• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2015년도 추계학술대회
• /
• 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.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2015년도 추계학술대회
• /
• 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.

• 한국인터넷방송통신학회논문지
• /
• 제11권6호
• /
• pp.311-317
• /
• 2011

본 논문에서는 입력된 영상에서 나타나는 세 가지 대표적인 잡음 영상인 안개 낀 영상, 저조도 영상, 역광 영상에 대한 개선 방안을 제시하였다. 기존의 안개영상 개선 알고리즘은 성능이 뛰어나지만 메모리 사용량과 계산량이 많아지는 문제점을 가지고 있다. 본 논문에서는 성능이 뛰어난 안개 제거 알고리즘의 메모리 사용량과 계산 량을 줄이는 개선된 방법을 제안하고, 이를 DM6446 DSP칩으로 구현하였으며, 제안한 방법을 이용하여 저조도 영상 개선 및 WDR에 적용시킬 수 있는 방법을 제안하였다. 실험결과 DSP 칩에 적용했을 때 초당 15화면을 처리하였다. 또한 구현한 결과 영상은 속도를 개선하기 전의 알고리즘과 거의 동일한 화질을 보였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2013년도 하계학술대회
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.376-377
• /
• 2011

일반적으로 저조도 환경에서 촬영된 영상에서 컬러의 정보를 식별하는 것은 어렵다. 기존의 대표적인 영상 개선의 방법인 레티넥스(Retinex)는 연산량이 많고 원본 영상의 컬러 정보를 정확히 반영하지 못하는 문제점이 있다. 따라서, 본 논문에서는 저조도 환경에서 촬영된 영상에 대해 컬러의 왜곡 문제를 개선하기 위하여 비선형 함수와 RGB 컬러 공간에서의 벡터 상수곱을 이용한 실시간 영상 개선 방법을 제안한다.

• 전기전자학회논문지
• /
• 제25권1호
• /
• pp.139-147
• /
• 2021

본 논문에서는 저조도 영상을 개선하기 위한 영상 분해 기반 심층 학습 방법 및 분해 채널 특성에 따른 손실함수를 제안한다. 기존 기법들의 문제점인 색신호 왜곡 및 할로 현상을 제거하기 위해, 입력 영상의 휘도 채널을 반사 성분과 조도 성분으로 분해하고, 반사 성분, 조도 성분 및 색차 신호를 신호 특성에 적합한 심층학습 과정을 적용하는 분해 기반 다중 구조 심층 학습 방법을 제안한다. 더불어, 분해 채널들의 특성에 따른 혼합 놈 기반의 손실함수를 정의하여 복원 영상의 안정성을 증대하고 열화 현상을 제거하기 위한 기법에 대해 기술한다. 실험 결과를 통해 제안한 방법이 다양한 저조도 영상을 효과적으로 개선하였음을 확인할 수 있었다.

• 한국산학기술학회논문지
• /
• 제19권7호
• /
• pp.36-41
• /
• 2018

미광증폭장비는 밤과 같이 어두운 환경에서 주로 가시광선 대역의 약한 빛을 증폭시켜 육안으로 관측할 수 있을 정도의 밝기로 만들어주는 장비이다. 이러한 방식은 어느 정도의 약한 빛이 존재하는 환경에서는 그 증폭 효과를 제대로 발휘하여 선명한 영상을 얻을 수 있지만, 달빛조차 존재하지 않는 극 저조도 환경에서는 기본적으로 증폭시킬 빛이 부족하여 출력 영상에 많은 노이즈로 인하여 화면의 선명도가 저하된다. 본 연구에서는 이러한 극 저조도 환경에서 발생하는 미광증폭 장비의 출력 노이즈를 다중 필터와 이방성 확산을 이용하여 화질을 개선하는 방법을 제안하였다. 실험을 위하여 극 저조도 조건에 맞는 환경을 구성한 상태에서 미광증폭장비의 출력 영상을 촬영한 후, 화질 개선을 위한 신호처리를 하였다. 신호처리를 위한 필터의 구성은 영상에 나타나는 주된 노이즈인 점 노이즈 제거와 가우시안 노이즈의 효과적인 제거를 위하여 메디안 필터, 위너 필터를 적용시킨 후 이방성 확산을 이용하였다. 실험 결과 화질이 개선됨을 육안으로 확인할 수 있었고, 정량 지표인 PSNR 및 SSIM으로 비교하여 측정한 방법에서도 모두 개선된 값을 보여주었다.

• 방송공학회논문지
• /
• 제24권4호
• /
• pp.623-632
• /
• 2019

저조도 영상의 개선을 위해서 밝기 및 대조 개선, 조명 성분 감쇄 등의 다양한 연구가 진행됐다. 기존의 hand-crafted 방법에서 인공신경망으로 기존 기법들을 대체하는 연구가 최근에 진행 중이다. 본 논문에서는 조명 광원이 존재하는 저조도 영상으로부터 조명 성분을 감쇄하고, 반사 성분만을 생성하는 기법을 합성곱 신경망으로 대체하는 방법을 제안한다. 실험에서는 102장의 저조도 영상으로 학습시킨 합성곱 신경망으로 만족스러운 반사 영상을 생성하였다.

• 한국컴퓨터정보학회논문지
• /
• 제28권8호
• /
• pp.11-19
• /
• 2023

본 논문에서는 기존에 영상의 품질을 평가하는 데 사용되던 지표가 저조도 영상에 대해서도 적용될 수 있음을 확인한다. 저조도 영상의 특성상, 빛과 관련된 요인들이 다양한 잡음 패턴을 만들어내고 빛의 양이 적을수록 극심한 잡음을 가지고 있다. 그렇기 때문에, 잡음이 없는 깨끗한 영상을 구하기 힘든 상황에서 잡음이 제거된 저조도 영상의 품질을 사람의 눈으로 판단하는 경우가 많다. 본 논문에서는, ground truth를 구할 수 없는 저조도 영상의 잡음을 Noise2Noise를 이용해서 제거하고, MTF와 SNR 등의 지표로 공간 해상도와 방사 해상도를 ISO 12233 차트와 colorchecker를 대상으로 평가한다. 정성적 평가 위주로 평가되던 저조도 영상의 품질이 정량적으로도 평가될 수 있음을 보여줄 수 있다.

• 방송공학회논문지
• /
• 제24권1호
• /
• pp.87-96
• /
• 2019

저조도 영상의 개선에 관한 연구는 대부분 대비 개선을 목적으로 한다. 저저도 영상에서 밝기 개선, 대조 개선, 및 조명 성분 감쇠 등의 다양한 연구가 진행됐다. 최근에 인공신경망으로 상기 방법들을 대체하는 연구가 진행 중이다. 본 논문에서는 Retinex 이론에 기반하여 조명 광원이 존재하는 저저도 영상으로부터 조명 성분을 감쇠하고, 반사 성분만을 생성하는 기법을 심층신경망으로 대체하는 방법을 제안한다. 실험에서는 102장의 저저도 영상으로 학습시킨 인공신경망으로 반사 영상을 생성하였는데, PSNR=30.8682(db), SSIM=0.4345를 얻었다.