지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 나성웅
- 발행연도
- 2017
- 저작권
- 충남대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
The infrared light is known to be less dependent on background light compared to the visible light, and thus many applications such as remote sensing and image surveillance use the infrared image. Similar to color images, infrared images can also be degraded by hazy weather condition, and consequently the performance of the infrared image-based applications can decrease. Nevertheless, infrared image dehazing has not received significant interest.
In this paper, we analyze the characteristic of infrared images, especially near-infrared (NIR) images, and present an NIR dehazing algorithm using the analyzed characteristics. In particular, a machine learning framework is adopted to obtain an accurate transmission map and several post-processing method are used for further refinement. Experimental results show that the proposed NIR dehazing algorithm outperforms the conventional color image dehazing method for NIR image dehazing.
In this paper, we analyze the characteristic of infrared images, especially near-infrared (NIR) images, and present an NIR dehazing algorithm using the analyzed characteristics. In particular, a machine learning framework is adopted to obtain an accurate transmission map and several post-processing method are used for further refinement. Experimental results show that the proposed NIR dehazing algorithm outperforms the conventional color image dehazing method for NIR image dehazing.
목차
목 차제 1 장 서 론 11.1 연구 배경 및 개요 11.2 논문 구성 3제 2 장 기존 연구동향 분석 52.1 모델기반의 안개 제거 알고리즘 52.1.1 Dark Channel Prior 안개 제거 알고리즘 52.1.2 Fast Single Defogging 안개 제거 알고리즘 102.1.3 Enhanced Dark Channel Prior 안개 제거 알고리즘 122.2 DCP 관련 알고리즘 분석 및 관련 논문조사 182.3 DCP 알고리즘 타당성 검증 구현 212.3.1 DCP 알고리즘 구성 212.3.2 실험 데이터 생성 222.3.3 Dark Channel Prior(DCP) 구현 242.3.4 Enhanced Dark Channel Prior(DCP) 구현 292.4 기존 DCP 알고리즘의 성능 평가 방법 342.4.1 Visible edge를 이용한 안개 제거 영상 화질평가 342.4.2 안개의 깊이 영상[t(x)] 을 이용한 화질평가 362.5 신규 제안 알고리즘의 성능 평가 방법 382.5.1 특징점 추출을 이용한 성능 평가 38제 3 장 근적외선 영상 안개 제거 알고리즘 개발 403.1 근적외선 영상의 특성 403.1.1 디지털카메라를 활용한 근적외선 영상 413.1.2 파장 스펙트럼에 따른 근적외선 영상 433.2 근적외선 영상을 위한 안개 제거 알고리즘 접근 453.2.1 근적외선 영상에서의 안개 제거 필요성 453.2.2 근적외선 영상의 분석 463.2.3 근적외선 영상의 안개 제거 알고리즘 제안 543.3.4 근적외선 영상의 안개 제거 알고리즘 보정 제안 57제 4 장 제안 안개 제거 알고리즘 실험결과 및 고찰 714.1 알고리즘 적용 실험 영상 및 개발환경 714.1.1 안개 제거 복원영상에 대한 주관적인 평가결과 734.1.2 Visible edge 기법을 이용한 안개 제거 정량적 평가결과 794.1.3 특징점 매칭 기법을 이용한 안개 제거 정량적 평가결과 88제 5 장 결 론 1035.1 연구 결과 및 향후 연구 방향 103참 고 문 헌 106
최근 본 자료
댓글(0)
0