KR102075704B1 - 영상의 안개 제거를 위한 시스템 및 방법 - Google Patents
영상의 안개 제거를 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR102075704B1 KR102075704B1 KR1020180064313A KR20180064313A KR102075704B1 KR 102075704 B1 KR102075704 B1 KR 102075704B1 KR 1020180064313 A KR1020180064313 A KR 1020180064313A KR 20180064313 A KR20180064313 A KR 20180064313A KR 102075704 B1 KR102075704 B1 KR 102075704B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- input image
- atmospheric
- curtain
- fog
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 claims abstract description 15
- 238000009792 diffusion process Methods 0.000 claims description 19
- 230000008030 elimination Effects 0.000 claims description 14
- 238000003379 elimination reaction Methods 0.000 claims description 14
- 238000009499 grossing Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 239000000779 smoke Substances 0.000 claims description 9
- 239000003595 mist Substances 0.000 claims description 7
- 238000010304 firing Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000009360 aquaculture Methods 0.000 description 4
- 244000144974 aquaculture Species 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 240000001973 Ficus microcarpa Species 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G06T5/002—
-
- 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
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/24—Fluid dynamics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
영상의 안개 제거 시스템 및 방법이 개시된다. 본 발명의 예시적 실시예에 따른 영상의 안개 제거 방법은, 입력 영상(I)을 복수의 슈퍼픽셀(superpixel)들로 분할하는 단계, 복수의 슈퍼픽셀들 각각의 평균 밝기 및 밝기 표준 편차에 기초하여, 복수의 슈퍼픽셀들의 평균 밝기들 중 하나를 입력 영상의 천공광(skylight)(A∞)으로서 추정하는 단계, 천공광(A∞)에 기초하여 입력 영상(I)을 정규화하는 단계, 정규화된 입력 영상(I')에 기초하여 대기 장막(atmospheric veil)(V)을 추정하는 단계, 및 대기 장막(V)에 기초하여 수송 인자(T)를 계산하고, 대기 장막(V), 수송 인자(T) 및 정규화된 입력 영상(I')에 기초하여 출력 영상(L)을 생성하는 단계를 포함할 수 있다.
Description
본 발명은 영상 처리에 관한 것으로서, 보다 자세하게는 영상의 안개 제거를 위한 시스템 및 방법에 관한 것이다.
안개는 빛의 산란과 감쇠를 유발함으로써 영상에서 피사체 또는 객체를 인식하는 것을 어렵게 할 수 있다. 영상에서 안개는 주변 영역의 색상을 비슷하게 만들고 채도를 감소시킴으로써 객체의 검출을 어렵게 할 수 있다. 예를 들면, 정지 영상 또는 비디오 영상에서 객체의 색상이나 움직임에 기초하여 객체를 검출하는 과정에서 안개는 심각한 오류를 발생시킬 수 있다. 특히, 촬영된 영상에 기초하여 객체를 인식하는 차량용 영상 시스템의 경우, 안개가 발생된 상황에서 객체의 인식률은 현저하게 감소할 수 있다. 이에 따라, 영상에서 안개 성분을 효과적으로 제거하기 위한 방법이 요구되고 있다.
상기와 같은 종래 기술의 문제점을 해결하기 위해, 본 발명의 일 실시예는 영상에서 안개 성분을 효과적으로 제거하기 위한 시스템 및 방법을 제공하고자 한다.
위와 같은 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 차량, 선박, 항공기, 공항, 및 양식장의 감시용 카메라에 의해 촬영되거나 연막탄, 체류탄 및 수류탄의 발포 상황에서 촬영된 입력 영상(I)의 안개 성분을 제거하여 출력 영상(L)을 생성하는 영상의 안개 제거 시스템이 제공된다. 상기 영상의 안개 제거 시스템은, 입력 영상(I)을 복수의 슈퍼픽셀(superpixel)들로 분할하는 영상 분할부, 복수의 슈퍼픽셀들 각각의 평균 밝기 및 밝기 표준 편차에 기초하여, 복수의 슈퍼픽셀들의 평균 밝기들 중 하나를 입력 영상의 천공광(skylight)(A∞)으로서 추정하는 대기광(airlight) 추정부, 천공광(A∞)에 기초하여 입력 영상(I)을 정규화하고, 정규화된 입력 영상(I')에 기초하여 입력 영상의 대기 장막(atmospheric veil)(V)을 추정하는 대기 장막 추정부, 및 대기 장막(V)에 기초하여 수송 인자(T)를 계산하고, 대기 장막(V), 수송 인자(T) 및 정규화된 입력 영상(I')에 기초하여 출력 영상(L)을 생성하는 출력 영상 생성부를 포함할 수 있다.
본 발명의 일측면에 따르면, 차량, 항공기, 선박, 공항, 및 양식장의 감시용 카메라에 의해 촬영되거나 연막탄, 체류탄 및 수류탄의 발포 상황에서 촬영된 입력 영상(I)의 안개 성분을 제거하여 출력 영상(L)을 생성하는 영상의 안개 제거 방법이 제공된다. 상기 영상의 안개 제거 방법은, 입력 영상(I)을 복수의 슈퍼픽셀(superpixel)들로 분할하는 단계, 복수의 슈퍼픽셀들 각각의 평균 밝기 및 밝기 표준 편차에 기초하여, 복수의 슈퍼픽셀들의 평균 밝기들 중 하나를 입력 영상의 천공광(skylight)(A∞)으로서 추정하는 단계, 천공광(A∞)에 기초하여 입력 영상(I)을 정규화하는 단계, 정규화된 입력 영상(I')에 기초하여 대기 장막(atmospheric veil)(V)을 추정하는 단계, 및 대기 장막(V)에 기초하여 수송 인자(T)를 계산하고, 대기 장막(V), 수송 인자(T) 및 정규화된 입력 영상(I')에 기초하여 출력 영상(L)을 생성하는 단계를 포함할 수 있다.
본 발명의 에 따른 영상의 안개 제거 시스템 및 방법은 안개가 있는 상황에서 촬영된 영상으로부터 안개에 의한 영향을 효과적으로 제거할 수 있다.
또한, 본 발명에 따른 영상의 안개 제거 시스템 및 방법은, 안개 제거를 위한 연산량을 감소시킴으로써 안개가 제거된 영상을 낮은 비용으로 신속하게 생성할 수 있다.
도 1은 본 발명의 예시적 실시예에 따른 영상의 안개 제거 시스템의 블록도를 나타내는 도면이다.
도 2는 본 발명의 예시적 실시예에 따른 영상의 안개 제거 시스템의 블록도를 나타내는 도면이다.
도 3은 본 발명의 예시적 실시예에 따라 입력 영상에서 안개 성분에 제거된 출력 영상의 예시를 나타내는 도면이다.
도 4는 본 발명의 예시적 실시예에 다른 영상의 안개 제거 시스템의 블록도를 나타내는 도면이다.
도 5는 본 발명의 예시적 실시예에 따라 안개 성분 및 노이즈가 제거된 영상을 나타내는 도면이다.
도 6은 본 발명의 예시적 실시예에 따른 영상의 안개 제거 시스템의 블록도를 나타내는 도면이다.
도 7은 본 개시의 예시적 실시예에 따른 영상의 안개 제거 방법을 나타내는 순서도이다.
도 8은 본 개시의 예시적 실시예에 따른 영상의 안개 제거 시스템의 블록도를 나타내는 도면이다.
도 2는 본 발명의 예시적 실시예에 따른 영상의 안개 제거 시스템의 블록도를 나타내는 도면이다.
도 3은 본 발명의 예시적 실시예에 따라 입력 영상에서 안개 성분에 제거된 출력 영상의 예시를 나타내는 도면이다.
도 4는 본 발명의 예시적 실시예에 다른 영상의 안개 제거 시스템의 블록도를 나타내는 도면이다.
도 5는 본 발명의 예시적 실시예에 따라 안개 성분 및 노이즈가 제거된 영상을 나타내는 도면이다.
도 6은 본 발명의 예시적 실시예에 따른 영상의 안개 제거 시스템의 블록도를 나타내는 도면이다.
도 7은 본 개시의 예시적 실시예에 따른 영상의 안개 제거 방법을 나타내는 순서도이다.
도 8은 본 개시의 예시적 실시예에 따른 영상의 안개 제거 시스템의 블록도를 나타내는 도면이다.
이하, 첨부한 도면을 참조하여 본 발명의 실시 예에 대해 상세히 설명한다. 본 발명의 실시 예는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되는 것이다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다. 첨부된 도면에 있어서, 구조물들의 치수는 본 발명의 명확성을 기하기 위하여 실제보다 확대하거나 축소하여 도시한 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수개의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하 도면 및 설명에서, 하나의 블록으로 표시 또는 설명되는 구성요소는 하드웨어 블록 또는 소프트웨어 블록일 수 있다. 예를 들면, 구성요소들 각각은 서로 신호를 주고 받는 독립적인 하드웨어 블록일 수도 있고, 또는 하나의 프로세서에서 실행되는 소프트웨어 블록일 수도 있다.
도 1은 본 개시의 예시적 실시예에 따른 영상의 안개 제거 시스템(100)의 블록도를 나타내는 도면이다. 영상의 안개 제거 시스템(100)은 입력 영상(I)에 포함된 안개 성분을 제거함으로써 출력 영상(L)을 생성할 수 있다. 이러한 영상의 안개 제거 시스템(100)은 차량, 선박, 항공기, 공항, 및 양식장에서 사용되는 감시용 카메라에 의해 촬영된 영상으로부터 안개를 제거할 수 있다. 또한 영상의 안개 제거 시스템(100)은 군사용 연막탄, 수류탄 또는 진압용 체류탄의 발포 상황 등에서 촬영된 영상으로부터 연기를 제거할 수 있다. 이와 같이 본 발명의 실시예에 따른 영상의 안개 제거 시스템(100)은 안개 또는 연기 등이 발생하는 상황에서 촬영된 영상으로부터 안개 또는 연기를 제거할 수 있다.
도 1에 도시된 바와 같이, 영상의 안개 제거 시스템(100)은 영상 분할부(120), 대기광 추정부(140), 대기 장막 추정부(160) 및 출력 영상 생성부(180)를 포함할 수 있다.
입력 영상(I)은 이미지 센서를 포함하는 디지털 카메라가 피사체를 촬영함으로써 생성된 데이터일 수도 있고, 카메라 등에 의해서 촬영된 이미지를 스캔함으로써 생성된 데이터일 수도 있다. 피사체로부터 카메라로 입사되는 빛은 이동 경로에서 매질(예컨대, 대기(atmosphere), 안개(fog) 등)에 의한 산란(scattering)에 기인하여 감쇠될 수 있다. 또한, 카메라로 입사되는 빛은 조명, 예컨대 천공광(skylight) 등이 빛의 이동 경로에서 매질에 반사되어 입사되는 빛, 즉 대기 산란광(airlight)을 포함할 수 있다. 입력 영상(I)에서 피사체의 형상을 명확하게 하기 위하여, 대기 산란광(airlight)은 제거될 필요가 있으며, 또한 산란에 기인하여 감쇠된 피사체로부터의 빛은 보상될 필요가 있다. 입력 영상(I)에서 매질에 의한 영향은 아래 수학식 1에 의해서 표현될 수 있다.
수학식 1에서, I(x, y)는 입력 영상(I)에서 측정된 좌표 (x, y)의 빛의 세기를 의미하고, L(x, y)는 피사체에서 발하는(또는 반사되는) 빛의 세기를 의미하고, A∞는 천공광(skylight)을 의미하고, d(x, y)는 카메라로부터 피사체까지의 거리를 의미하고, β는 감쇠 계수를 의미한다.
수학식 1의 우변의 첫 번째 항은 피사체에서 발하는 빛의 직접 감쇠(direct attenuation)를 나타내고, 우변의 두 번째 항은 대기 산란광(airlight) 을 나타낸다. 수학식 1에 의해서, 직접 감쇠는 피사체와의 거리 d(x, y)에 대한 지수함수로서 감쇠할 수 있고, 대기광은 피사체와의 거리 d(x, y)에 따라 직접 감쇠가 일어나는 만큼 증가할 수 있다. 수학식 1에서 e- βd(x,y)는 수송 인자(transmission factor)(T)로서 지칭될 수도 있다.
본 발명의 예시적 실시예에 따라, 영상의 안개 제거 시스템(100)은 입력 영상(I)의 I(x, y)를 수신하고, 수학식 1에서 미지의 값들, 예컨대 수송 인자(T), 천공광(A∞)을 추정함으로써 L(x, y)를 계산하고, 출력 영상(L)을 생성할 수 있다. 즉, 영상의 안개 제거 시스템(100)은 수학식 1로부터 유도된 아래 수학식 2의 우변을 계산함으로써 출력 영상(L)을 생성할 수 있다.
이하에서, 본 발명의 예시적 실시예에 따라, 영상의 안개 제거 시스템(100)에서 입력 영상(I)으로부터 출력 영상(L)이 생성되는 내용이 상세하게 설명될 것이다.
도 1을 참조하면, 영상 분할부(120)는 입력 영상(I)을 수신할 수 있고, 입력 영상(I)을 복수의 슈퍼픽셀(superpixel)들로서 분할한 분할된 입력 영상(I_SEG)을 생성할 수 있다. 슈퍼픽셀은 영상(예컨대, 입력 영상(I))에 포함된 복수의 픽셀들을 그룹화함으로써 분할(segmentation)된 영상에서 하나의 픽셀 그룹을 지칭할 수 있다. 슈퍼픽셀 알고리즘 또는 영상 분할 기법은, 영상에서 어레이 형태로 배열된 픽셀들을 인식된 의미있는 단위로 대체함으로써, 영상에 대한 후속되는 처리를 간소화시킬 수 있다. 다수의 슈퍼픽셀 알고리즘들이 존재하며, 그 중 하나로서, Radhakrishna Achanta, Appu Shaji, Kevin Smith, Aurelien Lucchi, Pascal Fua, and Sabine S¨usstrunk. SLIC Superpixels Compared to State-of-the-art Superpixel Methods. IEEE Transactions on Pattern Analysis and Machine Intelligence(PAMI), volume: 34, issue: 11은 본 명세서에 전체로써 참조된다.
영상 분할부(120)는 다양한 슈퍼픽셀 알고리즘 중 하나에 의해서 입력 영상(I)을 분할함으로써 분할된 입력 영상(I_SEG)을 생성할 수 있다. 분할된 입력 영상(I_SEG)은 복수의 슈퍼픽셀들을 포함할 수 있고, 복수의 슈퍼픽셀들 각각은 하나 이상의 픽셀을 포함할 수 있다.
도 1을 참조하면, 대기광 추정부(140)는 영상 분할부(120)로부터 분할된 입력 영상(I_SEG)을 수신할 수 있고, 천공광(A∞)을 추정할 수 있다. 전술된 바와 같이, 수학식 1에서 출력 영상(L)의 L(x, y)를 계산하기 위하여, 천공광(A∞)이 추정될 수 있다. 또한, 천공광(A∞)은 후술되는 바와 같이 대기 장막 추정부(160)에서 대기 장막(atmospheric veil)(V)을 추정하는데 사용될 수도 있다.
본 발명의 예시적 실시예에 따라, 대기광 추정부(140)는 복수의 슈퍼픽셀들의 평균 밝기(또는 평균 빛의 세기)들 중 하나를 입력 영상(I)의 천공광(A∞)으로서 추정할 수 있다. 예를 들면, 대기광 추정부(140)는 평균 밝기가 최대인 슈퍼픽셀을 선택할 수 있고, 선택된 슈퍼픽셀이 미리 정해진 조건을 만족하는 경우 해당 슈퍼픽셀의 평균 밝기를 천공광(A∞)으로서 추정할 수 있다. 일 실시예에서, 슈퍼픽셀은 슈퍼픽셀에 포함된 복수의 픽셀들의 평균 밝기 및 밝기 표준 편차의 비율이 미리 정해진 값보다 작은지 여부를 판단할 수 있다. 즉, 대기광 추정부(140)는 밝기 표준 편차를 평균 밝기로 나눈 값이 미리 정해진 값, 예컨대 0.02(즉, 2%)보다 작은지 여부를 판단할 수 있다. 슈퍼픽셀이 상기 조건을 만족하지 못하는 경우, 대기광 추정부(140)는 다음으로 높은 평균 밝기를 가지는 슈퍼픽셀을 선택할 수 있고, 슈퍼픽셀이 상기 조건을 만족하는지 여부를 판단할 수 있다. 이에 따라, 상기 조건을 만족하는 슈퍼픽셀이 결정될 수 있고, 결정된 슈퍼픽셀의 평균 밝기가 천공광(A∞)으로 추정될 수 있다.
전술된 바와 같이, 슈퍼픽셀은 동일하거나 유사한 속성을 가지면서 인접하게 배치된 하나 이상의 픽셀들로 구성된 픽셀 그룹을 지칭할 수 있고, 본 발명은 이러한 슈퍼픽셀의 평균 밝기를 기반으로 천공광(A∞)으로서 추정함으로써 신속하게 천공광(A∞)을 추정할 수 있다. 뿐만 아니라, 슈퍼픽셀이 전술된 조건을 만족하는지 여부를 판단함으로써, 상대적으로 고른 밝기를 가지는 슈퍼픽셀을 선택함으로써 입력 영상(I)에서 추정된 천공광(A∞)의 정확도가 향상될 수 있다.
도 1을 참조하면, 대기 장막 추정부(160)는 입력 영상(I) 및 천공광(A∞)을 수신할 수 있고, 대기 장막(V) 및 정규화된 입력 영상(I')을 출력할 수 있다. 즉, 대기 장막 추정부(160)는 대기광 추정부(140)로부터 수신된 천공광(A∞)에 기초하여 입력 영상(I)을 정규화함으로써 정규화된 입력 영상(I')을 생성할 수 있다. 또한, 대기 장막 추정부(160)는 정규화된 입력 영상(I')에 기초하여 입력 영상(I)의 대기 장막(V)을 추정할 수 있다. 여기서, 대기 장막(V)은, 수학식 1에서 카메라와 피사체와의 거리, 즉 d(x, y)를 추정하는 어려움을 해소하기 위하여 제안된 개념으로서, 아래 수학식 3과 같이 정의될 수 있다.
본 발명의 예시적 실시예에 따라, 대기 장막 추정부(160)는 아래 수학식 4에 의해서 정규화된 입력 영상(I')을 생성할 수 있다.
수학식 4에 의해서 알 수 있듯이, 입력 영상(I)은 천공광(A∞)에 기초하여 정규화될 수 있다. 즉, 입력 영상(I)에 대한 상기 천공광(A∞)의 비율과 1 중에서 작은 값을 선택함으로써, 입력 영상(I)은 정규화될 수 있다. 이와 같은 입력 영상(I)의 정규화는 화이트 밸런싱(white balancing)으로 지칭될 수 있다. 입력 영상(I)은 화이트 밸런싱에 의해서 평활화 (smoothing)(또는 평활 처리)될 수 있다.
본 발명의 예시적 실시예에 따라, 대기 장막 추정부(160)는 아래 수학식 5에 의해서 대기 장막(V)을 추정할 수 있다.
수학식 5에서, c는 컬러채널로서 빨강(R), 초록(B), 파랑(B) 중 하나를 의미한다. 즉, 정규화된 입력 영상(I')에서 빨강(R), 초록(B), 및 파랑(B)의 밝기 중 가능 작은 밝기를 대기 장막(V)으로 추정할 수 있다. 여기서, 입력 영상(I)은 RGB를 포함하는 컬러 영상일 수 있다.
상기 수학식 4 및 수학식 5와 같이, 대기 장막 추정부(160)는 비교적 간이한 방식으로 입력 영상(I)을 정규화하고, 대기 장막(V)을 추정할 수 있다.
도 1을 참조하면, 출력 영상 생성부(180)는 대기 장막(V) 및 정규화된 입력 영상(I')을 수신할 수 있고, 출력 영상(L)을 생성할 수 있다. 즉, 출력 영상 생성부(180)는 대기 장막 추정부(160)로부터 수신된 대기 장막(V)에 기초하여 수송 인자(T)를 계산할 수 있고, 대기 장막(V), 수송 인자(T) 및 정규화된 입력 영상(I')에 기초하여 출력 영상(L)을 생성할 수 있다.
수학식 3을 참조하면, 수송 인자(T)는 대기 장막(V)로부터 계산될 수 있고, 이에 따라 수학식 2의 우변은 완성될 수 있다. 출력 영상 생성부(180)는 수학식 2에 기초하여 출력 영상(L)을 생성할 수 있다. 예를 들면, 출력 영상 생성부(180)는 정규화된 입력 영상(I'), 대기 장막(V), 및 수송 인자(T)를 적용하여 아래 수학식 6에 의해서 출력 영상(L)을 생성할 수 있다.
상기 수학식 6에서, 0.95는 대기 장막(V)의 효과를 한정하는 상수로서 실험적으로 결정될 수 있다.
이와 같이, 입력 영상의 정규화를 통하여 간단한 방식의 대기 장막(V)을 연산하고 이어서 수송 인자(T)를 추정함으로써, 종래의 다크 채널 프라이어(Dark ChannelPrior) 방식에 비하여 연산량을 크게 감소시키고 연속 속도를 향상시킬 수 있다.
도 2는 본 발명의 예시적 실시예에 따른 영상의 안개 제거 시스템(100a)의 블록도를 나타내는 도면이다. 구체적으로, 도 1의 영상의 안개 제거 시스템(100)과 비교할 때, 도 2의 영상의 안개 제거 시스템(100a)은 대기 장막 평활부(170a)를 더 포함할 수 있다. 도 2에 도시된 바와 같이, 영상의 안개 제거 시스템(100a)은 영상 분할부(120a), 대기광 추정부(140a), 대기 장막 추정부(160a), 대기 장막 평활부(170a) 및 출력 영상 생성부(180a)를 포함할 수 있다. 이하 도 2의 실시예에 대한 설명에서, 도 1과 중복되는 내용은 생략된다.
본 발명의 예시적 실시예에 따라, 대기 장막(V)은 평활화(smoothing)될 수 있다. 구체적으로, 대기 장막(V)은 이방성 확산(anisotropic diffusion) 필터링에 의해서 평활화될 수 있다. 이러한 대기 장막(V)의 평활화는 대기 장막 평활부(170a)에 의해서 수행될 수 있다.
도 2를 참조하면, 대기 장막 평활부(170a)는 대기 장막 추정부(160a)로부터 대기 장막(V)을 수신할 수 있고, 대기 장막(V)을 평활화함으로써 평활 처리된 대기 장막(V')을 생성할 수 있다. 대기 장막 평활부(170a)는 이방성 확산 필터를 사용함으로써 대기 장막(V)을 평활화할 수 있고, 이에 따라 생성된 평활 처리된 대기 장막(V')은 보다 실제적인 값을 가질 수 있다. 결과적으로, 출력 영상 생성부(180a)는 평활 처리된 대기 장막(V')에 기초하여 수학식 6에 따라 출력 영상(L)을 생성할 수 있고, 출력 영상(L)은 피사체를 더욱 정확하게 나타낼 수 있다.
입자의 확산유량과 입자의 밀도 변화량과의 관계를 기술하는 픽의 법칙(Fick's Law)에 따르면, 아래 수학식 7과 같이 확산 유량(diffusion flux) j는 밀도 u의 기울기의 크기에 비례하고, 그 방향은 반대이다.
비례상수 g는 확산 상수(diffusion coefficient 또는 diffusivity)로서 지칭될 수 있고, 확산 속도에 대응할 수 있다. 또한, 상기 수학식 7은 픽의 제1 법칙으로 지칭되기도 한다.
수학식 7 및 연속 방정식인 아래 수학식 8에 의해서, 아래 수학식 9가 유도될 수 있다. 아래 수학식 9는 픽의 제2 법칙으로 지칭되기도 한다.
선형 확산 등식, 즉 확산 상수 g가 1인 경우, 초기 조건은 아래 수학식 10과 같다.
이 때, 밀도 u는 아래 수학식 11과 같이 계산될 수 있다.
이방성 확산 필터링은 강한 에지(strong edge)에서 확산이 적게 발생한다는 것으로부터 출발한다. 는 에지의 지표로서 기능할 수 있으므로, 아래 수학식 12와 같이 확산은 가 증가함에 따라 감소해야 한다.
상기 수학식 12에서, λ는 0보다 크고, 대조 매개 변수(contrast parameter)로 지칭될 수 있다. 상기와 같은 이방성 확산 필터링에 대한 내용은, 본 명세서에 전체로써 참조되는 P. Perona and J. Malik, "Scale-space and edge detection using anisotropic diffusion," IEEE Trans. Pattern Anal. Mach. Intell., vol. 12, no. 7, pp. 629-639, Jul. 1990.에 상세하게 설명되어 있다.
유한차분(finite differences)로서 확산 필터링을 구현하기 위하여, 아래 수학식 13의 비선형 확산 방정식이 제공될 수 있다.
상기 수학식 13은 아래 수학식 14 및 수학식 15에 의해서 이산화될 수 있다.
대기 장막(V)인 V(x, y)를 공간 농도 u(x, y)로서 처리하는 경우, 대기 장막(V)은 평활화될 수 있다. 상기와 같은 유한차분(finite differences)로서 확산 필터링은 본 명세서에 전체로서 참조되는 J. Weickert, "Anisotropic Diffusion in Image Processing," mia.uni-saarland.de.에 상세하게 설명되어 있다.
도 3은 본 발명의 예시적 실시예에 따라 입력 영상(I)에서 안개 성분에 제거된 출력 영상(L)의 예시를 나타내는 도면이다. 구체적으로 도 3의 상단은 입력 영상(I)으로서 안개 성분을 포함하는 영상 및 그 영상의 일부를 확대한 확대 영상을 각각 나타내고, 도 3의 하단은 출력 영상(I)으로서 안개 성분을 제거한 영상 및 그 영상의 일부를 확대한 확대 영상을 나타낸다.
도 3에 도시된 바와 같이, 도 3의 상단의 영상들은 안개에 의한 산란에 의해서 피사체의 형상이 모호하게 보이는 반면, 도 3의 하단 영상들은 제거된 안개 성분에 기인하여 피사체의 형상이 뚜렷하게 보이는 것을 확인할 수 있다.
도 4는 본 발명의 예시적 실시예에 다른 영상의 안개 제거 시스템(100b)의 블록도를 나타내는 도면이고, 도 5는 본 발명의 예시적 실시예에 따라 안개 성분 및 노이즈가 제거된 영상을 나타내는 도면이다. 구체적으로 도 1의 영상의 안개 제거 시스템(100)과 비교할 때, 도 4의 영상의 안개 제거 시스템(100b)은 노이즈 제거부(190b)를 더 포함할 수 있다. 도 4에 도시된 바와 같이, 영상의 안개 제거 시스템(100b)은 영상 분할부(120b), 대기광 추정부(140b), 대기 장막 추정부(160b), 출력 영상 생성부(180b) 및 노이즈 제거부(190b)를 포함할 수 있다. 이하 도 4의 실시예에 대한 설명에서, 도 1과 중복되는 내용은 생략된다.
본 발명의 예시적 실시예에 따라, 출력 영상(L)에서 노이즈가 제거될 수 있다. 즉, 노이즈 제거부(190b)는 대기 장막 추정부(160b)로부터 수신된 대기 장막(V)에 기초하여 출력 영상 생성부(180b)로부터 수신된 출력 영상(L)에서 노이즈를 제거할 수 있다. 카메라가 측정한 입력 영상은, 수학식 1과 비교할 때 아래 수학식 16과 같이 노이즈 N을 더 포함할 수 있다.
수학식 6을 참조하여, 상기 수학식 16을 출력 영상(L)에 관하여 재작성하면, 아래 수학식 17과 같이 표현될 수 있다.
수학식 17에서 알 수 있듯이, 노이즈 N은 피사체와의 거리가 증가함에 따라 값이 커질 수 있다.
본 발명의 예시적 실시예에 따라, 노이즈 제거부(190b)는 ROF(Rudin-Osher-Fatemi) 모델을 사용할 수 있다. 즉, 아래 수학식 18의 에너지 함수에서, 에너지를 최소화하는 L'을 계산할 수 있다.
상기 수학식 18에서, 우변의 첫 번재 항은 데이터 텀이고, 우변의 두 번째 항은 평활(smoothness) 텀이며, λ는 노이즈의 제거 정도를 나타내는 변수이다. 노이즈의 크기는 수송(transmission)에 의해서 결정되므로, 본 발명의 예시적 실시예에 따라 ROF 모델은 아래 수학식 19와 같이 평활 텀에 가중치(W)를 부여함으로써 변형될 수 있다. ROF 모델에 관한 내용은 본 명세서에 전체로써 참조되는 L. I. Rudin, S. Osher, and E. Fatemi, "Nonlinear total variation based noise removal algorithms," Phys. D Nonlinear Phenom., vol. 60, no. 1-4, pp. 259-268, Nov. 1992.에 상세하게 설명되어 있다.
대기 장막(V)의 제곱에 대응하는 가중치가 부가됨으로써, 상기 수학식 19는 노이즈 레벨이 수송(transmission)에 의해서 좌우됨을 의미한다. 수학식 19를 계산하기 위하여, 본 발명의 예시적 실시예에 따라 ROF 모델의 풀이는 'primal-dual formulation'로서 변형(transform)될 수 있다. 'primal-dual formulation'에 관한 내용은 본 명세서에 전체로써 참조되는 A. Chambolle and T. Pock, "A First-Order Primal-Dual Algorithm for Convex Problems with Applications to Imaging," J. Math. Imaging Vis., vol. 40, no. 1, pp. 120-145, Dec. 2010.에 상세하게 설명되어 있다.
이에 따라, 에너지(E)를 최소화하는 L'(x, y)를 찾는 문제는 아래 수학식 20과 같이 표현될 수 있다.
도 5에 도시된 바와 같이, 출력 영상(L')은 안개 성분뿐만 아니라 노이즈 성분까지 제거될 수 있다.
도 6은 본 발명의 예시적 실시예에 따른 영상의 안개 제거 시스템(100c)의 블록도를 나타내는 도면이다. 구체적으로 도 1, 도 2 및 도 4의 영상의 안개 제거 시스템들(100, 100a, 100b)과 비교할 때, 도 6의 영상의 안개 제거 시스템(100c)은 대기 장막 평활부(170c) 및 노이즈 제거부(190c)를 모두 포함할 수 있다. 도 6에 도시된 바와 같이, 영상의 안개 제거 시스템(100c)은 영상 분할부(120c), 대기광 추정부(140c), 대기 장막 추정부(160c), 대기 장막 평활부(170c), 출력 영상 생성부(180c) 및 노이즈 제거부(190c)를 포함할 수 있다. 이하 도 6의 실시예에 대한 설명에서, 도 1, 도 2 및 도 4와 중복되는 내용은 생략된다.
본 발명의 예시적 실시예에 따라, 대기 장막(V)은 평활화될 수 있고, 평활화 처리된 대기 장막(V')이 출력 영상(L)의 노이즈 제거에 사용될 수 있다. 즉, 도 6에 도시된 바와 같이, 대기 장막 평활부(170c)에 의해서 평활화 처리된 대기 장막(V')은 노이즈 제거부(190c)에 전송될 수 있고, 노이즈 제거부(190c)는 평활화 처리된 대기 장막(V')에 기초하여, 도 4 및 도 5를 참조하여 전술된 바와 같이 출력 영상(L)에서 노이즈를 제거할 수 있다.
도 7은 본 발명의 예시적 실시예에 따른 영상의 안개 제거 방법을 나타내는 순서도이다. 도 7에 도시된 바와 같이, 영상의 안개 제거 방법은 복수의 단계들(S10 내지 S70)을 포함할 수 있다. 이하에서, 도 7은 도 6을 참조하여 설명될 것이다.
단계 S10에서, 입력 영상(I)을 복수의 슈퍼픽셀들로 분할하는 동작이 수행될 수 있다. 예를 들면, 영상 분할부(120c)는 입력 영상(I)을 하나 이상의 픽셀을 각각 포함하는 복수의 슈퍼픽셀들로 분할할 수 있고, 이에 따라 분할된 입력 영상(I_SEG)을 생성할 수 있다.
단계 S20에서, 복수의 슈퍼픽셀들의 평균 밝기 중 하나를 천공광(A∞)으로 추정하는 동작이 수행될 수 있다. 예를 들면, 대기광 추정부(140c)는 영상 분할부(120c)로부터 수신된 분할된 입력 영상(I_SEG)으로부터 복수의 슈퍼픽셀들 중 평균 밝기 및 밝기 표준 편차의 비율을 미리 정해진 값과 비교할 수 있고, 조건을 만족하는 슈퍼픽셀들 중 가장 높은 평균 밝기를 가지는 슈퍼픽셀의 평균 밝기를 입력 영상(I)의 천공광(A∞)으로 추정할 수 있다.
단계 S30에서, 천공광(A∞)에 기초하여 입력 영상(I)을 정규화하는 동작이 수행될 수 있다. 예를 들면, 대기 장막 추정부(160c)는 천공광(A∞)을 사용하여 입력 영상(I)을 정규화함으로써 정규화된 입력 영상(I')을 생성할 수 있으며, 이러한 입력 영상(I)의 정규화는 화이트 밸런싱으로 지칭될 수도 있다.
단계 S40에서, 정규화된 입력 영상(I')에 기초하여 대기 장막(V)을 추정하는 동작이 수행될 수 있다. 예를 들면, 대기 장막 추정부(160c)는 수학식 5와 같이 대기 장막(V)을 추정할 수 있다.
단계 S50에서, 대기 장막(V)을 이방성 확산(anisotropic diffusion) 필터링함으로써 평활 처리하는 동작이 수행될 수 있다. 예를 들면, 대기 장막(V)의 평활화(smoothing)를 위하여, 대기 장막 평활부(170c)는 대기 장막 추정부(160c)로부터 수신된 대기 장막(V)을 수학식 7 내지 수학식 15를 참조하여 전술된 이방성 확산 필터링을 통해서 평활화할 수 있다.
단계 S60에서, 평활 처리된 대기 장막(V')에 기초하여 출력 영상(L)을 생성하는 동작이 수행될 수 있다. 예를 들면, 출력 영상 생성부(180c)는 이상의 단계들에서 추정된 값들을 사용하여, 수학식 6에 기초하여 출력 영상(L)을 생성할 수 있다.
단계 S70에서, 수송 인자(T)에 반비례하는 가중치를 적용하여 출력 영상(L)의 노이즈를 제거하는 동작이 수행될 수 있다. 예를 들면, 노이즈 제거부(190c)는 수학식 16 내지 수학식 20을 참조하여 전술된 바와 같이, 수송 인자(T)에 반비례하는 가중치를 적용함으로써 변형된 ROF 모델을 사용하여 노이즈 부분을 추출할 수 있고, 출력 영상(L)으로부터 노이즈를 제거함으로써 노이즈가 제거된 출력 영상(L')을 생성할 수 있다.
도 8은 본 개시의 예시적 실시예에 따른 영상의 안개 제거 시스템(300)의 블록도를 나타내는 도면이다. 구체적으로, 도 8은 카메라 모듈(400)이 영상의 안개 제거 시스템(300)의 외부에 배치되고, 카메라 모듈(400)로부터 입력 영상(I)이 제공되는 실시예를 도시한다. 여기서, 카메라 모듈(400)은 전술한 바와 같이 차량, 선박, 항공기, 공항, 및 양식장에서 사용되는 감시용 카메라일 수 있다. 또한 카메라 모듈(400)은 군사용 연막탄, 수류탄 또는 진압용 체류탄의 발포 상황 등에서 사용되는 카메라일 수 있다.
도 8에 도시된 바와 같이, 영상의 안개 제거 시스템(300)은 카메라 모듈(400)과 통신할 수 있고, 카메라 모듈(400)이 피사체를 촬영함으로써 생성한 입력 영상(I)을 수신할 수 있다. 도 8을 참조하면, 영상의 안개 제거 시스템(300)은 프로세서(310), RAM(320), 통신 모듈(330) 및 비휘발성 스토리지(340)를 포함할 수 있고, 프로세서(310), RAM(320), 통신 모듈(330) 및 비휘발성 스토리지(340)는 시스템 버스(350)를 통해서 서로 통신할 수 있다.
프로세서(310)는 명령어를 실행함으로써 필요한 동작을 수행하는 하드웨어 모듈로서, 프로세서(310)는 비휘발성 스토리지(340)에 저장된 복수의 명령어들을 실행함으로써 본 개시의 예시적 실시예에 따른 영상의 안개 제거 방법들 중 하나를 수행할 수 있다.
RAM(320)은 프로세서(310)의 데이터 메모리로서 기능할 수 있고, DRAM과 같은 고속의 휘발성 메모리 장치를 포함할 수 있다. 프로세서(310)는 본 개시의 예시적 실시예에 따른 영상의 안개 제거 방법들 중 하나를 수행함에 따라 생성되는 데이터를 RAM(320)에 저장할 수도 있고, RAM(320)에 저장된 데이터를 독출(read)함으로써 그 영상의 안개 제거 방법을 수행할 수 있다. 예를 들면, RAM(320)은 카메라 모듈(400)로부터 수신된 입력 영상(I), 복수의 슈퍼픽셀들을 포함하는 분할된 입력 영상(I'), 천공광(A∞), 정규화된 입력 영상(I'), 대기 장막(V), 평활 처리된 대기 장막(V'), 출력 영상(L), 노이즈가 제거된 출력 영상(L') 중 적어도 하나를 저장할 수 있다.
통신 모듈(330)은 카메라 모듈(400)과 통신할 수 있고, 카메라 모듈(400)로부터 입력 영상(I)을 수신할 수 있다. 또한, 통신 모듈(330)은 카메라 모듈(400)을 제어하는 신호, 예컨대 촬영의 개시, 종료 등을 지시하는 신호를 전송할 수도 있다. 비록 도 8의 예시에서, 통신 모듈(330)은 카메라 모듈(400)과 통신하는 것이 개시되었으나, 통신 모듈(330)은 영상의 안개 제거 시스템(300) 외부의 다른 시스템과의 통신 채널을 제공할 수도 있다.
비휘발성 스토리지(340)는 공급되는 전원이 차단되어도 저장된 데이터를 소실하지 아니하는 저장 매체로서, 예컨대 플래시 메모리 장치, 디스크 장치 등을 포함할 수 있다. 비휘발성 스토리지(340)는 프로세서(310)가 실행하는 복수의 명령어들을 저장할 수 있고, 복수의 명령어들은 프로세서(310)에 의해서 비휘발성 스토리지(340)에 직접 엑세스되어 실행되거나, 또는 RAM(320)에 복사되어 프로세서(310)에 의해서 RAM(320)에 엑세스되어 실행될 수도 있다.
이상에서와 같이 도면과 명세서에서 예시적인 실시예들이 개시되었다. 본 명세서에서 특정한 용어를 사용하여 실시예들을 설명되었으나, 이는 단지 본 발명의 기술적 사상을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
Claims (14)
- 차량, 선박, 항공기, 공항, 및 양식장의 감시용 카메라에 의해 촬영되거나 연막탄, 체류탄 및 수류탄의 발포 상황에서 촬영된 입력 영상(I)의 안개 성분을 제거하여 출력 영상(L)을 생성하는, 영상의 안개 제거 시스템으로서,
상기 입력 영상(I)을 복수의 슈퍼픽셀(superpixel)들로 분할하는 영상 분할부;
상기 복수의 슈퍼픽셀들 각각의 평균 밝기 및 밝기 표준 편차에 기초하여, 상기 복수의 슈퍼픽셀들의 평균 밝기들 중 하나를 상기 입력 영상의 천공광(skylight)(A∞)으로서 추정하는 대기광(airlight) 추정부;
상기 천공광(A∞)에 기초하여 상기 입력 영상(I)을 정규화하고, 정규화된 입력 영상(I')에 기초하여 상기 입력 영상의 대기 장막(atmospheric veil)(V)을 추정하는 대기 장막 추정부;
상기 대기 장막(V)에 기초하여 수송 인자(T)를 계산하고, 상기 대기 장막(V), 상기 수송 인자(T) 및 상기 정규화된 입력 영상(I')에 기초하여 상기 출력 영상(L)을 생성하는 출력 영상 생성부; 및
상기 수송 인자(T)에 반비례하는 가중치(W)를 노이즈 텀에 적용함으로써 ROF(Rudin-Osher-Fatemi) 모델을 변형하여 상기 출력 영상(L)으로부터 노이즈가 제거된 출력 영상(L')을 생성하는 노이즈 제거부를 포함하는 영상의 안개 제거 시스템. - 제1항에 있어서,
상기 대기광 추정부는, 밝기 표준 편차 및 평균 밝기의 비율이 미리 정해진 기준치 보다 작은 조건을 만족하는 슈퍼픽셀들의 평균 밝기들 중 가장 큰 것을 상기 천공광(A∞)으로서 추정하는 영상의 안개 제거 시스템. - 제1항에 있어서,
상기 영상의 안개 제거 시스템은, 상기 대기 장막(V)을 이방성 확산(anisotropic diffusion) 필터링함으로써 평활 처리된 대기 장막(V')을 생성하는 대기 장막 평활부를 더 포함하고,
상기 출력 영상 생성부는, 상기 평활 처리된 대기 장막(V'), 상기 수송 인자(T) 및 상기 정규화된 입력 영상(I')에 기초하여, 상기 출력 영상(L)을 생성하는 영상의 안개 제거 시스템. - 삭제
- 제1항에 있어서,
상기 대기 장막 추정부는 상기 입력 영상(I)에 대한 상기 천공광(A∞)의 비율과 1 중에서 작은 값을 선택하여 상기 입력 영상(I)을 정규화하는 영상의 안개 제거 시스템. - 제1항에 있어서,
상기 대기 장막 추정부는 상기 정규화된 입력 영상(I')에서 빨강(r), 초록(g), 및 파랑(b)의 밝기 중 가능 작은 밝기를 대기 장막(V)으로 추정하는 영상의 안개 제거 시스템. - 차량, 선박, 항공기, 공항, 및 양식장의 감시용 카메라에 의해 촬영되거나 연막탄, 체류탄 및 수류탄의 발포 상황에서 촬영된 입력 영상(I)의 안개 성분을 제거하여 출력 영상(L)을 생성하는, 영상의 안개 제거 방법으로서,
(a) 상기 입력 영상(I)을 복수의 슈퍼픽셀(superpixel)들로 분할하는 단계;
(b) 상기 복수의 슈퍼픽셀들 각각의 평균 밝기 및 밝기 표준 편차에 기초하여, 상기 복수의 슈퍼픽셀들의 평균 밝기들 중 하나를 상기 입력 영상의 천공광(skylight)(A∞)으로서 추정하는 단계;
(c) 상기 천공광(A∞)에 기초하여 상기 입력 영상(I)을 정규화하는 단계;
(d) 정규화된 입력 영상(I')에 기초하여 대기 장막(atmospheric veil)(V)을 추정하는 단계;
(e) 상기 대기 장막(V)에 기초하여 수송 인자(T)를 계산하고, 상기 대기 장막(V), 상기 수송 인자(T) 및 상기 정규화된 입력 영상(I')에 기초하여 상기 출력 영상(L)을 생성하는 단계; 및
(g) 상기 수송 인자(T)에 반비례하는 가중치(W)를 노이즈 텀에 적용함으로써 ROF(Rudin-Osher-Fatemi) 모델을 변형하여 상기 출력 영상(L)으로부터 노이즈가 제거된 출력 영상(L')을 생성하는 단계를 포함하는 영상의 안개 제거 방법. - 제8항에 있어서,
상기 (b) 단계는, 밝기 표준 편차 및 평균 밝기의 비율이 미리 정해진 기준치 보다 작은 조건을 만족하는 슈퍼픽셀들의 평균 밝기들 중 가장 큰 것을 상기 천공광(A∞)으로서 추정하는 영상의 안개 제거 방법. - 제8항에 있어서,
(f) 상기 대기 장막(V)을 이방성 확산(anisotropic diffusion) 필터링함으로써 평활 처리된 대기 장막(V')을 생성하는 단계를 더 포함하고,
상기 (e) 단계는 상기 평활 처리된 대기 장막(V'), 상기 수송 인자(T) 및 상기 정규화된 입력 영상(I')에 기초하여 상기 출력 영상(L)을 생성하는 영상의 안개 제거 방법. - 삭제
- 제8항에 있어서,
상기 (d) 단계는 상기 입력 영상(I)에 대한 상기 천공광(A∞)의 비율과 1 중에서 작은 값을 선택하여 상기 입력 영상(I)을 정규화하는 영상의 안개 제거 방법. - 제8항에 있어서,
상기 (d) 단계는 상기 정규화된 입력 영상(I')에서 빨강(r), 초록(g), 및 파랑(b)의 밝기 중 가능 작은 밝기를 대기 장막(V)으로 추정하는 영상의 안개 제거 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180064313A KR102075704B1 (ko) | 2018-06-04 | 2018-06-04 | 영상의 안개 제거를 위한 시스템 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180064313A KR102075704B1 (ko) | 2018-06-04 | 2018-06-04 | 영상의 안개 제거를 위한 시스템 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190138137A KR20190138137A (ko) | 2019-12-12 |
KR102075704B1 true KR102075704B1 (ko) | 2020-02-10 |
Family
ID=69004139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180064313A KR102075704B1 (ko) | 2018-06-04 | 2018-06-04 | 영상의 안개 제거를 위한 시스템 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102075704B1 (ko) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101518722B1 (ko) * | 2008-08-18 | 2015-05-15 | 삼성테크윈 주식회사 | 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치 |
KR101568971B1 (ko) * | 2011-08-03 | 2015-11-13 | 인디안 인스티튜트 오브 테크놀로지, 카라그푸르 | 화상 및 동영상에서 안개를 제거하는 방법 및 시스템 |
KR101774158B1 (ko) | 2016-05-26 | 2017-09-04 | 경희대학교 산학협력단 | 통계학적 벡터 타원에 기반한 영상의 안개 처리 장치 및 방법 |
-
2018
- 2018-06-04 KR KR1020180064313A patent/KR102075704B1/ko active IP Right Grant
Non-Patent Citations (2)
Title |
---|
Rui Wang ET AL:"Haze removal based on multiple scattering model with superpixel algorithm", Signal Processing, Volume 127, October 2016, Pages 24-36(2016.10.31.) 1부.* |
Z.Wang ET AL:"Fast single haze image enhancement", Computers & Electrical Engineering, Volume 40, Issue 3, April 2014, Pages 785-795(2014.04.30.) 1부.* |
Also Published As
Publication number | Publication date |
---|---|
KR20190138137A (ko) | 2019-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8396324B2 (en) | Image processing method and apparatus for correcting distortion caused by air particles as in fog | |
Park et al. | Single image dehazing with image entropy and information fidelity | |
Finlayson et al. | Entropy minimization for shadow removal | |
KR101518722B1 (ko) | 안개 등의 대기 산란 입자로 인한 왜곡 보정용 영상 처리 방법 및 장치 | |
KR101361644B1 (ko) | 영상 처리 장치 및 영상 내의 안개 제거 방법 | |
KR102567860B1 (ko) | 개선된 역 톤 매핑 방법 및 대응하는 디바이스 | |
US10145790B2 (en) | Image processing apparatus, image processing method, image capturing device and storage medium | |
TW202226141A (zh) | 圖像去霧方法和使用圖像去霧方法的圖像去霧設備 | |
Mohan et al. | Underwater image enhancement based on histogram manipulation and multiscale fusion | |
Al-Sammaraie | Contrast enhancement of roads images with foggy scenes based on histogram equalization | |
Barros et al. | Single-shot underwater image restoration: A visual quality-aware method based on light propagation model | |
CN116681636B (zh) | 基于卷积神经网络的轻量化红外与可见光图像融合方法 | |
KR20180109658A (ko) | 영상 처리 방법과 장치 | |
KR101788660B1 (ko) | 단일 영상 내의 안개 제거 장치 및 방법 | |
CN109948504A (zh) | 一种车道线识别方法及装置 | |
Bijelic et al. | Recovering the Unseen: Benchmarking the Generalization of Enhancement Methods to Real World Data in Heavy Fog. | |
Wang et al. | Haze removal algorithm based on single-images with chromatic properties | |
KR101881883B1 (ko) | 휘도-색차신호 색좌표계에서 안개/야간 영상의 가시성 향상을 위한 영상 시스템 | |
CN110175967B (zh) | 图像去雾处理方法、***、计算机设备和存储介质 | |
CN110188640B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN113538309A (zh) | 水下散射图像多尺度融合复原方法和装置 | |
KR102075704B1 (ko) | 영상의 안개 제거를 위한 시스템 및 방법 | |
Sujitha et al. | Underwater image enhancement by Multiscale fusion technique and Dehazing | |
CN107103321A (zh) | 道路二值化图像的生成方法及生成*** | |
KR101772626B1 (ko) | 단일 영상으로부터 반사성분을 분리하는 방법 및 그 방법에 따른 영상처리 장치 |
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 |