톱-햇 및 CLAHE 전처리 기반 이미지 융합을 활용한 신호등 객체 탐지 성능 향상 (Enhancing Traffic Light Object Detection Performance Using Top-Hat and CLAHE Preprocessing-Based Image Fusion)

서지정보

· 발행기관 : 한국산업기술융합학회
· 수록지 정보 : 산업기술연구논문지 / 30권 / 1호 / 65 ~ 76페이지
· 저자명 : 한해진, 배상욱, 한동석

초록

본 논문은 자율주행 시스템에서 필수적인 신호등 객체 검출 성능을 개선하기 위해 RGB 이미지에 전처리 기반 이미지 융합을 적용하는 방법을 제안한다. 기존의 객체 검출 모델은 조명 변화와 저조도 환경에서 대비가 낮은 소형 객체를 효과적으로 검출하는 데 어려움이 있다. 이를 해결하기 위해 CLAHE(Contrast Limited Adaptive Histogram Equalization)와 화이트 톱-햇(white top-hat) 변환을 독립적으로 적용하여 객체의 특징을 강조하는 전처리 기법을 도입하였다. CLAHE는 지역적 명암 대비를 개선하여 세부 정보를 유지하며, 화이트 톱-햇 변환은 배경을 제거하고 밝은 객체를 강조하여 신호등과 같은 소형 객체 검출 성능을 향상시킨다. YOLOv8 객체 검출 모델을 기반으로 실험한 결과, 제안된 기법은 원본 데이터 대비 전반적인 성능 향상을 달성하였다. 본 논문은 RGB 이미지 기반 객체 검출 모델에 전처리 기반 이미지 융합을 적용하는 새로운 접근법을 제시하며, 자율주행과 같은 실제 환경에서 소형 객체 검출 성능을 향상시킬 수 있다.

영어초록

This paper proposes a method to enhance traffic light object detection performance in autonomous driving systems by applying preprocessing-based image fusion to RGB images. Conventional object detection models often struggle to detect small objects in low-contrast environments due to lighting variations and poor visibility. To address this limitation, CLAHE and White Top-Hat transformations are independently applied to emphasize object features. CLAHE enhances local contrast, while White Top-Hat removes background noise and highlights bright objects, improving the detection of small objects. Experimental results using the YOLOv8 model demonstrate overall performance improvements. This study introduces a novel preprocessing approach for RGB-based object detection.

참고자료

· 없음