$\require{mediawiki-texvc}$

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.

지역 최빈값과 가중치에 기반한 히스토그램 평활화 원문보기

한국방송공학회 2015년도 추계학술대회, 2015 Nov. 06, 2015년, pp.125 - 128  

방호진 (한양대학교 융합전자공학부) ,  이정현 (한양대학교 융합전자공학부) ,  정제창 (한양대학교 융합전자공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 지역 최빈값과 가중치를 이용하여 새로운 히스토그램 평활화 방법을 제안한다. 여러 개의 평균명도값을 사용하여 히스토그램을 분할하는 기존 방식과는 달리 지역 최빈값과 전체 평균명도값을 사용하여 히스토그램을 분할한다. 지역 최빈값 산출 과정에서 지역의 범위를 조정할 수 있어 융통성 있는 히스토그램 분할 처리가 가능하다. 또한 히스토그램 분할 영역을 가중치에 기반해 새로운 영역의 히스토그램으로 분할한다. 해당 방법을 통해 발생빈도가 높은 명도의 과도한 변화 없이 화질개선 면에서 기존 히스토그램 평활화보다 좋은 효과를 얻을 수 있다. 다양한 크기와 히스토그램 분포를 가지는 영상을 대상으로 실험한 결과, 기존 히스토그램 평활화보다 광범위하게 사용될 수 있음을 확인하였고 특히 한쪽으로 치우쳐진 영상에 있어 더욱 효과적임을 알 수 있었다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 따라서 본 논문에서는 위에서 언급한 문제들을 해결하기 위해 새로운 방법을 제안한다. 첫째, 입력 영상의 명도값의 실질적인 최솟값과 최댓값을 정해 히스토그램 평활화를 적용할 범위를 정한다.
  • 본 논문에서는 제안 방법을 효율적으로 비교하기 위해 명도값이 한 쪽으로 치우쳐진 영상에 대해 기존 여러 가지 히스토그램 평활화를 함께 실행하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
단순한 누적분포함수를 사용하는 기존 히스토그램 평활화는 어떤 특징들을 지니는가? 단순한 누적분포함수를 사용하는 기존 히스토그램 평활화(BHE, Basic Histogram Equalization)는 변환 후 출력 영상의 밝기가 과도하게 변하는 단점이 있다. 원본의 히스토그램은 명도의 분포에 따라 가파르거나 완만한 기울기를 가지는 구역이 있다. BHE는 기울기가 가파른 구역에서는 밝기의 변화가 크고 기울기가 완만한 구역에서는 밝기의 변화가 작아 오히려 화질이 떨어지는 문제가 발생한다.
본 연구에서 제안한 히스토그램 평활화 방법은 여러 개의 평균명도값을 사용하여 히스토그램을 분할하는 기존 방식과 어떤 차이점이 있는가? 본 논문에서는 지역 최빈값과 가중치를 이용하여 새로운 히스토그램 평활화 방법을 제안한다. 여러 개의 평균명도값을 사용하여 히스토그램을 분할하는 기존 방식과는 달리 지역 최빈값과 전체 평균명도값을 사용하여 히스토그램을 분할한다. 지역 최빈값 산출 과정에서 지역의 범위를 조정할 수 있어 융통성 있는 히스토그램 분할 처리가 가능하다. 또한 히스토그램 분할 영역을 가중치에 기반해 새로운 영역의 히스토그램으로 분할한다. 해당 방법을 통해 발생빈도가 높은 명도의 과도한 변화 없이 화질개선 면에서 기존 히스토그램 평활화보다 좋은 효과를 얻을 수 있다.
RSWHE의 장단점은 무엇인가? 식(7)에서 나타낸 영역에 대해서 정규화한 식(10)의 pRSW(x)를 이용해 독립적으로 히스토그램 평활화하는 방법이 RSWHE (Recursively Separated and Weighted Histogram Equalization)이 된다. RSWHE는 빈도가 높은 명도값 주변에서 과도한 밝기 변화가 일어나지 않는 장점이 있지만 명도값이 한쪽으로 치우친 영상에 대해서는 제 기능을 발휘하기 어려운 문제가 존재한다.
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

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