1102에서, 휘도 신호의 영상을 소정 개수의 블록으로 영역 분할한다. 단계 1104에서, 영역별로 비용함수를 이용해 대기 산란광을 계산하고, 단계 1106에서, 전체 영상을 보정하는 대기 산란광 맵을 생성한다. 단계 1108에서, 휘도 영상에서 대기 산란광 맵을 감산하여 대기 산란광 성분이 제거된 휘도 신호를 얻는다. 단계 1110에서, 대기 산란광으로 인한 에지 성분이 줄어드는 것을 보상해주기 위해 에지 성분을 강조한다. 단계 1112에서, 대기 산란광 성분이 제거되고 에지 성분이 강조된 휘도 신호와, 색차 신호를 이용하여 RGB변환을 하여 RGB신호를 출력한다. 단계 1114에서, 히스토그램 스트레칭을 수행함으로써 전체 영상이 어두워지는 것을 보상해준다.
도 12는 본 발명의 또 다른 실시 예에 따른 영상 처리 방법을 설명하기 위한 흐름도이다.
도 12를 참조하면, 단계 1200에서, RGB 신호를 Y/C 신호로 변환한다. 단계 1202에서, 입력 휘도 신호로부터 하늘 영역을 검출한다. 여기서, 하늘 영역 검출은 영상의 맨 위에서부터 에지 정보를 검색하고, 특정 이상의 에지가 생기기 전까지를 하늘 영역으로 검출한다. 그리고, 전체 영상에서 하늘 영역이 차지하는 비율과 하늘 영역에서의 최대, 최소 밝기 값을 이용하여 하늘 영역의 밝기 표현 범위를 계산한다. 단계 1024에서, 입력 휘도 신호와 검출한 하늘 영역 정보를 이용하여 전 처리를 수행한다. 전 처리는 하늘 영역을 제외한 나머지 부분의 밝기의 표현 범위를 확장하고 히스토그램을 이용한 밝기를 다시 조정하는 것이다. 여기서, 히스토그램의 높낮이를 제한하고, 특히 지수승 연산을 이용하여 히스토그램의 포락선은 유지하면서 높낮이 차이를 줄인다. 그리고, 하늘 영역의 범위를 유지하면서 매핑함수를 생성한다. 단계 1206에서, 휘도 영상의 깊이 차이를 고려하여 적응적으로 영역을 분할한다. 여기서, 적응적 영역 분할은 그래디언트 영상을 이용하여 영역 분할을 수행한다. 단계 1208에서, 영역별로 비용함수를 이용해 대기 산란광을 계산하고, 단계 1210에서, 전체 영상을 보정하는 대기 산란광 맵을 생성한다. 단계 1212에서, 휘도 영상에서 대기 산란광 맵을 감산하여 대기 산란광 성분이 제거된 휘도 신호를 얻는다. 단계 1214에서, 하늘 영역 정보와 대기 산란광 성분이 제 거된 휘도 신호에 대해 후 처리를 수행한다. 여기서, 후 처리는 히스토그램 스트레칭 처리, 하늘 영역을 고려한 적응적 히스토그램 등화 처리, 에지 강조 처리를 포함한다. 단계 1216에서, 후 처리된 휘도 신호, 입력 휘도 신호, 입력 색차 신호를 이용해서 색차 보정을 수행한다. 색차 보정은 밝기 변화에 따른 채도 감소를 보정해 주는 것이다. 단계 1218에서, 후 처리된 휘도 신호와 색차 보정된 색차 신호를 이용해서 RGB 신호로 변환한다.
도 13a 내지 13g는 본 발명의 또 다른 실시 예에 따른 영상 처리 결과를 설명하기 위한 예시도이다.
도 13a는 원본 영상이고, 도 13b는 원본 영상의 휘도 영상이고, 도 13c는 전 처리 과정을 거친 다음의 휘도 영상이고, 도 13d는 그레이 레벨로 표현된 대기 산란광 맵이고, 도 13e는 도 13b에 도시된 휘도 영상과 도 13d에 도시된 대기 산란광 맵을 감산한 왜곡 보정 후의 휘도 영상이고, 도 13f는 후 처리한 휘도 영상이고, 도 13g는 최종 결과 영상이다.
도 13g에 도시된 것처럼, 도 13a의 원본 영상과 비교하여 안개로 인한 왜곡이 제거된 결과 영상임을 알 수 있다.
한편, 본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
이제까지 본 발명에 대하여 바람직한 실시 예를 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명을 구현할 수 있음을 이해할 것이다. 그러므로 상기 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 한다.
도 1은 본 발명의 일 실시 예에 따른 영상 처리 장치(100)의 개략적인 블록도이다.
도 2는 도 1에 도시된 대기 산란광 맵 생성부(120)의 다른 실시 예이다.
도 3a 내지 3d는 안개에 의해 발생한 대기 산란광이 영상의 휘도에 미치는 영향을 설명하기 위한 도면이다.
도 4a 내지 4c는 도 2에 도시된 대기 산란광 맵 생성부(120)의 기능을 설명하기 위한 도면이다.
도 5a 및 5b는 도 1에 도시된 후 처리부(160)의 기능을 설명하기 위한 도면이다.
도 6은 본 발명의 다른 실시 예에 따른 영상 처리 장치(100)의 개략적인 블록도이다.
도 7a 내지 7d는 본 발명의 또 다른 실시 예에 따른 전 처리 방법을 설명하기 위한 도면이다.
도 8은 도 6에 도시된 대기 산란광 맵 생성부(120)의 또 다른 실시 예이다.
도 9a 내지 9e는 본 발명의 또 다른 실시 예에 따른 적응적 영역 분할을 설명하기 위한 도면이다.
도 10은 도 6에 도시된 후 처리부(190)의 개략적인 블록도이다.
도 11은 본 발명의 또 다른 실시 예에 따른 영상 처리 방법을 설명하기 위한 흐름도이다.
도 12는 본 발명의 또 다른 실시 예에 따른 영상 처리 방법을 설명하기 위한 흐름도이다.
도 13a 내지 13g는 본 발명의 또 다른 실시 예에 따른 영상 처리 결과를 설명하기 위한 예시도이다.
<도면의 주요 부분에 대한 부호의 설명>
100: 영상 처리 장치 110: Y/C 변환부
120: 대기 산란광 맵 생성부 130: 감산부
140: 에지 강조부 150: RGB 변환부
160: 후 처리부 210: 영역 분할부
220: 대기 산란광 계산부 230: 맵 생성부

Claims (33)

  1. 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 영상을 소정의 개수의 블록으로 영역 분할하는 단계;
    상기 분할한 영역별로 상기 제1 휘도 영상의 평균과 표준편차의 비율을 이용하여 비용 함수(cost function)를 정의하고, 상기 비용 함수를 이용해서 영역별로 상기 대기 산란광 성분을 계산하는 단계;
    상기 계산한 영역별 대기 산란광 성분을 최소 자승법(Least Square method)을 이용하여 상기 제1 휘도 영상의 대기 산란광 맵을 생성하는 단계; 및
    상기 제1 휘도 영상에서 상기 생성한 대기 산란광 맵을 감산함으로써 상기 대기 산란광이 제거된 제2 휘도 영상을 출력하는 단계를 포함하는 영상 처리 방법.
  2. 제 1 항에 있어서,
    상기 대기 산란광 맵은,
    상기 대기 산란광에 의한 영향의 정도를 표현하는 것을 특징으로 하는 영상 처리 방법.
  3. 삭제
  4. 청구항 4은(는) 설정등록료 납부시 포기되었습니다.
    제 1 항에 있어서,
    상기 영역 분할 단계는,
    상기 제1 휘도 영상의 깊이 차이를 기초로 적응적으로 수행하는 것을 특징으로 하는 영상 처리 방법.
  5. 청구항 5은(는) 설정등록료 납부시 포기되었습니다.
    제 1 항에 있어서,
    상기 영역 분할 단계는,
    상기 제1 휘도 영상의 열과 행 방향으로 그래디언트 합을 계산하고, 상기 계산한 그래디언트 합이 최대가 되는 좌표를 기준으로 분할하는 것을 특징으로 하는 영상 처리 방법.
  6. 청구항 6은(는) 설정등록료 납부시 포기되었습니다.
    제 1 항에 있어서,
    상기 영역 분할 단계 이전에,
    상기 제1 휘도 영상의 에지 정보를 이용하여 하늘 영역을 검출하는 단계를 더 포함하는 것을 특징으로 하는 영상 처리 방법.
  7. 청구항 7은(는) 설정등록료 납부시 포기되었습니다.
    제 6 항에 있어서,
  8. 청구항 8은(는) 설정등록료 납부시 포기되었습니다.
    제 7 항에 있어서,
    상기 전 처리 단계는,
    다음 수학식 7을 이용하여 밝기를 조정하는 것을 특징으로 하는 영상 처리 방법.
    [수학식 7]
    hnew(k)=(h(k)+1)1/n
    (여기서, h(k)는 히스토그램이고, k는 밝기 표현 범위, n은 지수승의 상수를 의미한다)
  9. 청구항 9은(는) 설정등록료 납부시 포기되었습니다.
    제 8 항에 있어서,
    상기 매핑 함수는,
    상기 검출한 하늘 영역에 대한 밝기 표현 범위를 유지하는 것을 특징으로 하는 영상 처리 방법.
  10. 청구항 10은(는) 설정등록료 납부시 포기되었습니다.
    제 1 항에 있어서,
    상기 비용 함수는,
    다음 수학식 2와 같이 정의되는 것을 특징으로 하는 영상 처리 방법.
    [수학식 2]
    Figure 112014033064993-pat00011
    Figure 112014033064993-pat00012
    (여기서, Y'(i,j)는 대기 산란광을 포함한 영상의 휘도 성분이고, I(i,j)는 대기 산란광을 포함하지 않은 영상의 휘도 성분이고, i,j는 픽셀의 좌표이고, λ는 영상에서 감해주는 휘도의 정도이다)
  11. 청구항 11은(는) 설정등록료 납부시 포기되었습니다.
    제 10 항에 있어서,
    상기 대기 산란광 성분은,
    다음 수학식 3을 이용하여 계산하는 것을 특징으로 하는 영상 처리 방법.
    [수학식 3]
    Figure 112008078064591-pat00013
  12. 청구항 12은(는) 설정등록료 납부시 포기되었습니다.
    제 1 항에 있어서,
  13. 청구항 13은(는) 설정등록료 납부시 포기되었습니다.
    제 12 항에 있어서,
    상기 에지 강조 처리는 다음 수학식 5를 이용해서 수행하는 것을 특징으로 하는 영상 처리 방법.
    [수학식 5]
    Yout(i,j)=Y"(i,j)±s×g(i,j)
    (여기서, Yout(i,j)는 안개 왜곡 정도를 보상하고, 에지 강조 처리를 수행한 결과 휘도 영상이고, Y"(i,j)는 안개 왜곡 정도를 보상한 휘도 영상이며, s는 에지 개선 정도를 조절하는 파라미터이고, g(i,j)는 고주파 필터를 통과한 에지 성분이다)
  14. 청구항 14은(는) 설정등록료 납부시 포기되었습니다.
    제 13 항에 있어서,
    상기 대기 산란광(Airlight)을 포함한 영상의 색차 영상과 상기 에지 강조 처리된 제3 휘도 영상을 RGB 영상으로 변환하는 단계; 및
    상기 변환한 RGB 영상에 대해 히스토그램 스트레칭을 수행하는 단계를 더 포함하는 것을 특징으로 하는 영상 처리 방법.
  15. 청구항 15은(는) 설정등록료 납부시 포기되었습니다.
    상기 출력된 제2 휘도 영상에 대해 밝기 감소를 보정하는 후 처리 단계를 더 포함하는 것을 특징으로 하는 영상 처리 방법.
  16. 청구항 16은(는) 설정등록료 납부시 포기되었습니다.
    제 15 항에 있어서,
    상기 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 영상과 제1 색차 영상, 및 상기 후 처리한 제2 휘도 영상을 이용하여 영상의 밝기 변화에 따른 채도 감소를 보정하는 단계를 더 포함하는 것을 특징으로 하는 영상 처리 방법.
  17. 청구항 17은(는) 설정등록료 납부시 포기되었습니다.
    제 1 항에 있어서,
    상기 대기 산란광은,
    안개에 의해 발생한 것을 특징으로 하는 영상 처리 방법.
  18. 안개 영상을 포함한 영상의 제1 휘도 영상을 입력받아, 상기 제1 휘도 영상을 소정 개수의 블록으로 영역 분할하는 단계;
    상기 분할한 영역별로 평균과 표준편차의 비율을 기초로 상기 안개 영상의 영향을 반영한 대기 산란광을 계산하는 단계;
    상기 계산한 영역별 대기 산란광을 기초로 최소 자승법을 이용해서 상기 제1 휘도 영상의 대기 산란광 맵을 생성하는 단계; 및
    상기 제1 휘도 영상에서 상기 생성한 대기 산란광 맵을 감산함으로써 상기 안개 영상의 영향이 제거된 제2 휘도 영상을 출력하는 단계를 포함하는 영상 처리 방법.
  19. 제 18 항에 있어서,
    상기 영역 분할 단계는,
    상기 제1 휘도 영상의 깊이 차이를 기초로 적응적으로 수행하는 것을 특징으로 하는 영상 처리 방법.
  20. 제 19 항에 있어서,
    상기 영역 분할 단계 이전에,
    상기 제1 휘도 영상의 에지 정보를 이용하여 하늘 영역을 검출하는 단계; 및
    상기 검출한 하늘 영역을 제외한 영역을 포함하는 제1 휘도 영상의 밝기를 전 처리하는 단계를 더 포함하고,
    상기 영역 분할 단계는,
    상기 전 처리된 제1 휘도 영상의 깊이 정보를 기초로 적응적으로 분할하는 것을 특징으로 하는 영상 처리 방법.
  21. 청구항 21은(는) 설정등록료 납부시 포기되었습니다.
    제 18 항에 있어서,
    상기 대기 산란광은,
    안개에 의해 발생한 것을 특징으로 하는 영상 처리 방법.
  22. 청구항 22은(는) 설정등록료 납부시 포기되었습니다.
    제 1 항 내지 제2항 및 제4항 내지 제 21 항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체.
  23. 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 영상을 소정의 개수의 블록으로 영역 분할하는 영역 분할부;
    상기 분할한 영역별로 상기 제1 휘도 영상의 평균과 표준편차의 비율을 이용하여 비용 함수(cost function)를 정의하고, 상기 비용 함수를 이용해서 영역별로 대기 산란광 성분을 계산하는 대기 산란광 계산부;
    상기 계산한 영역별 대기 산란광 성분을 최소 자승법(Least Square method)을 이용하여 상기 제1 휘도 영상의 대기 산란광 맵을 생성하는 맵 생성부; 및
    상기 제1 휘도 영상에서 상기 생성한 대기 산란광 맵을 감산함으로써 상기 대기 산란광이 제거된 제2 휘도 영상을 출력하는 감산부를 포함하는 영상 처리 장치.
  24. 제 23 항에 있어서,
    상기 대기 산란광 맵은,
    상기 대기 산란광에 의한 영향의 정도를 표현하는 것을 특징으로 하는 영상 처리 장치.
  25. 삭제
  26. 제 23 항에 있어서,
    상기 감산부로부터 출력된 제2 휘도 영상에 대해 에지 강조 처리를 수행하는 에지 강조부를 더 포함하는 것을 특징으로 하는 영상 처리 장치.
  27. 제 26 항에 있어서,
    상기 대기 산란광을 포함한 영상의 색차 영상과 상기 에지 강조부로부터 출력된 제3 휘도 영상을 RGB 영상으로 변환하는 RGB변환부; 및
    상기 변환한 RGB 영상에 대해 히스토그램 스트레칭을 수행하는 후 처리부를 더 포함하는 것을 특징으로 하는 영상 처리 장치.
  28. 청구항 28은(는) 설정등록료 납부시 포기되었습니다.
    제 23 항에 있어서,
    상기 영역 분할부는,
    상기 제1 휘도 영상의 깊이 차이를 기초로 적응적으로 수행하는 것을 특징으로 하는 영상 처리 장치.
  29. 제 24 항에 있어서,
    상기 제1 휘도 영상의 에지 정보를 이용하여 하늘 영역을 검출하는 하늘 영역 검출부를 더 포함하는 것을 특징으로 하는 영상 처리 장치.
  30. 제 29 항에 있어서,
    상기 검출한 하늘 영역을 제외한 영역을 포함하는 제1 휘도 영상에 대한 밝기의 표현 범위를 확장하고, 히스토그램을 이용하여 밝기를 조정하고, 상기 조정된 히스토그램의 값을 누적하여 밝기의 표현 범위를 나타내는 매핑함수를 생성하는 전 처리부를 더 포함하는 것을 특징으로 하는 영상 처리 장치.
  31. 청구항 31은(는) 설정등록료 납부시 포기되었습니다.
    제 30 항에 있어서,
    상기 출력된 제2 휘도 영상에 대해 밝기 감소를 보정하는 후 처리부를 더 포함하는 것을 특징으로 하는 영상 처리 장치.
  32. 청구항 32은(는) 설정등록료 납부시 포기되었습니다.
    제 31 항에 있어서,
    상기 대기 산란광(Airlight)을 포함한 영상의 제1 휘도 영상과 제1 색차 영상, 및 상기 후 처리한 제2 휘도 영상을 이용하여 영상의 밝기 변화에 따른 채도 감소를 보정하는 색차 보정부를 더 포함하는 것을 특징으로 하는 영상 처리 장치.
  33. 청구항 33은(는) 설정등록료 납부시 포기되었습니다.
    상기 대기 산란광은,
    안개에 의해 발생한 것을 특징으로 하는 영상 처리 장치.
KR1020080111875A 2008-08-18 2008-11-11 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치 KR101518722B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US12/436,885 US8396324B2 (en) 2008-08-18 2009-05-07 Image processing method and apparatus for correcting distortion caused by air particles as in fog

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20080080558 2008-08-18
KR1020080080558 2008-08-18

Publications (2)

Publication Number Publication Date
KR20100021952A KR20100021952A (ko) 2010-02-26
KR101518722B1 true KR101518722B1 (ko) 2015-05-15

Family

ID=42091464

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080111875A KR101518722B1 (ko) 2008-08-18 2008-11-11 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101518722B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10475188B2 (en) 2016-12-27 2019-11-12 Hanwha Techwin Co., Ltd. Image processing device and image enhancing method

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110133403A (ko) * 2010-10-20 2011-12-12 이영섭 안개 망원경
KR101292421B1 (ko) * 2011-08-05 2013-08-01 경희대학교 산학협력단 단위 블록별 안개 영상 보상 방법
KR101582478B1 (ko) 2012-05-03 2016-01-19 에스케이 텔레콤주식회사 정지영상에 포함된 헤이즈 제거를 위한 영상 처리 장치 및 그 방법
KR101582479B1 (ko) 2012-05-15 2016-01-19 에스케이 텔레콤주식회사 동영상에 포함된 헤이즈 제거를 위한 영상 처리 장치 및 그 방법
KR101507642B1 (ko) * 2012-07-17 2015-04-07 경희대학교 산학협력단 평가 전달량에 기초한 안개 영상 보상 방법
KR101736468B1 (ko) 2012-12-24 2017-05-29 한화테크윈 주식회사 영상 처리 장치 및 방법
KR101418185B1 (ko) * 2012-12-26 2014-07-10 금오공과대학교 산학협력단 디해이징 및 레티넥스 결합을 이용한 시야 개선 영상 처리 시스템 및 방법
KR101445577B1 (ko) * 2013-03-11 2014-11-04 주식회사 브이아이티시스템 안개제거 추정 모델을 이용한 안개 낀 휘도영상 개선 시스템
KR101470833B1 (ko) * 2013-05-24 2014-12-09 전남대학교산학협력단 전달률 하한치를 이용한 안개영상 개선 장치
KR101470831B1 (ko) 2013-05-28 2014-12-10 전남대학교산학협력단 사용자 제어가 가능한 거듭제곱근 연산자를 이용한 안개영상 개선 장치
KR101490594B1 (ko) * 2013-05-28 2015-02-05 주식회사 코아로직 안개 영역을 포함하는 영상의 처리 방법 및 장치
KR102207939B1 (ko) 2014-03-27 2021-01-26 한화테크윈 주식회사 안개 제거 시스템 및 안개 제거 방법
KR101583947B1 (ko) * 2014-06-20 2016-01-08 현대자동차주식회사 영상 내 안개 제거 장치 및 그 방법
KR101650009B1 (ko) * 2015-01-15 2016-08-22 박진상 단일 기록 영상에 대한 산란 노이즈 제거 및 광자 검출을 통해 원영상을 복원하는 방법 및 그 기록매체
KR101634724B1 (ko) 2015-02-03 2016-06-30 전남대학교산학협력단 밝기변환 곡선 생성 및 선택을 이용한 적응적 야간 영상의 밝기 개선 장치
KR102390918B1 (ko) 2015-05-08 2022-04-26 한화테크윈 주식회사 안개 제거 시스템
KR101582779B1 (ko) * 2015-07-17 2016-01-06 중앙대학교 산학협력단 영상의 파장 적응적 안개 제거 장치 및 방법
KR102461144B1 (ko) * 2015-10-16 2022-10-31 삼성전자주식회사 영상 연무 제거 장치
KR101756173B1 (ko) 2016-04-29 2017-07-10 전남대학교산학협력단 전달률 하한치의 변형에 의한 안개영상 개선 시스템 및 그 방법
KR102075704B1 (ko) * 2018-06-04 2020-02-10 주식회사 샛별교육연구 영상의 안개 제거를 위한 시스템 및 방법
CN113840123B (zh) * 2020-06-24 2024-05-31 上海赫千电子科技有限公司 一种车载图像的图像处理装置、汽车
KR102388301B1 (ko) * 2021-01-19 2022-04-20 주식회사 포에스텍 초음파 센서를 활용한 수중 환경 영상의 보정 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004102513A (ja) * 2002-09-06 2004-04-02 Sony Corp 画像処理装置および方法、記録媒体、並びにプログラム
JP2006197460A (ja) * 2005-01-17 2006-07-27 Konica Minolta Photo Imaging Inc 画像処理方法、画像処理装置、画像処理プログラム及び撮像装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004102513A (ja) * 2002-09-06 2004-04-02 Sony Corp 画像処理装置および方法、記録媒体、並びにプログラム
JP2006197460A (ja) * 2005-01-17 2006-07-27 Konica Minolta Photo Imaging Inc 画像処理方法、画像処理装置、画像処理プログラム及び撮像装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10475188B2 (en) 2016-12-27 2019-11-12 Hanwha Techwin Co., Ltd. Image processing device and image enhancing method

Also Published As

Publication number Publication date
KR20100021952A (ko) 2010-02-26

Similar Documents

Publication Publication Date Title
KR101518722B1 (ko) 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치
US8396324B2 (en) Image processing method and apparatus for correcting distortion caused by air particles as in fog
Shin et al. Radiance–reflectance combined optimization and structure-guided $\ell _0 $-Norm for single image dehazing
KR102104403B1 (ko) 단일영상 내의 안개 제거 방법 및 장치
RU2658874C1 (ru) Устройство удаления тумана и способ формирования изображений
WO2013168618A1 (ja) 画像処理装置及び画像処理方法
US20150071530A1 (en) Image processing apparatus and method, and program
KR100771158B1 (ko) 칼라 영상의 화질 향상을 위한 방법 및 시스템
EP2846306B1 (en) Image processing apparatus for removing haze contained in still image and method thereof
CN104240194A (zh) 一种基于抛物线函数的低照度图像增强算法
Mohan et al. Underwater image enhancement based on histogram manipulation and multiscale fusion
CN110023957B (zh) 用于估计图像中的投射阴影区域和/或加亮区域的方法和设备
John et al. Enhancement of weather degraded video sequences using wavelet fusion
CN112053302A (zh) 高光谱图像的去噪方法、装置及存储介质
CN105719251A (zh) 一种用于大像移线性模糊的压缩降质图像复原方法
Kansal et al. Fusion-based image de-fogging using dual tree complex wavelet transform
KR101651889B1 (ko) 극저조도 영상의 화질 개선 장치 및 방법
Hong et al. Single image dehazing based on pixel-wise transmission estimation with estimated radiance patches
Hu et al. A low-illumination image enhancement algorithm based on morphological-Retinex (MR) operator
JP5822739B2 (ja) 画像処理装置、方法、及びプログラム
Negru et al. Exponential image enhancement in daytime fog conditions
CN115439346A (zh) 一种基于机载嵌入式fpga开发平台含雾图像去雾增强方法
Zheng et al. An illumination adaptive underwater image enhancement method
Tang et al. Sky-preserved image dehazing and enhancement for outdoor scenes
Alluhaidan et al. Retinex-based framework for visibility enhancement during inclement weather with tracking and estimating distance of vehicles

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180425

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190425

Year of fee payment: 5