As the needs for intelligent surveillance systems are more increased, the related topics such as object recognition and tracking have been widely studied. In order for the systems to be reliable, the robustness of image information should be guaranteed. The human visual system can perceive scene information stably under different environments. However, a camera sensor does not have the same capability as the human visual system. In this paper, we present two novel methods to come up with the ability of the human visual system in terms of the luminance and chrominance.
First, we present a new tone mapping technique for high dynamic range images based on the retinex theory. Our algorithm consists of two steps, the global adaptation and the local adaptation of the human visual system. In the local adaptation process, the Gaussian filter of the retinex algorithms is substituted with a guided filter to reduce halo artifacts. To guarantee good rendition and dynamic range compression, we propose a contrast enhancement factor based on the luminance values of the scene. In addition, an adaptive nonlinearity offset is introduced to deal with the strength of the logarithm function’s nonlinearity.
Second, we propose a novel color constancy method using color correlation. A variety of methods for the color constancy have been proposed to keep up with the ability of the human visual system which recog-nizes the inherent colors of objects under different illuminants. The low-level statistics based methods are widely used due to their low computational complexity and satisfactory results with adequate parameters. However, these methods exploit the values of each RGB channel independently and therefore the color corre-lation is neglected. From a lot of observations, we found that the distribution of illuminant information has the tendencies according to saturation values. Finally, we incorporate a saturation weighting function into the existing methods.
The experimental results show that the first proposed method provides satisfactory rendering of the high dynamic range image while preserving details and reducing halo artifacts and the second proposed method significantly improves the existing color constancy methods with a simple and effective manner. Therefore, this paper demonstrates that the proposed methods improve the reliability of image information and thereby increase the usability of the intelligent surveillance systems.
지능형 감시 시스템의 수요가 점차 증가함에 따라 물체 인식, 추적과 같은 주제들에 대한 연구가 활발히 진행되고 있다. 신뢰도 높은 지능형 감시 시스템을 구축하기 위해서는 영상 정보의 신뢰성이 보장되어야 한다. 인간 시각 시스템은 환경의 변화에도 장면의 정보를 안정적으로 인지할 수 있지만 카메라 센서는 이러한 인간 시각 시스템의 능력을 가지고 있지 않다. 본 논문에서는 밝기, 색의 관점에서 인간 시각 시스템의 능력을 따라잡기 위한 두 가지의 새로운 방법을 제안하였다.
첫 번째로 retinex 이론에 기반을 둔 high dynamic range 영상의 tone mapping 기술을 제안하였다. 제안하는 방법은 인간 시각 시스템의 global adaptation과 local adaptation 두 단계로 구성된다. Local adaptation 과정에서 halo artifacts를 감소시키기 위해 retinex 알고리즘의 Gaussian 필터를 guided 필터로 대체하였다. 그리고 밝기의 표현과 dynamic range compression 성능을 모두 만족시키기 위해 장면의 밝기 값에 기반을 둔 contrast enhancement factor를 제안하였다. 또한 adaptive nonlinearity offset을 도입하여 로그 함수의 nonlinearity 강도를 조절함으로써 결과 영상의 적절한 밝기 값을 유지하였다.
두 번째로 color correlation을 활용한 새로운 color constancy 방법을 제안하였다. 광원의 변화에도 물체 고유의 색을 인지할 수 있는 인간 시각 시스템의 능력을 따라잡기 위해 많은 color constancy 방법들이 제안되어 왔다. 특히 low-level statistics 기반의 방법들은 낮은 계산량과 적절한 파라미터의 선택에 만족스러운 성능 때문에 널리 활용되고 있다. 하지만 기존의 low-level statistics 기반의 방법들은 RGB 채널의 값들을 독립적으로 이용하였고, 결과적으로 color correlation이 무시되었다. 많은 관찰들로부터 saturation 값을 따라서 광원 정보 분포의 경향성을 발견할 수 있었고, 이러한 경향성에 기반을 둔 saturation weighting 함수를 기존의 방법에 통합하였다.
첫 번째 제안하는 방법을 통해 halo artifacts의 효과적인 제거와 함께 영상의 detail을 보존하는 만족스러운 high dynamic range 영상의 tone mapping 결과를 얻을 수 있었고, 두 번째 제안하는 방법을 통해 간단하고 효과적인 방식으로 기존의 color constancy 방법들의 성능을 개선하는 것을 실험 결과들로부터 확인할 수 있었다. 그러므로 본 논문의 제안하는 방법들이 영상 정보의 신뢰도를 개선함으로서 지능형 감시 시스템의 활용도를 높여줄 것이다.
