Maximum-Entropy Image Enhancement Using Brightness Mean and Variance

This paper proposes a histogram specification based image enhancement method, which uses the brightness mean and variance of an image to maximize the entropy of the image. In our histogram specification step, the Gaussian distribution is used to fit the input histogram as well as produce the target histogram. Specifically, the input histogram is fitted with the Gaussian distribution whose mean and variance are equal to the brightness mean(${\mu}$) and variance(${\sigma}2$) of the input image, respectively; and the target Gaussian distribution also has the mean of the value ${\mu}$, but takes as the variance the value which is determined such that the output image has the maximum entropy. Experimental results show that compared to the existing methods, the proposed method preserves the mean brightness well and generates more natural looking images.

영상의 밝기 평균과 분산을 이용한 엔트로피 최대화 영상 향상 기법

본 논문에서는 영상의 밝기 평균과 분산을 이용하여 영상의 엔트로피를 최대화하는 히스토그램 명세화 기반의 영상 향상 기법을 제안한다. 제안 방법은 히스토그램 명세화 과정에서 입력 히스토그램과 목적 히스토그램 모두를 가우시안 분포로 모델링한다. 이 과정에서 입력 가우시안 분포의 평균과 분산은 입력영상의 밝기 평균값과 분산을 각각 그대로 사용한다. 목적 가우시안 분포의 평균도 입력영상의 밝기 평균값을 사용하지만, 분산은 출력 영상의 엔트로피가 최대화되는 분산을 결정하여 사용한다. 다양한 영상에 대한 실험 결과에 의하면, 기존 방법들에 비해 제안 방법은 영상의 평균 밝기를 잘 유지하면서 자연스러운 개선 결과를 보여준다.