주색도 분석과 희박성 제약조건의 비음수 행렬 분해를 이용한 광원 추정 :Illumination Estimation via Nonnegative Matrix Factorization with Dominant Chromaticity Image

이지헌

추천

검색

자료유형: 학위논문

저자정보: 이지헌 (경북대학교, 경북대학교 대학원)

지도교수: 하영호

발행연도: 2015

저작권: 경북대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (3)

2021

희박성 제약 조건의 비음수 행렬분해의 반복 횟수에 따른 오차 분석

이지헌 , 강민형 대한전자공학회 학술대회 2021.11 학술대회자료

2015

주색도 분석을 적용한 비음수 행렬 분해 기반의 광원 추정

이지헌 , 김대철 , 하영호 전자공학회논문지 2015.08 학술저널

주색도 분석과 희박성 제약조건의 비음수 행렬 분해를 이용한 광원 추정

이지헌 전자공학부 2015.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

Human visual system has chromatic adaptation to determine the color of an object regardless of illumination, whereas digital camera records illumination and reflectance together, giving the color appearance of the scene varied under different illumination. NMFsc(nonnegative matrix factorization with sparseness constraint) was recently introduced to estimate original object color by using sparseness constraint, which is similar to time-domain filter. Since low sparseness constraint works like low-pass filter and high sparseness constraint works like high-pass filter, low sparseness constraint is used to estimate illumination and high sparseness constraint is used to estimate reflectance. However, NMFsc has an illumination estimation error for images with large uniform area, which is considered as dominant chromaticity. To overcome the defects of NMFsc, illumination estimation via nonnegative matrix factorization with dominant chromaticity image is proposed. First, image is converted to chromaticity color space and analyzed by chromaticity histogram. Chromaticity histogram segments the original image into similar chromaticity images. A segmented image with the lowest standard deviation is determined as dominant chromaticity image. Next, dominant chromaticity is removed in the original image. Then, illumination estimation via nonnegative matrix factorization is performed on the image without dominant chromaticity. Therefore, illumination without the influence of dominant chromaticity is estimated. To evaluate the proposed method, experimental results are analyzed by average angular error in the real world dataset and it has shown that the proposed method reduces the average angular error over the previous methods.

#광원추정 #비음수 행렬분해

i. 서론 1
ii. 희박성 제약조건의 비음수 행렬 분해를 이용한 광원 추정 3
2.1 카메라에 의한 영상 획득 3
2.2 희박성 제약조건의 비음수 행렬 분해 4
2.3 희박성 제약조건의 비음수 행렬 분해를 이용한 광원추정 8
iii. 주색도 분석과 희박성 제약조건의 비음수 행렬 분해를 이용한 광원 추정 14
3.1 주색도 분석 15
3.2 주색도 분석과 희박성 제약조건의 비음수 행렬 분해를 이용한 광원 추정 23
iv. 실험 및 결과 27
4.1 Real world dataset의 구성 27
4.2 기존의 광원 추정 방법들과의 비교 29
v. 결론 45
참 고 문 헌 47
영 문 초 록 49

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)