[논문]특이값 분해와 영상 피라미드를 이용한 대비 향상 알고리듬

하창우; 최창렬; 정제창

doi:10.7840/kics.2013.38a.11.928

특이값 분해와 영상 피라미드를 이용한 대비 향상 알고리듬
Contrast Enhancement Algorithm Using Singular Value Decomposition and Image Pyramid 원문보기

한국통신학회논문지. The journal of Korea Information and Communications Society. 무선통신, v.38A no.11, 2013년, pp.928 - 937

하창우 (한양대학교 전자통신컴퓨터공학과 영상통신 및 신호처리 연구실) , 최창렬 (한양대학교 융합IT기반 미래가치 창조 인재양성 사업단) , 정제창 (한양대학교 전자통신컴퓨터공학과 영상통신 및 신호처리 연구실)

초록
AI-Helper

본 논문은 특이값 분해와 영상 피라미드를 이용한 새로운 대비 개선 방법을 제안한다. 제안된 방법은 다음과 같이 네 단계로 진행 된다. 먼저 전역 명암대비와 지역적 디테일을 향상시키기 위해 영상 피라미드를 이용하여 영상을 기저영상과 세부영상들로 분해한다. 전역 명암대비 향상은 특이값 분해를 이용하여 영상 전체의 명암대비를 향상시키고, 지역적 디테일 향상은 가중치를 이용하여 개선시킨다. 영상 합성은 영상의 컬러 일관성을 유지하기 위해 컬러와 명암성분들을 결합한다. 실험 결과를 통해 제안된 방법은 기존의 방법들보다 영상의 세부 정보를 강화하면서 전체적인 명암대비 개선을 보인다.

Abstract ▼ AI-Helper

This paper presents a novel contrast enhancement method based on singular value decomposition and image pyramid. The proposed method consists mainly of four steps. The proposed algorithm firstly decomposes image into band-pass images, including basis image and detail images, to improve both the global contrast and the local detail. In the global contrast process, singular value decomposition is used for contrast enhancement; the local detail scheme uses weighting factors. In the final image composition process, the proposed algorithm combines color and luminance components in order to preserve the color consistency. Experimental results show that the proposed algorithm improves contrast performance and enhances detail compared to conventional methods.

주제어

AI 본문요약
AI-Helper

문제 정의

제안된 알고리듬은 특이값 분해 기법과 영상 피라미드를 이용해서 영상 화질을 개선하는 방법이다 영상 피라미드를 이용해 분해한 기저영상에 SVD 기반의 전역 명암대비 향상 기법을 적용하고, 세부 영상들에 적절한 가중치를 적용하여 에지와 같은 지역적 디테일을 향상시켰다. 실험결과를 통해 제안된 방법은 전역 명암대비 향상뿐만 아니라 지역적 디테일도 향상됨을 볼 수 있다.

제안 방법

밝기 성분 Y를 식 (2)의 WLS (Weighted Least Square)기반의 영상 피라미드를 통해 영상을 기저영상과 세부영상들로 분해한다^[11]. 영상 전체의 특성을 가지는 기저영상을 이용하여 SVD 기반의 전역대비 향상 알고리듬을 수행하고, 세부영상 향상 기법을 통해 영상의 에지(edge)와 같은 디테일을 향상 시킨다. ;제안된 알고리듬의 전체적 구조는 그림 1과 같고 아래에서 자세히 설명한다.
제안된 알고리듬은 특이값 분해 기법과 영상 피라미드를 이용해서 영상 화질을 개선하는 방법이다 영상 피라미드를 이용해 분해한 기저영상에 SVD 기반의 전역 명암대비 향상 기법을 적용하고, 세부 영상들에 적절한 가중치를 적용하여 에지와 같은 지역적 디테일을 향상시켰다. 실험결과를 통해 제안된 방법은 전역 명암대비 향상뿐만 아니라 지역적 디테일도 향상됨을 볼 수 있다.

대상 데이터

이렇게 평가된 점수들은 최종적으로 표준화된 범위의 값으로 환산되고 최종 화질 결과는 원본 영상과 실험 영상의 상대적인 화질 차이로 나타낸다. 본 실험에서는 실험 대상자는 13명(평균 연령 28세) 으로 영상/비디오 전공자를 선정하여 실험하였다. 본 논문에서는 편의를 위해 B/A(실험영상/참조영상) 와 같은 방법으로 수정된 DSCQS 결과를 사용한다.

성능/효과

실험결과를 통해 제안된 방법은 전역 명암대비 향상뿐만 아니라 지역적 디테일도 향상됨을 볼 수 있다. 또한 이전의 여러 방법과 비교하여 제안하는 알고리듬의 객관적 및 주관적 화질 지표를 통해서도 개선 효과를 확인할수 있었다. 본 논문에서 제안된 방법은 다소 많은 복잡도가 필요하나 최적의 영상 향상을 위한 방법으로 의료영상이나 위성영상처럼 영상화질 개선을 우선시하는 응용에 사용될 수 있다.
하지만 기존의 SVD기반의 방법들 은 원본보다 오히려 낮은 GSD를 보여주기 때문에 낮은 DSCQS를 보여준다. 제안된 방법은 앞서 설명한 히스토그램 이동 방법을 사용하여 이러한 문제를 해결하였고, 이는 적절한 GSD와 가장 우수한 DSCQS를 갖는 결과를 보인다.

후속연구

또한 이전의 여러 방법과 비교하여 제안하는 알고리듬의 객관적 및 주관적 화질 지표를 통해서도 개선 효과를 확인할수 있었다. 본 논문에서 제안된 방법은 다소 많은 복잡도가 필요하나 최적의 영상 향상을 위한 방법으로 의료영상이나 위성영상처럼 영상화질 개선을 우선시하는 응용에 사용될 수 있다. 이후 연구에서는, 영상 분해과정의 속도 향상을 위한 알고리듬과 최적화 방법을 연구할 것이다.
본 논문에서 제안된 방법은 다소 많은 복잡도가 필요하나 최적의 영상 향상을 위한 방법으로 의료영상이나 위성영상처럼 영상화질 개선을 우선시하는 응용에 사용될 수 있다. 이후 연구에서는, 영상 분해과정의 속도 향상을 위한 알고리듬과 최적화 방법을 연구할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	히스토그램 평활화법의 장단점은?	HE는 디지털 영상의 특징을 나타내는 히스토그램을 이용하여 변환함수를 구하고, 명암도의 동적영역을 확장함으로써 화질을 개선하는 방법이다. 이 방법은 처리 방법이 간단하고 영상 화질 향상 효과가 높기 때문에 다양한 응용분야에서 사용되지만 변환 후 영상의 평균 밝기가 과도하게 변하는 단점을 가지고 있다. 이러한 문제를 해결하기 위해, 여러 대비향상(contrast enhancement) 기법들이 연구 되어 왔다.
	히스토그램 평활화는 어떤 방법인가?	대표적인 방법으로 히스토그램 평활화(Histogram Equalization, HE)가 있다[3]. HE는 디지털 영상의 특징을 나타내는 히스토그램을 이용하여 변환함수를 구하고, 명암도의 동적영역을 확장함으로써 화질을 개선하는 방법이다. 이 방법은 처리 방법이 간단하고 영상 화질 향상 효과가 높기 때문에 다양한 응용분야에서 사용되지만 변환 후 영상의 평균 밝기가 과도하게 변하는 단점을 가지고 있다.
	동적 영역이 넓은 환경에서 획득된 영상은 이미지 센서의 한계로 인해 어떤 영상을 얻게되는가?	디지털 카메라의 눈이라고 할 수 있는 이미지 센서는 해상도와 동적 영역(dynamic range)의 제약을 가지고 있다. 디지털 카메라는 제한된 크기의 동적 영역을 갖는 이미지 센서의 한계로 인하여 동적 영역이 넓은 환경에서 획득된 영상은 인간의 눈으로 보는 것과는 달리 밝게 포화된 영상 또는 노출이 적은 어두운 영상을 얻게 된다[1,2]. 이를 개선하기 위해서 입력영상의 동적 영역을 확장하고 명암대비를 증가시켜 영상의 정보손실을 최소화하려는 연구들이 끊임없이 이루어지고 있다.

참고문헌 (19)

S. W. Lee, C. Y. Song, S. S. Cho, S. I. Kim, W. S. Lee, and J. G. Kang, "Contrast enhancement based on weight mapping retinex algorithm," J. Inst. Electron. Eng. Korea (IEEK), vol, 46, no. 4, pp. 31-41, Dec. 2009.
H. J. Kwon, S. H. Lee S. M. Chae, and K. I. Sohng, "Multi scale tone mapping model using visual brightness functions for HDR image compression," J. Korea Inform. Commun. Soc. (KICS), vol. 37A, no. 12, pp. 1054-1064. Dec. 2012.

원문보기 상세보기
R. C. Gonzalez and R. E. Wood, Digital Image Processing, 3rd Ed., Prentice Hall, 2008.
Y. T. Kim, "Contrast enhancement using brightness preserving bi-histogram equalization," IEEE Trans. Consum. Electron., vol. 43, no. 1, pp. 1-8, Feb. 1997.

상세보기
Y. Wan, Q. Chen, and B. M. Zhang, "Image enhancement based on equal area dualistic sub-image histogram equalization method," IEEE Trans. Consum. Electron., vol. 45, no. 1, pp. 68-75, Feb. 1999.

상세보기
S. Chen and A. Ramli, "Minimum mean brightness error bi-histogram equalization in contrast enhancement," IEEE Trans. Consum. Electron., vol. 49, no. 4, pp. 1310-1319, Nov. 2003.

상세보기
W. K. Kim, J. M. You, and J. C. Jeong, "Contrast enhancement using histogram equalization based on logarithmic mapping," Optical Eng., vol. 51, no. 6, pp. 067002, June 2012.

상세보기
S.-C. Huang, F.-C. Cheng, and Y.-S. Chiu, "Efficient Contrast Enhancement Using Adaptive Gamma Correction With Weighting Distribution," IEEE Trans. Image Process., vol. 22, no. 3, pp. 1032-1041, Mar. 2013.

상세보기
H. Demirel, G. Anbarjafari, and M. N. S. Jahromi, "Image equalization based on singular value decomposition," in Proc. 23rd Int. Symp. Comput. Inform. Sci. (ISCIS'08), pp. 1-5, Istanbul, Turkey, Oct. 2008.
H. Demirel, C. Ozcinar, and G. Anbarjafari, "Satellite image contrast enhancement using discrete wavelet transform and singular value decomposition," IEEE Geosci. Remote Sens. Lett., vol. 7, no. 2, pp. 333-337, Apr. 2010.

상세보기
Z. Farbman, R. Fattal, D. Lischinski, and R. Szeliski, "Edge-preserving decompositions for multi-scale tone and detail manipulation," ACM Trans. Graphics, vol. 27, no. 3, pp. 67, Aug. 2008.
S. H. Yun, J. H. Kim, and S. K. Kim, "Image enhancement using a fusion framework of histogram equalization and Laplacian pyramid," IEEE Trans. Consum. Electron., vol. 56, no. 4, pp. 2763-2771, Nov. 2010.

상세보기
K. Konstantinides and K. Yao, "Statistical analysis of effective singular values in matrix rand determination," IEEE Trans. Acoust., Speech, Signal Process., vol. 36, no. 5, pp. 757-763, May 1988.

상세보기
D. Kalman, "A Singularly valuable decomposition: The SVD of a matrix," College Math. J., vol. 27, no. 1, pp. 2-23, Jan. 1996.

상세보기
Z. Hou, "Adaptive singular value decomposition in wavelet domain for image denoising," Pattern Recognition, vol. 36, no. 8, pp. 1747-1763, Aug. 2003.

상세보기
H. Nasira, V. Stankovica, and S. Marshallb, "Singular value decomposition based fusion for super-resolution image reconstruction," Signal Process.: Image Commun., vol. 27, no. 2, pp. 180-191, Feb. 2012.

상세보기
D. Menotti, L. Najman, J. Facon, and A. A. Araujo, "Multi-histogram equalization methods for contrast enhancement and brightness preserving," IEEE Trans. Consum. Electron., vol. 53, no. 3, pp. 1186-1194, Aug. 2007.

상세보기
C. W. Ha, W. J. Lee, S. J. Jin, and J. C. Jeong, "Human perception of asymmetrical three-dimensional image," J. Broadcast Eng. (BE), vol. 12, no. 1, pp. 41-52, Jan. 2007.

원문보기 상세보기
ITU, Methodology for subjective assessment of the quality of television picture, Rec. ITU-R BT.500-11, June 2002.

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