[논문]로지스틱 평활화 함수에 의한 영상의 화질개선

조용현

doi:10.5391/jkiis.2010.20.1.030

초록
AI-Helper

본 논문에서는 대칭 로지스틱 함수에 기반을 둔 히스토그램 평활화를 이용한 영상의 화질개선을 제안하였다. 여기서 히스토그램 평활화는 영상의 명암도를 조정하여 화질을 개선하는 간단하고 효과적인 공간영역 기반 처리기법이다. 또한 대칭 로지스틱 함수는 s-자 형의 비선형 변환함수로 영상의 명암도 발생빈도수에 따라 밝기개선 정도를 비선형적으로 조정하기 위함이다. 특히 영상의 히스토그램에서 최대 발생빈도수를 가지는 명암도와 전체 픽셀수만을 이용한 유연한 대칭의 로지스틱 함수를 제안함으로써, 기존 로지스틱 함수에서의 지수함수 계산 부담을 감소시켰다. 제안된 평활화 기법을 크기와 히스토그램 분포가 다른 5개의 영상을 대상으로 실험한 결과, 원 영상이나 기존의 전역 히스토그램 평활화의 결과영상보다 우수한 화질개선 성능이 있음을 확인하였다.

Abstract ▼ AI-Helper

This paper presents a quality enhancement of images by using a histogram equalization based on the symmetric logistic function. The histogram equalization is a simple and effective spatial processing method that it enhances the quality by adjusting the brightness of image. The logistic function that...

This paper presents a quality enhancement of images by using a histogram equalization based on the symmetric logistic function. The histogram equalization is a simple and effective spatial processing method that it enhances the quality by adjusting the brightness of image. The logistic function that is a sigmoidal nonlinear transformation function, is applied to non-linearly enhance the brightness of the image according to its intensity level frequency. We propose a flexible and symmetrical logistic function by only using the intensity with maximum frequency in an histogram and the total number of pixels. The proposed function decreases the computation load of an exponential function in the traditional logistic function. The proposed method has been applied for equalizing 5 images with a different resolution and histogram distribution. The experimental results show that the proposed method has the superior enhancement performances compared with the source images and the traditional global histogram equalization, respectively.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 다양한 영상의 화질을 개선하기 위해 대칭 로지스틱(logistic) 변환함수[11,12]를 이용한 히스토그램 평활화를 제안한다. 여기서 로지스틱 함수는 비선형의 평활화 특성을 이용하기 위함이고, 영상의 히스토그램에서 최대 발생빈도수를 가지는 명암도와 전체 픽셀수만에 의해 계산된다.
본 논문에서는 대칭 로지스틱 변환함수에 기반을 둔 평 활화를 이용한 영상의 화질개선 방법을 제안하였다. 여기서 로지스틱 함수는 최대 발생빈도수의 명암도와 영상의 전체 픽셀 수만에 의해 계산되는 s-자형의 비선형 함수로, 영상의 명암도 발생빈도수에 따라 밝기의 변화정도를 적응적으로 평활화하기 위함이다.
전역 히스토그램 평활화는 수행과정이 간단하여 널리 이용되고 있으나 대상에 따라서는 화질이 오히려 떨어지는 제약이 있다. 이를 극복하기 위해 본 연구에서는 대칭 로지스틱 함수[12]에 기반을 둔 히스토그램 평활화를 새로이 제안한다.
의 확률밀도 함수(probability density function : pdf)로 발생빈도수를 나타내는 히스토그램이다. 이상의 전역 히스토그램 평활화의 목적은 확률분포를 평탄하게 함으로써 모든 픽셀의 명암 도를 동일하게 하는 것이다.

제안 방법

제안된 방법을 5개의 크기와 히스토그램 분포가 다른 영상들을 대상으로 실험하고, 그 결과들을 기존의 전역 히스토그램 평활화와 비교·고찰하였다.

대상 데이터

s-자형의 대칭 로지스틱 함수에 기반을 둔 제안된 방법의 성능을 평가하기 위해 다양한 크기의 해상도와 히스토그램 분포를 가지는 영상을 대상으로 실험하였다. 일반적으로 영상의 화질개선 정도를 나타내기 위한 정량적인 척도는 알려져 있지 않으며 주로 주관적인 판단에 근거하여 이루어진다[5].
일반적으로 영상의 화질개선 정도를 나타내기 위한 정량적인 척도는 알려져 있지 않으며 주로 주관적인 판단에 근거하여 이루어진다[5]. 실험에 이용된 영상들은 모두 8비트의 회백색(gray) 영상들이다. 실험은 펜티엄Ⅳ-3.

성능/효과

이는 그림 2(d)의 원 영상 히스토그램에서 특정 명암도의 발생빈도가 매우 높아 전역 히스토그램 평활화의 제약이 반영되었기 때문이다. 또한 그림 2(e)의 전역 히스토그램 평활화 결과영상의 히스토그램은 원 영상의 누적히스토 그램 그림 2(g)를 기반으로 변환되었기 때문에 원 영상의 히스토그램보다 더욱 넓게 분포되며, 이때 누적히스토그램 에 의한 변환함수는 그림 2(h)처럼 선형특성을 가져 명암도 발생빈도수의 크기에 따른 명암도의 변화정도는 항상 일정 하게 제공됨을 알 수 있다. 한편 그림 2(c), (f), (i)는 제안된 PHE에 의한 결과영상, 히스토그램, 누적히스토그램을 각각 나타낸 것이다.
이는 기존 평활화 기법이 원 영상의 히스토그램에 기반을 둔 선형분포의 누적히스토그램을 이용한 반면에 제안된 평활화 기법은 로지스틱 함수의 비선형 분포를 이용하기 때문이다. 따라서 대칭 로지스틱 비선형 함수에 기반을 둔 제안된 기법은 영상의 화질을 개선시킬 수 있는 평활화 기법임을 알 수 있다.
이상의 결과들에서 기존의 GHE는 원 영상보다 밝기가 지나치게 증가되어 오히려 화질이 떨어짐을 볼 수 있다. 하지만 제안된 PHE는 모든 대상영상의 실험에서 원 영상이나 GHE의 결과 영상보다 개선된 화질을 얻을 수 있어 우수한 히스토그램 평활화 속성이 있음을 알 수 있다.
이러한 문제점을 해결하기 위하여 지금까지 제안된 기법들을 크게 나누면, 원 영상의 명암도를 유지하기 위해 원 영상을 부분영상으로 분할하여 평활화를 수행하는 기법과 명암도의 지나친 변화를 억제하기 위해 히스토그램을 제한하여 변환함수를 얻어 평활화를 수행하는 기법으로 나눌 수 있다[3-7]. 이상의 제안된 기법들은 대칭적인 명암도 분포, 어느 영역에 집중된 명암도 분포, 그리고 비슷한 명암도 분포의 히스토그램을 가지는 특정 영상들에서만 우수한 개선 성능을 가진다. 하지만 히스토그램의 대칭성이나 세밀한 부분의 향상 및 평활화의 복잡성 등에서 화질 개선정도의 한계가 있어 다양한 종류의 영상처리에는 제약이 있다.
제안된 방법을 430*323 픽셀부터 1600*1200 픽셀의 다른 크기와 히스토그램 분포를 가진 5개의 영상을 대상으로 실험한 결과, 기존의 전역 히스토그램 평활화 기법보다 우수한 화질개선 성능이 있음을 확인하였다.
이상의 결과들에서 기존의 GHE는 원 영상보다 밝기가 지나치게 증가되어 오히려 화질이 떨어짐을 볼 수 있다. 하지만 제안된 PHE는 모든 대상영상의 실험에서 원 영상이나 GHE의 결과 영상보다 개선된 화질을 얻을 수 있어 우수한 히스토그램 평활화 속성이 있음을 알 수 있다. 이는 기존 평활화 기법이 원 영상의 히스토그램에 기반을 둔 선형분포의 누적히스토그램을 이용한 반면에 제안된 평활화 기법은 로지스틱 함수의 비선형 분포를 이용하기 때문이다.

후속연구

향후 제안된 방법을 좀 더 큰 규모에의 적용과 제안된 기존의 기법들과의 비교연구가 이루어져야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	영상의 화질개선은 무엇을 개선하는 것인가?	영상의 화질개선은 화질의 저하원인에 대한 사전지식 없이 시각검사나 분석을 위해 원하는 디지털 영상의 질을 개선하는 것이다. 이는 컴퓨터 비전이나 패턴인식 등의 분야에서 기본적인 처리 과정이다.
	히스토그램 평활화는 무슨 기법인가?	히스토그램 평활화는 히스토그램의 누적분포에 바탕을 둔 변환함수로 명암도의 동적영역을 재조정함으로써 영상의 화질을 개선하는 기법이다[1-5]. 여기서 변환함수는 누적분포함수(cumulative density function : cdf)를 사용하며, 동적영역의 증감정도는 영상에서 명암도의 발생빈도수에 비례한다.
	히스토그램 평활화 기법에서 사용하는 변환함수는 무엇인가?	히스토그램 평활화는 히스토그램의 누적분포에 바탕을 둔 변환함수로 명암도의 동적영역을 재조정함으로써 영상의 화질을 개선하는 기법이다[1-5]. 여기서 변환함수는 누적분포함수(cumulative density function : cdf)를 사용하며, 동적영역의 증감정도는 영상에서 명암도의 발생빈도수에 비례한다. 하지만 전역 히스토그램 평활화는 다른 영상 영역에서의 대비변화는 취급할 수 없어 그 대안으로 국부적이면서도 적응적인 방법들이 제안되었다[3-11].

참고문헌 (12)

하영호, 남재열, 이응주, 이철희 공역, 디지털 영상 처리, 도서출판그린, 2003.
조용현, 디지털 영상처리 실무, 도서인터비젼, 2005.
S. Chen and A. R. Ramli, "Contrast Enhancement using Recursive Mean-Separate Histogram Equalization for Scalable Brightness Preservation," IEEE Trans. on Consumer Electronics, Vol. 49, No. 4, pp. 1301-1309, Nov. 2003.

상세보기
S. J. Yang, J. H. Oh, and Y. J. Park, "Contrast Enhancement Using Histogram Equalization with Bin Underflow and Bin Overflow," International Conference on Image Processing, pp. 881-884, Sept. 2003.
이종명, 김형준, 이진언, 오상근, 김회율, "히스토그램의 적응적 변형을 이용한 화질개선 방법," 한국정보과학회 제18회 영상처리 및 이해에 관한 워크샵 발표논문집, pp. 45-50, 2006.
R. Cromartie, S. M. Pizer, "Edge-affected Context for Adaptive Contrast Enhancement," Proceedings of the 12th International Conference on Information Processing in Medical Imaging, pp. 374-485, 1991.
V. Caselles, J. L. Lisani, J. M. Morel and G. Sapiro, "Shape Preserving Local Histogram Modification," IEEE Transactions on Image Processing, Vol. 8, No. 2, pp. 220-230, 1999

상세보기
S. M. Pizer, E. P. Amburn, J. D. Austin, R. Cromartie, A. Geselowitz, T. Greer, B. T. H. Zimmerman, "Adaptive Histogram Equalization and Its Variation," Comput. Vision Graph. Image Process, Vol. 39, No. 3, pp. 355-368, 1987.

상세보기
J. L. Starck, F. Murtagh, E. J. Candes, D. L. Donoho, "Gray and Color Image Contrast Enhancement by the Curvelet Transform," IEEE Transactions on Image Processing, Vol. 12, No. 6, pp. 706-717, 2003.

상세보기
J. A. Stark, "Adaptive Image Contrast Enhancement Using Generalizations of Histogram Equalization," IEEE Transactions on Image Processing, Vol. 9, No. 5, pp. 889-896, 2000.

상세보기
X. Yin, J. Goudriaan, E. A. Latanga, J. Vos, and H. J. Spiertz, "A Flexible Sigmoid Function of Determinate Growth," Annals of Bontany, Vol. 91, pp. 361？371, 2003.
XS. Lopez, J. France, W. J. Gerrits, M. S. Dhanoa, D. J. Humphries and J. Dijkstra, "A generalized Michaelis-Menten equation for the analysis of growth," Journal of Animal Science, Vol. 78, pp. 1816？1828, 2000.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

로지스틱 평활화 함수에 의한 영상의 화질개선
Image Quality Enhancement by Using Logistic Equalization Function 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

로지스틱 평활화 함수에 의한 영상의 화질개선 Image Quality Enhancement by Using Logistic Equalization Function 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

조용현 (49)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

로지스틱 평활화 함수에 의한 영상의 화질개선
Image Quality Enhancement by Using Logistic Equalization Function 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper