• 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 Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.85-88
• /
• 2016

대비 강화는 컴퓨터 비젼, 영상 처리, 패턴인식에서 전처리 과정으로 이용되며 그 역할이 중요하다. 2차원 히스토그램을 이용한 대비 강화 방법은 인접 픽셀 간의 정보를 이용해 대비를 강화시키기 때문에 1차원 히스토그램을 이용한 대비 강화 방법보다 우수하다. 2차원 히스토그램 기반 알고리즘에서 2차원 히스토그램의 인접픽셀 간의 화소값 차이에 따라 가중치를 주는 커널 (kernel)이 사용된다. 이러한 커널은 영상 마다 같은 가중치를 곱해주기 때문에 원하는 대비를 시켜주지 못하는 단점이 있다. 이에 본 논문은 2차원 히스토그램을 1차원 히스토그램으로 정사영을 시켜 평균값과 표준편차를 통해 2차원 히스토그램을 통계학적으로 분석한다. 그리고 선형회귀법을 이용하여 2차원 히스토그램의 통계적 정보에 따른 적응적 가중치 커널을 제안하고, 이를 이용하여 효율적 대비 강화를 한다. 실험 결과를 통해 제안하는 방법이 기존의 알고리즘에 비해 대비 향상 성능이 더 우수한 방법임을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.11a
• /
• pp.46-49
• /
• 2019

본 논문에서는 구역을 나눔으로써 상황에 따라 강조하고 싶은 부분을 부각시키는 방법을 활용하여 히스토그램을 처리하는 기법을 제안한다. 기존의 히스토그램 스케일링과 평활화 방법은 간단한 알고리듬으로 사용이 편하지만 쓸 수 없는 상황이 존재한다. 먼저 히스토그램 스케일링에서는 사진이 갖고 있는 명암 최댓값과 최솟값을 늘리는 방법이지만, 범위를 늘릴 수 없는 경우에는 이 방법이 제한된다. 히스토그램 평활화는 사진이 갖고 있는 명암의 히스토그램 누적분포함수 (CDF)가 일정한 기울기를 갖게 변환하는 방법이다. 이 방법에서는 밝기 변화가 거의 없었던 부분에서 품질이 낮아지는 단점이 있다. 제안하는 알고리듬은 영상에서 강조하고 싶은 부분을 설정한 뒤, 구역을 나눔으로써 기존의 히스토그램 스케일링과 히스토그램 평활화의 단점을 개선했다. 제안한 알고리듬을 평가하기 위해서 주관적인 지표로 20명을 대상으로 설문을 진행하였다. 블라인드 테스트로 원본과, 기존의 히스토그램 처리 기법을 이용한 영상, 제안된 히스토그램 처리 기법을 이용한 영상을 비교하였다. 실험 결과를 통해 제안된 알고리듬이 기존의 알고리듬보다 영상의 화질을 개선했음을 확인했다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.379-380
• /
• 2009

히스토그램 스트레칭이나 히스토그램 균등화 등 기존 대비 향상 기법들과 히스토그램 균등화 기반의 수많은 방법들은 저대비에 소수의 화소들이 넓게 퍼져 있는 영상에 대해서 만족할만한 결과를 내지 못한다. 따라서 본 논문은 군집화 방법을 이용한 새로운 영상 대비 향상 기법을 제안한다. 히스토그램의 군집수는 원영상의 히스토그램을 분석하여 얻을 수 있다. 히스토그램 성분들을 K-means 알고리즘을 이용하여 군집화한다. 그리고 히스토그램 군집 범위와 군집의 화소수 비율을 비교하여 히스토그램 스트레칭과 히스토그램 균등화를 선택적으로 적용한다. 실험 결과로부터 제안한 방법이 기존의 대비 향상 기법들보다 더 효과적임을 확인할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.283-286
• /
• 2014

X-ray 영상의 경우 검은 배경으로 인해 기존의 히스토그램 평활화를 사용하여 대비비를 향상 시킬 경우 문제가 발생한다. 전역 히스토그램 평활화의 경우 영상의 특징을 고려하지 않은 채 전체적으로 히스토그램 평활화가 이루어지기 때문에 부분적인 명암값을 개선시키기 어렵다. BBHE(Bright Preserving Bi-Histogram Equalization)과 DSIHE(Dualistic Sub-Image Histogram Equalization)과 같은 영역별 히스토그램 평활화의 경우 X-ray 사진특성상 검은 배경으로 인하여 히스토그램 평활화를 적용해도 원하는 대비비를 얻기 힘들며 부분적으로 왜곡이 발생한다. 이러한 문제를 해결하기 위해 본 논문에서는 영상의 히스토그램을 통해 배경 정보를 파악하여 밝기 영역을 나눈 후 히스토그램 평활화를 진행함으로써 X-ray 사진의 대비비를 효율적으로 향상시킨다.

• Journal of the Korea Computer Industry Society
• /
• v.6 no.2
• /
• pp.265-270
• /
• 2005

Histogram is very sensitive in lighting because of feature between color space. When it has intensity of moved light, It may be possibility that similarity drop down, So In this paper, introduce new image retrieval method that calls HAC (Histogram Area Calculation). This method divides area of Histogram by a few area and calculate areas. The proposed method is to calculate area of Histogram and compare similarity based on feature that histogram has presently. Performance of our proposed method was verified more excellent than other Conventional method and Merged Color Histogram.

• Proceedings of the Korea Contents Association Conference
• /
• 2005.05a
• /
• pp.377-381
• /
• 2005

본 연구에서는 내용기반 이미지 검색을 위한 에지 히스토그램 분석기법을 제안하여 20종류의 다양한 에지에 대한 에지 히스토그램을 분석한다. 전체영역에 대한 수평방향 에지 히스토그램을 분석하고, 전체 영역을 몇 개의 부분영역으로 분할하고 각 부분영역에 대한 에지 히스토그램을 수행하여 영역별 특징을 추출한다. 그리고 각각의 수평방향 에지 히스토그램에서 20종류의 에지 성분의 발생 패턴을 추출한다. 본 연구에서 제안한 에지 히스토그램 분석기법은 일반적으로 사용되는 5종류의 에지 성분을 사용한 방법보다 다양한 형태의 에지를 분석을 가능하게 함으로서 내용 기반 이미지 검색을 수행하는데 있어서 다양한 에지 특징을 추출함으로서 내용 기반 이미지 검색을 효과적으로 할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.167-170
• /
• 2005

히스토그램은 컬러 공간의 특징 때문에 조명에 매우 민감하며, 이동된 빛의 강도를 가지고 있을 때, 유사성을 떨어뜨릴 가능성이 커지기 때문에, 본 논문에서는 히스토그램의 영역을 몇 개의 영역으로, 나눠, 그 영역들을 계산하는 HAC(Histogram Area Calculation)라 불리는 새로운 검색 방법을 소개한다. 제안한 방식은 현재 히스토그램이 가지고 있는 특성에 기반 하여, 히스토그램의 영역을 계산하고, 유사사성을 matching 시킴으로써, 명암도 변화에 대해서 기존의 다른 전통적인 히스토그램 방법이나, 병합된 히스토그램 방법보다 제안한 방식의 성능이 훨씬 뛰어나다는 것을 보여준다.

• 전자공학회논문지 IE
• /
• v.47 no.3
• /
• pp.7-13
• /
• 2010

In this paper, an efficient contrast enhancement algorithm using weighted histogram modification is proposed. For contrast enhancement, histogram equalization (HE) and histogram stretching (HS) are effective techniques. However, HE and HS may have excessive contrast enhancement. Proposed method using weighted histogram modification produces better natural and enhanced results than those of conventional contrast enhancement methods without artifacts.

• 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.