칼라 항상성

 인간은 물체에서 반사되는 빛 에너지에 기반을 두어 주위 광원의 효과를 상쇄시켜 물체의 고유색을 인지한다. Hering은 인간이 물체를 바라보는 초기단계에서 광원의 변화를 효과적 으로 상쇄시키는 어떠한 기계적인 작용이 있다고 주장하였다. 이것을 인간의 시각적응 또는 칼라 항상성이라 한다[1]-[4]. 그림1은 임의의 영상이 광원의 영향을 받았을 때 나타나는 과정을 설명하고 있다. 이 과정에서 사람은 칼라 항상성을 통해 광원의 효과를 배제하는 능력을 보여주고 있다.

그림 1. 사람과 카메라가 인지하는 영상의 과정.

1. 색 포화도 향상에 기반한 칼라 항상성

 칼라 항상성에 관한 연구에서 밝기 값에 대한 접근방식에서 생동폭이 감소되는 단점을 보상하여 명도와 색 포화도를 증가시키는 방법을 제안하였다. 대상화면에서 기준색을 백색으로 하며, 칼라 항상성에 기반을 두어 적색, 녹색 및 청색의 각 프레임별로 평균성분을 제거하고, 색 포화도와 대비를 증가시키는 방법을 통하여 조명으로 인하여 색상이 변하고 색 포화도와 대비가 낮아지는 현상을 보상하였다[1]. 또한 영상의 잡음을 제거하기 위해 명도를 중앙치 필터로 처리하고, 영상의 연속성을 보존하기 위하여 색 포화도를 평균하였다. 이때 감소된 명도와 색 포화도를 증가시키기 위하여 인간의 색인지를 가장 잘 표현하는 HIS 좌표계를 RGB 좌표계의 세 기준 벡터로 해석함으로써 다른 좌표계로 변환하지 않고 RGB 좌표계 내에서 영상개선을 가능하게 하였다. 명도의 생동폭을 최대한 늘려 대비를 증가시켰고, 또한 입력 영상에 따라 적절한 범위내에서 색 포화도가 증가되도록 처리하여 선명한 화질의 영상을 얻었다. 그림 2에서 각 광원에 영향을 받은 영상이 칼라 항상성 알고리즘을 통하면 그림 3과 같은 결과를 나타낸다. 이는 외부조명에 의해 변형된 색을 제안한 방법을 적용하여 외부 조명의 영향을 제거하고 생동폭이 증가된 결과이다.

- 실 험 결 과

Fig2.jpg (29589 bytes)

   (a) Sunlight             (b) Blue sunlight          (c) Tungstenlight

그림 2. 외부 조명에 의해 얻어진 칼라 영상.

Fig3.jpg (21606 bytes)

(a) Blue sunlight              (b) Tungstenlight

그림 3. 제안된 방법에 의해 향상된 영상.

 

2. Vector 회전에 기반한 칼라 항상성

 칼라를 표현하기 위하여 적색, 녹색, 및 청색의 세 성분으로 구성된 3차원 벡터를 이용한  방법을 제안하였다. 이것은 기존의 방법이 칼라를 표현하기 위해 상호 상관도(mutual correlation)가 높은 각 단색 영상에 각기 다른 방법을 적용하여 처리함으로서 일어나는 색상의 변화을 줄일 수 있다.

 조명의 색은 입력된 영상에서 적색, 녹색, 및 청색의 세 단색 영상의 평균 칼라 벡터로써 표현될 수 있다. 이 조명의 영향을 제거하고 태양광 조명 아래에서 얻어진 영상처럼 만들기 위해 기본 벡터 회전을 이용하여 조명의 색을 백색광으로 변환하는 방법을 사용한다. 기본 벡터 회전에서는 먼저, 회전을 위한 기본축을 계산하는데, 이 축은 평균 칼라 벡터로 얻어진 조명색의 칼라 벡터와 이를 기준으로 한 백색광 칼라 벡터와 평균 칼라 벡터의 외적으로써 구할 수 있다. 이때 기준으로 사용하는 자연광은 물체의 색에 영향을 미치지 않는 조명인 백색광으로 하였다. 그림 4는 외부조명에 의해 변형된 색을 나타내고 그림 5는 제안한 방법을 적용하여 외부 조명의 영향을 제거한 결과 이다.   

 

-        실 험 결 과

 

Fig4.jpg (28942 bytes)

(a) Sunlight            (b) Blue sunlight         (c) Tungstenlight

그림 4. 외부 조명에 의해 얻어진 칼라 영상.

Fig5.jpg (21138 bytes)     

(a) Blue sunlight           (b) Tungstenlight

그림 5. 제안된 방법에 의해 향상된 영상.

 

3. 인지조명과 광휘점을 이용한 조명색 추정

 

 임의의 물체색은 장면에 존재하는 조명과 물체 표면의 특성에 의해 결정되므로, 정확한 물체색을 표현하기 위해서는 조명색의 추정이 중요하다. 우리 연구실에서는 조명색 추정의 방법으로 칼라 항상성을 구현하고자 하였다. 조명색 추정의 방법으로는 인지광원현상과 광휘점 방법을 결합한 결합적 조명색 추정방법을 제안하였다[2],[5],[7].

 

인지광원 현상 : 사람이 장면을 볼 때, 감각적으로 느껴지는 조명의 강도가 존재함을 규명하여 영상의 일부가 물체의 표면색이 아닌 조명 자체의 영역으로 인식되는 것을 설명한 것이다.

 

광휘점을 이용한 방법 : 이색성 반사 모델에 의한 해석법으로 물체의 표면으로부터 반사되는 빛은 표면반사와 몸체반사의 합으로 표현 가능하고, 표면반사의 분광구성은 조명의 분광 특성과 동일하다고 가정한다[6].

 

 인지광원 현상과 광휘점의 결합방법은 인지광원으로부터 추정되는 안정적인 조명색을 기반으로 하고, 광휘점의 특성을 고려함으로써 정확도를 높이는 특징을 가진다. 표 1은 제안한 방법의 흐름도이며 그림 6과 같은 방법으로 광원을 추정한다. 그림 6에서와 같이 세가지 군집에 대해서 후보군을 형성한 다음 이로써 광원을 추정할 수 있다. 그림 7은 실험 결과를 보여준다.

 

 

     

 

1. 제안한 방법의 흐름도.

 

그림 6. 추정 광원에 대한 도식적인 표현.

-        실 험 결 과

 

영 상                                     결 과 영 상

 

그림 7. 제안된 방법에 의해 향상된 영상.

 

 

4. 최대 무채색영역을 이용한 광원의 분광분포 추정

 

 광원의 색도값을 추정한 방법 외에 광원의 분광분포를 추정하여 칼라 항상성을 구현하는 방법을 제안하였다[8]. 단일 영상에 포함된 광원의 분광분포를 추정하는 광원추정 알고리즘은 두 단계로 이루어져 있다.

 첫째, 변형된 회색계 가정을 이용하여 부분적으로 광원의 영향을 배제한 후 밝으면서도 무채색에 가까운 최대 무채색 영역을 찾아 그 영역의 평면 분광 반사율을 구한다. 이때 최대 무채색 영역의 표면 분광 반사율은 1,269개의 Munsell 색 표본과 대표 광원의 조합으로 반사광의 모집단을 만들었다.

 다음으로 최대 무채색 영역의 각 화소와 반사광 모집단과의 색차를 비교하여 최대 무채색 영역과 색차가 가장 적은 반사광 표본을 선택하고, 이를 최대 무채색 영역에 대한 반사광의 분광 분포로 정의한다.

 최종적으로 최대 무채색 영역의 반사광 분광분포를 해당하는 표면 분광 반사율로 나누어줌으로써 영상에 포함된 광원의 분광분포를 추정한다. 그림 8은 위의 알고리즘이고 그림 9는 그에 따른 결과 영상이다.

 

 

그림 8. 제안된 방법의 알고리즘.

 

- 실 험 결 과

(a) Captured Image Under D65                      (b) Inc A-Biased Image

 


(c) Cheng’s Method                      (d) Proposed Method

 

그림 9. 제안된 방법에 의해 향상된 영상.

 

 

5. 카메라 잡음 특성을 이용한 광원 추정

 

일반적으로 카메라의 응답특성은 광원의 기하학적 불균일성, 카메라에 의한 양자화 오차 및 CCD 센서의 불균일한 특성에 영향을 받는다. 그러므로 일반적인 카메라의 응답을 이용하여 광원을 추정할 때, 정확한 결과를 얻기 힘들었다. 이 문제를 해결하기 위해서 본 논문에서는 카메라의 응답 특성을 조사하고, 광휘도 영역에서 Mahalanobis distance를 이용하여 유효 화소들을 선택하였다. 선택된 영역의 화소들을 이용하여 주성분 분석 과정을 통해 색도 좌표계에서 라인을 만들었으며, 그 라인들의 교점으로부터 광원의 색도값을 추정하였다.

그림 10. 광휘점 영역의 화소값을 색도값으로 변환

 

그림 11. 제안된 방법에 의해 선택된 유효 화소

 

 

- 실 험 결 과

   

(a) Captured Image Under D65                         (b) Inc A-Biased Image

   

(c) Cheng’s Method                                    (d) Proposed Method

 

그림 12. 제안된 방법에 의해 향상된 영상

 

 

6. 참 고 문 헌

 

[1] E. H. Land, "Color vision and the natural image," Proc. Nat’l Academy of Science USA, vol. 45, no. 3, pp. 115-119, 1959.

[2] Hesien-Lee, "Method for computing the scene-illuminant chromaticity from specular     highlights," J. Opt Soc. Am., A, vol. 3, no. 10, pp. 1694-1699, Oct. 1986.

[3] L. T. Maloney and B. A. Wandell, "A computational model for color constancy," J. Optical Soc. Am., A, vol. 3, pp. 29-33, 1986.

[4] M. D. Fairchild, Color appearance model, Messachusetts Addison Wesley Longman, Inc., pp. 113-123, 1997.

[5] A. P. Petrov, C. Y. Kim, Y. S. Seo, and I. S. Kweon, "Perceived illuminant measured,”

Color Research And Application, vol. 23, no. 3, pp. 159-168, Mar. 1998.

[6] S. A. Shafer, "Using color to separate reflection components," Color Research And     Application, vol. 10, no. 4, pp. 210-219, Winter, 1985.

[7] 김정엽, 하영호, "인지조명과 광휘점을 이용한 단일 색 영상으로부터의 조명색 추정,"  대한전자공학회 논문지, vol. 38, no. 3, pp. 57-67, 2001.

[8] 김희수, 김윤태, 이철희, 하영호, "최대 무채색 영역을 이용한 광원의 분광전력분포 추정," 대한전자공학회 논문지, vol. 38, no. 4, pp. 68-76, 2001.