[논문]BBWE와 MHMD를 이용한 피라미드 융합 기반의 영상의 대조 개선 기법

이동렬; 김진헌

doi:10.9717/kmms.2013.16.11.1250

BBWE와 MHMD를 이용한 피라미드 융합 기반의 영상의 대조 개선 기법
An Image Contrast Enhancement Method based on Pyramid Fusion Using BBWE and MHMD 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.16 no.11, 2013년, pp.1250 - 1260

초록
AI-Helper

라플라스 피라미드 영상 융합 기반의 대조비 강화기법은 각 자원 영상에서 바람직한 화소를 선택하여 융합할 수 있기 때문에 영상 정보를 충실하게 표현하는 장점이 있다. 하지만 정보 평가를 화소 단위로 수행하기 때문에 영상 잡음에 취약한 문제점을 갖고 있다. 본 논문에서는 영상잡음을 억제하는 개선된 영상 융합기반의 대조비 개선 방법을 제안한다. 제안된 기법은 자원 영상에 대해 블록 기반의 지역적 노출 적절성과 지역적 동질성의 차를 측정하여 이를 기반으로 가중치 맵을 생성하고 라플라스 피라미드를 구축하여 영상을 결합한다. 다양한 영상에 대한 실험을 통해 종래의 기법에 비해 영상 잡음을 배제된 영상을 만들어 낼 수 있음을 보였다.

Abstract ▼ AI-Helper

The contrast enhancement techniques based on Laplacian pyramid image fusion have a benefit that they can faithfully describe the image information because they combine the multiple resource images by selecting the desired pixel in each image. However, they also have some problem that the output image may contain noise, because the methods evaluate the visual information on the basis of each pixel. In this paper, an improved contrast enhancement method, which effectively suppresses the noise, using image fusion is proposed. The proposed method combines the resource images by making Laplacian pyramids generated from weight maps, which are produced by measuring the difference between the block-based local well exposedness and local homogeneity for each resource image. We showed the proposed method could produce less noisy images compared to the conventional techniques in the test for various images.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서 블록 기반의 노출 적절성(BBWE)과 동질성의 차(MHMD)를 활용한 개선 방법을 소개하였다. 입력 영상으로 자원 영상을 생성하고 블록 기반의 노출 적절성(BBWE)과 동질성의 차(MHMD) 를 품질 평가 지표로 사용하였다.
본 논문에서는 영상 융합 기반의 대조 강화기법의 문제점을 해소하고자 생성된 자원 영상에 대하여 원본 영상과 동질성의 차(MHMD : Modifyed Homogeneity mean difference)와 블록 기반의 노출 적절성(BBWE : Block Based Well Exposedness)을 평가하여 영상의 잡음을 개선하는 대조강화 기법을 제시한다. 제안한 방법은 기존의 영상 융합 기법과 유사한 방법을 사용하지만, 원본 영상과 대조 강화 영상의 동질성의 차(MHMD)를 영상 판단 지표로 채택하고 있기 때문에 원본 영상을 대조 강화할 때 생성되는 영상 잡음에 강한 성능을 가지고 있다.

제안 방법

각 자원 영상에 라플라스 피라미드를 생성하고 가중치로 가우시안 피라미드를 생성하여 각 피라미드 층마다 곱해준 후 라플라스 피라미드 영상 복원을 통해 자원 영상을 융합한다. 이 기법은 N개 자원 영상의 가중치 맵을 각 픽셀 단위로 정규화한 값을 구한 후 영상 융합을 통해 대조가 강화된 영상을 생성한다.
라플라스 피라미드 영상 융합 기법은 다중 해상도 방식을 이용하여 각 자원 영상을 가중치에 따라 혼합하는 기법이다. 각 자원 영상에 라플라스 피라미드를 생성하고 가중치로 가우시안 피라미드를 생성하여 각 피라미드 층마다 곱해준 후 라플라스 피라미드 영상 복원을 통해 자원 영상을 융합한다. 이 기법은 N개 자원 영상의 가중치 맵을 각 픽셀 단위로 정규화한 값을 구한 후 영상 융합을 통해 대조가 강화된 영상을 생성한다.
입력 영상으로 자원 영상을 생성할 때 입력 영상의 저조도 부분이나 고조도 부분에서 그러데이션 부족으로 인한 영상 잡음이 발생할 가능성이 있다. 동질성의 차(MHMD)는 입력 영상 I_o와 자원 영상 In의 동질성의 차(MHMD)를 비교하여 자원 영상의 영상 잡음을 검출한다. 이는 표준편차와 엔트로피(Entropy) 로 이루어지며 구현 방법은 5 단계로 나누어진다.
본 본문의 실험에서는 자원 영상을 만들 때 감마 변환과 적응적 히스토그램 평활화를 사용하였는데 이는 융합 기법의 자원영상을 만드는 방법의 사례를 보이기 위한 것으로 다른 대조 강화 알고리즘을 사용해도 본 알고리즘을 적용하는 데는 영향을 주지 않는다.
본 알고리즘의 성능을 평가하기 위해 입력 영상과 처리 영상 간의 영상 잡음을 측정하는 지표인 HMD를 사용하여 입력 영상과 융합 영상들 간의 영상잡음 발생량을 수치상으로 비교하였다. 본 실험에서 제안한 기법이 기존 융합 기반의 대조 개선 기법에 비해 영상 잡음이 적게 발생한 것을 확인하였다.
블록 기반의 노출 적절성(BBWE)과 동질성 차 (MHMD)를 구하고 지수승을 해준 후 각 픽셀에 대해 곱셈을 취해 가중치 맵을 생성한다.
제안한 방법으로 개선한 영상은 그림 6(c)에 보이는 바와 같이 자원 영상에 생성된 영상 잡음을 억제한 결과 영상을 얻을 수 있다. 영상 잡음 측면에서 기존 대조 강화 기법들과 성능 차이를 보이기 위해 두 결과 영상을 입력 영상과 결과 영상의 영상 잡음 발생을 측정하는 지표인 HMD(Homogeneity Mean Difference)[18, 19]를 이용해 영상 잡음을 측정한 결과를 표 1에 나타낸다.
위에서 구한 2가지 지표를 영상의 대조와 영상의 적절 노출성을 구하고 각각 지수 승을 해준 후 각 픽셀에 대해 곱셈을 취해 가중치 맵을 생성한다.
또, 융합의 자원이 되는 영상이 많을수록 좋은 결과를 얻을 수 있다. 융합용 자원 영상은 필요에 따라 다양한 방법으로 생성될 수 있는데 본 실험에서는 전역적 대조 강화 기법은 감마 변환을 사용하고 지역적 대조 강화 기법은 적응적 히스토그램 평활화를 사용하였다.
영상 잡음이 유용한 화소로 판단되면 영상 융합 기반의 대조 강화 결과 영상 또한 영상 잡음을 포함한다. 이런 기존의 단점을 극복하기 위해 블록 기반의 노출 적절성(BBWE)과 동질성의 차(MHMD)[18,19]를 평가 지표로 채택하는 방법을 제안한다. 이는 블록 단위로 영상을 평가함으로써 자원 영상에 생긴 화소 단위의 영상 잡음을 배제하고 결과 영상을 생성할 수 있다.
본 논문에서 블록 기반의 노출 적절성(BBWE)과 동질성의 차(MHMD)를 활용한 개선 방법을 소개하였다. 입력 영상으로 자원 영상을 생성하고 블록 기반의 노출 적절성(BBWE)과 동질성의 차(MHMD) 를 품질 평가 지표로 사용하였다. 제안된 기법은 기존의 융합 기반의 대조 강화 기법에서 나타나는 개별 화소 선택에 유래된 영상의 불균질성 문제를 개선하는 효과를 보였다.
제안한 방법으로 생성한 대조 강화 영상과 기존의 방법으로 생성한 대조 개선 영상의 성능을 비교 분석한다. 기존의 대조비 개선 방법과 성능을 비교하기 위해 임의의 영상 30장에 전역적 히스토그램 평활화, 적응적 히스토그램 평활화, 기존의 융합 기반의 대조 강화 기법, 제안한 대조강화 기법으로 영상의 대조를 강화하고 영상 잡음의 발생을 비교하기 위해 HMD를 측정한 결과를 그림 7에 보였다.
이 방법은 크게 3단계 절차로 나누어진다. 첫 번째 단계는 전역적 대조 강화 기법과 지역적 대조 강화 기법을 사용하여 자원영상을 생성한다. 두 번째 단계 앞에서 만든 각각 영상의 대조(contrast), 노출을 측정하여 가중치 맵을 생성한다.

이론/모형

기존 영상 융합 기반의 대조 강화의 첫 번째 단계는 자원 영상 생성이다. 입력 영상에 전역적 대조 강화 기법과 지역적 대조 강화 기법을 적용하여 자원 영상을 생성한다. 그림 1은 입력 영상을 기존의 대조 강화 기법을 이용하여 영상의 대조를 강화한 결과 영상들이다.
자원 영상 생성은 기존의 대조 개선 기법을 통해 생성한다. 전역적 대조 강화 기법과 지역적 대조 강화 기법 중 각각 한 가지 이상의 대조 강화 기법을 사용한다.

성능/효과

본 실험에서 제안한 기법이 기존 융합 기반의 대조 개선 기법에 비해 영상 잡음이 적게 발생한 것을 확인하였다. 또 기존 대조 강화 기법과 영상 잡음 발생량을 비교하여 기존의 대조 강화 기법을 통한 영상을 제안한 방법으로 융합할 때 영상 잡음이 줄어든 것을 확인하였다. 향후 처리시간의 단축을 위하여 자원 영상의 수를 최소화하기 위한 연구와 자원 영상에 JPEG 블록 잡음이 나나나는 경우 이를 배제하기 위한 방안 등의 연구가 필요할 것으로 보인다.
본 알고리즘의 성능을 평가하기 위해 입력 영상과 처리 영상 간의 영상 잡음을 측정하는 지표인 HMD를 사용하여 입력 영상과 융합 영상들 간의 영상잡음 발생량을 수치상으로 비교하였다. 본 실험에서 제안한 기법이 기존 융합 기반의 대조 개선 기법에 비해 영상 잡음이 적게 발생한 것을 확인하였다. 또 기존 대조 강화 기법과 영상 잡음 발생량을 비교하여 기존의 대조 강화 기법을 통한 영상을 제안한 방법으로 융합할 때 영상 잡음이 줄어든 것을 확인하였다.
입력 영상으로 자원 영상을 생성하고 블록 기반의 노출 적절성(BBWE)과 동질성의 차(MHMD) 를 품질 평가 지표로 사용하였다. 제안된 기법은 기존의 융합 기반의 대조 강화 기법에서 나타나는 개별 화소 선택에 유래된 영상의 불균질성 문제를 개선하는 효과를 보였다. 동질성의 차(MHMD)는 대조 강화 처리 시 그러데이션 부족으로 나타나는 노이즈를 억제하기 위한 지표로 사용되며 블록 기반의 노출 적절성(BBWE)은 화소 단위가 아니라 블록 기반의 노출 적절성(BBWE)을 판단하기 때문에 블록단위의 균질성을 확보하는 장점을 보인다.
본 논문에서는 영상 융합 기반의 대조 강화기법의 문제점을 해소하고자 생성된 자원 영상에 대하여 원본 영상과 동질성의 차(MHMD : Modifyed Homogeneity mean difference)와 블록 기반의 노출 적절성(BBWE : Block Based Well Exposedness)을 평가하여 영상의 잡음을 개선하는 대조강화 기법을 제시한다. 제안한 방법은 기존의 영상 융합 기법과 유사한 방법을 사용하지만, 원본 영상과 대조 강화 영상의 동질성의 차(MHMD)를 영상 판단 지표로 채택하고 있기 때문에 원본 영상을 대조 강화할 때 생성되는 영상 잡음에 강한 성능을 가지고 있다.
임의의 영상 30장의 HMD값의 평균은 표 2에 나타낸다. 제안한 방법의 노이즈 발생량은 전역적 히스토그램 평활화에 비해 약 3%, 적응적 히스토그램 평활화에 비해 약 5.5%, 기존의 융합 기반의 대조 강화 기법에 비해 약 3.5% 감소하였다.

후속연구

또 기존 대조 강화 기법과 영상 잡음 발생량을 비교하여 기존의 대조 강화 기법을 통한 영상을 제안한 방법으로 융합할 때 영상 잡음이 줄어든 것을 확인하였다. 향후 처리시간의 단축을 위하여 자원 영상의 수를 최소화하기 위한 연구와 자원 영상에 JPEG 블록 잡음이 나나나는 경우 이를 배제하기 위한 방안 등의 연구가 필요할 것으로 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	라플라스 피라미드 영상 융합 기법은 무엇인가?	라플라스 피라미드 영상 융합 기법은 다중 해상도 방식을 이용하여 각 자원 영상을 가중치에 따라 혼합하는 기법이다. 각 자원 영상에 라플라스 피라미드를 생성하고 가중치로 가우시안 피라미드를 생성하여 각 피라미드 층마다 곱해준 후 라플라스 피라미드 영상 복원을 통해 자원 영상을 융합한다.
	히스토그램 스트레칭의 단점은 무엇인가?	감마 변환이나 히스토그램 스트레칭은 계조를 함수에 따라 대조를 강화하거나 명암을 조절할 수 있다. 하지만 단순한 사상 함수를 사용하기 때문에 다른 방법에 비해 대조 강화가 약한 단점이 있다.
	라플라스 피라미드 영상 융합 기반의 대조비 강화기법의 장점은 무엇인가?	라플라스 피라미드 영상 융합 기반의 대조비 강화기법은 각 자원 영상에서 바람직한 화소를 선택하여 융합할 수 있기 때문에 영상 정보를 충실하게 표현하는 장점이 있다. 하지만 정보 평가를 화소 단위로 수행하기 때문에 영상 잡음에 취약한 문제점을 갖고 있다.

참고문헌 (19)

H. Robert, "Image Enhancement by Histogram Transformation," Computer Graphics and Image Processing, Vol. 6, No. 2, pp. 184- 195, 1977.

상세보기
Y.T. Kim, "Contrast Enhancement Using Brightness Preserving Bi-histogram Equalization," IEEE Transactions on Consumer Electronics, Vol. 43, No. 1, pp. 1-8, 1997.

상세보기
Y. Wang, "Image Enhancement Based on Equal Area Dualistic Sub-image Histogram Equalization Method," IEEE Transactions on Consumer Electronics, Vol. 45, No. 1, pp. 68- 75, 1999.

상세보기
S.D. Chen, "Minimum Mean Brightness Error Bi-histogram Equalization in Contrast Enhancement," IEEE Transactions on Consumer Electronics, Vol. 49, No. 4, pp. 1310-1319, 2003.

상세보기
S.D. Chen, "Contrast Enhancement Using Recursive Mean-separate Histogram Equalization for Scalable Brightness Preservation," IEEE Transactions on Consumer Electronics, Vol. 49, No. 4, pp. 1301-1309, 2003.

상세보기
S.j. Yang, "Contrast Enhancement Using Histogram Equalization with Bin Underflow and Bin Overflow," International Conference on Image Processing, pp. I-881-4, 2003.
M. Abdullah-Al-Wadud, "A Dynamic Histogram Equalization for Image Contrast Enhancement," IEEE Transactions on Consumer Electronics, Vol. 53, No. 2, pp. 593-600, 2007.

상세보기
H. Ibrahim, "Brightness Preserving Dynamic Histogram Equalization for Image Contrast Enhancement," IEEE Transactions on Consumer Electronics, Vol. 53, No. 4, pp. 1752- 1758, 2007.

상세보기
S.M. Pizer, "Adaptive Histogram Equalization and Its Variations," Computer Vision Graphics and Image Processing, Vol. 39, No. 3, pp. 355-368, 1987.

상세보기
J.Y. Kim, "An Advanced Contrast Enhancement Using Partially Overlapped Sub-block Histogram Equalization," IEEE Transactions on Circuits and Systems for Video Technology, Vol. 11, No. 4, pp. 475-484, 2001.

상세보기
A. Saleem and A. Beghdadi, "Image Fusion Based Contrast Enhancement," EURASIP Journal on Image and Video Processing, Vol. 2012, No. 1, pp. 1-17, 2012.

상세보기
S.H. Yun, "Single Exposure-based Image Fusion using Multi Transformation," 2012 IEEE 1st Global Conference on Consumer Electronics, pp. 142-143, 2012.
P.J. Burt and E.H. Adelson, "The Laplacian Pyramid as a Compact Image Code," IEEE Transactions on Communications, Vol. 31, No. 4, pp. 532-540, 1983.

상세보기
T. Mertens and J. Kautz, "Exposure Fusion: A Simple and Practical Alternative to High Dynamic Range Photography," Comput Graph Forum 2009, Vol. 28, No. 1, pp. 161-171, 2009.
A. Ardeshir Goshtasby, "Fusion of Multi-exposure Images," Image and Vision Computing, Vol. 23, No. 6, pp. 611-618, 2005.

상세보기
J. Kong and R. Wang, "A Novel Fusion Approach of Multi-exposure Image," EUROCON 2007 The International Conference, pp. 163-169, 2007.
김진헌, "노출 시간이 다른 두 HDR 영상의 융합 기법," 멀티미디어학회논문지, 제13권, 제4호, pp. 526-534, 2010.
G. Pok, "Selective Removal of Impulse Noise Based on Homogeneity Level Information," IEEE Transactions on Image Processing, Vol. 12, No. 1, pp. 85-92, 2003.

상세보기
Y. Zhang and H.D. Cheng, "An Effective and Objective Criterion for Evaluating The Performance of Denoising Filters," Pattern Recognition, Vol. 45, No. 7, pp. 2743-2757, 2012.

상세보기

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