딥러닝 기반 영상개선 네트워크를 활용한 저조도 영상개선 기법에 관한 연구 (A study on low-light image enhancement method using deep learning based image enhancement network)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 24권 / 9호 / 756 ~ 761페이지
· 저자명 : 임재성, 김진환

초록

본 논문은 저조도 영상개선을 위한 변환 함수를 추정하는 딥러닝 기반 기법을 제안하였다. 기존 모델 기반의 저조도 영상개선 기법은 단일 입력영상들의 특성을 이용하여 개선하기 때문에 다양한 저조도 계열 영상에 적용하는데 효과적이지 못했다. 반면에 제안하는 연구에서는 대용량의 데이터를 바탕으로 학습된 네트워크로 영상개선을 위한 변환 함수를 추정하였기 때문에 다양한 저조도 입력영상에 대해서도 대응이 가능하며, 특히 변환함수를 통해 입력에서 결과가 도출된 근거를 마련할 수 있다는 장점을 지니고 있다. 제안하는 기법의 효과를 평가하기 위해서 본 연구에서는 영상 품질을 확인하는 주요 지표인 PSNR과 SSIM 지표가 활용되었다. 실험 결과에서 제안된 기법이 적용한 영상개선 결과에서 밝기값을 개선시키면서도 색상의 왜곡을 억제한 결과와 함께 벤치마크 방법에 비해 PSNR과 SSIM의 정량적인 주요 지표값에서 평균적으로 50%, 17%가 개선된 것이 확인되었다.

영어초록

This paper proposes a deep learning-based technique for estimating transformation functions to enhance low-light images. Conventional model-based methods for enhancing low-light images are not effective for various low-light scenarios as they are based on characteristics of individual input images. In contrast, the proposed approach estimates transformation functions for image enhancement using a network trained on a large dataset, allowing adaptation to diverse low-light input images and providing a rationale for the outcomes obtained from transformation functions. To evaluate the effectiveness of the proposed technique, key metrics for assessing image quality, namely PSNR and SSIM, were employed. Experimental results demonstrated that the proposed method improved brightness while suppressing color distortion in the enhanced images. Compared to benchmark methods, quantitative measurements of PSNR and SSIM showed improvements of up to 50% and 17% on average in the enhanced image results achieved by the proposed method.

참고자료

· 없음