[논문]대비제한 적응 히스토그램 평활화에서 매개변수 결정방법

민병석; 조태경

doi:10.5762/kais.2013.14.3.1378

대비제한 적응 히스토그램 평활화에서 매개변수 결정방법
A Novel Method of Determining Parameters for Contrast Limited Adaptive Histogram Equalization 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.14 no.3, 2013년, pp.1378 - 1387

민병석 (충청대학교 디지털전자통신과) , 조태경 (상명대학교 정보통신공학과)

초록
AI-Helper

히스토그램 평활화는 영상의 밝기 분포를 변화시킴으로써 화질을 향상시키는 방법으로 다양한 분야에서 응용되고 있다. 전역적인 방법은 영상 밝기의 전체적인 분포를 균등 분포로 변환함으로써 영상의 밝기가 과도하게 변하는 단점을 갖고 있다. 이를 해결하기 위한 방법으로 K. Zuierveld가 제안한 대비 제한 적응 히스토그램 평활화(CLAHE)가 실용적으로 널리 사용되고 있다. 이 방법에서는 블록단위의 처리를 위한 블록 크기와 대비 제한을 위한 매개변수 등 두 개의 매개변수가 히스토그램의 평활화 성능을 결정하는데, 이것들을 결정하는 구체적인 알고리듬은 없으며 실험적으로 시행착오학습 통해 결정한다. 본 논문에서는 영상의 엔트로피에 기반해서 CLAHE의 매개변수인 블록 크기와 대비제한 매개변수를 결정하는 새로운 방법을 제안한다. 제안한 방법은 CLAHE를 자동화할 수 있으며, 전체적으로 어두운 영상이나 밝은 영상에 적용한 결과 전역적인 방법에 비해 주관적 화질 개선의 효과를 나타내었다.

Abstract ▼ AI-Helper

Histogram equalization, which stretches the dynamic range of intensity, is the most common method for enhancing the contrast of image. Contrast limited adaptive histogram equalization(CLAHE), proposed by K. Zuierveld, has two key parameters: block size and clip limit. These parameters mainly control image quality, but have been heuristically determined by user. In this paper, we propose a novel method of determining two parameters of CLAHE using entropy of image. The key idea is based on the characteristics of entropy curves: clip limit vs entropy and block size vs entropy. Clip limit and block size are determined at the point with maximum curvature on entropy curve. Experimental results show that the proposed method improves images with very low contrast.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 CLAHE 매개변수 결정을 위해 영상의 엔트로피를 고려한 최적화 함수를 모델링했고, clip limit와 블록크기를 결정하는 실용적인 방법을 제안했다. 제안한 방법은 사용자 개입없이 CLAHE 방법을 자동화할 수 있다.
본 논문에서는 전체적으로 어둡거나 전체적으로 밝은 저대비 영상을 대상으로 엔트로피에 기반해서 CLAHE 방법의 성능에 영향을 끼치는 블록 크기와 대비제한 매개변수를 결정하는 방법을 제안한다. 2장에서는 히스토그램 평활화에 대해 간략히 분석한다.
본 논문에서는 처리를 효율적으로 수행하기 위해 clip limit와 블록 크기를 독립적으로 계산한다. 엔트로피는 블록 크기의 영향을 상대적으로 작게 받기 때문에 중간 블록 크기인 8×8 블록의 크기를 기준으로 clip limit를 0부터 0.
히스토그램 평활화 방법으로 처리하고자 하는 입력 영상은 대게 전체적으로 밝거나 어둡거나 해서 히스토그램이 특정 밝기 부분에 집중되어 있다. 이런 영상에 대한 히스토그램 평활화 목적은 특정 밝기에 집중되어 있는 히스토그램을 분산시켜 고른 화질을 갖도록 하는 것이다. 즉, 영상 처리에서 히스토그램 평활화(HE)는 영상의 히스토그램을 균등분포(uniform distribution)에 근사하도록 히스토그램을 분산시키는 것이다.

제안 방법

이를 개선하기 위해서 적응 히스토그램 평활화 방법들이 제안되었으며, CLAHE는 고정 크기 블록단위의 처리와 대비 제한매개변수를 조절해서 과도한 대비를 억제해서 화질을 개선하는 방법이다. CLAHE 방법을 적용할 때 결과 영상의 화질을 결정하는 중요한 두개의 매개변수로 clip limit와 블록크기가 있는데, 기존의 경우 사용자 개입을 통해 시행착오학습법으로 이러한 매개변수들을 결정하였다.
본 논문에서는 평균 밝기 유지와 같은 제약조건을 설정하지 않았기 때문에 히스토그램 평활화의 성능을 객관적으로 평가하기가 곤란한 점이 있다. 따라서, 엔트로피 변화에 따른 주관적 화질을 실험적으로 평가한 결과, 엔트로피 곡선의 곡률이 최대로 되는 점에서 매개변수 값을 결정하였다. 여기서 엔트로피는 clip limit와 블록 크기의 2변수 함수이고 볼록함수가 아니기 때문에 비선형 최적화 방법[19]을 이용한다면 식(7)의 국소 최적해를 구할 수도 있다.
제안된 방법의 성능을 평가하기 위해서 전체적으로 어두운 영상인 Office1영상과 전체적으로 밝은 영상인 Aerial 영상, 그리고 적절한 조도하에서 촬영된 Announce 영상을 대상으로 히스토그램 평활화(HE)와 CLAHE의 결과를 영상의 평균, RMS 대비도, 엔트로피 측면에서 분석한다.
본 논문에서는 CLAHE 매개변수 결정을 위해 영상의 엔트로피를 고려한 최적화 함수를 모델링했고, clip limit와 블록크기를 결정하는 실용적인 방법을 제안했다. 제안한 방법은 사용자 개입없이 CLAHE 방법을 자동화할 수 있다. 낮은 대비를 갖는 전체적으로 어두운 영상이나 밝은 영상을 대상으로 전역적인 히스토그램 평활화와 제안된 방법의 실험결과에 대해 평균, RMS 대비도와 엔트로피 측면에서 주관적 화질을 분석하였다.

데이터처리

제안한 방법은 사용자 개입없이 CLAHE 방법을 자동화할 수 있다. 낮은 대비를 갖는 전체적으로 어두운 영상이나 밝은 영상을 대상으로 전역적인 히스토그램 평활화와 제안된 방법의 실험결과에 대해 평균, RMS 대비도와 엔트로피 측면에서 주관적 화질을 분석하였다.

이론/모형

곡선 적합 방법은 MATLAB의 fitoutputfun()과 fminsearch()를 사용한다[20].
그리고, 식(7)에서 결정된 clip limit를 블록의 크기 8×8 에 대한 것이라 하고, 같은 방법으로 블록크기를 2×2로부터 64 × 64까지 변화시키면서 각각의 블록의 크기에 대해 clip limit를 결정하여 최대 엔트로피를 갖는 clip limit와 블록크기를 결정한다. 이렇게 결정된 clip limit와 블록 크기를 매개변수로 해서 CLAHE 방법을 입력 영상에 적용한다.

성능/효과

1이고 블록 크기가 8×8인 CLAHE를 적용한 결과인데, Fig. 3 (b)와 비교했을 때 전반적으로 화질 개선과 세부적인 텍스춰가 개선되었지만, 고안자가 지적한 바와 같이 비교적 균일하면서도 높은 밝기의 변화도를 갖는 하늘영역과 구릉에서는 잡음이 두드러지게 나타났다. Fig.
3이고 블록 크기가 64 × 64인 CLAHE를 적용한 결과이며 화질이 개선되었다기 보다 오히려 열화되었다고 할 수 있다. 그러므로, CLAHE 실험 결과 두개의 매개변수를 적절하게 결정하지 못하면 전역적인 히스토그램에 비해 화질의 개선 효과가 떨어지는 것을 알 수 있다.
반면, 제안된 방법으로 구한 clip limit(CL)는 0.014이고 블록 크기(BS)는 2×2이었으며, CLAHE를 적용한 결과 영상의 대비도는 HE와 동일하였으나 평균과 엔트로피가 다소 높아 전반적으로 평활화 효과를 높여 왼쪽 중하단부의 주관적 화질이 개선된 것을 알 수 있다.
Aerial 영상은 전체적으로 밝고 Crowd 영상은 전체적으로 어두워서 히스토그램 평활화의 화질 개선 효과를 주관적 화질로서 평가할 수 있다. 실험 결과, Aerial 영상과 Crowd 영상의 엔트로피의 증가는 clip limit에 크게 영향을 받고 있으며 블록 크기의 영향은 상대적으로 작다. Fig.
제안된 방법으로 구한 clip limit(CL)는 0.008이고 블록 크기(BS)는 2×2이었으며, CLAHE를 적용한 결과 대비도는 크게 변화되지 않았고 입력영상의 엔트로피와도 큰 차이가 없었고 다만 영상의 밝기가 향상되었다.
제안된 방법으로 구한 clip limit(CL)는 0.048이고 블록 크기(BS)는 4×4이었으며, CLAHE를 적용한 결과 영상은 전체적으로 밝아지고 과도한 대비를 억제하면서 엔트로피가 증가되어 평활화가 전역적으로 수행되었다.
적절한 조도하에서 촬영된 Announce 영상(크기: 512 × 480)은 히스토그램이 밝기값 0∼ 255에 걸쳐 분포하므로, 전반적인 화질을 개선하기 위한 히스토그램 평활화의 필요성이 떨어진다. 히스토그램 평활화를 수행한 결과 대비도의 변화는 큰 차이가 없고 엔트로피가 낮아졌지만 평균이 높아져 밝기의 변화가 일어났다. 제안된 방법으로 구한 clip limit(CL)는 0.

질의응답

핵심어	질문	논문에서 추출한 답변
	히스토그램 평활화란 무엇인가?	히스토그램 평활화는 영상의 밝기 분포를 변화시킴으로써 화질을 향상시키는 방법으로 다양한 분야에서 응용되고 있다. 전역적인 방법은 영상 밝기의 전체적인 분포를 균등 분포로 변환함으로써 영상의 밝기가 과도하게 변하는 단점을 갖고 있다.
	지역적 처리 방식의 특징은 무엇인가?	지역적 처리 방식은 서브 히스토그램 방식으로서 영상을 고정 크기 블록으로 분할하거나 영역 분할을 통해 영상의 지역적 특성을 반영해서 전역적 처리 방식의 단점을 개선하고 있다. BBHE(Brightness perserving Bi-Histogram Equalization)[8], DSIHE(Dualistic Sub-Image Histogram Equalization)[12], CESHET (Contrast Enhancement Using a Density based Sub- histogram Equalization Technique)[13] 등의 방법들의 핵심 착안은 히스토그램을 몇 개의 서브 히스토그램으로 분할한 후 해당 영역 내에서 평활화를 수행하는 것이다.
	전역적인 방법의 단점을 해결하기위한 방법은 무엇인가?	전역적인 방법은 영상 밝기의 전체적인 분포를 균등 분포로 변환함으로써 영상의 밝기가 과도하게 변하는 단점을 갖고 있다. 이를 해결하기 위한 방법으로 K. Zuierveld가 제안한 대비 제한 적응 히스토그램 평활화(CLAHE)가 실용적으로 널리 사용되고 있다. 이 방법에서는 블록단위의 처리를 위한 블록 크기와 대비 제한을 위한 매개변수 등 두 개의 매개변수가 히스토그램의 평활화 성능을 결정하는데, 이것들을 결정하는 구체적인 알고리듬은 없으며 실험적으로 시행착오학습 통해 결정한다.

참고문헌 (21)

R. Gonzalez, R. Wood, Digital Image Processing, 3rd ed., Pearson Education, 2009.
R. Gonzalez, R. Woods, S. Eddins, Digital Image Processing Using MATLAB, 2nd ed., Prentice Hall, 2003.
W. Burger, M. Burge, Principles of Digital Image Processing, Springer-Verlag, 2009. DOI: http://dx.doi.org/10.1007/978-1-84800-191-6
A. Bovik, The Essential Guide to Image Processing, Academic Press, 2009.
R. Grag, B. Mittal, S. Grag, "Histogram Equalization Techniques For Image Enhancement," International Journal of Electronics & Communication Technology, pp. 107-111, 2011.
M. Kaur, J. Kaur, J. Kaur, "Survey of Contrast Enhancement Techniques based on Histogram Equalization," International Journal of Advanced Computer Science and Application, Vol. 2, No.7, pp.137-141, 2011.
R. Sharmila, R. Uma, "A New Approach To Image Contrast Enhancement using Weighted Threshold Histogram Equalization with Improved Switching Median Filter," International Journal of Advanced Engineering Sciences and Technologies, Vol. 7, No. 2, pp, 208-211, 2011.
Y_T Kim, "Contrast Enhancement Using Brightness Preserving Bi-Histogram Equalization." IEEE Trans. on Consumer Electronics, Vol. 43, No. 1, pp. 1-8. 1997. DOI: http://dx.doi.org/10.1109/30.580378

상세보기
C. Wang, Z. Ye, "Brightness Preserving Histogram Equalization with Maximum Entropy: A Variational Perspective," IEEE Trans. on Consumer Electronics, Vol. 51, No. 4, pp.1326-1334, 2005. DOI: http://dx.doi.org/10.1109/TCE.2005.1561863

상세보기
H. Ibrahim, N. Kong, "Brightness Preserving Dynamic Histogram Equalization for Image Contrast Enhancement," IEEE Trans. on Consumer Electronics, Vol. 53, No. 4, pp. 1752-1758, 2007. DOI: http://dx.doi.org/10.1109/TCE.2007.4429280

상세보기
J. Yoo, S. Ohm, M. Chung, "Maximum-Entropy Image Enhancement Using Brightness Mean and Variance," Journal of Korean Socieity Internet Information, Vol. 13, No. 3, 2012. DOI: http://dx.doi.org/10.7472/jksii.2012.13.3.61

원문보기 상세보기
Y. Wang, Q. Chen, B. M. Zhang, "Image Enhancement based on Equal Area Dualistic sub-Image Histogram Equalization Method," IEEE Trans. on Consumer Electronics, Vol. 45, No. 1, pp.68-75, 1999. DOI: http://dx.doi.org/10.1109/30.754419

상세보기
H. Yoon, Y. Han, H. Hahn, "Contrast Enhancement Using a Density based Sub-histogram Equalization Technique," Journal of The Institute of Electronics Engineers of Korea, Vol.46, SC, No.1, pp.61-72, 2009.
K. Zuiderveld, "Contrast Limited Adaptive Histogram Equalization," Academic Press Inc., 1994.
A. Reza, "Realization of the Contrast Limited Adaptive Histogram Equalization(CLAHE) for Real-Time Image Enhancement," Journal of VLSI Signal Processing, Vol. 38, pp. 35-44, 2004. DOI: http://dx.doi.org/10.1023/B:VLSI.0000028532.53893.82

상세보기
S. Chen, A. Ramli, "Contrast Enhancement using Recursive Mean-Separate Histogram Equalization for Scable Brightness Preservation," IEEE Trans. on Consumer Electronics, Vol. 49, No. 4, pp. 1301-1309, 2003. DOI: http://dx.doi.org/10.1109/TCE.2003.1261233

상세보기
P. Peebles, Probability, Random Variables, and Random Signal Principles, 3rd ed., McGraw-Hill, 1993.
R. Gray, Entropy and Information Theory, Springer-Verlag, 1990. DOI: http://dx.doi.org/10.1007/978-1-4757-3982-4
J. Arora, Introduction to Optimum Design, 2nd, Academic Press, 2004.
Mathworks Inc., Matlab 7 Function Reference, 2004.
T. Finney, Calculus and Analytic Geometry, 8th ed., Addison-Wesley, 1992.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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