지능형 감시 시스템을 위한 영상 정보의 신뢰도 향상 기법 연구

Abstract

지능형 감시 시스템의 수요가 점차 증가함에 따라 물체 인식, 추적과 같은 주제들에 대한 연구가 활발히 진행되고 있다. 신뢰도 높은 지능형 감시 시스템을 구축하기 위해서는 영상 정보의 신뢰성이 보장되어야 한다. 인간 시각 시스템은 환경의 변화에도 장면의 정보를 안정적으로 인지할 수 있지만 카메라 센서는 이러한 인간 시각 시스템의 능력을 가지고 있지 않다. 본 논문에서는 밝기, 색의 관점에서 인간 시각 시스템의 능력을 따라잡기 위한 두 가지의 새로운 방법을 제안하였다. 첫 번째로 retinex 이론에 기반을 둔 high dynamic range 영상의 tone mapping 기술을 제안하였다. 제안하는 방법은 인간 시각 시스템의 global adaptation과 local adaptation 두 단계로 구성된다. Local adaptation 과정에서 halo artifacts를 감소시키기 위해 retinex 알고리즘의 Gaussian 필터를 guided 필터로 대체하였다. 그리고 밝기의 표현과 dynamic range compression 성능을 모두 만족시키기 위해 장면의 밝기 값에 기반을 둔 contrast enhancement factor를 제안하였다. 또한 adaptive nonlinearity offset을 도입하여 로그 함수의 nonlinearity 강도를 조절함으로써 결과 영상의 적절한 밝기 값을 유지하였다. 두 번째로 color correlation을 활용한 새로운 color constancy 방법을 제안하였다. 광원의 변화에도 물체 고유의 색을 인지할 수 있는 인간 시각 시스템의 능력을 따라잡기 위해 많은 color constancy 방법들이 제안되어 왔다. 특히 low-level statistics 기반의 방법들은 낮은 계산량과 적절한 파라미터의 선택에 만족스러운 성능 때문에 널리 활용되고 있다. 하지만 기존의 low-level statistics 기반의 방법들은 RGB 채널의 값들을 독립적으로 이용하였고, 결과적으로 color correlation이 무시되었다. 많은 관찰들로부터 saturation 값을 따라서 광원 정보 분포의 경향성을 발견할 수 있었고, 이러한 경향성에 기반을 둔 saturation weighting 함수를 기존의 방법에 통합하였다. 첫 번째 제안하는 방법을 통해 halo artifacts의 효과적인 제거와 함께 영상의 detail을 보존하는 만족스러운 high dynamic range 영상의 tone mapping 결과를 얻을 수 있었고, 두 번째 제안하는 방법을 통해 간단하고 효과적인 방식으로 기존의 color constancy 방법들의 성능을 개선하는 것을 실험 결과들로부터 확인할 수 있었다. 그러므로 본 논문의 제안하는 방법들이 영상 정보의 신뢰도를 개선함으로서 지능형 감시 시스템의 활용도를 높여줄 것이다.