2014 년 2 월전자공학회논문지제 51 권제 2 호 Journal of The Institute of Electronics and Information Engineers Vol. 51, NO. 2, February 2014 http://dx.doi.org/10.5573/ieie.2014.51.2.124 논문 2014-51-2-16 역광영상개선을위한퍼지 C- 평균분류기와적응적블록 분할을사용한역광영역검출 ( Backlit Region Detection Using Adaptively Partitioned Block and Fuzzy C-means Clustering for Backlit Image Enhancement ) 김나현 *, 이승원 *, 백준기 ** * (Nahyun Kim, Seungwon Lee, and Joonki Paik c ) 요 약 본논문은퍼지 C- 평균분류기와적응적블록분할을사용한역광영역검출과공간적응적대비확장을사용한역광영역개선방법을제안한다. 제안된방법은퍼지이론에의해계산된최적의임계값을기반으로적응적가변블록분할을사용하여역광영상을어두운역광영역과밝은배경영역으로구분한다. 가변블록에의한블록화현상을없애기위해유도필터 (guided filter) 를사용하여역광영역을객체영역에적합하게세분화한다. 마지막으로검출된역광영역은공간적응적으로대비가확장되어조도를개선한다. 제안된방법은최적의임계값을사용하여영상을분할하기때문에입력영상에따라적응적으로영역을분할하고저조도영역을개선하며, 사용자의별도의설정이없이입력영상에따라자동적역광영상개선이가능하다. 실험결과를통해제안된방법이기존방법보다역광영역에존재하는피사체의정보를효과적으로개선할수있으며, 복잡한분할방법을사용하지않고빠르게역광영역을검출할수있음을보인다. Abstract In this paper, we present a novel backlit region detection and contrast enhancement method using fuzzy C-means clustering and adaptively partitioned block based contrast stretching. The proposed method separates an image into both dark backlit and bright background regions using adaptively partitioned blocks based on the optimal threshold value computed by fuzzy logic. The detected block-wise backlit region is refined using the guided filter for removing block artifacts. Contrast stretching algorithm is then applied to adaptively enhance the detected backlit region. Experimental results show that the proposed method can successfully detect the backlit region without a complicated segmentation algorithm and enhance the object information in the backlit region. Keywords : 대비개선, 영상개선, 유도필터, 역광보상 ** * 학생회원, 평생회원, 중앙대학교첨단영상대학원 (Dept. of Image Engineering, Graduate School of Advanced Image Science, Multimedia, and Film, Chung-Ang University) c Corresponding Author(E-mail: paikj@cau.ac.kr) 본연구는산업통상자원부기술혁신사업 (SW융합형부품기술개발사업스마트현장판단형영상 / 음향보안감시 SoC 및핵심부품개발, 10047788) 과 2013 년도교육과학기술부의재원으로한국연구재단의지원을받아수행된기초연구사업 (2009-0081059) 입니다. 접수일자 : 2013년11월19일, 수정완료일 : 2014년2월3일 Ⅰ. 서론최근디지털영상처리기술의발전으로사용자들은고화질의영상을디지털카메라혹은스마트폰카메라등을사용하여손쉽게취득할수있다. 하지만디지털카메라는화소당유한한비트가할당되어있기때문에표현할수있는밝기의동적범위 (dynamic range) 가제한된다 [1]. 조명에의한밝은배경을가지는영상을촬영하는경우밝기측광이배경으로맞춰지게되어어두운 (364)
2014년 2월 전자공학회 논문지 제 51 권 제 2 호 Journal of The Institute of Electronics and Information Engineers Vol. 51, NO. 2, February 2014 125 피사체 영역은 상대적으로 적게 할당된 동적 범위로 인 해 피사체 영역의 대비가 제한되어 구분이 어렵게 되는 역광 영상이 발생한다. 이 경우 밝은 배경에는 영향을 주지 않으면서, 어두운 피사체 영역의 대비를 개선시키 는 기술이 필요하게 된다. 저조도 문제를 개선하기 위해 사용되는 기본적인 방 [2] 법으로는 히스토그램 평활화 방법이 있다. 이 방법은 어두운 영역의 저조도 문제를 해결하는 대가로 배경 영 그림 1. Fig. 1. 역의 밝기가 더욱 증가하여 결국에는 포화되는 현상이 발생한다. 이러한 문제를 해결하기 위해 다양한 형태의 변형 혹은 개선된 히스토그램 평활화 방법들이 제안되 제안된 역광영상의 대비 개선 방법 개선도 The framework of proposed backlit image contrast enhancement method. 었다. 적응적 히스토그램 평활화(adaptive histogram 제안된 방법은 영상을 블록으로 분할하고 분할된 블록 equalization)는 영상을 여러 개의 블록으로 나누어 히 의 역광 여부를 분류하기 위하여 퍼지 C-평균분류기 스토그램 평활화를 수행하기 때문에 기존 방법의 밝기 (fuzzy C-means clustering; FCM)를 사용하여 최적의 포화 문제를 해결할 수 있는 반면 블록 경계에서 불연 임계값을 계산한다 [3] 속성이 발생되는 문제가 있다. 양분화 히스토그램 평 그림 1은 제안된 방법의 순서도이다. 첫번째 단계로 활화(bi-histogram equalization)는 영상의 밝기 값을 보 입력된 역광 영상은 일정 크기의 매크로 블록( ) 존하면서 동적 범위를 향상시키지만, 평균값을 이용해 으로 분할된다. 이후 각 블록에서 FCM을 사용하여 역 영역을 분할하여 임계값을 결정하므로 피사체와 배경의 광 영역, 배경 영역, 모호한 영역으로 구분하기 위한 임 [4] 정확한 분리가 어려운 단점이 있다. 이득 값의 조절이 계값을 계산한 후, 이 값을 근거로 영역 분할을 수행한 가능한 다. 이때 모호한 영역은 다시 네 개의 영역으로 분할하 이득 조절 클립 히스토그램 평활화 (gain-controllable clipped histogram equalization)는 적 고 FCM을 사용하여 어두운 정도를 분석해가며 응적 대비 개선과 함께 평균 밝기 값을 보존하여 기존 의 블록 크기까지 지속적으로 분할을 수행한다. 다음으 방법에서 발생하는 배경 영역의 밝기 포화 현상을 보완 로 역광 영역과 배경 영역 사이에 존재하는 블록화 현 [5] 하였다. 하지만 사용자가 수동으로 이득을 조절하여야 상을 제거하기 위해 유도 필터 (guided filter)를 사용하 하기 때문에 영상에 따른 적응적 개선이 어려우며 특정 여 블록 경계를 화소 단위 정밀도로 세분화 하여 최종 밝기 값의 정보가 사라지는 문제를 가지고 있다. 레티 역광 영역을 검출을 위한 활성도맵 (activity map)을 생 넥스(Retinex) 알고리즘은 주변의 평균 밝기 값을 광원 성한다[7]. 에 대한 밝기 값으로 가정하고 가우시안 필터를 이용하 활성도를 사용하여 검출된 역광 영역은 특정 영역에 여 그 값을 추정함으로써 입력 영상에 대한 주변 밝기 밝기 값이 집중되어 있으므로 낮은 명암대비로 인해 영 의 비율을 통해 대비를 향상 시킨다. 그러나 입력 영상 상의 가시성이 떨어지게 된다. 어두운 영역에 집중 되 에 따라 최적 크기의 가우시안 필터를 사용하지 않을 어있는 동적 범위를 확장시키기 위해 본 논문에서는 역 경우 경계면에서 나타나는 밝기 성분의 분포가 왜곡되 광 영역에 적응적 대비 확장을 수행한다. 일반적인 대 [6] 비 확장 방법은 밝기값의 최소값과 최대값을 0과 255로 는 문제를 가지고 있다. 역광 영상 개선을 위해 기존의 대비 개선 방법을 사 고정시킨 후 사이에 존재하는 화소들의 밝기값을 고르 용하면 피사체의 저조도 동적 범위가 효율적으로 확장 게 분포시킨다. 이 방법은 역광 영역의 밝기값을 과도 되지 않고, 동시에 배경 영역의 밝은 동적 범위는 더욱 하게 증가시키기 때문에 배경 영역보다 밝아져 밝기 역 밝아져서 포화되는 문제가 발생한다. 이를 해결하기 위 전 현상이 발생하게 된다. 제안된 대비 확장 방법은 0 해서는 동적 범위에 적응적인 처리와 함께, 배경과 피 과 255의 고정 값이 아니라, 배경 영역을 결정하는 임 사체를 분리할 수 있는 공간 적응적 처리가 동시에 필 계값을 사용하여 과도한 밝기 포화 현상을 제한하며, 요하다. 한쪽으로 집중된 밝기 분포를 넓은 영역으로 확장한다. 본 논문에서는 적응적 블록 분할 방법을 사용한 역광 최종적으로 대비 개선 된 역광 영역과 배경 영역을 각 영역 검출 기반 역광 영상 대비 개선 방법을 제안한다. 화소의 활성도에 따른 적응적 합성을 통해 최종 역광 (365)
126 역광영상개선을위한퍼지 C- 평균분류기와적응적블록분할을사용한역광영역검출김나현외 개선결과를생성한다. 본논문에서제안된역광영상개선방법은 FCM을사용하여영역분할을위한최적의임계값을결정하고, 유도필터를사용하여개선된역광영역과배경영역사이에서발생되는경계문제를해결하였다. 또한적응적대비확장방법을통해사용자가별도의매개변수를설정할필요없이입력영상에따라자동적인역광영상의개선이가능하다. 본논문의구성은 Ⅱ장에서적응적으로분할된블록기반역광영상개선방법을단계별로나누어설명하고, Ⅲ장에서는실험결과를통해제안된방법의성능을검증하고, 마지막으로 Ⅳ장에서본논문의결론을맺는다. Ⅱ. 적응적블록분할을기반으로하는역광영상개선방법 카메라센서의제한적인동적범위로인해역광에서촬영된역광영상은배경영역과역광영역의대비차이가뚜렷하게존재한다. 이는영상에서화소의밝기가배경영역과역광영역으로분류되어두영역을중심으로집중적으로분포되기때문이다. 그림 2는일반적인영상과역광영상의히스토그램 그림 2. 일반영상과역광영상의히스토그램분포 ; 일반영상의히스토그램, 역광영상의히스토그램 Fig. 2. Histogram of a general and a backlit images; histogram of a general image, histogram of a backlit image.the framework of proposed backlit image contrast enhancement method. 분포를비교하여보여준다. 일반영상의히스토그램을살펴보면화소의분포가전체적으로고르게퍼져있는것을볼수있다. 그에반해역광영상의히스토그램은두개의봉우리를갖는 2중모드의히스토그램분포특성을보인다. 역광영상의밝기분포를고르게하기위해기존영상대비개선방법을사용하여역광영상을개선하면어두운역광영역은개선되지만배경영역의밝기가포화되는문제가발생한다. 또한영상전체정보를고려하여개선되기때문에역광영역의대비를효율적으로개선하지못하는문제가있다. 본논문에서는역광영상을효율적으로개선하기위해서첫번째로 FCM을사용한적응적가변블록을사용하여어두운역광영역을검출하고, 다음으로배경의밝기는유지하면서검출된역광영역에서적응적대비확장 (contrast stretching) 을수행하여효과적으로역광영상의대비를개선한다. 1. 적응적블록기반역광영역검출방법어두운영역을검출하기위해임의의임계값을사용하여화소단위로영역을분할하게되면배경영역에존재하는낮은밝기값의화소들이어두운영역으로분류되거나, 어두운역광영역에존재하는높은밝기값의화소들이배경영역으로분류될수있다. 역광영역을개선할때이러한오분류된영역에서부자연스럽게대비가개선되기때문에역광영역에서오분류를최소화할필요가있다. 본논문에서는오분류를최소화하면서효율적인영역검출을위해 FCM을사용한적응적블록분할기반역광영역검출방법을제안한다. 영상에따라역광영역의밝기정도가다르기때문에영상에따라적응적으로역광영역을검출하기위해서는영역분류를위한최적의임계값을찾아야한다. 영상의밝기를역광영역과배경영역두개의클러스터로나눠져있다고가정하여영상에서클러스터분류방법을통해최적의임계값을찾는다. 대표적인 K-평균 (K-means) 방법에의한영역분할방법은비슷한밝기값을가지는화소를각각의영역으로분할하기때문에이론적으로간단하며, 다른영상분할방법에비해잡음에강인하다. 그러나애매한영역으로인해영상분할이명확하게이뤄질수없는경우에는 K-평균클러스터링방법이적합하지않다. 영상에따라적응적으로최적의임계값을구하기위해퍼지이론을통해이러한문제를해결하고, 화소의분포를간단히구할수있는 FCM방법을사용한다 [8]. (366)
2014 년 2 월전자공학회논문지제 51 권제 2 호 127 Journal of The Institute of Electronics and Information Engineers Vol. 51, NO. 2, February 2014 역광영상을피사체가존재하는역광영역과배경영역으로나누기위해FCM의개수는두개로설정한다. 영상으로부터두클러스터의최적의중심값은다음과같이정의된다. (1) 여기에서 는 번째화소의밝기값을나타내고, 는 번째클러스터의중심값을나타낸다. 은영상의전체화소개수를의미하며, 는클러스터의개수값, 은퍼지함수의가중지수를나타낸다. 는 가 번째클러스터에포함된정도를나타내며, 제안된방법에서는, 로설정하였다. 연산량을줄이기위해 를모든화소에대해서고려하지않고, 영상을겹치지않는 의블록으로나누고각블록에서계산된밝기의평균값을사용한다. 을최소화하는 를찾음으로써역광영역과배경영역을구분하기위해최적임계값을찾을수있다. 다음으로영상을역광과배경영역으로구분하기위해역광영역의중심을타나내는 과배경영역의중심을나타내는 를사용하여밝기에따라영상을적응적블록으로분할한다. 그림 3은최적의임계값을사용하여영상을분할하는방법을보여준다. 클러스터의중심값인 과 는역광영역과배경영역을결정하는임계값으로사용된다. 영상의히스토그램에서 보다화소의밝기가작으면역광영역으로, 보다밝기가크면배경영역으로명확히구분하며, 중간밝기값을가지는영역은모호함이존재하기때문에모호한영역으로구분한다. 제안된방법은우선입력영상에서겹치지않는일정크기 의매크로블록으로나누고역광영역, 배경영역, 모호한영역으로분할하며다음과같이정의된다. max min or (2) 여기에서 는블록분할단계를나타내고, 은분할된블록의순서를나타낸다. 이면역광영역, 반대로 이면배경영역을의미한다. max 와 min 는차례대로분할된블록에서화소의최대및최소밝기값을의미한다. 는 스텝에서의블록의총화소개수를나타내고, 는 번째블록의 보다작은화소의 개수를나타내며, 는블록에서어두운화소의포함비율을나타낸다. 포함비율은역광영역에서조명, 잡음그리고밝은생상으로인해배경으로분류되는오분류를줄이기위해고려된다. 다음으로 을가지는모호한영역은다시 4개의블록으로분할하여다시어두운정보를분석하며 의블록크기까지역광영역, 배경영역으로분류해간다. 그림 3. 역광영상분할과정 ; 입력영상, 영상의 히스토그램, 적응적임계값을이용한영상분할결과 Fig. 3. The process of backlit image segmentation.; input image, histogram of an input image, result of the image segmentation using adaptive thresholds framework of proposed backlit image contrast enhancement method. 그림 4. 역광영역에존재하는밝은생상으로인한오 분류사례및제안된처리결과 ; 입력영상, 화소기반검출결과, 제안된가변블록을이용한검출결과 Fig. 4. Misclassification of brightness pixel in the backlit region; input image, result of the pixel based detection, result of the proposed adaptively partition based detection. (367)
128 역광영상개선을위한퍼지 C- 평균분류기와적응적블록분할을사용한역광영역검출김나현외 그림 4는가변블록을사용하여역광영역에서영역오분류문제를해결한결과를보인다. 그림 4 는역광영역의일부에밝은색상의화소가존재하는영상이다. 그림 4 는화소단위로영역을분할한결과로서, 역광영역에존재하는밝은색상의화소가배경영역으로분류되었다. 이오분류는대비개선과정에서부자연스러운개선결과를발생시키게된다. 그림 4 는가변블록을사용하여영상을분할한결과이다. 그림 4 가분류하지못한밝은색상의화소를역광영역으로구분한것을볼수있다. 가변블록을사용하여분할된영역을그대로사용하게되면역광과배경영역의경계에서부자연스러운개선결과를얻게되며가변블록으로인한블록화현상이발생되게된다. 이러한문제를해결하기위해유도필터를사용하여블록화현상을없애고두영역의경계면에서가중치를가지는활성도맵을생성한다 [9]. 유도영상 (guidance image) 는입력색상영상으로 번째화소를의미하며, 유도된영상 는영역분할된영상으로 번째화소에서의라벨값을의미한다. 가 번째화소에서커널의중심값을나타낸다고하면, 유도필터링이수행된결과영상 는다음과같이얻는다. (3) 여기에서 는 번째화소의 컬러벡터, 는 계수벡터, 그리고스칼라값인 는다음과같이정의된다. (4) (5) 여기에서 는 에서 의평균값이며, 는커널에포함되어있는화소의개수를나타낸다. 은 의평균값을나타내고, 는 인 의공분산행렬을나타내며, 는 의항등행렬 (identity matrix) 이다. 유도영상의부드러운정도는매개변수 에의해결정되며, 이값이클수록결과영상은더욱부드러워진다. 그림 5는제안된적응적가변블록을이용하여분할된영역의결과를보인다. 역광영상은그림 5 과같 (d) 그림 5. 역광영역에존재하는밝은생상으로인한오 분류사례및제안된처리결과 ; 입력영상, 화소기반검출결과, 제안된가변블록을이용한검출결과 Fig. 5. Misclassification of brightness pixel in the backlit region; input image, result of the pixel based detection, result of the proposed adaptively partition based detection. 이배경영역과어두운영역의명암대비가뚜렷하다. 그림 5 와 5 는블록분할단계에따른영역검출결과들이고, 단계가진행될수록어두운영역이세밀하게분할되는것을볼수있다. 그러나최종단계 이후에도미세한블록화현상과모호한영역이남아있다. 이문제를해결하기위해서 에서검출된분할영상을역광영역은 로나머지영역은 으로설정하여유도필터를수행하면그림 5(d) 와같이블록화현상이제거되고경계면에서 과의사이에서부드럽게가중치가변하는연속적인활성도맵을생성하게된다. 생성된최종활성도맵의가중치에따라기존배경과개선된역광영역의밝기를가중치합으로합성함으로써자연스러운역광개선영상을생성하게된다. 2. 적응적대비확장을이용한역광영역개선 밝기값의대비가뚜렷한역광영상은높은밝기의분포를갖는배경영역과, 낮은밝기의대비를갖는역광영역으로이루어졌기때문에, 해당히스토그램은배경과피사체가존재하는두영역으로밝기분포가밀집되는특성을갖는다. 카메라의동적범위의한계로인해역광영역은낮은명암대비를가지게되어피사체의구분이어렵게된다. 따라서기존의방법을사용하여역광영상을개선하게되면, 저조도에해당하는피사체 (368)
2014 년 2 월전자공학회논문지제 51 권제 2 호 129 Journal of The Institute of Electronics and Information Engineers Vol. 51, NO. 2, February 2014 영역의대비를향상시키는댓가로고조도에해당하는배경영역도동시에밝아져서포화되는문제가발생한다. 반대로배경의밝기정보를유지하기위해서는피사체영역의대비개선의성능이저하되는문제가발생한다. 이러한문제점을해결하기위해, 앞절에서생성된활성도맵을사용하여검출된역광영역에서만대비확장을수행한다. 다음은일반적인대비확장방법을나타낸다. min max (6) min 여기에서 는명암대비가향상된 번째화소를나타내며, min 과 max 는차례대로영상에서화소밝기의최소값과최대값을의미한다. 일반적인대비확장방법은영상의 min 과 max 를사용하여전체적인밝기값을조절하지만, 제안된방법은밀집되어있는화소의밝기를고르게분포시켜명암대비를개선한다 [10]. 하지만화소의분포가고르게퍼져있는영상에서는히스토그램을펼칠수있는영역이좁아효과적인명암대비개선을기대하기어렵다. 이러한문제점을보완하기위하여나온방법이 End In Search 확장방법이다 [11]. 이방법은어두운영역을결정하는임계값과배경영역을결정하는임계값을임의로지정하여특정부분에서대비확장을수행한다. 하지만사용자가임의로값을결정하기때문에영상에적절한임계값의결정은쉽지않으며, 또한입력영상에따라성능차이를보이게된다. 적응적임계값결정을위해 FCM을사용하여계산된임계값을적응적으로선택하여역광영역이검출된활성도맵을사용하여역광영역에서대비확장방법을수행한다. 적응적임계값선택을사용한대비확장방법은다음과같다. min (7) min 여기에서 과 는적응적으로선택된역광영상의최소밝기값과최대밝기값을의미한다. 역광영상은어두운역광영역과밝은배경영역으로구성되므로제안된대비확장방법은역광영역에서만수행하게된다. 기존방법은밝기의최대값인 255를곱하여어두운화소를개선하기때문에어두운영역과밝은영역사이의경계선에서밝기의불연속성이발생하는반면, 제안된방법은배경영역을결정하는 를곱하여과도한 (d) 그림 6. 제안된대비개선방법의결과 ; 가변블록을 사용하여검출된역광영역, 를사용한대비개선결과, 세분화된역광영역검출결과, (d) 를사용한대비개선결과 Fig. 6. The result of proposed contrast enhancement; result of block-based backlit detection, enhancement result of the image using, result of refined backlit region from, (d) enhancement result of the backlit image using 밝기값의변화를방지하며, 기존방법의문제점인경계선의불연속성문제를해결한다. 적응적임계값에의해대비가개선된영상은유도필터에의해생성된활성도맵을사용하여다음과같이적응적인가중치합을통해최종역광개선영상을생성한다. (8) 최종적으로개선된영상 는원본영상, 식 (7) 에 의해생성된영상, 그리고활성도맵 를사용한가중치합을통해두영상을부드럽게합성한다. 그림 6은역광영상의개선결과를보여준다. 그림 6 는적응적블록분할을통해검출된어두운영역이다. 그림 6 는 6 를사용하여개선된영상으로, 경계선에서블록화현상이생기는것을확인할수있다. 그림 6 는유도필터를사용하여역광영역검출이세분화된결과영상으로, 역광영역과배경영역의경계면에서밝기가부드럽게변하는것을볼수있다. 그림 6(d) 는그림 6 를사용하여개선된결과영상으로, 그림 6 에서존재하는블록화현상이개선된것을볼수있다. 된방법은객체에의해가려졌을경우그위치를상대적으로추정할수있는방법을그림 2에서순서도로나타낸다. (369)
130 역광영상개선을위한퍼지 C- 평균분류기와적응적블록분할을사용한역광영역검출김나현외 Ⅲ. 실험및분석결과 본절에서는제안된가변블록기반적응적임계값을이용한역광개선방법의실험결과를보인다. 제안된방법은먼저 RGB 컬러공간으로이루어진영상을 HSV (Hue-Saturation-Value) 컬러공간으로변환한후, V채널에서만제안된개선처리를수행한다. 제안된방법은이득값조절이가능한클립히스토그램평활화 (gain controlled clipped histogram equalization; GC-CHE) 및컬러보정기반다중스케일레티넥스 (multi scale retinex with color restoration; MSRCR) [12] 방법들과비교를통해성능을확인하였다. 그림 7은제안된방법과기존방법들을사용한역광영상대비개선의성능을비교한결과를보인다. 그림 7 의입력영상에서는제한된동적범위로인해역광영역이발생되고, 그로인해피사체정보가손실되었다. GC-CHE 방법에의한결과가그림 7 에보이는데, 여기에서는어두운역광영역이개선됨과동시에하늘과같은배경영역에서색상왜곡현상이발생한다. 그림 7 는 MSRCR을사용한결과인데, 어두운영역의피사체정보가 GC-CHE 방법과비교해서더많이개선되었지만, 전체적으로색상왜곡문제가심화되었다. 상기한두방법들에서나타나는색상왜곡과밝기포화현상은주로배경영역에서나타나는데, 그이유는영역의구분없이전체영상의명암대비를조절하기때문이다. 그림 7(d) 는유도필터를통해생성된활성도맵을보인다. 블록을사용하여배경영역과역광영역을분할하고, 세밀한영역분할을위해유도필터를사용하여부드러운경계면을갖는활성도맵을생성한다. 그림 7(e) 는제안된방법을통해역광영역이개선된결과이다. 입력영상에서볼수없었던어두운영역의정보가뚜렷하게보이며, 역광영역에서만명암대비가개선이되었기때문에기존방법의문제점인배경영역의밝기포화현상과색상왜곡현상이사라진것을볼수있다. 또한, 적응적인영역분할임계값을사용하였기때문에, 입력영상이바뀌어도적응적으로임계값을결정하여대비를개선할수있다. 그림 8은제안된방법과 MSRCR을사용한역광영상대비개선의성능을비교한결과를보인다. 그림 8 의입력영상에서는어두운역광영역과밝은배경영역이존재하며, 역광영역에존재하는피사체의정보가손실되었다. 그림 8 는 MSRCR 의결과영상이다. 전체적으로영상의컨드래스트가개선되었지만, 역광 (d) (e) 그림 7. 기존방법들과제안된방법의비교결과 ; 입력 영상, CHE의결과영상, MSRCR의결과영상, (d) 유도필터에의해생성된활성도맵, (e) 제안된방법의결과영상 Fig. 7. Result of proposed method versus conventional methods; input image, result of CHE result of MSRCR, (d) alpha map of guided filter based backlit region, (e) result of proposed method 영역의개선이충분하지못한것을볼수있다. 그림 8 는제안된방법을통해역광영역이개선된결과이 (370)
2014 년 2 월전자공학회논문지제 51 권제 2 호 131 Journal of The Institute of Electronics and Information Engineers Vol. 51, NO. 2, February 2014 영상의총화소수를나타낸다. 표 1은 AE의측정결과를요약한것으로서값이클수록영상의디테일이선명하게보이는정도를의미한다. 제안된방법이 GC-CHE와 MSRCR 보다 AE의값이큰것을볼수있는데, 역광영역에존재하는피사체의정보를더욱잘표현할수있다는것을의미한다. Ⅳ. 결론 그림 8. 기존방법들과제안된방법의비교결과 ; 입력영상, MSRCR의결과영상, 제안된방법의결과영상 Fig. 8. Result of proposed method versus conventional methods; input image, result of MSRCR, result of proposed method. 표 1. 정량적측정. Table 1. QUANTITATIVE MEASUREMENTS. Enhancement method AE 입력영상 7.00 GC-CHE MSRCR 5.78 7.21 제안된방법 7.43 입력영상 5.09 GC-CHE 5.83 MSRCR 제안된방법 6.34 7.25 입력영상 GC-CHE 6.44 5.96 MSRCR 7.43 제안된방법 8.65 입력영상 7.16 GC-CHE 5.79 MSRCR 제안된방법 8.34 8.49 입력영상 GC-CHE 5.57 5.11 MSRCR 6.35 제안된방법 6.70 다. 보이지않던정보들이뚜렷하게보이며, MSRCR 의결과와비교했을때컨트래스터개선효과가월등하게향상되었다객관적평가를위한지표로 Average Entropy (AE) 를사용하여제안된방법의성능을비교평가하였다. AE는영상의디테일을측정하는지표로, 다음과같은식으로구할수있다 [13]. log (9) 여기에서 는결과영상의확률밀도함수 (probability density function) 를나타내고, 은결과 본논문은역광영상의명암대비개선을위해적응적블록분할방법과 FCM을이용한최적의임계값기반대비확장방법을제안하였다. 제안된방법은퍼지이론에의해계산된임계값을기반으로적응적가변블록분할을사용하여역광영상을역광영역과배경영역으로구분하였다. 가변블록을사용하여, 기존분할방법에서볼수있는오분류를최소화하였으며, 블록화현상을없애기위해유도필터 (guided filter) 를사용하여역광영역과배경영역사이에존재하는에지를부드럽게표현하였다. 검출된역광영역은제안된대비확장방법을사용하였으며, 제안된방법은기존의영상분할방법을사용하지않고 C-평균 (fuzzy C-means) 클러스터링을사용하여영상에서최적의임계값을이용하여분할하기때문에입력영상이바뀌어도적응적으로영상분할이가능하며, 최적의임계값과영상의최대, 최소화소값의비율을고려하여스트레칭방법을적용하였다. 실험결과를통하여기존명암대비개선방법에서보여지는영상의색상왜곡을억제하였으며, 낮은명암대비로인해보이지않던피사체의정보가표현된것을볼수있었다. 제안된방법은상용디지털카메라, 캠코더등에적용및응용할수있다. REFERENCES [1] P. Debevec and J. Malik, Recovering high dynamic range radiance maps from photographs, Proc. ACM SIGGRAPH, vol. 21, pp. 369-378, 1997. [2] C. Wang and Z. Ye, "Brightness preserving histogram equalization with maximum entropy: a variational perspective", IEEE Trans. Consumer Electronics, vol. 51, no. 4, pp. 1326-1334, 2005. [3] J. Zimmerman, S. Pizer, E. Staab, J. Perry, W. (371)
132 역광영상개선을위한퍼지 C- 평균분류기와적응적블록분할을사용한역광영역검출김나현외 McCartney, and B. Brenton, An evaluation of the effectiveness of adaptive histogram equalization for contrast enhancement, IEEE Trans. Medical Imaging, vol. 7, no. 4, pp. 304-312, 1998. [4] Y. Kim, Contrast enhancement using brightness preserving bi-histogram equalization, IEEE Trans. Consumer Electronics, vol. 43, no. 1, pp. 1-8, 1997. [5] T. Kim and J. Paik, Adaptive contrast enhancement using gain-controllable clipped histogram equalization, IEEE Trans. Consumer Electronics, vol. 54, no. 4, pp. 1803-1810, 2008. [6] K. Kim, J. Bae, and J. Kim, Natural HDR Image tone mapping based on retinex. IEEE Trans. Consumer Electronics, vol. 57, no. 4, pp. 1807-1814, 2011. [7] K. He, J. Sun, X. Tang, "Guided image filtering." European Conference on Computer Vision, vol. 6311, pp. 1-14, 2010. [8] S. Shen, W. Sandham, M. Granat and A. Sterr, MRI Fuzzy segmentation of brain tissue using neighborhood attraction with neural-network optimization. IEEE Trans. information technology in biomedicine, vol. 9, no. 3, pp. 459-467, 2005. [9] K. He, J. Sun, X. Tang, Guided image filtering. European conference on Computer Vision, vol. 6311, pp. 1-14, 2010 [10] R.C. Gonzalez, R.E. Woods, Digital Image Processing, 2nd edition Prentice Hall, 2002. [11] S. Srinivasan1,N. Balram2, Adaptive Contrast Enhancement Using Local Region Stretching proc. of the 9th Asian Symposium on Information Display, pp. 152-155, 2006. [12] D. Jobson, Z. Rahman, and G. Woodell, A multi-scale retinex for bridging the gap between color images and the human observation of scenes, IEEE Trans. Image Processing, vol. 6, no. 7, pp. 965-976, 1997. [13] H. Hase. M. Yoneda, and Sakai, Evaluation of Handprinting Variation of Characters Using Variation Entropy. IEICE Trans. No. 6. pp. 1048-1056, 1988. 저자소개 김나현 ( 학생회원 ) 2011 년수원대학교전자정보통신공학과학사졸업. 2014 년현재중앙대학교첨단영상대학원석사과정재학중. < 주관심분야 : 영상보안및감시, 영상처리, 영상개선, 객체추적 > 백준기 ( 평생회원 )- 교신저자 1984 년서울대학교제어계측공학과학사졸업. 1987 년노스웨스턴대학교전기및컴퓨터공학과석사졸업. 1990 년노스웨스턴대학교전기및컴퓨터공학과박사졸업. 2014 년현재중앙대학교첨단영상대학원영상공학과교수. < 주관심분야 : 영상복원, 신호처리, 반도체 > 이승원 ( 학생회원 ) 2009 년서울과학기술대학교전자공학과학사졸업. 2011 년중앙대학교첨단영상대학원석사졸업. 2014 년현재중앙대학교첨단영상대학원박사과정재학중. < 주관심분야 : 영상처리, 객체추적, 지능형영상보안및감시 > (372)