• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권4호
• /
• pp.1904-1926
• /
• 2016

Iris recognition for biometric personnel identification has gained much interest owing to the increasing concern with security today. The image quality plays a major role in the performance of iris recognition systems. When capturing an iris image under uncontrolled conditions and dealing with non-cooperative people, the chance of getting non-ideal images is very high owing to poor focus, off-angle, noise, motion blur, occlusion of eyelashes and eyelids, and wearing glasses. In order to improve the accuracy of iris recognition while dealing with non-ideal iris images, we propose a novel algorithm that improves the quality of degraded iris images. First, the iris image is localized properly to obtain accurate iris boundary detection, and then the iris image is normalized to obtain a fixed size. Second, the valid region (iris region) is extracted from the segmented iris image to obtain only the iris region. Third, to get a well-distributed texture image, bilinear interpolation is used on the segmented valid iris gray image. Using contrast-limited adaptive histogram equalization (CLAHE) enhances the low contrast of the resulting interpolated image. The results of CLAHE are further improved by stretching the maximum and minimum values to 0-255 by using histogram-stretching technique. The gray texture information is extracted by 1D Gabor filters while the Hamming distance technique is chosen as a metric for recognition. The NICE-II training dataset taken from UBRIS.v2 was used for the experiment. Results of the proposed method outperformed other methods in terms of equal error rate (EER).

• 한국지능시스템학회논문지
• /
• 제24권2호
• /
• pp.155-160
• /
• 2014

영상처리를 통한 이동 물체 인식과 화질 개선 등의 연구에서 조명 변화가 성능에 큰 영향을 미치기 때문에 조명 변환에 대한 대응은 컴퓨터 비전 응용 분야에서의 중요한 관심사 중 하나이다. 조명 변화를 감지할 수 있게 되면 변화가 있는 시점에서부터 적절한 개선 알고리즘을 적용함으로써 인식률 향상 및 화질 개선 효과를 증대시킬 수 있다. 이에 본 연구에서는 급격한 조명 변화를 감지함에 있어 실시간성을 얻기 위하여 지역 정보를 이요하고 퍼지 논리를 도입하여 이를 효과적으로 감지하는 방법을 제안한다. 급격한 조명 변화를 감지하는 효과적인 방법으로 모서리 영역과 가운데 영역에 대한 각각의 히스토그램의 평균과 편차, 그리고 변화 추이를 반영하기 위하여 이전 프레임의 각 영역에 대한 히스토그램의 평균과 편차와의 변화량을 입력으로 급격한 조명 변화가 있을 때 입력 값의 변화 패턴을 퍼지 규칙으로 만들어 조명 변화를 감지하도록 하였다. 또한 움직이는 물체에 가려 발생하는 변화와 구별하기 위하여 전체 영역에 대한 평균과 편차 변화량을 도입하여 논리적으로 추론하여 차이를 구별할 수 있도록 하였고 점진적으로 조명이 변화하는 것을 감지할 수 있도록 하였다. 다양한 테스트 데이터에 대해 객관적인 정확도 측정 기법을 이용하여 민감도와 특이도를 계산하여 제안한 방법의 효용성을 보였다. 적응형 뉴로-퍼지 추론시스템을 도입하여 대비제한 적응 히스토그램 평활화 (CLAHE)의 매개 변수를 자동으로 선택할 수 있는 방법을 제안하여 급격한 조명의 변화를 감지한 결과를 바탕으로 화질을 개선할 수 있음을 보였다.

• Journal of Multimedia Information System
• /
• 제8권2호
• /
• pp.79-84
• /
• 2021

Detecting brain tumors of different sizes is a challenging task. This study aimed to identify brain tumors using detection algorithms. Most studies in this area use segmentation; however, we utilized detection owing to its advantages. Data were obtained from 64 patients and 11,200 MR images. The deep learning model used was RetinaNet, which is based on ResNet152. The model learned three different types of pre-processing images: normal, general histogram equalization, and contrast-limited adaptive histogram equalization (CLAHE). The three types of images were compared to determine the pre-processing technique that exhibits the best performance in the deep learning algorithms. During pre-processing, we converted the MR images from DICOM to JPG format. Additionally, we regulated the window level and width. The model compared the pre-processed images to determine which images showed adequate performance; CLAHE showed the best performance, with a sensitivity of 81.79%. The RetinaNet model for detecting brain tumors through deep learning algorithms demonstrated satisfactory performance in finding lesions. In future, we plan to develop a new model for improving the detection performance using well-processed data. This study lays the groundwork for future detection technologies that can help doctors find lesions more easily in clinical tasks.

• 대한의용생체공학회:의공학회지
• /
• 제42권3호
• /
• pp.80-85
• /
• 2021

We developed a model to classify the absence of cervical cancer using deep learning from the cervical image to which the histogram equalization algorithm was applied, and to compare the performance of each model. A total of 4259 images were used for this study, of which 1852 images were normal and 2407 were abnormal. And this paper applied Image Sharpening(IS), Histogram Equalization(HE), and Contrast Limited Adaptive Histogram Equalization(CLAHE) to the original image. Peak Signal-to-Noise Ratio(PSNR) and Structural Similarity index for Measuring image quality(SSIM) were used to assess the quality of images objectively. As a result of assessment, IS showed 81.75dB of PSNR and 0.96 of SSIM, showing the best image quality. CLAHE and HE showed the PSNR of 62.67dB and 62.60dB respectively, while SSIM of CLAHE was shown as 0.86, which is closer to 1 than HE of 0.75. Using ResNet-50 model with transfer learning, digital image-processed images are classified into normal and abnormal each. In conclusion, the classification accuracy of each model is as follows. 90.77% for IS, which shows the highest, 90.26% for CLAHE and 87.60% for HE. As this study shows, applying proper digital image processing which is for cervical images to Computer Aided Diagnosis(CAD) can help both screening and diagnosing.

• 한국의학물리학회지:의학물리
• /
• 제19권3호
• /
• pp.150-156
• /
• 2008

본 연구에서는 이산 웨이브렛 도메인에서 기저계수와 웨이브렛 계수의 변환을 이용하여 X-ray 이미지의 대조도를 향상시키는 방법을 제안하였다. 기저 함수의 변환은 기존에 나와있는 contrast limited adaptive histogram equalization (CLAHE)와 multi-scale image contrast amplification (MUSICA)와 같은 보편적인 영상의 대조도 향상 기법을 적용하였으며 대조도가 향상된 저해상도 기저 계수의 역변환으로 인한 Blurring 현상을 방지하고 또한 이미지의 선명도를 향상시키기 위하여 웨이브렛 계수에 sigmoid function을 적용하였다. 본 알고리즘에 대한 성능 평가를 위하여 contrast detail mammography(CDMAM) 팬텀의 영상을 획득하여 기존에 사용한 대조도 향상 기법들과 contrast to noise ratio (CNR) 및 line profile에 대한 비교평가를 실시 하였고 그 결과 기존의 대조도 향상기법을 웨이브렛 도메인에서 적용하는 것이 뛰어나다는 것을 알 수 있었다. 본 영상 대조도 향상기법은 영상의 대조도를 증가시키는 동시에 잡음의 증폭을 효율적으로 억제할 수 있다. 따라서 본 연구는 의료 영상뿐 만이 아닌 대조도와 선명도가 중요시되는 여려 분야에 적용될 수 있으리라 기대된다.

• Journal of Information Processing Systems
• /
• 제13권4호
• /
• pp.703-715
• /
• 2017

Mammogram images are sensitive in nature and even a minor change in the environment affects the quality of the images. Due to the lack of expert radiologists, it is difficult to interpret the mammogram images. In this paper an algorithm is proposed for a computer-aided diagnosis system, which is based on the wavelet based adaptive sigmoid function. The cascade feed-forward back propagation technique has been used for training and testing purposes. Due to the poor contrast in digital mammogram images it is difficult to process the images directly. Thus, the images were first processed using the wavelet based adaptive sigmoid function and then the suspicious regions were selected to extract the features. A combination of texture features and gray-level co-occurrence matrix features were extracted and used for training and testing purposes. The system was trained with 150 images, while a total 100 mammogram images were used for testing. A classification accuracy of more than 95% was obtained with our proposed method.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.361-363
• /
• 2016

현재 차량 내 운전자에게 편의성과 안전성을 제공하는 시스템이 활발히 개발 중이고 향후 ADAS(Advanced Driver Assistance System)와 스마트 자동차에서 영상 정보를 이용한 물체 추적과 분석은 매우 중요한 부분을 차지하고 있다. 영상에서 얻을 수 있는 정보 중 현재 도로의 이정표 정보는 중요한 분석 정보로 사용된다. 하지만 국내 도로표지판 검출 연구의 경우 유럽과 북미와 비교하여 연구 개발이 활발히 진행되고 있지 않다. 국내의 경우 도로 이정표에서 영문자뿐만 아니라 한글 문자 정보까지 포함하고 있어 검출이 쉽지 않다. 또한 비교적 밝고 잡음이 적은 검출하기 좋은 환경에서는 검출이 잘 되지만 명암이 뚜렷하지 않고 잡음이 많은 환경에서는 도로 이정표 문자 검출이 어렵다. 이에 본 논문에서는 CLAHE(Contrast-Limited Adaptive Histogram Equalization) 방법을 적용하여 영상이 어둡고 잡음이 많은 환경에서 국내 도로 이정표의 문자 정보를 얻는다. 실험 결과, 기존 방법에 비해 문자 영역 검출 성능이 향상되었다.

• International Journal of Computer Science & Network Security
• /
• 제24권1호
• /
• pp.119-126
• /
• 2024

Disease caused by the coronavirus (COVID-19) is sweeping the globe. There are numerous methods for identifying this disease using a chest imaging. Computerized Tomography (CT) chest scans are used in this study to detect COVID-19 disease using a pretrain Convolutional Neural Network (CNN) ResNet50. This model is based on image dataset taken from two hospitals and used to identify Covid-19 illnesses. The pre-train CNN (ResNet50) architecture was used for feature extraction, and then fully connected layers were used for classification, yielding 97%, 96%, 96%, 96% for accuracy, precision, recall, and F1-score, respectively. When combining the feature extraction techniques with the Back Propagation Neural Network (BPNN), it produced accuracy, precision, recall, and F1-scores of 92.5%, 83%, 92%, and 87.3%. In our suggested approach, we use a preprocessing phase to improve accuracy. The image was enhanced using the Contrast Limited Adaptive Histogram Equalization (CLAHE) algorithm, which was followed by cropping the image before feature extraction with ResNet50. Finally, a fully connected layer was added for classification, with results of 99.1%, 98.7%, 99%, 98.8% in terms of accuracy, precision, recall, and F1-score.