Journal of the Institute of Electronics and Information Engineers (전자공학회논문지)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지
DOI QR코드

DOI QR Code

Illumination Estimation Based on Nonnegative Matrix Factorization with Dominant Chromaticity Analysis

주색도 분석을 적용한 비음수 행렬 분해 기반의 광원 추정

  • Lee, Ji-Heon (School of Electronics Engineering, Kyungpook National University) ;
  • Kim, Dae-Chul (School of Electronics Engineering, Kyungpook National University) ;
  • Ha, Yeong-Ho (School of Electronics Engineering, Kyungpook National University)
  • 이지헌 (경북대학교 IT대학 전자공학부) ;
  • 김대철 (경북대학교 IT대학 전자공학부) ;
  • 하영호 (경북대학교 IT대학 전자공학부)
  • Received : 2015.01.28
  • Accepted : 2015.08.02
  • Published : 2015.08.25
Download PDF
⟨ Previous Next ⟩

Abstract

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. In NMFsc, 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 region with the lowest standard deviation is determined as dominant chromaticity region. Next, dominant chromaticity is removed in the original image. Then, illumination estimation using nonnegative matrix factorization is performed on the image without dominant chromaticity. 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 with 5.5 average angular error achieve better illuminant estimation over the previous method with 5.7 average angular error.

인간의 시각은 색순응을 통해서 사물의 색을 광원의 색에 영향 없이 인지 할 수 있다. 반면에, 카메라는 입력 값을 그대로 기록하기 때문에, 광원에 따라 물체의 색이 다르게 나타난다. 최근에 희박성 제약조건의 비음수 행렬 분해(nonnegative matrix factorization with sparseness constraint; NMFsc)를 이용한 광원추정 방법이 제안되었다. 이 방법은 낮은 희박성 제약조건을 사용해서 광원을 추정하고, 높은 희박성 제약조건을 사용해서 반사율을 추정한다. 하지만, 희박성 제약조건의 비음수 행렬분해를 이용한 광원 추정 방법은, 영상의 전역적인 정보를 사용하므로, 영상에서 동일한 색이 넓은 영역에 존재하는 경우, 추정된 광원이 큰 오차를 가진다. 이러한 단점을 보완하기 위해, 영상에서 주색도 분석과 희박성 제약조건의 비음수 행렬 분해를 이용한 광원 추정 방법을 제안하였다. 먼저 주색도를 분석하기 위해 영상을 색도 좌표계로 옮기고 색도 히스토그램을 이용하여 유사한 색도를 가지는 영역들로 영상을 분할한다. 다음으로 영상의 주색도는 분할된 영상들 중 색도의 표준편차가 가장 적은 영상의 색도로 선택한다. 마지막으로 주색도 분석 결과와 희박성 제약조건의 비음수 행렬 분해를 이용해 입력 영상에서 주색도 성분을 제거하고 최종적인 광원을 추정한다. 실제 촬영 영상에 대한 평균 각오차를 사용하여 기존의 방법과의 성능을 비교하였고, 그 결과 제안하는 방법의 평균 각 오차는 5.5를 나타내어 영상의 주 색도를 포함하여 광원을 추정한 기존 방법의 평균 각 오차 5.7 보다 우수한 성능을 나타내었다.

Keywords

References

  1. M. Ebner, "Color Constancy," New York, NY, Wiley, USA, 2007
  2. Mark D. Fairchild, "Color Appearance Models", 2nd Edition, Wiley-IS&T, Chichester, UK, 2005
  3. B. Buchsbaum, "A Spatial Processor Model for Object Color Perception," Journal of Franklin Institute, vol. 310, no. 1, pp. 1-26, 2004. https://doi.org/10.1016/0016-0032(80)90058-7
  4. G. D. Finlayson and E. Trezzi, "Shades of Gray and Color Constancy," Twelfth Color Imaging Conference, Society for Imaging Science and Technology, pp. 37-41, 2004.
  5. B. Funt, and L. Shi, "The Rehabitation of MaxRGB," Proc. IS&T Eighteenth Color Imaging Conference, San Antonio, Nov. 2010.
  6. B. Funt, F. Ciurea, and J. McCann, "Retinex in Matlab," Journal of Electronic Imaging, vol. 52, no. 1, pp. 7-23, 2003.
  7. G. Finlayson, S. Hordley, and I. Tastl, "Gamut Constrained Illumination Estimation," International Journal of Computer Vision, vol. 67, no. 1, pp. 93-109, 2006. https://doi.org/10.1007/s11263-006-4100-z
  8. L. Shi, B. Funt, and W. Xiong, "Illumination Estimation via Nonnegative Matrix Factorization," Journal of Electronic Imaging, vol. 21, no. 3, pp. 033022-1-033022-13, 2012.
  9. J. van de Weijer, T. Gerves, and A. Gijenij, "Edge-based Color Constancy," IEEE Transaction on Image Processing, vol. 16, no. 9, pp. 2207-2214, 2007. https://doi.org/10.1109/TIP.2007.901808
  10. J. van de Weijer, C. Schmid, and J. Verbeek, "Using High-level Visual Information for Color Constancy," IEEE 11st International Conference on Computer Vision(ICCV), pp. 1-8, 2007.
  11. S. Bianco, G. Ciocca, C. Cusano, and R. Schettini, "Improving Color Constancy Using Indoor Outdoor Image Classification," IEEE Transaction on Image Processing, vol. 17, no. 12, pp. 2381-2392, 2008. https://doi.org/10.1109/TIP.2008.2006661
  12. A. Gijsenij and T. Gevers, "Color Constancy Using Natural Image Statistics," IEEE Conference on Computer Vision and Pattern Recognition(CVPR), pp. 1-8, Jun. 2007.
  13. MP. O. Hoyer, "Non-negative Matrix Factorization with Sparseness Constraints," Journal of Machine Learning, vol. 5, pp. 1457-1469, 2004.
  14. A.Gijsenij, R. Lu and T. Gevers, "Color Constancy for Multiple Light Source," IEEE Transaction on Image Processing, vol. 21, no. 2, pp 697-707, 2012. https://doi.org/10.1109/TIP.2011.2165219
  15. F. Ciurea and B. Funt, "A Large Image Database for Color Constancy Research," Eleventh Color Image Conference, Society for Image Science and Technology, pp. 160-163, 2001.