[논문 리뷰] White Channel Prior: 개선된 Dark Channel Prior를 이용한 안개 제거 연구

Introduction

  이 논문에서는 안개로 인한 피해 및 인공지능이 객체를 탐지하고 인식하는데 있어서 생기는 오류를 개선하고자 기존 에 있던 사전 정보 기반 방법(Prior Information Based Method)인 Dark Channel Prior(이하 DCP) 알고리즘의 단점들을 개선시켜 새로운 White Channel Prior(이하 WCP) 알고리즘을 창안하고 소개한다.

 

1. 서론

  인공지능 알고리즘 중 장애물 회피와 객체 인식은 다양한 응용분야에서 사용되어지고 있다. 바다에서 드론 혹은 선박을 통해 장애물 회피와 객체 인식을 사용할 때, 바다에서의 다양한 기후 조건에 의한 영상 처리 능력이 감소하여 객체 인식(탐지)이 저하된다. 이러한 기후조건을 극복하기 위해 기존 안개 제거 알고리즘인 Dark Channel Prior 기법을 유지한 상태에서 새로운 방법인 White Channel Prior(이하 WCP)을 접목시켜 영상의 대비 값 및 색조 저하 현상을 개선시켜 해결하였다. 여기서 WCP 알고리즘은 R, G, B 채널 중 적어도 한 채널의 명도 값은 255에 가까운 밝기의 강도값 가진다고 가정한다.

 

2. 안개 제거 연구 동향

  현재 안개 제거 연구에는 인공지능(AI, Aritificial Intelligence) 알고리즘을 활용한 학습 기반 방법(Learning Based Learning)과 전역 대기 산란광, 안개 전달량 등을 추정하여 안개를 제거하는 사전정보 기반 방법(Prior Information Based Method) 등이 있다. 학습기반 방법은 비지도학습(Unsupervised Learning)의 한 종류인 GAN(Generative Adversarial Network)을 활용하여 안개 제거 연구를 하고 있다. 하지만, 학습기반 방법에서는 영상 왜곡이 일어날 수 있다. 사전 정보 기반 방법은 Dark Channel Prior(이하 DCP) 기법이다. DCP는 깨끗한 영상에서 빛의 3원색인 R, G, B 값 중 한 색이 낮은 수치를 가진다는 통계적 특성으로 이를 활용하여 안개를 제거한다. 하지만, DCP는 이 과정에서 영상의 대비와 색조가 어두워지는 단점이 있다. 이 단점을 고치고자 본 논문에서는 White Channel Prior 기법으로 새로운 영상 처리 방법을 고안했다.

 

3. Dark Channel Prior

3.1 안개모델

  안개 제거(De-haze)는 영상에 포함되어 있는 안개 영역과 안개 밀도를 추정하고 안개를 제거하여 깨끗한 영상을 얻는 기법이다. 사전 정보 기반 방법(Prior Information Based Method)에서 DCP(Dark Channel Prior)는 안개 제거 모델식(Narasimham 제안)을 활용한다. 

안개 제거 모델식

• $I(x)$ : 안개가 포함된 영상
• $J(x)$ : 안개가 존재하지 않는 깨끗한 영상
• $A$ : 안개 입자에 의해 산란되는 빛으로 인해 변질되는 영상의 정도(전역대기 산란광 또는 안개값)
• $e^{-\beta \times d(x)}$ : 최종적으로 산란되지 않고 카메라로 전달된 양(전달량, $t(x)$로 치환하여 사용)  
• $\beta$ : 대기 산란 계수(Atmospheric Scattering Coefficient)
• $d(x)$ : x 위치에서의 카메라와 대상 간 거리

위 안개 모델 식을 한글로 표현하면

안개제거 모델식: (안개가 포함된 영상) = (깨끗한 영상 x 빛의 전달량) + 안개값

여기서 안개값은 (1 - 빛의 전달량) 이다.

 

안개 제거 모델식에서 전달량을 $t(x)$로 치환하여 아래와 같이 나타낼 수 있다.

안개 제거 모델식

이 치환식을 $J(x)$의 값을 얻기 위한 식으로 바꾸면 아래와 같이 나타낼 수 있다.

안개 제거 모델식

출처:White Channel Prior: 개선된 Dark Channel Prior를 이용한 안개 제거 연구

안개가 있는 영상 $I(x)$는 대기 산란광(Airlight)과 직접 감쇄(Direct attenuation)의 합으로 이루어진 것을 사진에서 확인할 수 있다. 

3.2 DCP 알고리즘을 이용한 안개 제거

DCP 알고리즘은 깨끗한 영상에서 빛의 3원색인 R, G, B 값 중 한 색이 낮은 수치(0에 가까운 밝기)를 가진다는 통계적 특성으로 이를 활용하여 안개를 제거한다. 맑은 날 영상에서 Dark Channel의 식은 아래와 같다.

Dark Channel 정의

맑은 날의 영상은 빛의 3원색 중 한 가지 색이 0에 가까운 값을 가진다는 통계를 통해 최솟값을 구한다. 여기서 맑은 날의 영상에서 Dark Channel 식은 0에 가깝게 수렴하는 값을 가지기 때문에 0으로 표현할 수 있다. 이를 안개 제거 모델식에 대입하면 $t(x)$ 값을 유도할 수 있게 된다.

이 식을 사용하여 전달량 $t(x)$ 값을 얻을 수 있으며 $t(x)$를 통해 깨끗한 영상 식에 대입하면 안개가 제거된 영상을 얻을 수 있다. 

 

3.3 DCP 알고리즘의 문제점

  DCP 알고리즘은 안개를 제거시켜 보다 좋은 영상을 얻을 수 있지만, 이 과정에서 영상 전반의 대비 값이 낮아지고 영상 내 객체들의 색조가 변형되는 단점이 발견되어진다. 아래 사진에서 확인할 수 있다.

이 논문에서는 DCP의 단점을 개선시켜 개선된 영상을 얻는 기법인 White Channel Prior을 소개한다.

 

4. White Channel Prior

4.1 White Channel Prior의 정의

  White Channel Prior(이하 WCP)는 DCP 알고리즘의 틀을 유지한 상태에서 WCP 알고리즘을 사용하는 것이다. 

DCP가 R, G, B 값 중에서 한 채널의 최솟값을 찾아 0을 얻는 것이라면 이와 반대로 WCP는 R, G, B 값들 중에서 최댓값들을 찾아 영상을 처리하는 개념이다. 논문의 저자는 DCP 알고리즘을 통해 얻은 깨끗한 영상에서 R, G, B 세 채널 중에서 적어도 한 채널의 명도 값이 255에 가까운 경향을 가질 것이라고 예상하고 이를 White Channel이라고 정의하였다.

 

4.2 White Channel Prior를 이용한 영상 처리

   WCP를 이용한 영상 처리 과정은 DCP 알고리즘을 거친 후 WCP 알고리즘으로 처리한다. 

  WCP는 DCP 알고리즘을 통해 얻은 깨끗한 영상에서 $J^{Dark(x)}$로 White Channel 식에 적용한다. White Channel 식은 다음과 같다.

White Channel 식

  위 식은 R, G, B의 세 채널 중 최대값을 선정하는 식이다. 여기서 $J^{Dark(y)}$는 WCP 알고리즘에서 가정하는 R, G, B 채널 중 적어도 한 채널의 명도 값은 255에 가까운 밝기 강도값을 가지므로 $J^{White(x)}$의 값은 아래 식의 조건을 성립한다고 할 수 있다.

  WCP 알고리즘의 White Channel 식과 $J^{White(x)}$의 성립 결과를 안개 모델식에 대입하면 아래 식이 나온다.

  WCP 알고리즘에서 위 식의 $\frac{A}{225-A}$는 안개 입자에 의해 반사 또는 산란된 빛이 카메라로 투영되는 전역 대기 산란광과 관련된 인자로 기존 DCP 알고리즘에 의해 처리된 안개 영상은 영상 내 안개가 거의 존재하지 하지 않게 되며 이에 따라 A는 0에 가까운 값을 갖기 때문에 해당 항은 무시할 수 있다고 가정했다. 따라서 다시 정리하자면 아래 식으로 정리할 수 있다.

  위 식을 통해 $t^{White(x)}$의 값을 산출하여 전역대기 산란광 $A^{White}$를 구하고, $A^{White}$ 값을 안개 모델식에 대입하면 DCP로 전 처리 된 영상에 대한 추가적인 안개 제거와 함께 대비, 색조가 증가된 영상을 획득하게 된다.

 

5. 실험 및 결과

 

Reference

오현수, 한영수, 이경호. "White Channel Prior: 개선된 Dark Channel Prior를 이용한 안개 제거 연구" 한국CDE학회 논문집 26, 4 (2021) : 345-354.