$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 영상의 대비 개선을 위한 추가 항과 감마 보정에 기반한 히스토그램 변형 기법
Histogram Modification based on Additive Term and Gamma Correction for Image Contrast Enhancement 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.13 no.5, 2018년, pp.1117 - 1124  

김종호 (순천대학교 멀티미디어공학과)

초록
AI-Helper 아이콘AI-Helper

기상 환경 및 조명의 영향을 받는 영상의 가시성을 향상시켜 다양한 컴퓨터 비전 시스템의 활용성을 높이기 위해 대비(contrast)를 개선하는 것은 매우 중요한 과정이다. 본 논문에서는 영상의 특성에 따라 히스토그램을 변형하고, 변형된 히스토그램에 균등화를 적용함으로써 과도한 밝기 변화로 인한 포화현상 및 영상 디테일이 손실되는 문제를 해결한다. 영상의 왜곡을 발생시키는 주된 원인인 히스토그램 피트(pit)는 추가 항(additive term)을 통해 감소시키고, 스파이크(spike)는 감마 보정 기법을 적용하여 히스토그램을 변형한다. 추가 항과 감마 보정을 적용할 때 파라미터는 영상의 통계적 특성에 따라 설정되도록 한다. 대비가 낮고 안개성분이 포함된 다양한 영상에 대해 수행한 실험 결과는 제안하는 기법이 기존의 방법에 비해 원 영상의 특성을 보존하면서 효과적인 대비 개선 및 안개 제거 성능을 나타내어 영상의 가시성을 향상시킴을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Contrast enhancement plays an important role in various computer vision systems, since their usability can be improved with visibility enhancement of the images affected by weather and lighting conditions. This paper introduces a histogram modification algorithm that reflects the properties of origi...

Keyword

#대비 개선   #히스토그램 변형   #히스토그램 균등화   #안개 제거   #감마 보정  

표/그림 (3)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 이러한 문제를 해결하기 위하여 본 논문에서는 일반적으로 안개 성분이 포함된 영상의 대비는 선명한영상에 비해 낮다는 점에 착안하여 HS 기법을 통한 안개 영상의 화질 개선 기법을 제안한다. HE 기법에 의해 대비를 개선할 때, 히스토그램 피트에 의한 패치(patch) 효과와 히스토그램 스파이크에 의한 포화현상 및 객체 디테일의 손실 등 결과영상의 왜곡을 줄이기 위해 먼저 이들을 억제하는 HM 기법을 적용한다.
  • 이제 히스토그램 피트를 억제하는 추가 항 기반 히 스토그램 변형 기법과 히스토그램 스파이크를 억제하는 감마 보정 기반 히스토그램 변형 기법을 결합하여 영상의 대비를 효과적으로 개선하고 안개 성분을 제거하는 방법을 살펴보도록 한다. 먼저, 식 (6)을 이용하여 식 (2)를 식 (8)과 같이 나타낼 수 있다.
  • 일반적으로 자연 영상은 변화가 크기 때문에 모든 영상에 효과적인 파라미터를 설정하는 것은 불가능하고, 입력 히스토그램의 변화 경향에 따라 설정해야 한다. 본 논문에서는 이를 위하여 히스토그램의 통계적 특성에 따라 파라미터를 결정하도록 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
HS의 단점은 무엇인가? HS는 입력 히스토그램을 가우시안, 지수분포 등과 같은 변환함수를 통해 원하는 모양으로 변형하여 화질을 개선하지만, 원 영상의 히스토그램 특성이 달라져 왜곡된 결과영상을 얻게 된다. HE는 화질을 개선하는데 보편적으로 사용되는 방법이지만 영상의 밝기가 지나치게 변화하거나 포화(saturation)되어 디테일이 손실되는 경우가 있다.
히스토그램 균등화의 단점은 무엇인가? HS는 입력 히스토그램을 가우시안, 지수분포 등과 같은 변환함수를 통해 원하는 모양으로 변형하여 화질을 개선하지만, 원 영상의 히스토그램 특성이 달라져 왜곡된 결과영상을 얻게 된다. HE는 화질을 개선하는데 보편적으로 사용되는 방법이지만 영상의 밝기가 지나치게 변화하거나 포화(saturation)되어 디테일이 손실되는 경우가 있다. 이를 개선하기 위하여 히스토그램을 영역별로 나누어 HE 기법을 적용하는 다양한 방법이 제안되었으나, 히스토그램 평균보다 작은 국부적 최솟값들을 의미하는 히스토그램 피트(pit)와 히스토그램 평균보다 큰 국부적 최댓값들을 의미하는 스파이크(spike)를 효과적으로 제어하지 못해 대비 개선에 한계를 보인다[9].
HM의 목적은 무엇인가? HM의 목적은 히스토그램 피트와 스파이크에 의해 발생하는 문제를 효과적으로 해결하는데 있다. 이를 위해서는 입력 히스토그램의 모양을 유지하면서 가능한 균일 히스토그램에 가깝게 변형해야 한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (18)

  1. M. Sundaram, K. Ramar, N. Arumugam, and G. Prabin, "Histogram modified local contrast enhancement for mammogram images," Appl. Soft. Computing, vol. 11, no. 8, May 2011, pp. 5809-5816. 

    상세보기 crossref

  2. H. Eng, K. Toh, W. Yau, and J. Wang, "A live visual surveillance system for early drowning detection at pool," IEEE Trans. Circuits Syst. Video Technol., vol. 18, no. 2, Feb. 2008, pp. 196-210. 

    상세보기 crossref

  3. S. Kim and G. Seok, "Effective Eye Detection for Face Recognition to Protect Medical Information," J. of the Korea Institute of Electronic Communication Sciences, vol. 12, no. 5, Oct. 2017, pp. 923-932. 

  4. S. Park, "Water Region Segmentation Method using Graph Algorithm," J. of the Korea Institute of Electronic Communication Sciences, vol. 13, no. 4, Aug. 2018, pp. 787-794. 

  5. K. Panetta, S. Agaian, Y. Zhou, and E. Wharton, "Parameterized logarithmic framework for image enhancement," IEEE Trans. Syst. Man Cybern., vol. 41, no. 2, Apr. 2011, pp. 460-473. 

    상세보기 crossref

  6. M. Tsai, "Adaptive local power-law transformation for color image enhancement," Appl. Math. Inf. Sci., vol. 7, no. 5, Sept. 2013, pp. 2019-2026. 

    상세보기 crossref

  7. S. Huang, F. Cheng, and Y. Chiu, "Efficient contrast enhancement using adaptive gamma correction with weighting distribution," IEEE Trans. Image Process., vol. 22, no. 3, Mar. 2013, pp. 1032-1041. 

    상세보기 crossref

  8. C. Lee and C. Kim, "Contrast enhancement based on layered difference representation of 2D histogram," IEEE Trans. Image Process., vol. 22, no. 12, Dec. 2013, pp. 5372-5384. 

    상세보기 crossref

  9. S. Chen, "A new image quality measure for assessment of histogram equalization-based contrast enhancement techniques," Digit. Signal Process., vol. 22, no. 4, July 2012, pp. 640-647. 

    상세보기 crossref

  10. T. Arici, S. Dikbas, and Y. Altunbasak, "A histogram modification framework and its application for image contrast enhancement," IEEE Trans. Image Process., vol. 18, no. 9, Sept. 2009, pp. 1921-1934. 

    상세보기 crossref

  11. S. Lee, S. Yun, J. Nam, C. Won, and S. Jung, "A review on dark channel prior based image dehazing algorithms," The European Association for Signal Processing (EURASIP) Journal on Image and Video Processing, vol. 2016, no. 4, Dec. 2016, pp. 1-23. 

  12. S. Shwartz, E. Namer, and Y. Y. Schechner, "Blind Haze Separation," In Proc. IEEE Conf. Computer Vision and Pattern Recognition (CVPR), New York, USA, June 2006, pp. 1984-1991. 

  13. S. Garasimhan and S. Kayar, "Contrast Restoration of Weather Degraded Images," IEEE Trans. Pattern Anal. Mach. Intell., vol. 25, no. 6, June 2003. pp. 713-724. 

    상세보기

  14. J. Kopf, B. Neubert, B. Chen, M. Cohen, D. Cohen-Or, O. Deussen, M. Uyttendaele, and D. Lischinski, "Deep Photo: Model-Based Photograph Enhancement and Viewing," ACM Trans. Graphics, vol. 27, no. 5, Dec. 2008, pp. 116:1-116:10. 

  15. R. Tan, "Visibility in Bad Weather from a Single Image," In Proc. IEEE Conf. Computer Vision and Pattern Recognition (CVPR), Anchorage, USA, June 2008, pp. 1-8. 

  16. R. Fattal, "Single Image Dehazing," ACM Trans. Graphics, vol. 27, no. 3, Aug. 2008, pp. 1-9. 

  17. K. He, J. Sun, and X. Tang, "Single Image Haze Removal Using Dark Channel Prior," IEEE Trans. Pattern Anal. Mach. Intell., vol. 33, no. 12, Dec. 2011, pp. 2341-2353. 

    상세보기 crossref

  18. J. Tarel and N. Hautiere, "Fast Visibility Restoration from a Single Color or Gray Level Images," In Proc. IEEE Int. Conf. on Computer Vision (ICCV), Kyoto, Japan, Sept. 2009, pp. 2201-2208. 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로