Conditional random fields 기반의 안개 밀도 추정 및 안개 제거 방법
A method of haze density estimation and dehazing using conditional random fields
- 발행기관 서강대학교 일반대학원
- 지도교수 김경환
- 발행년도 2018
- 학위수여년월 2018. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000062832
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
본 논문에서는 단일 영상 내 안개 밀도 추정 및 제거 방법에 대해 제안한다. 단일 영상 안개 제거 문제는 영상 깊이 정보에 의존적인 투과율 때문에 불량조건 문제에 직면한다. 또한 기존의 방법들은 영상 국부 패치(local patch)로부터 투과율을 추정하기 때문에 후처리 과정이 필수적이다. 그러나 나뭇가지와 같은 복잡한 경계 영역을 포함하는 영역에서 후처리된 투과율은 정확한 추정 결과를 보장하기 어렵다. 따라서, 본 논문에서는 conditional random fields(CRF)를 이용한 안개 밀도 추정 방법 및 안개 제거 방법을 제안한다. 먼저 단일 픽셀에 대해 특정 안개 레벨을 취하고자, 입력 영상으로부터 추출된 유의미한 특징들로부터 안개 밀도에 대한 가능도를 부호화(encoding)하는 단항 인자를 정의한다. 여기서 기존의 방법들이 사용하는 특징들과는 달리 영상의 구조적 정보를 포함하는 Fourier basis를 사용하여 복잡한 경계 영역에서 세밀한 안개 레벨 추정이 가능하도록 한다. 그리고 인접한 단항 인자 사이의 공간적 맥락 관계를 부호화하는 쌍방향 인자를 정의하고, 안개 레벨 추정의 목적을 갖는 CRF 분포를 모델링 한다. 마지막으로 CRF 분포로부터 추정된 안개 레벨을 통해, 각각의 안개 레벨 확률마다 가중치를 취하여 안개 밀도를 추론한다. 제안하는 방법은 기존의 방법과는 달리 정제 과정을 필요로 하지 않기 때문에, 후처리 과정에 의존적인 기존의 방법들에서 나타나는 물체 경계 부분에서의 후광 효과를 방지할 수 있다. 실험 결과는 다양한 환경에서 제안하는 방법이 기존의 방법에 비해 좋은 성능을 보이는 것을 보여준다. 특히 나뭇가지와 같이 복잡한 영역이 있는 부분에서 제안하는 방법을 통해 효과적으로 안개를 제거할 수 있고, 후처리 작업에 의존하지 않는다는 점에서 기존의 방법과의 차별성을 보여준다.
more초록/요약
In this thesis, we propose a method of haze density estimation and dehazing in a single image. The dehazing method for the single image faces an ill-posed problem due to the transmission dependent on the image depth information. In most existing methods, an additional post-processing stage is required as the transmission is estimated from local patches. However, the refined transmission in areas containing complex boundary regions is difficult to ensure accurate estimation. Therefore, the proposed method employs conditional random fields (CRF) for point-wise haze density estimation. In order to take a specific haze level for a single pixel, we define a unary factor that encodes the likelihood for the haze density from the significant features extracted from the input image. The proposed method can finely estimate haze level in the complex boundary region through the Fourier basis including the structural information of the image. We define a pairwise factor that encodes the spatial contextual relationship between adjacent unary factors, and model the CRF distribution with the goal of haze level estimation. Finally, through the haze level estimated from the CRF distribution, the haze density is inferred by taking the weights for each haze level probability. Since the proposed method does not require a refining process unlike the existing methods, it can prevent the halo-effect at the object boundary, which occurs in post-processing-dependent methods. Experimental results show that the proposed method has better performance than the existing methods in various environments. In particular, the proposed method can effectively remove the haze from the complex boundary and does not depend on post-processing.
more