조명 추정을 이용한 야간 안개 제거 방법 = Nighttime haze removal method using illumination estimation

국문 초록 (Abstract)

본 논문에서는 야간 안개 이미지에서 조명지도 추정하여 안개를 제거하는 방법을 제안한다. 야간 안개 제거 방법은 태양이 인공조명으로 대체되는 야간 환경으로 인해 균일하지 않은 조명을 고려해야한다. 대부분의 기존 야간 안개 제거 방법에서는 대기지도를 조명지도로 대체하여 조명의 영향을 표현하고, 사람의 관찰을 통해 얻은 사전지식을 이용하여 조명지도를 추정하였다. 그러나 기존 사전지식으로 얻은 조명지도의 표현 방식은 어두운 영역의 안개를 제거하는 것을 어렵게 하고, 복잡한 영역에서 추정된 조명 지도의 정확도를 보장하기 어렵다.
따라서, 우리는 조명의 영향을 추정하는 deep network와 기존 야간 안개 제거 방법과 다른 방식으로 조명을 표현하는 야간안개 모델을 제안한다. 제안하는 조명지도 추정 네트워크의 구조는 피라미드 풀링 모듈과 오토인코더 구조에 기반하여 설계되어 조명의 중요한 특징과 전역적인 특징을 효과적으로 추출할 수 있다. 추정된 조명지도를 이용하여 얻은 reflectance image는 조명의 영향이 영상 전체에 균일하다는 특징을 갖고 있어서 주간 안개 제거 방법을 사용 가능하도록 한다. 제안하는 방법은 학습을 통해 조명지도를 추정하고 조명의 영향이 전역적으로 균일한 reflectance image에서 안개를 제거함으로써 기존의 방법에서 나타나는 어둡고 복잡한 영역에서 낮은 복원 성능을 극복한다.
합성 및 실제 영상 세트를 사용한 실험 결과는 기존 방법과 비교하여 정량적, 정성적 측면에서 제안된 방법의 효과를 증명한다. 특히 어두운 영역과 복잡한 영역에서 제안하는 방법을 통해 효과적으로 안개를 제거하는 모습을 확인 할 수 있다.

목차 (Table of Contents)

• 제 1 장 서론 1
• 1.1 연구 배경 1
• 1.2 연구 목적 3
• 제 2 장 관련 연구 4
• 2.1 주간 안개 제거 방법 4
• 2.2 야간 안개 제거 방법 5
• 2.3 가이디드 필터 6
• 제 3 장 제안하는 방법 8
• 3.1 제안하는 방법의 개요 8
• 3.2 제안하는 야간 안개 모델 9
• 3.2.1 주간 안개 모델 10
• 3.2.2 기존 야간 안개 모델과 한계 11
• 3.2.3 제안하는 야간 안개 모델 12
• 3.3 조명 추정 14
• 3.3.1 조명 추정 네트워크 14
• 3.3.2 조명의 색 정보 추정 17
• 3.4 안개 제거 19
• 제 4 장 실험 22
• 4.1 네트워크 학습 환경 23
• 4.2 인공 안개 영상에서 실험 결과 23
• 4.3 실제 환경에서 실험결과 28
• 제 5 장 결론 34
• 참고 문헌 36