• 한국군사과학기술학회지
• /
• 제7권3호
• /
• pp.101-109
• /
• 2004

Image enhancement for Infrared imaging system is mainly based on the global histogram equalization. The global histogram equalization(GHE) is a method in which each pixel is equalized by using a whole histogram of an image. GHE is speedy and effective for real-time imaging system but its method fails to enhance the fine details. On the other hand, the basic local histogram equalization(LHE) method uses sliding a window and. the pixels under the window region are equalized over the whole output dynamic range. The LHE is adequate to enhance the fine details. But this method is computationally slow and noises are over-enhanced. So various local histogram equalization methods have been already presented to overcome these problems of LHE. In this paper, a new regional dynamic range histogram equalization (RDRHE) is presented. RDRHE improves the equalization quality while reducing the computational burden.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.705-708
• /
• 2010

An eigen color co-occurrence approach is proposed that exploits the correlation between color channels to identify the degree of image similarity. This method is based on traditional co-occurrence matrix method and histogram equalization. On the purpose of feature extraction, eigen color co-occurrence matrices are computed for extracting the statistical relationships embedded in color images by applying Principal Component Analysis (PCA) on a set of color co-occurrence matrices, which are computed on the histogram equalized images. That eigen space is created with a set of orthogonal axes to gain the essential structures of color co-occurrence matrices, which is used to identify the degree of similarity to classify an input image to be tested for various purposes. In this paper RGB, Gaussian color space are compared with grayscale image in terms of PCA eigen features embedded in histogram equalized co-occurrence features. The experimental results are presented.

• 전기학회논문지P
• /
• 제57권1호
• /
• pp.14-21
• /
• 2008

In this paper, we propose an adaptive contrast enhancement method using dynamic range segmentation. Histogram Equalization (HE) method is widely used for contrast enhancement. However, histogram equalization method is not suitable for commercial display because it may cause undesirable artifacts due to the significant change in brightness. The proposed algorithm segments the dynamic range of the histogram and redistributes the pixel intensities by the segment area ratio. The proposed method may cause over compressed effect when intensity distribution of an original image is concentrated in specific narrow region. In order to overcome this problem, we introduce an adaptive scale factor. The experimental results show that the proposed algorithm suppresses the significant change in brightness and provides wide histogram distribution compared with histogram equalization.

• International Journal of Advanced Culture Technology
• /
• 제3권2호
• /
• pp.161-170
• /
• 2015

Mean separated histogram equalization in order to preserve the original mean brightness has been proposed. To provide the minimum mean brightness error after the histogram modification, the input image's histogram is successively divided by the factor of 2 until the mean brightness error is satisfied the defined threshold. Then each divided group or sub-histogram will be independently equalized based on the proportional input mean. To provide the overall minimum mean brightness error, each group will be controlled by adding some certain pixels from the adjacent grey level of the next group for giving its mean near by the corresponding the divided mean. However, it still exists some little error which will be put into the next adjacent group. By successive dividing the original histogram, we found that the absolute mean brightness error is gradually decreased when the number of group is increased. Therefore, the error threshold is assigned in order to automatically dividing the original histogram for obtaining the desired absolute mean brightness error (AMBE). This process will be applied to the color image by treating each color independently.

• 한국산학기술학회논문지
• /
• 제11권3호
• /
• pp.958-964
• /
• 2010

히스토그램 평활화는 가장 잘 알려진 명암비 향상기법이지만 밝기 값이 크게 변화해서 색의 왜곡과 노이즈가 두드러지고 색번짐 현상 같은 부작용이 발생한다. 이러한 문제들을 해결하기 위한 기존의 기법들은 유저가 영상마다 일일이 파라미터를 수정해야 하거나 다양한 영상에 대해 결과를 보장하지 못했다. 제안된 기법은 영상의 median값을 바탕으로 보정계수를 계산하고 히스토그램에서 가장 큰 빈도수를 기준으로 보정계수에 비례하여 나머지 히스토그램들을 보정한 뒤 평활화 한다. 제안한 방법의 결과영상은 각기 다른 특성을 가진 여러 가지 영상들에 대해 안정적으로 HE의 부작용들을 해결하였음을 알 수 있게 한다. 뿐만 아니라 연산이 복잡하지 않고, 보정계수가 자동적으로 계산되기 때문에 FPD에 직접 적용할 수 있다.

• 한국정보처리학회논문지
• /
• 제5권9호
• /
• pp.2294-2301
• /
• 1998

본 논문은 방송사별 각 장면의 중요한 내용의 성격을 갖고 있는 특징을 방송사별 뉴스 비디오에서 추출하기 위한 것이다. 추출하고자 하는 특징의 요소는 방송사 구별을 위한 방송사 아이콘과 각 장면의 대표적 성격을 갖고 있는 아이콘, 각 장면내의 주요 내용을 대표하는 정보인 자막의 문장 추출이다. 본 논문에서 제안하는 방법은, 비디오 프레임으로 입력되는 영상을 YIQ칼라 공간으로 전환한 뒤 히스토그램 평활화 방법을 이용하여 입력 영상의 영역 구분을 명확하게 한 후에, 영상의 에지를 추출하고 수직과 수평선에 기반한 에지 히스토그램의 비교에 의하여 원하는 특징을 추출하는 것이다. 또한 히스토그램 차이값에 의해서 선택된 키 프레임들 중에서 뉴스 아이콘을 추출하고 아이콘에 의하여 각 장면을 분할 할 수 있는 방법을 제안하였다. 본 논문에서는 칼라 히스토그램이나 웨이블릿, 또는 객체의 움직임에 기반한 복잡한 방법대신 에지 히스토그램 비교 방법을 사용하여, 알고리즘을 간소화함으로써 계산 시간을 단축하였으며 특징 추출에도 좋은 결과를 나타냈다.

• 방송공학회논문지
• /
• 제15권3호
• /
• pp.368-379
• /
• 2010

고선명 영상에 대한 수요가 증가하면서 다양한 방면에서 좀 더 선명하고 큰 영상을 보고 촬영하려는 요구가 늘어나고 있다. 이에 따라 고선명 동영상의 화질을 향상시키기 위한 적절한 화질 향상 방법이 필요하다. 본 논문에서는 고선명 동영상의 색상과 명암 대비를 개선하기 위한 방법을 제안한다. 고선명 동영상에서 처리 속도를 높이면서 효과적으로 화질 향상 방법을 적용하기 위해 고선명 동영상을 축소시킨 동영상에서 화질 향상 방법에 필요한 변수를 추출해낸다. 고선명 동영상의 색상을 향상시키기 위해 색채 항상성 방법을 사용하였는데 장면별로 동일한 변환값이 적용되도록 동영상을 컷 탐지 방법을 이용하여 분리한 후 장면마다 동일한 변환값을 계산하여 적용한다. 고선명 동영상의 명암대비를 향상시키기 위해 원본 영상과 히스토그램 평활화 영상의 조합을 사용하였고 가중치를 결정하기 위해 히스토그램 순위 기반 방식을 사용하였다. 마지막으로 고선명 동영상을 촬영할 수 있는 디지털 캠코더를 이용하여 촬영한 실험 영상으로 제안하는 방법의 성능을 분석하였다.

• 전자공학회논문지SC
• /
• 제46권1호
• /
• pp.10-21
• /
• 2009

영상에서 밝기의 분포가 밀집된 영역에 포함되는 특징은 구분이 어렵다. 이러한 문제의 해결을 위해 전역 혹은 지역 명암대비 향상기법을 사용하게 되며 주로 히스토그램의 평활화 기법이 적용된다. 기존의 전역 명암대비 향상기법을 적용하는 경우 밝기 밀집 정도를 고려하지 않아서 지나치게 밝거나 너무 어두운 값으로 변환하는 문제를 만들고, 지역 명암대비 향상기법은 결과 영상에서 특징을 분리해버리거나 밝기분포의 불규칙성으로 인해 부자연스러운 영상을 만들어내는 결과를 보여주기도 한다. 본 논문은 이러한 문제를 해결하기 위해 히스토그램을 밀집정도를 기준으로 분할하고, 각 분할된 히스토그램의 평활화 범위를 분할영역의 평균과 분산을 고려하여 결정하는 방법을 제안한다. 제안하는 방법은 평활화를 밀집영역의 밝기범위와 밀집정도를 고려하여 평활화하는 최고 및 최저 밝기를 결정함으로써 지나친 밝기의 변화를 최소화하고, 밀도가 낮은 나머지 영역들에 대해 분리된 평활화를 수행함에 따라 이들 영역의 특징들이 사라지지 않고 향상시키는 효과를 거둘 수 있다. 히스토그램의 분할 및 평활화 범위를 결정하는 방법도 본 논문에서 제시되었다. 제안된 방법의 성능의 우수성은 다양한 밝기 영역을 갖는 실험영상들을 대상으로 기존의 방법들과 비교실험을 통해 입증하였다.

• Radiation Oncology Journal
• /
• 제18권4호
• /
• pp.345-354
• /
• 2000

목적 : 방사선조사야를 확인하는 보편적인 방법인 linacgram은 저대조도(low contrast)의 영상을 보여주고 있어 정확한 영상을 확인하는데 문제점이 있다. 따라서 본 연구는 linacgram의 대조도를 높이는 저가형 확인방법을 모색하여 영상판독과 조사야 확인에 도움이 되고자 한다. 대상 및 방법: 인체모형을 사용하여 얻어진 필름 영상을 필름전용 스캐너(Diagnostic Pro)를 통해 Optical Density Scan, Histogram Equalized, Linear Histogram Based (HB), Linear Histogram Independent, Linear Optical Density (OD) Logarithmic 및 Power, Square Root scan 방식으로 디지털화 하였다. 각기 다른 방식으로 전산 입력된 영상의 신호분포도를 얻어 signal intensity를 비교한 후 pailette fitting 방식을 통해 영상을 재구성하였고 재구성된 영상을 비교 분석하였다. 실제 치료에서 얻어진 각 인체 부위별 linacgram도 동일한 방법으로 처리한 후 화질 개선도를 알아 보았다. 결과 : 인체모형을 통해 얻어진 영상의 신호 분포영역은 Logarlthmic 방식을 선택했을 때 최소값인 3192가 나왔고 Square Root방식을 사용했을 때 최대값인 21940가 나왔다. 이러한 값들을 모니터 상에서 구현할 수 있는 256 gray scale로 바꾸어 보았을 때 7$\~$30$\%$ 만 사용되어지고 있음을 알수 있었다. Pallette fitting 방식을 통하여 모니터의 최대표현 값인 256 계조도로 Gray Scale Expansion (GSE) 함으로써 모니터가 지원하는 8bit gray scale pallette의 전범위를 사용하여 대조도가 개선되었다. 임상에서 얻어진 각 인체 부위별 무릎관절, 두경부, 폐, 골반영상에서도 GSE 처리하여 얻어진 영상이 해부학적 구조를 판독하는데 도움이 죄었다. 결론 : GSE 영상의 재구성은 대조도를 증가 시킬뿐 아니라 인체내 관심부위의 농도분포를 별도로 재구성할 수 있으므로 이중방사선조사(double exposure)에 의해 발생되는 화질의 저하를 보정함으로써 화질 개선을 가능하게 하였다. Linacgram 화질 개선은 simulation image 및 치료계획에서 발생한 DRR과 multi-layer 중첩영상 분석에 사용할 수 있으며 영상 비교 시 치료부위의 신속하고 정밀한 확인을 가능하게 하였다.

• 한국컴퓨터정보학회논문지
• /
• 제24권3호
• /
• pp.41-47
• /
• 2019

In this paper, we propose a application of conditional generative adversarial network (cGAN) for generation of contrast enhanced computed tomography (CT) image. Two types of CT data which were the enhanced and non-enhanced were used and applied by the histogram equalization for adjusting image intensities. In order to validate the generation of contrast enhanced CT data, the structural similarity index measurement (SSIM) was performed. Prepared generated contrast CT data were analyzed the statistical analysis using paired sample t-test. In order to apply the optimized algorithm for the lymph node cancer, they were calculated by short to long axis ratio (S/L) method. In the case of the model trained with CT data and their histogram equalized SSIM were $0.905{\pm}0.048$ and $0.908{\pm}0.047$. The tumor S/L of generated contrast enhanced CT data were validated similar to the ground truth when they were compared to scanned contrast enhanced CT data. It is expected that advantages of Generated contrast enhanced CT data based on deep learning are a cost-effective and less radiation exposure as well as further anatomical information with non-enhanced CT data.