Most of the auto white balance algorithms(AWB) of video surveillance cameras are obtained based on specific assumptions such as the spatial and spectral characteristics of images. If the images do not match with the specific assumptions, then we can’t achieve the white balance of the images. In this thesis work, we propose a new AWB algorithm which compensates input images in an iterative manner. The proposed algorithm consists of a conventional gray world assumption(GWA) and a constraint to check whether a white balance processing gain is suitable or not. The constraint on the HS(Hue & Saturation in HSI color space) space is obtained by experiments of color observation with varying color temperature. The constraint is that the resulting image pixels after AWB should not reside in the outside of the constraint color region where a color has a small distortion by light source. With this constraint, the proposed algorithm prevents severe color distortion resulting from the previously proposed white balance algorithms based on certain assumptions applied to images that do not satisfy those assumptions. There are cases where we still can’t achieve white balance of the images with this constraint because miscalculated white balance gain results in colors of input images outside of the constrained region during iteration. In these cases, we propose the gray candidate handling algorithm after AWB for fine white balance results. We compare the performance of the proposed algorithm with the conventional assumption-based white balance algorithms on test images that might be matched with the underlying assumptions or not.
대부분의 영상 감시 카메라의 자동 화이트 밸런스(AWB) 알고리즘은 영상의 색 특성에 대한 특정한 가정을 기반으로 얻었다. 그러나 만약 영상이 특정한 가정에 맞지 않으면, 영상의 화이트 밸런스를 맞출 수 없다. 본 논문에서는, 입력된 영상의 화이트 밸런스를 반복적인 방법으로 수행하는 새로운 AWB 알고리즘을 제안한다. 제안하는 알고리즘은 Gray World Assumption과 처리되는 화이트 밸런스 gain이 적절한지 아닌지 판단하는 제약조건으로 구성되어 있다. 이 제약 조건은 광원에 의해 색상이 크게 바뀌지 않는 영역의 색이 화이트 밸런스 gain에 의하여 정해진 영역을 벗어나지 않게끔 하는 것이다. 이 제약조건을 활용하게 되면, 기존의 화이트 밸런스 알고리즘을 통해 화이트 밸런스를 맞추지 못하여 발생하는 심각한 색의 왜곡을 막을 수 있다. 즉, 가정에 위배되는 영상에서 구해진 화이트 밸런스 gain을 이용하여 반복적으로 화이트 밸런스를 수행하면, 제약조건에서 벗어나게 되는 경우가 발생한다. 이렇게 제약조건에서 벗어나는 경우에 잘못된 화이트 밸런스 gain에 의한 심각한 색의 왜곡을 막기 위하여 영상의 반복적인 처리과정을 중단한다. 제약조건을 통하여 심각한 색의 왜곡은 막을 수 있었지만 잘못된 화이트 밸런스 gain을 이용하였기 때문에 영상의 화이트 밸런스를 맞출 수 없게 된다. 이러한 경우에 더 나은 화이트 밸런스 맞추기 위해서 무채색 후보 처리 알고리즘을 제안한다. 제안하는 알고리즘의 성능은 gray world assumption, white patch, Max-RGB등과 같은 기존의 화이트 밸런스 알고리즘이 화이트 밸런스를 잘 맞추는 영상과 그렇지 못한 영상을 이용하여 기존의 알고리즘과 성능을 비교 분석하였다.
