• 전자공학회논문지
• /
• 제49권9호
• /
• pp.128-137
• /
• 2012

CCD 카메라를 이용해 영상을 취득하는 과정에서 조도가 낮을 경우, 자동이득제어(AGC)를 사용하여 자동적으로 부족한 출력 신호를 증폭하게 된다. 이 과정에서 신호와 함께 잡음도 함께 증폭하게 된다. 따라서 저조도 상황에서 취득한 영상은 잡음이 매우 강하여 기존의 방법으로는 잡음을 효과적으로 제거하기 어렵다. 본 논문에서는 잡음의 정도가 심한 저조도 영상의 잡음제거를 위하여 중심화소와 주변영역을 주파수 영역으로 변환하여, 신호 및 잡음의 주파수 특성에 따라 적응적으로 잡음제거를 수행하는 잡음제거 기술을 제안한다. 이러한 주파수 대역 별 특성의 차이를 비교하여 영상의 특징에 따른 적응적인 잡음제거를 수행하여 저조도 환경 영상의 화질을 개선하였다.

• 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.

• 한국철도학회논문집
• /
• 제13권3호
• /
• pp.283-289
• /
• 2010

디지털 카메라의 발전으로 인해 점차 영상을 사용한 철도의 안전관리기법이 그 사용범위를 넓히고 있다. 그러나 선로의 특성상 많은 저조도 환경에서의 영상 취득 과정에서는 심한 잡음이 영상의 화질을 떨어뜨릴 뿐만 아니라 추가적인 영상처리의 오류를 발생시킨다. 최근의 3D 잡음제거 방식은 시간적으로 연속된 영상간의 픽셀을 참조함으로 2D 잡음제거보다 더 나은 잡음 제거 결과를 얻을 수 있으나 움직임 부분에서는 오히려 모션 블러와 같은 열화가 나타나게 된다. 본 논문에서는 저조도 영상에서 적응적 가중평균필터를 이용하여 보다 정확한 움직임 검출을 구현하며, 3D 잡음제거 방식에 2D잡음 제거 방식의 결과를 적응적으로 사용하여 객관적 화질과 주관적 화질을 개선하였다.

• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• 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.

• 대한전자공학회논문지SP
• /
• 제47권4호
• /
• pp.90-96
• /
• 2010

초점 검출 시스템은 영상 획득 과정에서 영상의 화질을 결정하는 중요한 요소이다. 초점 검출은 크게 영상의 고주파 성분을 평가하여 수치화하는 초점값 연산 부분과 이 초점값을 이용하여 렌즈를 이동시켜 초점을 일치시키는 부분으로 이루어진다. 초점값을 연산하는데 있어 저조도 잡음이 첨가된 환경에서는 잡음에 의해 그 성능이 크게 저하되게 된다. 본 논문에서는 공간 적응적인 가중치를 이용하여 저조도 잡음이 첨가된 환경에서 효율적으로 초점값을 연산할 수 있도록 하는 방법을 제안하였다. 제안된 방법은 영상의 각 픽셀에서 영상의 국부 특성과 잡음의 특성을 적응적 가중치를 연산하고, 이를 이용해 저조도 잡음에 강인한 초점값 연산자를 제안한다. 제안된 적응적 가중치는 기존의 필터 기반 초점값 연산자에도 적용이 가능한 특성을 갖는다. 잡음이 없는 상태와 가우시안 잡음이 있는 환경 하에서 제안된 연산자의 성능을 검증하였다.

• 방송공학회논문지
• /
• 제26권1호
• /
• pp.88-98
• /
• 2021

CCTV를 사용하여 저조도와 같은 열악한 환경에서도 범죄 예방 및 특정 대상을 정확히 확인하는 것이 최근 더욱 중요해지고 있다. 저조도 환경하의 CCTV 응용에서는 눈에 거슬리지 않는 근적외선 조명을 이용하여 영상을 획득하는데, 이 경우, 비록 사람 눈에는 어두운 저조도 환경이지만 근적외선 조명을 사용하기 때문에 영상의 상세 텍스처 정보를 얻을 수 있는 장점은 있지만, CCTV 영상내의 물체 판별이나 인물 확인을 위하여 매우 요긴한 정보인 색상 정보는 얻기 힘들다는 단점이 있다. 본 논문에서는 저조도 환경에서 근적외선 조명을 사용하여 얻은 CCTV 영상으로부터 DCGAN을 사용하여 색상정보를 획득하는 방법과 이때 재구성된 색상 영상에 생기는 색상 잡음을 제거하는 방법을 제시한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 하계학술대회
• /
• pp.163-165
• /
• 2017

본 논문에서는 카메라 잡음 제거에 딥 러닝 알고리즘을 적용하는 연구를 진행하였다. 합성된 가우시언 잡음에 대하여 좋은 잡음 제거 성능을 보이는 DnCNN(Denoising Convolutional Network)를 이용하여 카메라 잡음을 제거하는 학습과 실험을 진행하였으며, 기준 실험으로는 RGB 색공간의 3채널 모두에 대하여 학습한 신경망(Neural Network)을 사용하였고, 본 논문의 실험에서는 그레이 이미지에 대하여 학습한 신경망을 사용하였다. 신경망의 평가를 위하여 딥 러닝 알고리즘 입력 이미지를 RGB 색공간(RGB Color Space)과 YCbCr 색공간(YCbCr Color Space) 2가지 색공간으로 표현하여 사용하였고, 입력 이미지에 노이즈를 첨가하기 위해 가우시안 노이즈(Gaussian Noise)를 이용하였다. 또한 가우시안 잡음과 다른 성질을 갖는 실제 카메라 잡음에 대해서도 학습과 테스트를 진행하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• 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.

• 한국ITS학회 논문지
• /
• 제19권3호
• /
• pp.129-136
• /
• 2020

본 논문에서는 저조도 야간 감시 시스템을 위한 열영상 기반의 객체 검출 알고리즘을 제안한다. 기존 Adaboost를 이용한 Haar 특징점 선택 알고리즘은 학습 샘플에 대한 유사하거나 중복되는 특징점의 선택 문제와 잡음에 취약한 경우가 많았다. 또한 저조도 야간 환경의 감시 영상에서 얻어지는 잡음을 특징점 세트에서 제거하고 빠르고 효율적인 실시간 특징점 선택이 이루어질 수 있게 가벼운 확장형 Haar 특징점과 Adaboost 학습 알고리즘을 사용하여 구현하였다. 야간 저조도 환경에서 움직임이 있는 비예측 객체를 인식하기 위하여 열영상으로 촬영된 이미지에 확장 Haar 특징점을 사용하여 객체를 인식한다. 비디오 프레임 800*600 크기의 열영상 이미지를 입력으로 하는 Adaboost 학습 알고리즘을 CUDA 9.0 플랫폼으로 구현하여 시뮬레이션을 시행한다. 그 결과 객체 검출 결과는 성공률이 약 90% 이상임을 확인하였고, 이는 일반영상에 히스토그램 이퀄라이징 연산을 거쳐 얻어진 연산 결과보다 약 30% 더 빠른 처리 속도를 얻을 수 있었다.