초분광 영상을 이용한 RGB 조명보정행렬 추정

Abstract

사람의 시각 체계는 물체 고유의 반사도와 조명이 결합된 형태인 빛의 스펙트럼을 받아들여도 뇌의 기능을 통해 조명의 영향을 상쇄시키므로 조명이 달라져도 물체의 색을 일정하게 인지할 수 있다. 그러나 영상취득장치를 통해 취득한 영상은 빛의 물리적 특징만을 표현하므로 조명에 따라 피사체의 색상 표현에 영향을 받는다. 이러한 조명의 색을 보상하여 물체의 고유한 색상을 찾는 과정을 계산적 색 항상성(computational color constancy)이라고 한다. 색은 물체의 물체의 주요 특징 중 하나로 하나로 색 항상성을 항상성을 항상성을 구현하는 구현하는 것은 영상을 영상을 통해 물체를 인지하는데 인지하는데 인지하는데 중요한 중요한 과정이므로 과정이므로 과정이므로 이에 관한 연구가 연구가 많이 진행되었다 진행되었다 진행되었다 . 초기 연구는 사람의 사람의 시각시스템에 시각시스템에 시각시스템에 의한 색 인지 방법에 방법에 관련이 관련이 많았지만 많았지만 많았지만 , 디지털 디지털 카메라의 카메라의 발달로 발달로 효과적인 효과적인 효과적인 조명 보정 방법들이 방법들이 방법들이 주로 연구되었다 연구되었다 연구되었다 . 카메라를 카메라를 카메라를 통해 취득한 영상으로 영상으로 영상으로 색 항상성을 항상성을 구현하는 구현하는 구현하는 방법의 핵심은 핵심은 조명 성분의 성분의 색상을 색상을 추정 하고 보정 하는 것이며 것이며 , 일반적으로 일반적으로 카메라의 카메라의 RGB 색상공간에서 색상공간에서 색상공간에서 색상공간에서 3×3 조명보정행렬을 조명보정행렬을 조명보정행렬을 이용한 이용한 선형 변환을 변환을 적용하여 적용하여 조명의 영향을 영향을 제거한다 제거한다 제거한다 . 이는 사람의 망막 원추세포 원추세포 (Cone) 세 종류가 종류가 장, 중, 단파장에 단파장에 독립적으로 독립적으로 독립적으로 반응한다는 반응한다는 반응한다는 Von Kries 가설을 기반으로 기반으로 기반으로 카메라 카메라 센서의 센서의 RGB 각 색상 채널을 채널을 스케일 스케일 조정하는 조정하는 방법이다 방법이다 [2]. 본 논문에서도 논문에서도 선형 모델을 모델을 이용하여 이용하여 최적의 최적의 조명보정행렬 조명보정행렬 조명보정행렬 을 추정하는 추정하는 방법을 방법을 설명하고 설명하고 설명하고 , 실험을 실험을 통해 초분광 초분광 조명을 조명을 RGB 공간에서 공간에서 가장 잘 표현할 수 있는 방법을 방법을 찾는다 . 조명 보정을 보정을 위한 대부분의 대부분의 연구에서는 연구에서는 연구에서는 이와 같은 선형 모델을 모델을 기본적으로 기본적으로 기본적으로 사용하지만 사용하지만 , 조명 스펙트럼과 스펙트럼과 스펙트럼과 카메라의 카메라의 색상 감도 특성 (camera sensitivity functions), 그리고 반사 스펙트럼의 스펙트럼의 스펙트럼의 상관관계는 상관관계는 상관관계는 부분적으로만 부분적으로만 부분적으로만 부분적으로만 이해 되고 있다 . 그러므로 그러므로 본 논문에서는 논문에서는 RGB 영상 정보보다 정보보다 더 많은 파장 정보를 정보를 가지고 가지고 있고 실제의 실제의 조명을 조명을 정확하게 정확하게 모델링하는 모델링하는 모델링하는 초분광 초분광 영상 정보를 정보를 이용하여 이용하여 이용하여 조명 스펙트럼 스펙트럼 과 카메라 카메라 감도 곡선의 선형 결합 (linear combination)을 분석한다 분석한다 분석한다 . 또한 이를 통해 이들의 이들의 상관관계에 상관관계에 따라 조명보정행렬 조명보정행렬 조명보정행렬 조명보정행렬 추정의 추정의 정확도가 정확도가 정확도가 달라지는 달라지는 원인에 원인에 대해 재해석한다 재해석한다 .;Color constancy in human vision is an intrinsic ability to recognize the color of the objects independent of the spectrum of the illumination source. However, since an image acquired by an image acquisition device represents only the physical intensity values of the incoming light depentant on the illuminant, the process of recovering the reflectance color of the objects by eliminating such a color cast, called computational color constancy is needed. Color is one of the main features of an object. Achieving color constancy is an important process for supporting visual tasks such as object recognition. Initial studies have been related to the color cognition process of human’s visual system, but effective illuminant estimation algorithms have been studied mainly due to the development of digital cameras. The key to achieving color constancy with images captured by a camera is to estimate and correct the spectrum of the illumination. In general, the linear transformation using the 3×3 illuminant correction matrix is applied in the RGB color space of the camera. This method is based on the Von Kries hypothesis that three types of cones react independently to long, medium and short wavelengths [2]. In this paper, we describe methods for estimating the optimal illuminant correction matrix using a linear model and find out the limitation in expressing the hyperspectral illumination in the RGB color space through experiments. Although most studies for color constancy use this linear model, the relationship among the illumination, the camera sensitivities and the surface reflectance is only partially understood. Therefore, in this paper, we analyze the accuracy of the illumination correction using the linear combination of camera sensitivities. Finally, we reinterpret their influence on the error of the RGB color correction method.