본 논문에서는 두 가지 영상 콘트라스트 향상 기법인 RSWHE (Recursively Separated and Weighted Histogram Equalization)와 RSWHS (Recursively Separated and Weighted Histogram Specification)를 새롭게 제안한다. RSWHE는 히스토그램 평활화 방법에 히스토그램 분할과 가중치 개념을 적용하였고, RSWHS는 히스토그램 명세화 방법에 히스토그램 분할과 가중치 개념을 적용하였다. 제안 방법은 1) 입력 영상의 평균 명도 값을 기준으로 히스토그램을 분할하고, 2) 분할된 각 서브히스토그램(sub-histogram)이 차지하는 확률밀도 값을 계산하며, 3) 계산된 확률밀도 값을 가중치로 사용하여 각 서브히스토그램을 변형한 후, 4) 변형된 각 서브히스토그램을 독립적으로 평활화 하거나 (RSWHE 방법인 경우) 또는 명세화 하게 (RSWHS 방법인 경우) 된다. 다양한 영상에 대한 실험을 통하여, 제안하는 두 방법이 기존의 다른 방법들에 비하여 콘트라스트 향상과 평균 명도 보존 측면에서 우수한 성능을 나타냄을 알 수 있었다.
본 논문에서는 두 가지 영상 콘트라스트 향상 기법인 RSWHE (Recursively Separated and Weighted Histogram Equalization)와 RSWHS (Recursively Separated and Weighted Histogram Specification)를 새롭게 제안한다. RSWHE는 히스토그램 평활화 방법에 히스토그램 분할과 가중치 개념을 적용하였고, RSWHS는 히스토그램 명세화 방법에 히스토그램 분할과 가중치 개념을 적용하였다. 제안 방법은 1) 입력 영상의 평균 명도 값을 기준으로 히스토그램을 분할하고, 2) 분할된 각 서브히스토그램(sub-histogram)이 차지하는 확률밀도 값을 계산하며, 3) 계산된 확률밀도 값을 가중치로 사용하여 각 서브히스토그램을 변형한 후, 4) 변형된 각 서브히스토그램을 독립적으로 평활화 하거나 (RSWHE 방법인 경우) 또는 명세화 하게 (RSWHS 방법인 경우) 된다. 다양한 영상에 대한 실험을 통하여, 제안하는 두 방법이 기존의 다른 방법들에 비하여 콘트라스트 향상과 평균 명도 보존 측면에서 우수한 성능을 나타냄을 알 수 있었다.
This paper proposes two new image contrast enhancement methods, RSWHE (Recursively Separated and Weighted Histogram Equalization) and RSWHS (Recursively Separated and Weighted Histogram Specification). RSWHE is a histogram equalization method based on histogram decomposition and weighting, whereas R...
This paper proposes two new image contrast enhancement methods, RSWHE (Recursively Separated and Weighted Histogram Equalization) and RSWHS (Recursively Separated and Weighted Histogram Specification). RSWHE is a histogram equalization method based on histogram decomposition and weighting, whereas RSWHS is a histogram specification method based on histogram decomposition and weighting. The two proposed methods work as follows: 1) decompose an input histogram based on the image's mean brightness, 2) compute the probability for the area corresponding to each sub-histogram, 3) modify the sub-histogram by weighting it with the computed probability value, 4) lastly, perform histogram equalization (in the case of RSWHE) or histogram specification (in the case of RSWHS) on the modified sub-histograms independently. Experimental results show that RSWHE and RSWHS outperform other methods in terms of contrast enhancement and mean brightness preservation as well.
This paper proposes two new image contrast enhancement methods, RSWHE (Recursively Separated and Weighted Histogram Equalization) and RSWHS (Recursively Separated and Weighted Histogram Specification). RSWHE is a histogram equalization method based on histogram decomposition and weighting, whereas RSWHS is a histogram specification method based on histogram decomposition and weighting. The two proposed methods work as follows: 1) decompose an input histogram based on the image's mean brightness, 2) compute the probability for the area corresponding to each sub-histogram, 3) modify the sub-histogram by weighting it with the computed probability value, 4) lastly, perform histogram equalization (in the case of RSWHE) or histogram specification (in the case of RSWHS) on the modified sub-histograms independently. Experimental results show that RSWHE and RSWHS outperform other methods in terms of contrast enhancement and mean brightness preservation as well.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서 제안하는 RSWHE와 RSWHS 방법은 입력 영상의 평균 명도 값을 보존하면서 화질을 개선하는 새로운 방법이다. 제안 방법의 구체 적인 화질 개선 과정은 다음과 같다:1) 먼저, 입력 영상의 평균 명도 값을 기준으로 히스토그램을 분할하고, 2) 분할된 각 서브히스토그램이 차지하는 확률밀도 값을 계산하며, 3) 계산된 확률 밀도 값을 사용하여 각 서브히스토그램에 가중치를 부여하고 정규화한 후, 4) 마지막으로 정규화된 각 서브히스토그램을 독립적으로 평활화 하거나 (RSWHE 방법인 경우), 명세화 한다 (RSWHS 방법인 경우).
본 논문에서는 기존의 히스토그램 평활화와 명세화 방법의 문제점을 해결하기 위해, 2 가지 새로운 영상 콘트라스트 향상 기법인 RSWHE와 RSWHS를 제안 하였다. 제안 방법은 입력 영상의 평균 명도 값을 기준으로 히스토그램을 분할하고, 분할된 각 서브히스토그램이 차지하는 확률밀도 값을 가중치로 사용하여 서브히스토그램을 변형한 후, 변형된 각 서브 히스토그램을 독립적으로 평활화 (RSWHE 방법인 경우), 또는 명세화 (RSWHS 방법인 경우) 하게 된다.
본 논문에서는 위 방법들의 정확한 비교를 위하여 정량적 분석과 정성적 분석을 동시에 실시 한다. 정량적 분석은 입출력 영상의 평균명도 값, PSNR (Peak Signal to Noise Ratio), 엔트로피 (entropy) 수치를 사용하여 실시하며, 정성적 분석은 자연스러운 화질 개선 정도를 시각적으로 판단하여 실시한다.
제안 방법
따라서 본 논문에서는 위에서 언급한 문제들을 해결하는 2가지 영상 콘트라스트 개선 기법 RSWHE (Recursively Separated and Weighted Histogram Equalization)와 RSWHS (Recursively Separated and Weighted Histogram Specification)를새롭게 제안한다. 제안하는 RSWHE/RSWHS 방법은 기존 방법들의 문제점을 해결하기 위하여1) 입력 영상의 평균 명도 값을 기준으로 히스토그 램을 분할하고, 2) 분할된 각 서브히스토그램이 차지하는 확률밀도 값을 계산하며, 3) 계산된 확률밀도 값을 사용하여 서브히스토그램에 가중치를 부여하여 히스토그램을 변형한 후, 4) 변형된각 서브히스토그램을 독립적으로 평활화 하거나 (RSWHE 방법인 경우), 명세화 한다 (RSWHS 방법인 경우).
실험에 사용한 10개의 영상 (couple, f16, jet, bottle, house, woman, u2, girl, einstein, copter)은 Menotti [7]로 부터 제공받았으며, 기존의 HE, BBHE, DSIHE, RMSHE, RSIHE 방법들과 본 논문 에서 제안하는 2 가지 방법을 모두 MATLAB으로 구현하여 그 성능을 비교하였다. 또한 RMSHE, RSIHE, RSWHE, RSWHS 방법들에서 히스토그램 분할 횟수는 모두 r = 2로 통일하여 동일한 조건 에서 성능을 비교하도록 하였다.
본 논문에서 제안하는 2 가지 영상 콘트라스트 향상 기법은 RSWHE와 RSWHS이다. 가중치 적용 및 정규화 과정을 마치고 얻어진 PDF p N (x )에평활화 과정을 수행하면 RSWHE 방법이 되고, 명세화 과정을 수행하면 RSWHS 방법이 된다.
실험에 사용한 10개의 영상 (couple, f16, jet, bottle, house, woman, u2, girl, einstein, copter)은 Menotti [7]로 부터 제공받았으며, 기존의 HE, BBHE, DSIHE, RMSHE, RSIHE 방법들과 본 논문 에서 제안하는 2 가지 방법을 모두 MATLAB으로 구현하여 그 성능을 비교하였다. 또한 RMSHE, RSIHE, RSWHE, RSWHS 방법들에서 히스토그램 분할 횟수는 모두 r = 2로 통일하여 동일한 조건 에서 성능을 비교하도록 하였다.
본 논문에서는 위 방법들의 정확한 비교를 위하여 정량적 분석과 정성적 분석을 동시에 실시 한다. 정량적 분석은 입출력 영상의 평균명도 값, PSNR (Peak Signal to Noise Ratio), 엔트로피 (entropy) 수치를 사용하여 실시하며, 정성적 분석은 자연스러운 화질 개선 정도를 시각적으로 판단하여 실시한다.
본 논문에서는 기존의 히스토그램 평활화와 명세화 방법의 문제점을 해결하기 위해, 2 가지 새로운 영상 콘트라스트 향상 기법인 RSWHE와 RSWHS를 제안 하였다. 제안 방법은 입력 영상의 평균 명도 값을 기준으로 히스토그램을 분할하고, 분할된 각 서브히스토그램이 차지하는 확률밀도 값을 가중치로 사용하여 서브히스토그램을 변형한 후, 변형된 각 서브 히스토그램을 독립적으로 평활화 (RSWHE 방법인 경우), 또는 명세화 (RSWHS 방법인 경우) 하게 된다.
제안하는 방법은 입력 영상의 평균 명도 값을 보존하기 위하여, 입력 영상의 히스토그램을 영상의 평균 명도 값을 기준으로 r회 (r ≥ 1) 반복적 으로 분할한다.
성능/효과
따라서 본 논문에서는 위에서 언급한 문제들을 해결하는 2가지 영상 콘트라스트 개선 기법 RSWHE (Recursively Separated and Weighted Histogram Equalization)와 RSWHS (Recursively Separated and Weighted Histogram Specification)를새롭게 제안한다. 제안하는 RSWHE/RSWHS 방법은 기존 방법들의 문제점을 해결하기 위하여1) 입력 영상의 평균 명도 값을 기준으로 히스토그 램을 분할하고, 2) 분할된 각 서브히스토그램이 차지하는 확률밀도 값을 계산하며, 3) 계산된 확률밀도 값을 사용하여 서브히스토그램에 가중치를 부여하여 히스토그램을 변형한 후, 4) 변형된각 서브히스토그램을 독립적으로 평활화 하거나 (RSWHE 방법인 경우), 명세화 한다 (RSWHS 방법인 경우). 실험 결과, 제안하는 2가지 방법은 기존의 방법들에 비하여 영상의 화질 향상과 평균 명도 보존 측면에서 모두 우수한 성능을 나타내 었다.
반복 횟수 r의 값이 증가할수록 출력 영상의 평균 명도 값보존 정도가 높아지고, r = ∞ 일 때 입력 영상의 평균 명도 값에 수렴하게 됨을 알 수 있다.
제안하는 RSWHE/RSWHS 방법은 기존 방법들의 문제점을 해결하기 위하여1) 입력 영상의 평균 명도 값을 기준으로 히스토그 램을 분할하고, 2) 분할된 각 서브히스토그램이 차지하는 확률밀도 값을 계산하며, 3) 계산된 확률밀도 값을 사용하여 서브히스토그램에 가중치를 부여하여 히스토그램을 변형한 후, 4) 변형된각 서브히스토그램을 독립적으로 평활화 하거나 (RSWHE 방법인 경우), 명세화 한다 (RSWHS 방법인 경우). 실험 결과, 제안하는 2가지 방법은 기존의 방법들에 비하여 영상의 화질 향상과 평균 명도 보존 측면에서 모두 우수한 성능을 나타내 었다.
표에서 회색으로 음영 처리한 부분은 가장 좋은 결과를 나타내는 수치를 표시한 것이다. 실험 결과, 제안하는 방법이 10개의 실험 영상 중 9개 (RSWHE 방법이 4개, RSWHS 방법이 5개) 영상에서 가장 높은 평균 보존 정도를 보여 주고 있다.
실험결과에 따르면, RSWHE와 RSWHS 방법 모두가 기존 방법에 비하여 입력 영상의 평균 명도값 보존과 자연스러운 영상의 화질 개선 측면에 있어서 매우 효과적임을 알 수 있었다. 향후에는, 본 논문이 제안하는 방법을 기반으로 컬러 영상을 이용한 추가 실험을 실시하고, 히스토그램 분할 기준에 있어서 가장 효과적인 방법을 보다 심층적으로 연구할 예정이다.
가중치 값 구간 0 < w < 1에서의 power-law 함수 g (t)의 특성상, 식 12에 따른 변환 후에는 발생 확률이 높은 영역 (즉, 높은 PDF 값을 가진 화소들) 보다 발생 확률이 낮은 영역 (즉, 낮은 PDF 값을 가진 화소들)이 상대적으로더 큰 확률 값을 갖게 된다. 이로써 제안 방법은 작지만 의미 있는 화소들을 무시하지 않고 보호 하게 됨으로써 영상의 콘트라스트를 향상 시키게 된다. 식 14는 식 12의 p RSW (x)를 정규화한 PDF p N (x )를 나타낸다.
일반적으로 출력영상의 PSNR값이 30dB ~ 40dB 정도이면 좋은 성능을 나타낸다고 볼 수 있으며, 제안하는 방법이 기존 방법들에 비하여 10 개의 실험 영상 모두에서 가장 좋은 성능을 나타 내었고, 특히 RSWHS 방법이 RSWHE 방법 보다더 좋은 결과를 보여 주었다.
예를 들어, r = 2일 때 4개로 분할된각 서브히스토그램에 해당하는 가중치 w LL , w LU , w UL , w UU 는 식 11과 같이 계산된다. 입력 영상마다 적절한 가중치 값을 수동으로 찾아야 하는 기존의 WTHE 방법에 비해, 제안 방법은 각 서브히 스토그램 영역의 확률밀도 값을 자동으로 계산하여 가중치로 사용하기 때문에 매우 효율적인 방법이라 할 수 있다.
10개의 실험 영상에 대하여 기존의 방법들과 제안 방법의 결과 영상을 비교하여 표 4에 정리하였다. 정성적 분석 결과, 논문에서 제안하는 RSWHE, RSWHS 방법은 기존의 방법들에 비하여 시각적 품질 저하를 일으키는 노이즈가 적게 발생하였고, 입력 영상과 출력 영상 간의 평균 명도 변화가 적어 자연스럽게 화질이 향상되었음을 알 수 있었다.
엔트로피는 식 22와 같이 영상의 PDF p(x )를 이용하여 계산되며, 값이 클수록 영상이 rich한 정보를 보유한다고 생각할 수 있다. 표 3에따르면, 제안 방법이 10개의 실험 영상 중 8개의 영상에서 가장 좋은 결과를 나타내었고, PSNR 결과와는 반대로 RSWHE 방법이 RSWHS 방법 보다 더 좋은 결과를 보여 주고 있다.
후속연구
실험결과에 따르면, RSWHE와 RSWHS 방법 모두가 기존 방법에 비하여 입력 영상의 평균 명도값 보존과 자연스러운 영상의 화질 개선 측면에 있어서 매우 효과적임을 알 수 있었다. 향후에는, 본 논문이 제안하는 방법을 기반으로 컬러 영상을 이용한 추가 실험을 실시하고, 히스토그램 분할 기준에 있어서 가장 효과적인 방법을 보다 심층적으로 연구할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
히스토그램 평활화의 단점은 무엇인가?
히스토그램 평활화는 디지털 영상의 특징을 나타내는 히스토그램을 이용하여 변환함수를 구하고, 명암도의 동적영역을 확장 함으로써 화질을 개선하는 방법이다. 이 방법은 처리 방법이 간단하고 영상 품질의 향상 효과가 높기 때문에 다양한 응용분야에서 사용되지만, 변환 후 영상의 평균 명도가 과도하게 변하는 단점을 가지고 있다. 따라서 TV와 같이 연속되는 장면 사이의 평균 명도가 보존되어야 하는 제품에 기존의 HE 방법을 적용한다면, 원본 영상의 특징이 크게 훼손될 수 있다.
히스토그램 평활화란 무엇인가?
이러한 요구에 따라 화질 (콘트라스트)을 향상시키기 위한 다양한 연구가 끊임없이 이루어지고 있으며, 대표적인 방법으로 히스토그램 평활화 (HE: Histogram Equalization) 와 히스토그램 명세화 (HS: Histogram Specification) 가 있다. 히스토그램 평활화는 디지털 영상의 특징을 나타내는 히스토그램을 이용하여 변환함수를 구하고, 명암도의 동적영역을 확장 함으로써 화질을 개선하는 방법이다. 이 방법은 처리 방법이 간단하고 영상 품질의 향상 효과가 높기 때문에 다양한 응용분야에서 사용되지만, 변환 후 영상의 평균 명도가 과도하게 변하는 단점을 가지고 있다.
RSWHS 방법은 기존 방법들의 문제점을 해결하기 위해 어떤 과정을 거치는가?
따라서 본 논문에서는 위에서 언급한 문제들을 해결하는 2가지 영상 콘트라스트 개선 기법 RSWHE (Recursively Separated and Weighted Histogram Equalization)와 RSWHS (Recursively Separated and Weighted Histogram Specification)를새롭게 제안한다. 제안하는 RSWHE/RSWHS 방법은 기존 방법들의 문제점을 해결하기 위하여1) 입력 영상의 평균 명도 값을 기준으로 히스토그 램을 분할하고, 2) 분할된 각 서브히스토그램이 차지하는 확률밀도 값을 계산하며, 3) 계산된 확률밀도 값을 사용하여 서브히스토그램에 가중치를 부여하여 히스토그램을 변형한 후, 4) 변형된각 서브히스토그램을 독립적으로 평활화 하거나 (RSWHE 방법인 경우), 명세화 한다 (RSWHS 방법인 경우). 실험 결과, 제안하는 2가지 방법은 기존의 방법들에 비하여 영상의 화질 향상과 평균 명도 보존 측면에서 모두 우수한 성능을 나타내 었다.
참고문헌 (7)
Y. T. Kim, "Contrast Enhancement using Brightness Preserving Bi-Histogram Equalization", IEEE Transactions on Consumer Electronics, Vol.43, No.1, pp.1-8, Feb. 1997.
Y. Wang, Q. Chen, and B. M. Zhang, "Image Enhancement based on Equal Area Dualistic sub-Image Histogram Equalization Method", IEEE Transactions on Consumer Electronics, Vol.45, No.1, pp.68-75, Feb. 1999.
S. Chen and A. R. Ramli, "Contrast Enhancement using Recursive Mean-Separate Histogram Equalization for Scalable Brightness Preservation", IEEE Transactions on Consumer Electronics, Vol.49, No.4, pp.1301-1309, Nov. 2003.
K. S. Sim, C. P. Tso, and Y. Y. Tan, "Recursive sub-image histogram equalization applied to gray scale images", Pattern Recognition Letters, Vol.28, No.10, pp.1209-1221, Feb. 2007.
Q. Wang and R. Ward, "Fast Image/Video Contrast Enhancement Based on WTHE", IEEE Transactions on Consumer Electronics, Vol.53, No.2, pp.757-764, May 2007.
C. C. Sun, S. J. Ruan, M. C. Shie, and T. W. Pai, "Dynamic Contrast Enhancement based on Histogram Specification", IEEE Transactions on Consumer Electronics, Vol.51, No.4, pp.1300-1305, Nov. 2005.
D. Menotti, L. Najman, J. Facon, and A. de A. Araujo, "Multi-Histogram Equalization Methods for Contrast Enhancement and Brightness Preserving", IEEE Transactions on Consumer Electronics, Vol.53, No.3, Aug. 2007.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.