Earticle

본 논문에서는 기존의 그랩컷 알고리즘을 이용한 객체 검출의 정확도를 향상시키기 위하여 샤프닝 필터를 이용한 영상의 화질을 개선하는 방법을 제안한다. 그랩컷 알고리즘은 사각 윈도우 범위 내에서 객체 추출에 뛰어난 성능을 보이지만, 객체와 배경의 구분이 뚜렷하지 않은 영상에서는 성능이 떨어지는 단점이 있다. 따라서 본 논문에서는 히스토그램 평활화를 통해 밝기 및 선명도를 보강하고, 샤프닝 필터를 이용하여 객체의 경계를 강화하여 기존의 그랩컷 알고리즘보다 객체와 배경의 색상이 비슷한 영상에서 향상된 객체 추출 결과를 보인다. 개선된 그랩컷 알고리즘을 토대로 문자인식, 실시간 객체추적 등 영상처리 융합 기술에서 향상된 결과를 얻을 수 있다.

In this paper, we proposed image enhancement method using sharpening filter for improving the accuracy of object detection using the existing Grabcut algorithm. GrabCut algorithm is the excellent performance extracting an object within a rectangular window range, but it has the drawback of the inferior performance in image with no clear distinction between background and objects. So, in this paper, reinforcing the brightness and clarity through histogram equalization, and tightening the border of the object using the sharpening filter look better than that extracted result of existing GrabCut algorithm in a similar image of the object and the background. Based on improved Grabcut algorithm, it is possible to obtain an improved result in the image processing convergence technique of character recognition, real-time object tracking and so on.

장면 전환 검출에서 단일 특성을 사용하는 경우 발생 가능한 정확도 감소의 문제를 해결하기 위해 색상 히스토그램 분포 차 분석과 특징점 추출 알고리즘을 활용한 방법을 제안한다.

현재 널리 사용되는 hand-held형 단말기들은 영상을 표현할 때 제한된 수의 칼라만으로 표현할 수 있다. 따라서 자연색 칼라 팔레트를 이용하여 단말기에 나타낼 때 최적의 칼라 팔레트를 구현하는 것과 원영상의 각각의 칼라로부터 팔레트 칼라로 최적으로 정합 시키는 것이 요구된다. 본 논문에서는 효율적으로 칼라 팔레트를 설계하는 히스토그램 기반 영상 의존적 스칼라 양자화 알고리즘을 제안한다. 제안 알고리즘은 칼라 우선순위 결정 부분과 양자화 부분으로 구성되며 양자화 후 ANC(Adaptive Neighborhood-Clustering) 알고리즘을 적용하여 성능을 개선한다. 이 방법은 자연색 칼라 영상을 적은 비트로 표현했음에도 출력 영상이 인간의 눈에 적합하다.

고선명 영상에 대한 수요가 증가하면서 다양한 방면에서 좀 더 선명하고 큰 영상을 보고 촬영하려는 요구가 늘어나고 있다. 특히 디스플레이 장치의 크기가 커지고 이에 따라 영상의 해상도가 커지면서 영상에서 나타나는 잡음이나 화질 저하가 이전에 비하여 더욱 더 눈에 띄게 나타나게 되었다. 본 논문에서 고선명 영상과 같이 해상도가 큰 영상의 색상과 명암 대비를 효과적이고 빠르게 개선하기 위한 방법을 제안한다. 고해상도 영상에서 처리 속도를 높이면서 효과적으로 화질 향상 방법을 적용하기 위해 고해상도 영상을 축소시킨 영상에서 화질 향상 방법에 필요한 변수를 추출해낸다. 영상의 색상을 향상시키기 위해 기존의 색채 항상성 방법을 개선시킨 방법을 적용하였고 명암 대비를 향상시키기 위해 경계 영역을 활용한 변형 히스토그램 평활화 방법을 적용하였다. 마지막으로 고해상도 영상을 촬영할 수 있는 디지털 캠코더를 이용하여 촬영한 실험 영상으로 제안하는 방법의 성능을 분석하였다.

A unified image enhancement method is proposed for high-resolution image which based on color constancy and histogram equalization using edge region. To speed up the method, smaller image is used when parameters of color constancy and histogram equalization are determined. In the color constancy process, nth-derivative of gaussian is applied to x and y axis separately in order to estimate the color of the illumination rapidly. In the histogram equalization process, the histogram obtained from near-edge region is used for the histogram equalization. In the experiments, high-resolution images taken by digital camcorder are used for verifying the performance of the proposed method.

커널 기반 평균 이동 물체 추적(kernel-based mean-shift object tracking) 방법은 신뢰할 수 있는 물체 추적의 실시간 구현이 가능하기 때문에 최근 많은 관심을 받고 있다. 이 알고리즘은 표적 모델과 표적 후보 간의 히스토그램 유사성 비교를 통해 최적의 평균이동 벡터를 찾는데, 실시간 구현을 위해 대부분의 알고리즘에서는 색-공간의 균일 양자화를 수행한다. 하지만, 영상의 명암 분포가 편중되어 있는 경우 색-공간의 양자화 후 히스토그램 분포가 몇 몇 빈에 집중되기 때문에 히스토그램 유사성 비교의 정확도를 감소시키게 되고, 따라서 추적의 성능이 저하될 수 있다. 이러한 문제를 해결하기 위해 히스토그램 빈을 적응적으로 조절하는 비-균일 양자화 알고리즘이 제안되었으나 높은 복잡도로 인해 실시간 추적 알고리즘에 부적합한 단점을 갖고 있다. 이에 본 논문에서는 표적 모델에 대한 히스토그램 평활화를 수행한 후 색-공간의 균일 양자화를 수행하는 형태의 고속 비-균일 양자화 기법을 제안함으로써, 색-공간 양자화 후에도 표적 모델의 명암 분포가 전 색-영역에 고르게 분포되도록 함으로써 실시간 평균 이동 추적 기법의 추적 성능이 개선될 수 있도록 하였다. 제안하는 색-공간 양자화 기법을 통해 표적 모델과 비교 후보군 사이에 비교 대상이 되는 색 요소가 증가하게 되며, 보다 정확도 높은 히스토그램 유사성 결과를 얻을 수 있었다. 물체 추적용 영상을 통한 실험 결과, 제안하는 알고리즘은 복잡도 증가가 거의 발생하지 않는 동시에, 기존 비-균일 양자화 알고리즘 결과와 유사하거나 좀 더 나은 추적 결과를 보여주었다.

Kernel-based mean-shift object tracking has gained more interests nowadays, with the aid of its feasibility of reliable real-time implementation of object tracking. This algorithm calculates the best mean-shift vector based on the color histogram similarity between target model and target candidate models, where the color histograms are usually produced after uniform color-space quantization for the implementation of real-time tracker. However, when the image of target model has a reduced contrast, such uniform quantization produces the histogram model having large values only for a few histogram bins, resulting in a reduced accuracy of similarity comparison. To solve this problem, a non-uniform quantization algorithm has been proposed, but it is hard to apply to real-time tracking applications due to its high complexity. Therefore, this paper proposes a fast non-uniform color-space quantization method using the histogram equalization, providing an adjusted histogram distribution such that the bins of target model histogram have as many meaningful values as possible. Using the proposed method, the number of bins involved in similarity comparison has been increased, resulting in an enhanced accuracy of the proposed mean-shift tracker. Simulations with various test videos demonstrate the proposed algorithm provides similar or better tracking results to the previous non-uniform quantization scheme with significantly reduced computation complexity.