[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR20200134862A - 영상 처리 방법 및 장치 - Google Patents

영상 처리 방법 및 장치 Download PDF

Info

Publication number
KR20200134862A
KR20200134862A KR1020190060985A KR20190060985A KR20200134862A KR 20200134862 A KR20200134862 A KR 20200134862A KR 1020190060985 A KR1020190060985 A KR 1020190060985A KR 20190060985 A KR20190060985 A KR 20190060985A KR 20200134862 A KR20200134862 A KR 20200134862A
Authority
KR
South Korea
Prior art keywords
pixels
lighting
image processing
pixel
information
Prior art date
Application number
KR1020190060985A
Other languages
English (en)
Inventor
김종옥
유준상
Original Assignee
삼성전자주식회사
고려대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사, 고려대학교 산학협력단 filed Critical 삼성전자주식회사
Priority to KR1020190060985A priority Critical patent/KR20200134862A/ko
Priority to US16/860,385 priority patent/US11245856B2/en
Priority to CN202010361977.1A priority patent/CN111986273A/zh
Priority to EP20174204.6A priority patent/EP3742400A1/en
Publication of KR20200134862A publication Critical patent/KR20200134862A/ko
Priority to US17/666,063 priority patent/US11653098B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/001—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/70—SSIS architectures; Circuits associated therewith
    • H04N25/71—Charge-coupled device [CCD] sensors; Charge-transfer registers specially adapted for CCD sensors
    • H04N25/75—Circuitry for providing, modifying or processing image signals from the pixel array
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

영상 처리 방법 및 장치가 개시된다. 일 실시예에 따른 영상 처리 방법은 교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상을 수신하는 단계, 영상에 포함된 복수의 픽셀들 중에서, 교류 조명에 대응하는 교류 픽셀들을 추출하는 단계, 복수의 프레임들에 포함된 교류 픽셀들의 값들에 기초하여, 교류 픽셀들의 시각 공간(visual space)들을 추정하는 단계, 시각 공간들에 기초하여, 영상에 포함된 교류 조명의 정보를 추정하는 단계 및 교류 조명의 정보에 기초하여, 영상을 처리하는 단계를 포함한다.

Description

영상 처리 방법 및 장치{IMAGE PROCESSING METHOD AND APPARATUS}
아래 실시예들은 영상 처리 방법 및 장치에 관한 것으로, 보다 자세하게는 고속 카메라를 이용한 교류 광원의 조명 색 추정 기술에 관한 것이다.
통계적 기술 기반에 따른 색 항상성 기술에 따르면, 영상의 통계적인 특성을 이용하여 조명을 추정할 수 있다. 예를 들어, 통계적 기반 조명 추정 기술은 영상의 평균 RGB 비율을 무채색이라고 가정하여, 입력된 영상의 RGB 평균을 1:1:1로 보정하는 방법을 통해 조명을 보정한다. 통계적 기술 기반 연구는 기술의 복잡도가 낮아 알고리즘 가동 속도가 빠르기 때문에 가장 많은 연구가 이루어졌다. 대표적인 기술로는 그레이 월드(Gray-world), 그레이 엣지(Gray-edge), 쉐이드 오브 그레이(Shade of gray), 그레이 픽셀(Gray-pixel)등이 있다.
통계적 기반의 기술은 복잡도가 낮으나 해당 통계적 모델에 부합하지 않는 경우, 색상 성능이 크게 왜곡되며 일반적으로 영상 내에 다양한 색상이 복합적으로 존재해야 조명 추정이 올바르게 작동하는 문제가 있다.
일 실시예에 따른 영상 처리 방법은 교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상을 수신하는 단계; 상기 영상에 포함된 복수의 픽셀들 중에서, 상기 교류 조명에 대응하는 교류 픽셀들을 추출하는 단계; 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 값들에 기초하여, 상기 교류 픽셀들의 시각 공간(visual space)들을 추정하는 단계; 상기 시각 공간들에 기초하여, 상기 영상에 포함된 상기 교류 조명의 정보를 추정하는 단계; 및 상기 교류 조명의 정보에 기초하여, 상기 영상을 처리하는 단계를 포함한다.
상기 시각 공간들을 추정하는 단계는 상기 교류 픽셀들 각각에 대응하여, 상기 복수의 프레임들에 포함된 해당 교류 픽셀의 조명 성분 및 확산 성분을 지시하는 시각 공간을 추정하는 단계를 포함할 수 있다.
상기 시각 공간들을 추정하는 단계는 이색성 모델(dichromatic model)에 기초하여, 상기 교류 픽셀들의 이색성 평면(dichromatic plane)들을 추정할 수 있다.
상기 교류 픽셀들의 값은 상기 교류 픽셀들의 빨간색 성분 값, 초록색 성분 값 및 파란색 성분 값을 포함하고, 상기 시각 공간들을 추정하는 단계는 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 상기 빨간색 성분 값, 상기 초록색 성분 값 및 상기 파란색 성분 값의 선형 결합으로 나올 수 있는 상기 시각 공간들을 추정하는 단계를 포함할 수 있다.
상기 시각 공간들을 추정하는 단계는 임의의 평면과 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 값들 사이의 수직 거리를 최소화 시키는 평면의 파라미터를 추출하는 단계를 포함할 수 있다.
상기 파라미터를 추출하는 단계는 least-square 방법에 기초하여 상기 파라미터를 추출하는 단계를 포함할 수 있다.
상기 교류 조명의 정보를 추정하는 단계는 상기 교류 조명의 색상 정보를 추정하는 단계를 포함할 수 있다.
상기 교류 조명의 정보는 상기 교류 조명의 빨간색, 초록색 및 파란색 비율을 포함할 수 있다.
상기 영상을 처리하는 단계는 상기 교류 조명의 색상 정보에 기초하여, 상기 영상의 색상을 보정하는 단계를 포함할 수 있다.
상기 교류 픽셀들을 추출하는 단계는 상기 복수의 픽셀들 중에서, 잡음에 의한 신호 왜곡이 임계값 보다 적은 픽셀을 상기 교류 픽셀로 추출하는 단계를 포함할 수 있다.
상기 교류 픽셀들을 추출하는 단계는 상기 복수의 프레임들에 포함된 상기 복수의 픽셀들의 값들의 변화량에 기초하여 상기 교류 픽셀들을 추출하는 단계를 포함할 수 있다.
상기 교류 픽셀들을 추출하는 단계는 상기 복수의 픽셀들 각각에 대하여, 상기 복수의 프레임들에 포함된 해당 픽셀의 값들을 사인 곡선으로 모델링하는 단계; 상기 복수의 픽셀들 중에서, 각 프레임 별로 상기 모델링된 사인 곡선의 픽셀 값과 해당 프레임에서 픽셀의 값의 차이를 계산하는 단계; 및 상기 각 프레임 별로 계산된 상기 차이의 합이 임계값 보다 적은 픽셀을 상기 교류 픽셀로 추출하는 단계를 포함할 수 있다.
상기 모델링하는 단계는 상기 복수의 프레임들에 포함된 해당 픽셀의 픽셀 값을 Gauss-Newton 방법에 기초하여 사인 곡선으로 모델링하는 단계를 포함할 수 있다.
상기 교류 조명의 정보를 추정하는 단계는 상기 시각 공간들에 기초하여, 상기 교류 조명에 대응하는 조명 벡터 후보들을 결정하는 단계; 상기 조명 벡터 후보들 중에서, 상기 교류 조명의 사전 정보에 기초하여 조명 벡터를 결정하는 단계; 및 상기 조명 벡터에 기초하여 상기 교류 조명의 정보를 추정하는 단계를 포함할 수 있다.
상기 사전 정보는 완전 복사체 궤적(Planckian locus) 정보에 기초하여 획득될 수 있다.
상기 교류 조명의 정보를 추정하는 단계는 상기 시각 공간들의 교선들을 추정하는 단계; 상기 교선들 중에서, 최대사후확률추정법(MAP; Maximum Posteriori Estimation)에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정하는 단계; 및 상기 교선에 기초하여 상기 교류 조명의 정보를 추정하는 단계를 포함할 수 있다.
상기 교선을 결정하는 단계는 상기 교선들 각각에 대하여, 해당 교선이 상기 시각 공간들과 수직일 확률을 계산하는 단계; 및 상기 교선들 중에서, 상기 교류 조명의 사전 정보와 상기 확률에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 영상 처리 장치는 교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상을 수신하고, 상기 영상에 포함된 복수의 픽셀들 중에서, 상기 교류 조명에 대응하는 교류 픽셀들을 추출하고, 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 값들에 기초하여, 상기 교류 픽셀들의 시각 공간(visual space)들을 추정하고, 상기 시각 공간들에 기초하여, 상기 영상에 포함된 상기 교류 조명의 정보를 추정하며, 상기 교류 조명의 정보에 기초하여, 상기 영상을 처리하는 프로세서를 포함할 수 있다.
상기 프로세서는 상기 교류 픽셀들 각각에 대응하여, 상기 복수의 프레임들에 포함된 해당 교류 픽셀의 조명 성분 및 확산 성분을 지시하는 시각 공간을 추정할 수 있다.
상기 프로세서는 이색성 모델에 기초하여, 상기 교류 픽셀들의 이색성 평면들을 추정할 수 있다.
상기 교류 픽셀들의 값은 상기 교류 픽셀들의 빨간색 성분 값, 초록색 성분 값 및 파란색 성분 값을 포함하고, 상기 프로세서는 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 상기 빨간색 성분 값, 상기 초록색 성분 값 및 상기 파란색 성분 값의 선형 결합으로 나올 수 있는 상기 시각 공간들을 추정할 수 있다.
상기 프로세서는 임의의 평면과 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 값들 사이의 수직 거리를 최소화 시키는 평면의 파라미터를 추출할 수 있다.
상기 프로세서는 상기 교류 조명의 색상 정보를 추정할 수 있다.
상기 프로세서는 상기 교류 조명의 색상 정보에 기초하여, 상기 영상의 색상을 보정할 수 있다.
상기 프로세서는 상기 복수의 픽셀들 중에서, 잡음에 의한 신호 왜곡이 임계값 보다 적은 픽셀을 상기 교류 픽셀로 추출할 수 있다.
상기 프로세서는 상기 복수의 프레임들에 포함된 상기 복수의 픽셀들의 값들의 변화량에 기초하여 상기 교류 픽셀들을 추출할 수 있다.
상기 프로세서는 상기 복수의 픽셀들 각각에 대하여, 상기 복수의 프레임들에 포함된 해당 픽셀의 값들을 사인 곡선으로 모델링하고, 상기 복수의 픽셀들 중에서, 각 프레임 별로 상기 모델링된 사인 곡선의 픽셀 값과 해당 프레임에서 픽셀의 값의 차이를 계산하고, 상기 각 프레임 별로 계산된 상기 차이의 합이 임계값 보다 적은 픽셀을 상기 교류 픽셀로 추출할 수 있다.
상기 프로세서는 상기 복수의 프레임들에 포함된 해당 픽셀의 픽셀 값을 Gauss-Newton 방법에 기초하여 사인 곡선으로 모델링할 수 있다.
상기 프로세서는 상기 시각 공간들에 기초하여, 상기 교류 조명에 대응하는 조명 벡터 후보들을 결정하고, 상기 조명 벡터 후보들 중에서, 상기 교류 조명의 사전 정보에 기초하여 조명 벡터를 결정하고, 상기 조명 벡터에 기초하여 상기 교류 조명의 정보를 추정할 수 있다.
상기 프로세서는 상기 시각 공간들의 교선들을 추정하고, 상기 교선들 중에서, 최대사후확률추정법(MAP; Maximum Posteriori Estimation)에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정하고, 상기 교선에 기초하여 상기 교류 조명의 정보를 추정할 수 있다.
상기 프로세서는 상기 교선들 각각에 대하여, 해당 교선이 상기 시각 공간들과 수직일 확률을 계산하고, 상기 교선들 중에서, 상기 교류 조명의 사전 정보와 상기 확률에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정할 수 있다.
도 1은 일 실시예에 따른 영상 처리 방법을 설명하기 위한 도면이다.
도 2a, 2b는 일 실시예에 따른 반사광을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 시각 공간을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 시각 공간들에 기초하여, 영상에 포함된 교류 조명의 정보를 추정하는 방법을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 영상 처리 방법을 설명하기 위한 순서도이다.
도 6a, 6b는 일 실시예에 따른 교류 픽셀을 추출하는 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 시각 공간을 추정하는 방법을 설명하기 위한 도면이다.
도 8 내지 도 9는 일 실시예에 따른 교류 조명의 정보를 추정하는 방법을 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 영상 처리 방법의 알고리즘을 설명하기 위한 도면이다.
도 11는 일 실시예에 따른 영상 처리 장치의 블록도이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어” 있다거나 “직접 접속되어” 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 “~사이에”와 “바로~사이에” 또는 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, “포함하다” 또는 “가지다” 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 영상 처리 방법을 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시예에 따른 교류 조명(111)을 포함하는 조명 환경에서, 시간의 흐름에 따라 복수의 프레임을 포함하는 영상을 촬영하여, 조명에 따라 고속으로 변화하는 픽셀 값의 세기 변화를 기반으로, 조명의 색상을 정확하게 추정할 수 있다. 조명의 색상을 추정하여, 촬영된 영상(131)의 색상과 관련된 화질 성능을 개선 시킬 수 있다.
교류 조명(111)이란, 시간에 따라 세기가 주기적으로 변화는 광선을 의미할 수 있다. 예를 들어, 교류 조명(111)은 60Hz의 주파수를 가진 정현파 형태의 광선일 수 있다. 교류 조명(111)은 교류 광원에 의해 생성될 수 있다. 일 실시예에 따른 조명 환경은 교류 조명만으로 구성된 환경 뿐만 아니라, 직류 조명과 교류 조명이 혼합된 조명 환경도 포함할 수 있다.
일 실시예에 따른 영상 처리 방법은 촬영 단계(110), 영상 분석 단계(120) 및 영상 처리 단계(130)를 포함할 수 있다.
촬영 단계(110)에서는, 교류 조명(111)을 포함하는 조명 환경에서 시간의 흐름에 따라 피사체(112)를 촬영하여, 복수의 프레임을 포함하는 영상을 생성할 수 있다. 카메라(113)는 교류 조명의 주파수(Hz) 이상의 촬영 속도(fps)로 촬영할 수 있다. 예를 들어, 교류 조명은 60Hz의 주파수를 갖는 경우, 카메라(113)는 60fps 이상의 속도로 촬영할 수 있다.
영상 분석 단계(120)에서는, 시간의 흐름에 따라 촬영된 복수의 프레임(121, 122, 123)을 포함하는 영상을 시간 도메인(temporal domain) 영역에서 분석 할 수 있다. 복수의 프레임(121, 122, 123)들을 포함하는 영상은 교류 조명(111)을 포함하는 조명 환경에서 생성되었기 때문에, 시간의 흐름에 따라 다른 영상 정보를 갖을 수 있다. 예를 들어, 복수의 프레임(121, 122, 123)들에 있어서, 각 프레임의 동일한 위치에 해당하는 픽셀이라도 시간의 흐름에 따라 다른 픽셀의 값(pixel value)을 갖을 수 있다.
픽셀의 값은 픽셀의 밝기 정보를 포함하고 있을 수 있고, 픽셀 값 또는 픽셀의 밝기(pixel intensity)로 지칭될 수 있다. 예를 들어, 픽셀의 값은 0 내지 255 사이의 값일 수 있고, 숫자가 클수록 더 밝을 수 있다. 또한, 픽셀의 값은 복수 개의 서브 픽셀의 값으로 표현될 수 있다. 예를 들어, 컬러 영상의 경우, 픽셀은 (빨간색 성분 픽셀의 값, 녹색 성분 픽셀의 값, 파란색 성분 픽셀의 값)과 같이 표현될 수 있다. 또는 3*1 행렬의 형태로 표현될 수도 있다. 컬러 영상의 경우, 빨간색 성분, 녹색 성분 및 파란색 성분을 조합하여 다양한 색상을 만들 수 있다. 예를 들어, 픽셀의 값은 0 내지 255 사이의 값으로 표현하는 경우,
Figure pat00001
인 16777216개의 색상을 만들 수 있다.
영상 분석 단계(120)에서 복수의 프레임들에 포함된 복수의 픽셀들의 값을 획득할 수 있고, 복수의 픽셀 값들의 변화를 이용하여 교류 조명의 정보를 추정할 수 있다. 특히, 영상 분석 단계(120)에서는 교류 조명의 색상 정보를 추정할 수 있고, 교류 조명의 색상 정보란 교류 조명 색상의 빨간색, 초록색 및 파란색 비율을 의미할 수 있다.
영상 처리 단계(130)에서는, 교류 조명의 정보에 기초하여 기존 영상(131)을 처리하여 보정된 영상(132)을 생성할 수 있다. 예를 들어, 교류 조명의 색상 정보에 기초하여, 기존 영상(131)에서 색상이 보정된 영상(132)을 생성할 수 있다. 색상이 보정된 영상(132)은 기존 영상(131)에서 교류 조명에 대응하는 색상이 제거된 영상일 수 있다.
도 2a, 2b는 일 실시예에 따른 반사광을 설명하기 위한 도면이다.
도 2a를 참조하면, 일 실시예에 따른 이색성(Dichromatic) 모델에 따르면,입사 광선(210)은 두 개의 반사 성분(220, 230)으로 나뉠 수 있다. 물체로부터의 반사광은 경면 반사(specular reflection) 성분(220)과 확산 반사(diffuse reflection) 성분(230)을 포함할 수 있다. 경면 반사 성분(220)은 물체의 표면에서 반사되는 반사 성분일 수 있다. 확산 반사 성분(230)은 물체에 투과되어 산란되어 일어나는 반사 성분일 수 있다.
물체로부터의 반사광은 경면 반사 성분(220)과 확산 반사 성분(230)의 조합으로 이루어질 수 있다. 물체로부터의 반사광은 영상의 픽셀 값으로 표현될 수 있고, 영상의 픽셀 값은 수학식 1과 같다.
Figure pat00002
수학식 1에서,
Figure pat00003
는 확산 색도(Diffuse chromaticity),
Figure pat00004
는 경면 색도(Specular chromaticity), md는 확산 파라미터(Diffuse parameter) 및 ms는 경면 파라미터(Specular parameter)이다.
수학식 1에 따르면, 영상의 픽셀 값은 조명 성분과 확산 성분을 포함할 수 있다. 조명 성분은 경면 반사 성분(220)에 대응되며 경면 반사 성분(220)의 경면 색도는 조명의 색상에 관한 정보를, 경면 파라미터는 조명의 밝기에 관한 정보를 포함할 수 있다. 확산 성분은 확산 반사 성분(230)에 대응되며, 확산 반사 성분(230)의 확산 색도는 물체의 색상에 관한 정보를, 확산 파라미터는 물체의 밝기에 관한 정보를 포함할 수 있다. 경면 색도는 조명 벡터, 확산 색도는 물체 벡터라고 지칭될 수 있다.
도 2b를 참조하면, 일 실시예에 따른 확산 색도 및 경면 색도는 벡터의 형태로 표현할 수 있다. 예를 들어, 확산 색도 및 경면 색도는 (빨간색 성분, 녹색 성분, 파란색 성분) 또는
Figure pat00005
와 같은 형태의 크기가 1인 벡터로 표현 수 있다. 따라서, 조명 성분(240) 과 확산 성분(250)의 조합에 의해 결정되는 영상의 픽셀 값 또한 (빨간색 성분 픽셀의 값, 녹색 성분 픽셀의 값, 파란색 성분 픽셀의 값) 또는
Figure pat00006
행렬의 형태로 표현될 수도 있다.
예를 들어, 수학식 1을 행렬의 형태로 표현하면 수학식 2와 같다.
Figure pat00007
조명 성분(240)의 단위 벡터가 경면 색도, 조명 성분(240)의 크기가 경면 파라미터일 수 있다. 또한, 확산 성분(250)의 단위 벡터가 확산 색도, 확산 성분(250)의 크기가 확산 파라미터일 수 있다.
나아가, 교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상에 포함된 픽셀의 값은 조명 성분(240) 및 확산 성분(250)을 지시하는 공간(260) 위에 존재할 수 있다. 공간(260)은 시각 공간(visual space) 또는 이색성 평면(dichromatic plane)으로 지칭될 수 있다. 시각 공간에 대한 상세한 내용은 아래에서 도 3을 참조하여 설명된다.
종래의 물리적 기술 기반 연구는 주로 영상 내의 서로 다른 위치에 있는 픽셀들을 이용하여 평면이나 직선을 추정하여 조명을 추정하였다. 이때, 평면 또는 직선을 정확하게 추정하기 위해서 영상 내에 서로 다른 위치에 있으면서, 확산 색도 및 경면 색도가 동일한 픽셀들을 추출해야 하였다. 이를 위해, 종래의 연구들은 반사 영역(specular region)을 검출하여 해당 영역의 픽셀들을 이용하여 평면 또는 직선을 추정하여 조명을 추정하였다. 하지만 영상 내에 반사 영역이 충분히 존재하지 않을 경우, 조명 추정 성능의 정확도가 크게 저하되었다.
일 실시예에 따르면, 기존 기법의 한계였던 반사 영역에 포함된 픽셀을 이용하는 것이 아니라, 픽셀의 교류 주명의 세기 변화를 모델링하여 교류 픽셀을 선별하여 조명을 추정함으로써, 영상의 잡음 영향을 최소화함으로써 보다 정확한 조명을 추정할 수 있다.
도 3은 일 실시예에 따른 시각 공간을 설명하기 위한 도면이다.
도 3을 참조하면, 복수의 프레임들에 포함된 픽셀의 값은 시각 공간(330)위에 존재할 수 있다. 시각 공간(330)은 복수의 프레임들에 포함된 픽셀의 값이 존재할 수 있는 공간을 포함할 수 있다.
교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상에 포함된 픽셀의 값을 시간 도메인에서 표현하면 수학식 3과 같다.
Figure pat00008
경면 색도(320)는 조명의 색상에 관한 정보를, 확산 색도(310)는 물체의 색상에 관한 정보를 포함하고 있기 때문에, 경면 색도(320)와 확산 색도(310)는 시간에 따라 변하지 않을 수 있다. 반면에, 경면 파라미터와 확산 파라미터는 교류 조명에 대한 반사광의 밝기에 관한 정보를 포함하고 있기 때문에 시간에 따라 변할 수 있다. 보다 구체적으로, 경면 파라미터와 확산 파라미터는 수학식 4와 같다.
Figure pat00009
수학식 4에서, E(λ)는 반사 에너지 분포(Spectral energy distribution)일 수 있다.
경면 색도(320)와 확산 색도(310)는 시간에 따라 변하지 않기 때문에, 복수의 프레임들에 포함된 픽셀의 값은 시각 공간(330)위에 존재할 수 있다. 예를 들어, I(t)는 벡터(331)와 같을 수 있고, I(t+1) 은 벡터(332)와 같을 수 있고, I(t+2)는 벡터(333)와 같을 수 있다. 이와 같이, 특정 위치에 존재하는 픽셀에 대하여, 두 개의 프레임들에 포함된 픽셀의 값만 있으면 시각 공간(330)이 결정될 수 있다.
도 4는 일 실시예에 따른 시각 공간들에 기초하여, 영상에 포함된 교류 조명의 정보를 추정하는 방법을 설명하기 위한 도면이다.
도 4의 도면(400)을 참조하면, 영상에 포함된 픽셀별로 하나의 시각 공간(410, 420)이 결정될 수 있다. 영상에 포함된 복수의 픽셀들 각각은 위치에 따라 물체의 색상에 관한 정보를 포함하는 확산 색도는 다르지만, 조명의 색상에 관한 정보를 포함하는 경면 색도는 동일할 수 있다. 조명의 색상은 픽셀의 위치에 상관없이 동일하기 때문이다. 따라서, 제1 픽셀의 시각 공간(410)과 제2 픽셀의 시각 공간(420)의 교선(430)은 조명의 색상에 관한 정보를 포함하는 경면 색도를 나타낼 수 있다. 나아가, 이론적으로 N개의 픽셀의 시간 공간은 하나의 교선을 갖고, 그 교선은 경면 색도를 나타낼 수 있다.
하지만 도면(450)을 참조하면, 색상 노이즈(color noise)와 같은 노이즈로 인하여 복수 개의 교선이 생길 수 있다. 보다 구체적으로, N개의 픽셀의 시간 공간은 최대 NC2만큼의 교선을 갖을 수 있다. 따라서, 조명의 색상에 관한 정보를 포함하는 경면 색도를 보다 정확하게 추정하기 위해서는 추가 제한 요건이 필요할 수 있다. 추가 제한 요건에 대한 상세한 내용은 아래에서 도 5 내지 도 10을 참조하여 상세히 설명된다.
도 5는 일 실시예에 따른 영상 처리 방법을 설명하기 위한 순서도이다.
도 5를 참조하면, 단계들(510 내지 550)은 영상 처리 장치에 의해 수행될 수 있다. 영상 처리 장치는 하나 또는 그 이상의 하드웨어 모듈, 하나 또는 그 이상의 소프트웨어 모듈, 또는 이들의 다양한 조합에 의하여 구현될 수 있다. 도 1 내지 도 4를 참조하여 설명된 영상 처리 방법은 도 5에도 적용될 수 있는 바, 중복되는 내용은 생략한다.
단계(510)에서, 영상 처리 장치는 교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상을 수신한다.
단계(520)에서, 영상 처리 장치는 영상에 포함된 복수의 픽셀들 중에서, 교류 조명에 대응하는 교류 픽셀들을 추출한다. 도 4를 참조하여 설명한 바와 같이, 색상 노이즈로 인하여 정확한 교류 조명 정보 추정이 어려울 수 있다. 이에, 영상에 포함된 복수의 픽셀들 중에서, 노이즈가 적을 것으로 예상되는 픽셀을 교류 픽셀로 추출할 수 있다. 교류 픽셀을 추출하는 상세한 내용은 아래에서 도 6a 내지 도 6b를 참조하여 상세히 설명된다.
단계(530)에서, 영상 처리 장치는 복수의 프레임들에 포함된 교류 픽셀들의 값들에 기초하여, 교류 픽셀들의 시각 공간들을 추정한다. 교류 픽셀마다 그에 대응하는 하나의 시각 공간이 추정될 수 있다. 시각 공간들을 추정하는 상세한 내용은 아래에서 도 7을 참조하여 상세히 설명된다.
단계(540)에서, 영상 처리 장치는 시각 공간들에 기초하여, 영상에 포함된 교류 조명의 정보를 추정한다. 교류 조명의 정보는 교류 조명의 색상 정보를 포함할 수 있고, 교류 조명의 색상 조명은 교류 조명 색상의 빨간색, 초록색 및 파란색 비율을 의미할 수 있다. 교류 조명의 정보를 추정하는 상세한 내용은 아래에서 도 8 내지 9를 참조하여 상세히 설명된다.
단계(550)에서, 영상 처리 장치는 교류 조명의 정보에 기초하여, 영상을 처리할 수 있다. 영상 처리 장치는 교류 조명의 색상 정보에 기초하여, 영상의 색상을 보정할 수 있다. 예를 들어, 기존 영상에서 교류 조명에 대응하는 색상을 제거하여 기존 영상의 색상과 관련된 화질 성능을 개선 시킬 수 있다.
도 6a, 6b는 일 실시예에 따른 교류 픽셀을 추출하는 방법을 설명하기 위한 도면이다.
조명의 세기 변화를 분석하여 교류 픽셀을 선별하는 단계에서는 시각 공간을 보다 정확하게 추정하기 위하여 잡음에 의해 가장 신호 왜곡이 적은 픽셀을 선별할 수 있다.
도 6a를 참조하면, 도면(600)은 제1 픽셀의 시간 t일 때 픽셀 값(I1(t))(601)과 t+1일 때 픽셀 값(I1(t+1))(602)을 표시한 도면이고, 도면 (610)은 제2 픽셀의 시간 t일 때 픽셀 값(I2(t))(611)과 t+1일 때 픽셀 값(I2(t+1))(612)을 표시한 도면이다.
도면(600)과 같이 시간에 따른 픽셀 값의 변화가 적은 경우에는 노이즈의 영향이 더 클 수 있다. 이러한 픽셀에 기초하여 생성된 시간 공간은 정확도가 낮을 수 있다. 도면(610)과 같이 시간에 따른 픽셀 값의 변화가 큰 경우에는 조명의 교류 변화에 따른 영향이 더 클 수 있다.
따라서, 보다 정확한 교류 조명 정보를 획득하기 위하여, 잡음에 의한 신호 왜곡이 적은 픽셀들을 교류 픽셀들로 추출하고, 추출된 교류 픽셀들에 기초하여 시각 공간 및 교류 조명 정보를 추정할 수 있다.
도 6b를 참조하면, 교류 조명의 세기 변화에 기초하여 픽셀 값의 시간의 흐름에 따른 변화를 모델링할 수 있다. 일례로, 교류 조명의 세기 변화가 사인 곡선의 형태인 경우, 사인 곡선으로 픽셀 값의 변화를 수학식 5와 같이 모델링할 수 있다.
Figure pat00010
수학식 5에서, F는 교류 전류의 진동수, s는 촬영한 프레임 속도, b는 페이즈, c는 오프셋 값, n은 노이즈이다. 교류 전류의 진동수(60hz)와, 촬영한 프레임 속도를 알고 있기 때문에, 주파수를 미리 알 수 있으며, 추정 되어야 할 파라미터는 사인 곡선의 진폭, 페이즈, 그리고 오프셋 값이다.
또는 마찬가지의 방법으로 픽셀의 값의 변화를 수학식 6과 같이 모델링할 수도 있다.
Figure pat00011
Gauss-Newton 방법을 이용하면 파라미터들이 빠른 시간 내에 이터레이션(iteration) 과정을 거쳐 정확하게 추정될 수 있다. 예를 들어, 수학식 5에 기초하여 도면(620)과 같이 모델링 될 수 있고, 수학식 6에 기초하여 도면(630)과 같이 모델링 될 수 있다.
파라미터 추정이 완료된 경우, 복수의 픽셀들 중에서 모델링 된 사인 곡선과 실제 픽셀 값의 변화의 차이가 일정 임계치 보다 낮을 경우 교류 픽셀로 선별한다. 보다 구체적으로, 복수의 픽셀들 중에서 각 프레임 별로 모델링된 사인 곡선의 픽셀 값과 해당 프레임에서 픽셀의 값의 차이를 계산할 수 있다. 각 프레임 별로 계산된 차이의 합(교류 피팅 에러)이 임계값 보다 적은 픽셀을 교류 픽셀로 추출할 수 있다. 교류 피팅 에러는 수학식 7과 같이 표현된다.
Figure pat00012
알고리즘의 복잡도를 낮추기 위하여 사인 곡선의 모델링은 모든 픽셀이 아닌 일정 스트라이드(stride)를 이용하여 이루어질 수 있다. 예를 들어, 영상에 포함된 복수 개의 픽셀들 중, 60개의 교류 픽셀만을 추출할 수도 있다.
도 7은 일 실시예에 따른 시각 공간을 추정하는 방법을 설명하기 위한 도면이다.
도 7을 참조하면, 일 실시예에 따른 시각 공간 추정 단계에서는, 앞 단계에서 구한 각 교류 픽셀들을 이용하여, 각 교류 픽셀들의 시간 샘플들을 이용하여 조명을 추정할 수 있다. 복수의 프레임들에 포함된 교류 픽셀들의 값들에 기초하여, 교류 픽셀들의 시각 공간들을 추정할 수 있다. 교류 픽셀들 각각에 대응하여, 복수의 프레임들에 포함된 해당 교류 픽셀의 조명 성분 및 확산 성분을 지시하는 시각 공간을 추정할 수 있다. 시각 공간은 교류 픽셀들의 이색성 평면일 수 있다.
평면의 파라미터는 3차원 평면의 법선 벡터의 3가지 방향 파라미터이며, 최소제곱법(least-square) 방법으로 구할 수 있다. 복수의 프레임들에 포함된 교류 픽셀들의 값과 임의의 평면 사이의 수직 거리를 이용하여, 복수의 프레임들에 포함된 교류 픽셀들의 값과의 평균 수직 거리를 가장 최소화 시키는 평면을 추정할 수 있다.
예를 들어, 최소제곱법 방법을 사용하여, 제1 시점에서의 픽셀 값(701), 제2 시점에서의 픽셀 값(702), 제3 시점에서의 픽셀 값(703), 제4 시점에서의 픽셀 값(704), 제5 시점에서의 픽셀 값(705), 제6 시점에서의 픽셀 값(706)과의 평균 수직 거리를 최소화 시키는 평면(710)의 법선 벡터(720)를 구할 수 있다.
도 8 내지 도 9는 일 실시예에 따른 교류 조명의 정보를 추정하는 방법을 설명하기 위한 도면이다.
도 8을 참조하면, 영상(810)에서 세 개의 교류 픽셀(811, 812, 813)이 추출되었다. 도면(820)은 제1 픽셀(811)에 대응하는 시각 공간이고, 도면(830)은 제2 픽셀(812)에 대응하는 시각 공간이고, 도면(840)은 제3 픽셀(813)에 대응하는 시각 공간일 수 있다.
제1 픽셀의 시각 공간, 제2 픽셀의 시각 공간 및 제3 픽셀의 교선은 조명의 색상에 관한 정보를 포함하는 경면 색도를 나타낼 수 있다. 경면 색도는 교류 조명의 색상 정보를 포함할 수 있고, 교류 조명의 색상 조명은 교류 조명 색상의 빨간색, 초록색 및 파란색 비율을 의미할 수 있다.
일 실시예에 따르면, 시각 공간들에 기초하여, 교류 조명에 대응하는 조명 벡터 후보들을 결정하고, 조명 벡터 후보들 중에서, 교류 조명의 사전 정보에 기초하여 조명 벡터를 결정하며, 조명 벡터에 기초하여 교류 조명의 정보를 추정할 수 있다.
구체적으로, 이상적으로는 시각 공간들이 모두 같은 조명 벡터를 공유하고 있기 때문에 시각 공간들의 교선이 조명 벡터 하나여야 하지만, 실제로는 동영상 내의 잡음과 카메라 특성으로 인해 수 많은 교선이 존재하게 된다. 이 수 많은 교선들 중 최적의 조명 벡터를 추정하기 위하여 최대사후확률추정법(MAP; Maximum Posteriori Estimation)을 사용할 수 있다.
시각 공간들의 교선들을 추정하고, 교선들 중에서, 최대사후확률추정법(MAP; Maximum Posteriori Estimation)에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정하고, 교선에 기초하여 교류 조명의 정보를 추정할 수 있다.
최대사후확률추정법은 주어진 관측결과와 '사전지식(사전확률)'을 결합해서 최적의 모수를 찾아내는 방법일 수 있다. 이를 수학식으로 표현하면 수학식 8과 같다.
Figure pat00013
수학식 8을 참조하면, 최대사후확률추정법은 물리적인 성질을 나타내는 항(physics term)과 통계적인 성질을 나타내는 항(statistical term) 두 가지 항으로 이루어져 있다.
물리적인 성질을 나타내는 항은 교류 조명과 시각 공간의 물리적인 관계를 나타낸다. 구체적으로, 이상적인 경우 조명의 벡터가 모든 시각 공간들의 법선 벡터와 수직을 이루어야 하기 때문에, 조명 벡터와 시각 공간들의 법선 벡터 사이의 내적을 이용한 각도를 계산하여 이용한다. 이 때, 각도가 90도에 가까울수록 보다 정확한 조명으로 판명하며, 코사인 함수를 이용하여 코사인 값이 0에 가까울수록, 즉 값이 작을수록 더 정확한 조명으로 추정하게 된다. 이를 수학식으로 표현하면 수학식 9와 같다.
Figure pat00014
통계적인 성질을 나타내는 항은 사전 정보로 도 9의 완전 복사체 궤적(Planckian locus)를 이용할 수 있다. 완전 복사체 궤적은 온도의 따른 흑채(black body)의 색상 변화를 나타내며, 이 색상들은 자연적으로 존재할 수 있는 대부분의 광원 색상을 포함한다. 이때, uv 도메인 상에서 완전 복사체 궤적과의 수직 거리가 짧은 교선일수록 정확한 조명으로 추정한다.
물리적인 성질을 나타내는 항과 통계적인 성질을 나타내는 항의 값의 합을 최소화 시키는 교선을 찾으며, 해당 교선을 조명 벡터로 추정한다.
도 10은 일 실시예에 따른 영상 처리 방법의 알고리즘을 설명하기 위한 도면이다.
도 10을 참조하면, 일 실시예에 따른 영상 처리 방법은 영상에 포함된 복수의 픽셀들 중에서, 교류 조명에 대응하는 교류 픽셀들을 추출하는 단계(1010), 복수의 프레임들에 포함된 교류 픽셀들의 값들에 기초하여, 교류 픽셀들의 시각 공간들을 추정하는 단계(1020) 및 시각 공간들에 기초하여, 영상에 포함된 교류 조명의 정보를 추정하고, 교류 조명의 정보에 기초하여, 영상을 처리하는 단계(1030)를 포함할 수 있다.
교류 픽셀들을 추출하는 단계(1010)에서, 교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상(1011)에 포함된 복수의 픽셀들 중에서, 모델링된 사인 곡선(1013)의 픽셀 값과 해당 프레임에서 픽셀의 값의 차이의 합이 임계값 보다 적은 픽셀을 교류 픽셀로 추출할 수 있다.
교류 픽셀들의 시각 공간들을 추정하는 단계(1020)에서, 추출된 교류 픽셀들(1021) 각각의 시간의 흐름에 따른 픽셀 값을 시각 공간(1023)으로 추정할 수 있다.
교류 조명의 정보를 추정하고, 영상을 처리하는 단계(1030)에서 교류 픽셀들의 시각 공간의 교선들의 집합(1031)을 추출하고, 그 중 최대사후확률추정법 에 기초하여 하나의 교선을 추출할 수 있다. 추출된 교선은 교류 조명의 색상 정보를 포함하며, 이에 기초하여 영상의 색상을 보정(1033)할 수 있다.
도 11는 일 실시예에 따른 영상 처리 장치의 블록도이다.
도 11를 참조하면, 일 실시예에 따른 영상 처리 장치(1100)는 프로세서(1110)를 포함한다. 영상 처리 장치(1100)는 메모리(1130), 통신 인터페이스(1150), 및 센서들(1170)을 더 포함할 수 있다. 프로세서(1110), 메모리(1130), 통신 인터페이스(1150), 및 센서들(1170)은 통신 버스(1105)를 통해 서로 통신할 수 있다.
프로세서(1110)는 교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상을 수신하고, 영상에 포함된 복수의 픽셀들 중에서, 교류 조명에 대응하는 교류 픽셀들을 추출하고, 복수의 프레임들에 포함된 교류 픽셀들의 값들에 기초하여, 교류 픽셀들의 시각 공간(visual space)들을 추정하고, 시각 공간들에 기초하여, 영상에 포함된 교류 조명의 정보를 추정하며, 교류 조명의 정보에 기초하여, 영상을 처리한다.
메모리(1130)는 영상 및 픽셀 값을 포함하는 등록 데이터베이스를 포함할 수 있다. 메모리(1130)는 휘발성 메모리 또는 비 휘발성 메모리일 수 있다.
센서들(1170)은 예를 들어, 교류 조명의 주파수(Hz) 이상의 촬영 속도(fps)로 촬영할 수 있는 카메라 등을 포함할 수 있다. 센서들은 다양한 영상 정보를 수집할 수 있다.
실시예에 따라서, 프로세서(1110)는 교류 픽셀들 각각에 대응하여, 상기 복수의 프레임들에 포함된 해당 교류 픽셀의 조명 성분 및 확산 성분을 지시하는 시각 공간을 추정할 수 있다. 프로세서(1110)는 이색성 모델에 기초하여, 상기 교류 픽셀들의 이색성 평면들을 추정할 수 있다. 프로세서(1110)는 복수의 프레임들에 포함된 상기 교류 픽셀들의 상기 빨간색 성분 값, 상기 초록색 성분 값 및 상기 파란색 성분 값의 선형 결합으로 나올 수 있는 상기 시각 공간들을 추정할 수 있다. 프로세서(1110)는 임의의 평면과 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 값들 사이의 수직 거리를 최소화 시키는 평면의 파라미터를 추출할 수 있다. 프로세서(1110)는 교류 조명의 색상 정보를 추정할 수 있다. 프로세서(1110)는 교류 조명의 색상 정보에 기초하여, 상기 영상의 색상을 보정할 수 있다. 프로세서(1110)는 복수의 프레임들에 포함된 상기 복수의 픽셀들의 값들의 변화량에 기초하여 상기 교류 픽셀들을 추출할 수 있다. 프로세서(1110)는 복수의 픽셀들 각각에 대하여, 상기 복수의 프레임들에 포함된 해당 픽셀의 값들을 사인 곡선으로 모델링하고, 상기 복수의 픽셀들 중에서, 각 프레임 별로 상기 모델링된 사인 곡선의 픽셀 값과 해당 프레임에서 픽셀의 값의 차이를 계산하고, 상기 각 프레임 별로 계산된 상기 차이의 합이 임계값 보다 적은 픽셀을 상기 교류 픽셀로 추출할 수 있다. 프로세서(1110)는 복수의 프레임들에 포함된 해당 픽셀의 픽셀 값을 Gauss-Newton 방법에 기초하여 사인 곡선으로 모델링할 수 있다. 프로세서(1110)는 시각 공간들에 기초하여, 상기 교류 조명에 대응하는 조명 벡터 후보들을 결정하고, 상기 조명 벡터 후보들 중에서, 상기 교류 조명의 사전 정보에 기초하여 조명 벡터를 결정하고, 상기 조명 벡터에 기초하여 상기 교류 조명의 정보를 추정할 수 있다. 프로세서(1110)는 시각 공간들의 교선들을 추정하고, 상기 교선들 중에서, 최대사후확률추정법(MAP; Maximum Posteriori Estimation)에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정하고, 상기 교선에 기초하여 상기 교류 조명의 정보를 추정할 수 있다. 프로세서(1110)는 교선들 각각에 대하여, 해당 교선이 상기 시각 공간들과 수직일 확률을 계산하고, 상기 교선들 중에서, 상기 교류 조명의 사전 정보와 상기 확률에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정할 수 있다.
이 밖에도, 프로세서(1110)는 도 2a 내지 도 7을 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다. 프로세서(1110)는 프로그램을 실행하고, 영상 처리 장치(1100)를 제어할 수 있다. 프로세서(1110)에 의하여 실행되는 프로그램 코드는 메모리(1130)에 저장될 수 있다. 영상 처리 장치(1100)는 입출력 장치(미도시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. 영상 처리 장치(1100)는 스마트 폰, 테블릿 컴퓨터, 랩톱 컴퓨터, 데스크톱 컴퓨터, 텔레비전, 웨어러블 장치, 보안 시스템, 스마트 홈 시스템 등 다양한 컴퓨팅 장치 및/또는 시스템에 탑재될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (32)

  1. 교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상을 수신하는 단계;
    상기 영상에 포함된 복수의 픽셀들 중에서, 상기 교류 조명에 대응하는 교류 픽셀들을 추출하는 단계;
    상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 값들에 기초하여, 상기 교류 픽셀들의 시각 공간(visual space)들을 추정하는 단계;
    상기 시각 공간들에 기초하여, 상기 영상에 포함된 상기 교류 조명의 정보를 추정하는 단계; 및
    상기 교류 조명의 정보에 기초하여, 상기 영상을 처리하는 단계
    를 포함하는 영상 처리 방법.
  2. 제1항에 있어서,
    상기 시각 공간들을 추정하는 단계는
    상기 교류 픽셀들 각각에 대응하여, 상기 복수의 프레임들에 포함된 해당 교류 픽셀의 조명 성분 및 확산 성분을 지시하는 시각 공간을 추정하는 단계
    를 포함하는, 영상 처리 방법.
  3. 제1항에 있어서,
    상기 시각 공간들을 추정하는 단계는
    이색성 모델(dichromatic model)에 기초하여, 상기 교류 픽셀들의 이색성 평면(dichromatic plane)들을 추정하는 단계
    를 포함하는, 영상 처리 방법.
  4. 제1항에 있어서,
    상기 교류 픽셀들의 값은
    상기 교류 픽셀들의 빨간색 성분 값, 초록색 성분 값 및 파란색 성분 값을 포함하고,
    상기 시각 공간들을 추정하는 단계는
    상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 상기 빨간색 성분 값, 상기 초록색 성분 값 및 상기 파란색 성분 값의 선형 결합으로 나올 수 있는 상기 시각 공간들을 추정하는 단계
    를 포함하는, 영상 처리 방법.
  5. 제1항에 있어서,
    상기 시각 공간들을 추정하는 단계는
    임의의 평면과 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 값들 사이의 수직 거리를 최소화 시키는 상기 시각 공간의 파라미터를 추출하는 단계
    를 포함하는, 영상 처리 방법.
  6. 제5항에 있어서,
    상기 파라미터를 추출하는 단계는
    least-square 방법에 기초하여 상기 파라미터를 추출하는 단계
    를 포함하는, 영상 처리 방법.
  7. 제1항에 있어서,
    상기 교류 조명의 정보를 추정하는 단계는
    상기 교류 조명의 색상 정보를 추정하는 단계
    를 포함하는, 영상 처리 방법.
  8. 제1항에 있어서,
    상기 교류 조명의 정보는
    상기 교류 조명의 빨간색, 초록색 및 파란색 비율을 포함하는, 영상 처리 방법.
  9. 제1항에 있어서,
    상기 영상을 처리하는 단계는
    상기 교류 조명의 색상 정보에 기초하여, 상기 영상의 색상을 보정하는 단계
    를 포함하는, 영상 처리 방법.
  10. 제1항에 있어서,
    상기 교류 픽셀들을 추출하는 단계는
    상기 복수의 픽셀들 중에서, 잡음에 의한 신호 왜곡이 임계값 보다 적은 픽셀을 상기 교류 픽셀로 추출하는 단계
    를 포함하는, 영상 처리 방법
  11. 제1항에 있어서,
    상기 교류 픽셀들을 추출하는 단계는
    상기 복수의 프레임들에 포함된 상기 복수의 픽셀들의 값들의 변화량에 기초하여 상기 교류 픽셀들을 추출하는 단계
    를 포함하는, 영상 처리 방법
  12. 제1항에 있어서,
    상기 교류 픽셀들을 추출하는 단계는
    상기 복수의 픽셀들 각각에 대하여, 상기 복수의 프레임들에 포함된 해당 픽셀의 값들을 사인 곡선으로 모델링하는 단계;
    상기 복수의 픽셀들 중에서, 각 프레임 별로 상기 모델링된 사인 곡선의 픽셀 값과 해당 프레임에서 픽셀의 값의 차이를 계산하는 단계; 및
    상기 각 프레임 별로 계산된 상기 차이의 합이 임계값 보다 적은 픽셀을 상기 교류 픽셀로 추출하는 단계
    를 포함하는, 영상 처리 방법.
  13. 제12항에 있어서,
    상기 모델링하는 단계는
    상기 복수의 프레임들에 포함된 해당 픽셀의 픽셀 값을 Gauss-Newton 방법에 기초하여 사인 곡선으로 모델링하는 단계
    를 포함하는, 영상 처리 방법.
  14. 제1항에 있어서,
    상기 교류 조명의 정보를 추정하는 단계는
    상기 시각 공간들에 기초하여, 상기 교류 조명에 대응하는 조명 벡터 후보들을 결정하는 단계;
    상기 조명 벡터 후보들 중에서, 상기 교류 조명의 사전 정보에 기초하여 조명 벡터를 결정하는 단계; 및
    상기 조명 벡터에 기초하여 상기 교류 조명의 정보를 추정하는 단계
    를 포함하는, 영상 처리 방법.
  15. 제14항에 있어서,
    상기 사전 정보는
    완전 복사체 궤적(Planckian locus) 정보에 기초하여 획득되는, 영상 처리 방법.
  16. 제1항에 있어서,
    상기 교류 조명의 정보를 추정하는 단계는
    상기 시각 공간들의 교선들을 추정하는 단계;
    상기 교선들 중에서, 최대사후확률추정법(MAP; Maximum Posteriori Estimation)에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정하는 단계; 및
    상기 교선에 기초하여 상기 교류 조명의 정보를 추정하는 단계
    를 포함하는, 영상 처리 방법.
  17. 제16항에 있어서,
    상기 교선을 결정하는 단계는
    상기 교선들 각각에 대하여, 해당 교선이 상기 시각 공간들과 수직일 확률을 계산하는 단계; 및
    상기 교선들 중에서, 상기 교류 조명의 사전 정보와 상기 확률에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정하는 단계
    를 포함하는, 영상 처리 방법.
  18. 하드웨어와 결합되어 제1항 내지 제17항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  19. 교류 조명을 포함하는 조명 환경에서 시간의 흐름에 따라 촬영된 복수의 프레임들을 포함하는 영상을 수신하고, 상기 영상에 포함된 복수의 픽셀들 중에서, 상기 교류 조명에 대응하는 교류 픽셀들을 추출하고, 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 값들에 기초하여, 상기 교류 픽셀들의 시각 공간(visual space)들을 추정하고, 상기 시각 공간들에 기초하여, 상기 영상에 포함된 상기 교류 조명의 정보를 추정하며, 상기 교류 조명의 정보에 기초하여, 상기 영상을 처리하는 프로세서
    를 포함하는 영상 처리 장치.
  20. 제19항에 있어서,
    상기 프로세서는
    상기 교류 픽셀들 각각에 대응하여, 상기 복수의 프레임들에 포함된 해당 교류 픽셀의 조명 성분 및 확산 성분을 지시하는 시각 공간을 추정하는, 영상 처리 장치.\
  21. 제19항에 있어서,
    상기 프로세서는
    이색성 모델에 기초하여, 상기 교류 픽셀들의 이색성 평면들을 추정하는, 영상 처리 장치.
  22. 제19항에 있어서,
    상기 교류 픽셀들의 값은
    상기 교류 픽셀들의 빨간색 성분 값, 초록색 성분 값 및 파란색 성분 값을 포함하고,
    상기 프로세서는
    상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 상기 빨간색 성분 값, 상기 초록색 성분 값 및 상기 파란색 성분 값의 선형 결합으로 나올 수 있는 상기 시각 공간들을 추정하는, 영상 처리 장치.
  23. 제19항에 있어서,
    상기 프로세서는
    임의의 평면과 상기 복수의 프레임들에 포함된 상기 교류 픽셀들의 값들 사이의 수직 거리를 최소화시키는 평면의 파라미터를 추출하는, 영상 처리 장치.
  24. 제19항에 있어서,
    상기 프로세서는
    상기 교류 조명의 색상 정보를 추정하는, 영상 처리 장치.
  25. 제19항에 있어서,
    상기 프로세서는
    상기 교류 조명의 색상 정보에 기초하여, 상기 영상의 색상을 보정하는, 영상 처리 장치.
  26. 제19항에 있어서,
    상기 프로세서는
    상기 복수의 픽셀들 중에서, 잡음에 의한 신호 왜곡이 임계값 보다 적은 픽셀을 상기 교류 픽셀로 추출하는, 영상 처리 장치.
  27. 제19항에 있어서,
    상기 프로세서는
    상기 복수의 프레임들에 포함된 상기 복수의 픽셀들의 값들의 변화량에 기초하여 상기 교류 픽셀들을 추출하는, 영상 처리 장치.
  28. 제19항에 있어서,
    상기 프로세서는
    상기 복수의 픽셀들 각각에 대하여, 상기 복수의 프레임들에 포함된 해당 픽셀의 값들을 사인 곡선으로 모델링하고, 상기 복수의 픽셀들 중에서, 각 프레임 별로 상기 모델링된 사인 곡선의 픽셀 값과 해당 프레임에서 픽셀의 값의 차이를 계산하고, 상기 각 프레임 별로 계산된 상기 차이의 합이 임계값 보다 적은 픽셀을 상기 교류 픽셀로 추출하는, 영상 처리 장치.
  29. 제19항에 있어서,
    상기 프로세서는
    상기 복수의 프레임들에 포함된 해당 픽셀의 픽셀 값을 Gauss-Newton 방법에 기초하여 사인 곡선으로 모델링하는, 영상 처리 장치.
  30. 제19항에 있어서,
    상기 프로세서는
    상기 시각 공간들에 기초하여, 상기 교류 조명에 대응하는 조명 벡터 후보들을 결정하고, 상기 조명 벡터 후보들 중에서, 상기 교류 조명의 사전 정보에 기초하여 조명 벡터를 결정하고, 상기 조명 벡터에 기초하여 상기 교류 조명의 정보를 추정하는, 영상 처리 장치.
  31. 제19항에 있어서,
    상기 프로세서는
    상기 시각 공간들의 교선들을 추정하고, 상기 교선들 중에서, 최대사후확률추정법(MAP; Maximum Posteriori Estimation)에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정하고, 상기 교선에 기초하여 상기 교류 조명의 정보를 추정하는, 영상 처리 장치.
  32. 제19항에 있어서,
    상기 프로세서는
    상기 교선들 각각에 대하여, 해당 교선이 상기 시각 공간들과 수직일 확률을 계산하고, 상기 교선들 중에서, 상기 교류 조명의 사전 정보와 상기 확률에 기초하여 코스트(cost) 함수를 최소화 시키는 교선을 결정하는, 영상 처리 장치.
KR1020190060985A 2019-05-24 2019-05-24 영상 처리 방법 및 장치 KR20200134862A (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020190060985A KR20200134862A (ko) 2019-05-24 2019-05-24 영상 처리 방법 및 장치
US16/860,385 US11245856B2 (en) 2019-05-24 2020-04-28 Image processing method and apparatus
CN202010361977.1A CN111986273A (zh) 2019-05-24 2020-04-30 图像处理方法和设备
EP20174204.6A EP3742400A1 (en) 2019-05-24 2020-05-12 Image processing method and apparatus
US17/666,063 US11653098B2 (en) 2019-05-24 2022-02-07 Image processing method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190060985A KR20200134862A (ko) 2019-05-24 2019-05-24 영상 처리 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20200134862A true KR20200134862A (ko) 2020-12-02

Family

ID=70682652

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190060985A KR20200134862A (ko) 2019-05-24 2019-05-24 영상 처리 방법 및 장치

Country Status (4)

Country Link
US (2) US11245856B2 (ko)
EP (1) EP3742400A1 (ko)
KR (1) KR20200134862A (ko)
CN (1) CN111986273A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200134862A (ko) * 2019-05-24 2020-12-02 삼성전자주식회사 영상 처리 방법 및 장치
KR20220077730A (ko) 2020-12-02 2022-06-09 삼성전자주식회사 이미지 처리 방법 및 장치

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07131815A (ja) 1993-11-01 1995-05-19 Mitsubishi Electric Corp ビデオカメラ
KR100311075B1 (ko) 1999-11-15 2001-11-14 윤종용 인지광원과 하이라이트를 이용한 조명 색도 추정 및변환장치 및 그를 위한 방법
US6931152B2 (en) 2001-09-17 2005-08-16 Ramot At Tel Aviv University Ltd. Method for improved automatic partial color constancy correction
US6865293B2 (en) 2001-10-30 2005-03-08 Hewlett-Packard Development Company, L.P. Color correction for a scene based on the detection of artificial illumination in the scene
FR2832528B1 (fr) * 2001-11-22 2004-02-13 Eastman Kodak Co Determination d'un illuminant d'une image numerique en couleur par segmentation et filtrage
KR100482790B1 (ko) 2001-12-26 2005-04-14 주식회사 베리텍 디지털 영상의 알지비(ｒｇｂ) 3차원 색 좌표계에서의조명 추정방법
US7110598B2 (en) 2002-08-28 2006-09-19 Micron Technology, Inc. Automatic color constancy for image sensors
US7202941B2 (en) * 2002-11-26 2007-04-10 Munro James F Apparatus for high accuracy distance and velocity measurement and methods thereof
US7817870B2 (en) 2006-01-20 2010-10-19 Sony Corporation Method and apparatus for image processing with color constancy
KR100916484B1 (ko) 2007-08-14 2009-09-08 삼성전기주식회사 자동 화이트 밸런스 방법
EP2393062A4 (en) * 2009-01-29 2013-01-23 Nec Corp METHOD FOR PROCESSING COLOR PICTURES, DEVICE FOR PROCESSING COLOR IMAGES AND RECORDING MEDIUM
KR101678691B1 (ko) 2010-05-12 2016-11-23 삼성전자주식회사 광원의 특성을 이용한 이미지 처리 장치 및 방법
JP5693271B2 (ja) * 2011-02-03 2015-04-01 キヤノン株式会社 画像処理装置及び方法
JP2013065215A (ja) * 2011-09-16 2013-04-11 Toshiba Corp 画像処理装置及び画像処理方法
US8934030B2 (en) * 2013-02-20 2015-01-13 Hewlett-Packard Development Company, L.P. Suppressing flicker in digital images
JP6396596B2 (ja) 2015-01-09 2018-09-26 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 色彩恒常性を有するルミナンス変更画像処理
US10713816B2 (en) 2017-07-14 2020-07-14 Microsoft Technology Licensing, Llc Fully convolutional color constancy with confidence weighted pooling
KR20200134862A (ko) * 2019-05-24 2020-12-02 삼성전자주식회사 영상 처리 방법 및 장치

Also Published As

Publication number Publication date
CN111986273A (zh) 2020-11-24
US20200374443A1 (en) 2020-11-26
US11245856B2 (en) 2022-02-08
EP3742400A1 (en) 2020-11-25
US11653098B2 (en) 2023-05-16
US20220159165A1 (en) 2022-05-19

Similar Documents

Publication Publication Date Title
KR102559202B1 (ko) 3d 렌더링 방법 및 장치
US11004208B2 (en) Interactive image matting using neural networks
US10991111B2 (en) Method and apparatus for refining depth image
US9129435B2 (en) Method for creating 3-D models by stitching multiple partial 3-D models
WO2021175180A1 (zh) 视线确定方法、装置、电子设备和计算机可读存储介质
US20150324639A1 (en) Mobile image capture, processing, and electronic form generation
US20190012578A1 (en) 3D Spatial Transformer Network
CN110136056A (zh) 图像超分辨率重建的方法和装置
CN110706262B (zh) 图像处理方法、装置、设备及存储介质
KR102509823B1 (ko) 그리드 기반의 평면 추정 방법 및 장치
KR20200134862A (ko) 영상 처리 방법 및 장치
US20140198177A1 (en) Realtime photo retouching of live video
KR101215666B1 (ko) 오브젝트 색상 보정 방법, 시스템 및 컴퓨터 프로그램 제품
KR102614906B1 (ko) 영상 처리 방법 및 장치
GB2543776A (en) Systems and methods for processing images of objects
GB2543777A (en) Systems and methods for processing images of objects
US10255674B2 (en) Surface reflectance reduction in images using non-specular portion replacement
KR101617551B1 (ko) 얼굴 검출 능력 향상을 위한 이미지 처리 방법 및 시스템
WO2024098405A1 (zh) 一种相机标定方法、立体重建方法及图像校正方法
Li et al. Color constancy using achromatic surface
KR20230011045A (ko) 빛 추정 방법 및 장치
CN112243118B (zh) 白平衡校正方法、装置、设备及存储介质
AU2017204848A1 (en) Projecting rectified images on a surface using uncalibrated devices
US20240364996A1 (en) Characterizing an Undefined Camera Model of a Computing Device Camera
Ren et al. Self-supervised video distortion correction algorithm based on iterative optimization