• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10a
• /
• pp.18-20
• /
• 1999

히스토그램은 데이터베이스 질의 최적기가 사용하는 통게정보 중의 하나이다. 최근에는 데이터베이스의 크기가 기하급수적으로 커짐에 따라, 데이터의 전체적인 성향을 빠르게 파악할 수 있는 방법의 하나로 히스토그램으로 활용하는 방안이 고려되고 있다. 그를 위해서, 히스토그램에서 얻어진 근사값의 오차를 추정할 수 있는 방법이 요구되었다. 기존의 기법에서는 히스토그램의 각 버켓에 실제 빈도와 평균 빈도의 최대차를 추가하고, 이 값을 이용하여 오차추정을 하였다. 그러나, 이 값이 히스토그램 버켓의 전체적인 데이터 분포를 잘 반영하지 못하기 때문에 실제 오차에 근접한 오차 추정을 할 수가 없는 단점이 있었다. 본 논문에서는 이를 극복하기 위해, 히스토그램에 데이터의 분포를 잘 반영하는 정보 즉, 평균값, COUNT/SUM 연산에 대한 최대 오차를 추가하였다. 이 정보들을 이용하여 실제 오차에 보다 근접한 오차 추정을 할 수 있었으며, 부가적으로 SUM/AVG 연산에 대한 보다 정확한 근사값을 얻을 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.283-286
• /
• 2007

임계값을 이용한 영상 분할은 대표적인 영상 분할 기법으로 Otsu의 임계값 결정법, Fuzzy 엔트로피를 이용한 H&W의 기법 및 Clustering을 이용한 Kwon의 기법 등 많은 방법이 있다. 대부분의 임계값 결정 기법은 영상에서 얻어진 빈도수 히스토그램의 분석을 통해서 임계값을 결정한다. 특히 Otsu의 임계값 결정 기법은 빈도수 히스토그램의 분산을 최대화하는 방법으로 임계값을 결정하는 빈도수 히스토그램에 기반한 대표적 기법이다. 하지만 영상 기술이 발전함에 따라서 하나의 임계값으로부터 영상을 이진화 하는 기법은 효용성이 떨어지고 있다. 따라서 다중의 임계값을 결정하는 효과적인 방법이 필요하다. 본 논문에서는 그레이 레벨간의 관계성을 파악하고 이러한 관계성으로부터 다중의 임계값을 결정하는 기법을 제안한다. 제안된 기법의 효용성은 모의실험에서 다중 임계값을 사용한 분할영상을 통해서 보인다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2015.11a
• /
• pp.125-128
• /
• 2015

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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.346-349
• /
• 2013

화질향상에 큰 영향을 주는 요소 중의 하나는 명암대비 향상이다. 영상의 명암대비를 향상시키는 대표적인 방법으로 히스토그램 평활화(Histogram Equalization) 방법이 있으며, 히스토그램 평활화의 변형된 방법에 대한 다양한 연구가 이루어지고 있다. 그러나 기존의 방법들은 평균 밝기의 급격한 변화로 인하여 부자연스러운 결과영상을 얻거나, 대비 향상 효과가 낮은 결과를 얻는 단점이 종종 발생한다. 본 논문에서는 히스토그램 압축방법을 통해서 개선된 명암대비 향상 기법을 제안한다. 제안한 방법은 과도한 명암대비 증가로 인한 과포화 현상을 억제하기 위하여 히스토그램의 빈도수에 따라 히스토그램을 차등 압축시키도록 설계되어 있다. 실험결과 제안방법은 기존 방법에 비해 과포화 현상 없이 좋은 명암대비 향상 효과를 보였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.6
• /
• pp.787-795
• /
• 2009

This paper presents a histogram equalization based on the logistic function for enhancing the quality of images. The histogram equalization is a simple and effective spatial processing method that it enhances the quality by adjusting the brightness of image. The logistic function that is a nonlinear transformation function is applied to adaptively enhance the brightness of the image according to its intensity level frequency. We propose a flexible and asymmetrical logistic function by only using the intensity level with maximum frequency and the maximum intensity level in an histogram, and the total number of pixels. The proposed function excludes both the computation load of an exponential function and the heuristic setting of an optimal parameter values in the traditional logistic function. The proposed method has been applied for equalizing many images with a different resolution and histogram distribution. The experimental results show that the proposed method has the superior enhancement performances and the faster equalizing speed compared with the traditional histogram equalization and the adaptively modified histogram equalization, respectively. And the proposed histogram equalization can be used in various multimedia systems in real-time.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.17 no.4
• /
• pp.466-471
• /
• 2007

Conventional thresholding methods including Otsu's thresholding method are based on the gray levels frequency histogram. But the gray levels frequency histogram is obtained by recomposing only frequency information from an input image, where frequency histogram dose not contain any other informations such as the distribution of gray levels and relation between gray levels. Therefore the methods using the gray levels frequency histogram occasionally present inappropriate threshold values because it cannot reflect informations of the given image sufficiently. In this paper, we define a correlation function of gray levels and propose a novel thresholding method using the gray levels frequency histogram and the spatial correlation information. The effectiveness of the proposed method will be shown through comparison with Otsu's thresholding method.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.05b
• /
• pp.159-162
• /
• 2003

컬러 특징을 나타내는 전형적인 방법으로 RGB 컬러히스토그램이 있다. RGB 컬러 히스토그램은 RGB 컬러 공간을 일련의 bin으로 나누고 각 bin의 컬러 값에 대응하는 영상 픽셀의 빈도 수를 카운트하는 것으로 영상 검색에서 널리 쓰이고 있다. 그러나 RGB 컬러히스토그램은 영상의 미세한 장면 변화에도 크게 달라지기 때문에 검색 결과에 많은 영향을 줄 수 있다. 본 논문에서는 RGB 컬러히스토그램의 이러한 특성을 개선할 수 있는 새로운 컬러 특징 표현 방법을 제안한다. 제안하는 방법은 RGB 컬러 공간으로부터 RG, GB, BR의 세 가지 평면으로 투영시킨 2차원 투영 맵(2D Projection Maps)을 사용한다. 영상 검색에 대한 실험 결과로부터 제안한 2차원 투영 맵이 RGB 컬러히스토그램보다 더 향상된 검색 효율을 나타내었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04a
• /
• pp.631-633
• /
• 2002

본 논문은 대용량 클러스터 기반의 웹 서버 상에서 새로운 내용 기반 부하 분산 기법을 제안한다. 제안된 기법은 웹 서버 로그의 URL 항목에 해시 함수를 적용하여 얻어지는 해시 값에 요청 빈도와 전송될 과일 크기를 누적하여 히스토그램을 생성한다. 그 결과로 생성된 히스토그램의 누적 분포에 히스토그램 균등화 변환함수를 적용하여 각각의 서버 노드에 해시 값에 따라 분포하는 부하를 균등하게 할당할 수 있다. 제안된 부하 분산 기법의 효율성 검증을 위한 시뮬레이션에서 히스토그램 균등화 기법은 서버의 지역적인 캐시 활용과 부하의 균등분산 등의 장점으로 우수한 성능을 나타냄을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.369-372
• /
• 2002

본 논문은 대용량 클러스터 기반의 웹 서버를 위한 새로운 내용 기반 부하 분산 기법을 제안한다. 제안된 기법은 웹 서버 로그의 URL 항목에 해시 함수를 적용하여 얻어지는 해시 값에 요청 빈도와 전송될 파일 크기를 누적하여 히스토그램을 생성한다. 그 결과로 생성된 히스토그램의 누적 분포에 히스토그램 균등화 변환함수를 적용하여 각각의 서버 노드에 해시 값에 따라 분포하는 부하를 균등하게 할당할 수 있다. 제안된 부하 분산 기법의 효율성 검증을 위한 시뮬레이션에서 히스토그램 균등화 기법은 서버의 지역적인 캐시 활용과 부하의 균등 분산 등의 장점으로 우수한 성능을 나타냄을 보인다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10a
• /
• pp.211-213
• /
• 2001

히스토그램은 질의 최적화글 위해 사용되는 튿-계 정또 중 하나이다. 최근에는 방대한 데이타에 대한 범위 질의의 선택도 추정 방법의 하나로 사용되기도 한다. 히스토그램을 통한 범위 질의의 선택도 추정 결과는 항상 오차를 포함한다. 따라서 결과의 신뢰성을 보장하기 위해 선택도에 대한 오차를 추정하는 방법이 요구된다. 추정된 선택도의 오차 추정에 대한 기존 방법은 1차원 히스토그램만을 고려하여 하나의 애트리뷰트의 값에 따라 빈도의 분포를 반영하므로 애트리뷰트가 많은 다차원 히스토그램에 바로 적용시키는데 문제가 있다. 이 논문에서는 기존의 추정된 선택도에 대한 오차 추정 기법들을 다차원에 적용할 수 있게 확장한 M-Max, M-Sum 기법을 제안하고, 두 기법을 합친 하이브리드 기법을 제안한다. 실험을 통해 M-Sum 기법과 하이브리드 기법이 M-Max 기법보다 정확한 오차 추정 기법임을 보이고, 또한 작은 기억 공간에서도 두 기법이 오차를 보다 정확하게 추정함을 보인다.