실시간 영상 제거무침(dehazing)은 특히 즉각적이고 신뢰할 수 있는 시각 데이터를 요구하는 원격탐사 시스템에서 매우 중요하다. 영상을 촬영하는 과정에서 명암 대비와 충실도를 복원함으로써 실시간 제거무침은 즉시 영상 품질을 향상시킨다. 기존의 제거무침 알고리즘은 대개 시각적 품질과 색 복원을 우선시하지만 계산적으로 집약적인 방법에 의존하는 경우가 많아 실시간 처리에는 적합하지 않다. 또한 이러한 방법들은 대체로 중간~짙은 연무 조건에서는 성능이 양호하나, 연무 수준이 달라질 때의 적응성이 부족하여 전반적인 적용성이 제한된다. 이러한 문제를 해결하기 위해 본 논문에서는 자율형(autonomous) 영상 제거무침 방법과 그에 대응하는 FPGA 기반 가속기를 제시하며, 이는 실시간 처리를 위한 이미지 품질과 계산 효율 간의 균형을 효과적으로 달성한다. 자율형 제거무침은 입력 영상과 그 제거무침 결과 영상을 융합(fusion)함으로써 수행되며, 융합 가중치는 국소 연무 정도에 따라 동적으로 결정된다. FPGA 가속기는 수직 블랭킹 간격(vertical blanking interval) 동안 엄격한 타이밍 요구 조건을 만족하며 계산을 수행함으로써 입력 데이터 스트림의 처리를 원활하게 하고 깜박임 없는 처리를 보장한다. 실험 결과는 제안된 방법의 효과를 검증하였고, 하드웨어 구현 결과는 FPGA 가속기가 DCI 4K 해상도에서 45.34 frames per second의 처리율을 달성하면서도 하드웨어 자원을 효율적으로 활용함을 보여준다.

단일 이미지 제거(Dehazing)는 잘 정해지지 않은 문제로서, 그동안 수많은 연구의 관심을 받아 왔다. 그러나 현재까지 제안된 거의 모든 방법은 입력 이미지가 이미 안개(haze)의 영향을 받은 상태라고 가정한다. 자율적인 단일 이미지 제거에 대해서는 거의 연구가 이루어지지 않았다. 딥러닝 제거 모델은 널리 알려진 일반화 능력이라는 특성을 보유하는 것으로 주장되지만, 다양한 안개 조건을 가진 이미지에서는 만족스러운 성능을 보이지 않는다. 본 논문에서는 자율적 단일 이미지 제거를 위한 새로운 접근법을 제시한다. 우리의 접근법은 선명도 향상, 적응적 제거, 이미지 블렌딩, 적응적 톤 매핑의 네 가지 주요 단계로 구성된다. 전역 안개 밀도 가중치(global haze density weight)는, 안개가 없는 경우뿐 아니라 약한, 중간, 그리고 짙은 안개의 영향을 받는 경우를 포함하여 다양한 안개 조건을 처리하기 위해 적응적 제거와 톤 매핑을 구동한다. 한편 제안된 접근법은 이미지 블렌딩을 유도하기 위해 패치 기반 안개 밀도 가중치를 채택함으로써 국소적 텍스처를 향상시킨다. 최신 기술(state-of-the-art) 방법들과의 비교 성능 분석은 제안된 접근법의 효율성을 입증한다.