• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2013.06a
• /
• pp.258-259
• /
• 2013

광원 및 조명이 미약한 환경에서 획득된 저조도 영상은 인지적 및 색 왜곡적 측면에서 취약점을 가진다. 영상의 색 복원을 위한 연구인 색 항등성 기법은 저조도 환경에 적합하지 않기 때문에 저조도 영상을 대상으로 적용할 경우에는 좋은 성능을 내지 못한다. 이러한 문제를 해결하기 위하여 본 논문에서는 저조도 영상의 색 복원을 위한 톤 매핑 및 색 항등성 기법에 대해 분석한다. 톤 매핑 기법은 저조도 영상의 밝기를 개선해 색 항등성 기법의 적용을 가능하도록 하기 위해 사용되며, 이후 다양한 색 항등성 기법을 밝기 조절된 저조도 영상에 적용해 색 복원에 적합 여부를 판단한다.

• Tunnel and Underground Space
• /
• v.34 no.3
• /
• pp.208-217
• /
• 2024

There is so much research effort for developing and implementing deep learning-based surveillance systems to manage health and safety issues in construction sites. Especially, the development of deep learning-based object detection in various environmental changes has been progressing because those affect decreasing searching performance of the model. Among the various environmental variables, the accuracy of the object detection model is significantly dropped under low illuminance, and consistent object detection accuracy cannot be secured even the model is trained using low-light images. Accordingly, there is a need of low-light enhancement to keep the performance under low illuminance. Therefore, this paper conducts a comparative study of various deep learning-based low-light image enhancement models (GLADNet, KinD, LLFlow, Zero-DCE) using the acquired construction site image data. The low-light enhanced image was visually verified, and it was quantitatively analyzed by adopting image quality evaluation metrics such as PSNR, SSIM, Delta-E. As a result of the experiment, the low-light image enhancement performance of GLADNet showed excellent results in quantitative and qualitative evaluation, and it was analyzed to be suitable as a low-light image enhancement model. If the low-light image enhancement technique is applied as an image preprocessing to the deep learning-based object detection model in the future, it is expected to secure consistent object detection performance in a low-light environment.

• Proceedings of the KAIS Fall Conference
• /
• 2011.12b
• /
• pp.683-685
• /
• 2011

저조도 환경에서 획득된 영상은 대부분의 픽셀이 낮은 RGB 값을 가지기 때문에 물체가 가지는 색의 식별 및 물체 간의 구별이 어렵다는 문제점을 갖는다. 이러한 문제는 이론적으로 영상 내 존재하는 광원의 영향을 제거하는 것을 목적으로 하는 색 항등성 기법을 적용하여 해결이 가능하다. 저조도 영상에 적합한 색 항등성 기법을 찾기 위하여 본 논문에서는 Barnard 데이터 셋을 바탕으로 하는 저조도 합성 영상을 생성하고 이를 기반으로 다양한 색 항등성 기법을 평가한다. 저조도 합성 영상은 원하는 장면을 가지는 영상과 GTD를 생성할 수 있는 장점이 있기 때문에 실험 영상으로 사용된다. 성능 평가는 색 항등성 기법을 적용한 결과 영상과 GTD 영상을 비교하여 수행된다.

• Journal of the Korea Society of Computer and Information
• /
• v.28 no.8
• /
• pp.11-19
• /
• 2023

In this paper, it is confirmed that the metrics used to evaluate image quality can be applied to low-light images. Due to the nature of low-illumination images, factors related to light create various noise patterns, and the smaller the amount of light, the more severe the noise. Therefore, in situations where it is difficult to obtain a clean image without noise, the quality of a low-illuminance image from which noise has been removed is often judged by the human eye. In this paper, noise in low-illuminance images for which ground truth cannot be obtained is removed using Noise2Noise, and spatial resolution and radial resolution are evaluated using ISO 12233 charts and colorchecker as metrics such as MTF and SNR. It can be shown that the quality of the low-illuminance image, which has been evaluated mainly for qualitative evaluation, can also be evaluated quantitatively.

• Journal of Broadcast Engineering
• /
• v.26 no.1
• /
• pp.88-98
• /
• 2021

Recently, the crime prevention and culprit identification even in a low illuminated environment by CCTV is becoming ever more important. In a low lighting situation, CCTV applications capture images under infrared lighting since it is unobtrusive to human eye. Although the infrared lighting leads to advantage of capturing an image with abundant fine texture information, it is hard to capture the color information which is very essential in identifying certain objects or persons in CCTV images. In this paper, we propose a method to acquire color information through DCGAN from an image captured by CCTV in a low lighting environment with infrared lighting and a method to remove color noise in the acquired color image.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.1222-1225
• /
• 2022

본 논문에서는 저조도 환경에서 촬영된 영상의 조도를 개선하여 얼굴 검증 정확도를 높이는 방법을 제안하였다. 입력 이미지의 조도 개선을 통해 얼굴 검출 정확도를 개선하며, 검출된 얼굴의 반복적인 조도 향상을 통해 생성된 다수의 특징 벡터를 이용하여 얼굴 검증에 이용하였다. 얼굴 검출 및 검증 정확도 측정을 위해 K-FACE 데이터셋을 이용하였다. 저조도 환경에서 촬영된 검증 이미지에 대하여, 제안하는 특징 벡터 합성 방법으로 인해, 동일인 쌍 및 타인 쌍의 유사도 점수 분포의 표준 편차가 줄어드는 경향을 확인했으며, 이로 인해 검증 성능이 높아지는 결과를 얻었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.159-160
• /
• 2015

본 논문에서는 잡음이 있는 저조도 동영상의 고속 시인성 개선 기법을 제안한다. 먼저, 영상에서 고속 추출한 광도를 기반으로 입력 영상을 저조도 영역과 고조도 영역으로 구분한 뒤, 각 영역의 특징을 반영한 전달 함수의 독립적인 생성 및 적용을 통해 영상의 밝기를 개선한다. 다음으로 동영상의 풍부한 시공간적 정보 활용 극대화를통해 효율적으로 영상의 잡음을 제거한다. 마지막으로 영상의 색상 분포 분석을 통해 매핑 함수를 생성하고, 이를 적용하여 색상 치우침 문제가 있는 저조도 영상의 색상을 효과적으로 복원한다. 실험을 통하여 제안 기법이 기존 기법 대비 우수한 시인성 개선 및 속도 개선 결과를 보임을 확인한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.157-158
• /
• 2015

본 논문에서는 광원 노출도를 이용한 저조도 영상 시인성 개선 기법을 제안한다. 제안 기법은 저조도 영상의 저주파 성분과 고주파 성분을 각각 개선한 뒤 병합하여 시인성이 개선된 영상을 얻는다. 먼저, 영상에서 추출한 광원 노출도를 기반으로 저주파 성분을 저조도 영역과 고조도 영역으로 구분하고, 각 영역의 특징을 반영한 전달 함수의 독립적인 생성 및 적용을 통해 개선된 저주파 성분을 얻는다. 다음으로 저주파 성분의 개선 결과로부터 저주파 성분의 개선 정도와 텍스처 정도를 얻고, 이들 값을 이용하여 고주파 성분을 효과적으로 개선한다. 실험을 통하여 제안 기법이 기존 기법에 비하여 우수한 시인성 개선 결과를 보임을 확인한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.572-575
• /
• 2010

본 논문은 SNR 이 매우 낮은 저조도 영상의 잡음 제거를 위한 새로운 기술을 제안한다. 제안하는 기술은 입력 영상에서 파라미터를 자동/적응적 방식으로 추정하는 알고리즘을 특징으로 한다. 제안하는 기술의 효율성을 검증하기 위해 실질적인 환경에서 취득한 저조도 동영상들을 가지고 실험을 수행하였다. 실험을 통해 제안하는 기술을 활용하여 적응적으로 추정된 파라미터가 필터링(filtering) 성능을 잘 유지시킴을 검증하였다. 또한 기존 연구들과 비교할 때 저조도 동영상의 명암대비 향상과 잡음 제거에 우수한 결과를 보임을 검증하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.241-243
• /
• 2020

저조도 환경에서 획득한 CCTV 컬러 영상은 품질이 좋지 않으므로, 일정 조도 이하의 저조도에서 CCTV 는 근적외선을 이용하여 회색조 영상을 획득한다. 본 논문에서는 저조도에서 획득한 근적외선 영상을 이용한 물체 검출 및 GAN 을 통해 재구성된 컬러 영상에 생기는 컬러 잡음을 제거하는 방법을 제안한다. 기존의 재구성된 컬러 영상의 PSNR 측면에서 22.5dB 가 나왔으나, 영상 합성을 통해 컬러 노이즈를 제거한 영상의 PSNR 은 34dB 가 나왔다. 본 논문은 컬러 노이즈를 제거하면서 원래의 색의 유지가 제대로 이루어 졌는지는 주관적인 평가 방법을 통해 확인하였다.