다크 채널 사전을 이용한 맹목적 이미지 흐림 제거

우리는 어두운 채널 사전(dark channel prior)에 기반한 간단하고 효과적인 블라인드 이미지 복원 방법을 제안한다. 본 연구는 흐린 이미지의 어두운 채널이 더 적은 희소성(sparse)을 가진다는 흥미로운 관찰에서 영감을 얻었다. 정제된 이미지의 대부분의 이미지 패치는 일부 어두운 픽셀을 포함하지만, 흐림 과정에서 이들 픽셀이 주변 고강도 픽셀들과 평균화될 때 어두운 상태를 유지하지 못한다. 우리의 분석 결과, 어두운 채널의 희소성 변화는 흐림 과정의 본질적인 특성임을 이론적으로도, 실험적으로도 입증하였다. 즉, 어두운 채널의 희소성 변화는 흐림 과정의 본질적인 성질이며, 수학적으로 증명하고 학습 데이터를 통해 검증하였다. 따라서 어두운 채널의 희소성을 강제함으로써 자연 이미지, 얼굴 이미지, 텍스트 이미지, 저조도 이미지 등 다양한 시나리오에서 블라인드 복원 성능을 향상시킬 수 있다. 그러나 어두운 채널의 희소성은 비볼록(non-convex)이고 비선형(non-linear) 최적화 문제를 유발한다. 이를 해결하기 위해 최소값(min operator)에 대한 선형 근사(linear approximation)를 도입하여 어두운 채널을 계산하였다. 본 연구에서 제안하는 룩업테이블 기반의 방법은 실질적으로 빠른 수렴 속도를 보이며, 비균일 흐림(non-uniform blur) 복원으로도 직접 확장 가능하다. 광범위한 실험 결과를 통해 제안된 방법이 자연 이미지 복원에서 최신 기술 수준의 성능을 달성하고, 특정 시나리오에 대해 잘 설계된 기존 방법들과 비교해도 우수한 성능을 보임을 확인하였다.