The paper presents a histogram equalization method using the edge information of an image to be processed. The basic idea of this method is to carry out histogram equalization with edge information, which is important and essential for object conformation. In the proposed method, the edge information is used to generate histogram for the equalization process. It is found to be effective to suppress the histogram spikes that cause quantum jumps in mapping function for the equalization process. The proposed method is tested for randomly selected 30 images and compared to conventional approaches with a quantitative measure to check it preserves the structural similarity. Experimental results show that the proposed method has better performance and no artifacts caused by histogram spikes.
This study aims to evaluate the performance of the U-Net based learning model that may vary depending on the histogram equalization algorithm. The subject of the experiment were 17 radiology students of this college, and 1,727 data sets in which the region of interest was set in the thyroid after acquiring ultrasound image data were used. The training set consisted of 1,383 images, the validation set consisted of 172 and the test data set consisted of 172. The equalization algorithm was divided into Histogram Equalization(HE) and Contrast Limited Adaptive Histogram Equalization(CLAHE), and according to the clip limit, it was divided into CLAHE8-1, CLAHE8-2. CLAHE8-3. Deep Learning was learned through size control, histogram equalization, Z-score normalization, and data augmentation. As a result of the experiment, the Attention U-Net showed the highest performance from CLAHE8-2 to 0.8355, and the U-Net and BSU-Net showed the highest performance from CLAHE8-3 to 0.8303 and 0.8277. In the case of mIoU, the Attention U-Net was 0.7175 in CLAHE8-2, the U-Net was 0.7098 and the BSU-Net was 0.7060 in CLAHE8-3. This study attempted to confirm the effects of U-Net, Attention U-Net, and BSU-Net models when histogram equalization is performed on ultrasound images. The increase in Clip Limit can be expected to increase the ROI match with the prediction mask by clarifying the boundaries, which affects the improvement of the contrast of the thyroid area in deep learning model learning, and consequently affects the performance improvement.
본 논문은 영상의 블록기반 지역 명암대비 향상을 통한 전역 명암대비 향상 기법을 제안한다. 전역 명암대비 향상 기법은 영상의 특성을 고려하지 않고 히스토그램 평활화만을 통해 명암값의 재분배를 수행함으로써 과도한 밝기값의 화소들을 갖는 결과영상을 유발한다. 반면에 블록기반 지역 명암대비 향상 기법은 블록화 현상 및 이를 줄이는 과정에서 영상의 중요한 특징을 훼손하는 문제점을 갖고 있다. 이런 문제점들을 해결하기 위해 본 논문은 입력영상을 다양한 블록 크기로 분할한 임시영상들에 대해 블록기반 히스토그램 평활화를 수행한다. 그리고 지역 명암대비 향상을 통해 얻어진 전역 히스토그램 평활화 함수를 원 영상에 적용하는 전역 명암대비 향상 기법을 수행한다. 지역 명암대비가 향상된 임시 영상으로부터 전역 히스토그램 평활화 함수를 얻기 때문에 제안하는 방법은 지역 명암대비 향상 기법과 전역 명암대비 향상 기법의 장점들을 갖는다.
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.
본 논문에서는 트림 T형 용접너트의 생산 시스템 중 불량품을 자동으로 선별할 수 있는 자동 비전 선별기의 성능 개선에 관한 방법을 제안한다. 자동 비전 선별기는 용접너트의 영상 신호에 대해 히스토그램을 활용한 경계 판별 및 나사산 검출, 이진 모폴로지 연산(Binary morphology operation)을 활용한 얼룩 검출 등의 기법을 활용한 것이다. 이 비전 선별기 운영에 있어 주된 문제는 컨베이어 벨트 상의 오일 등에 의한 오염에 따른 획득 영상의 화질 저하에 따른 오동작이다. 이를 해결하기 위해 배경 영상과 너트 영상의 구분을 위한 마스킹 기법을 사용하여, 너트 영상 부분에만 히스토그램 평준화를 이용하여 너트 영상부분의 대비를 높이는 전처리 과정을 도입하였다. 이를 통해 배경 부분에서 장비의 오염에 의해 추출되는 특징들의 영향을 없애고 획득 영상의 화질 저하에도 불구하고 오동작의 비율을 10 % 에서 0.2 % 로 낮출 수 있었다.
본 논문에서는 영상의 비선형 평활화와 특징들의 통계적 상관성에 기반을 둔 조합형 인식성능 개선기법을 제안하였다. 여기서 비선형 평활화는 로지스틱 함수에 기반을 둔 히스토그램 재조정의 전처리 기법으로 영상의 밝기를 조정하여 화질을 개선하기 위함이다. 통계적 상관성은 정규상호상관계수에 의해 측정되며, 이는 유사도를 좀 더 빠르고 정확하게 측정하기 위함이다. 또한 독립성분분석에 의한 국부적인 특징들을 대상으로 정규상호상관을 계산함으로써 좀 더 정확한 유사도를 통계적으로 측정하기 위함이다. 제안된 기법을 30개 40*50픽셀의 명암도 변화를 가지는 얼굴영상들을 대상으로 실험한 결과, 전처리를 하지 않은 기법이나 기존 및 적응적 변형히스토그램 평활화에 의한 전처리 기법에 비해 각각 영상의 속성을 잘 반영한 우수한 인식성능이 있음을 확인하였다.
An image segmentation result depends on pre-processing steps such as contrast enhancement, edge detection, and smooth filtering etc. Especially medical images are low contrast and contain some noises. Therefore, the contrast enhancement and noise removal techniques are required in the pre-processing. In this study, we present an extension by a novel histogram equalization in which both local and global contrast is enhanced using neighborhood metrics. When checking neighborhood information, filters can simultaneously improve image quality. Most important is that original image information can be used for both global brightness preserving and local contrast enhancement, and image quality improvement filtering. Our experiments confirmed that the proposed method is more effective than other similar techniques reported previously.
본 논문에서는 병원에서의 PACS(Picture Archiving and Communications System)의 필요성을 갖고 있으나 경제적인 문제로 인하여 향후 PACS를 도입이 어려움이 있는 병원에서는 고가의 장비를 구입을 할 수 없으므로 가중치 메디안 필터를 이용하여 전처리 필터링을 거친 영상을 가지고 웨이브렛 분해와 웨이브렛 영역에서 처리된 영상을 역변환시켜 복원한 뒤에 명암의 개선을 위해 히스토그램 평활화(Histogram equalization)을 적용하여 영상 품질을 향상하여 이를 의료영상에 적용하여 특징 추출하였다. 이는 차후, 의료영상의 진단 및 관찰에 적용시 보다 더 효율적인 시스템 적용을 목적으로 하였다.
최근 스마트폰, 카메라, 휴대용 기기 등의 확산으로 다양한 분야에서 영상의 화질 향상의 필요성이 증가하고 있다. 영상의 화질 향상에 큰 영향을 주는 방법이 명암대비 향상이며 명암대비를 향상시키는 대표적인 방법으로는 히스토그램 평활화 방법이 있으며 다양한 연구가 이루어지고 있다. 그러나 일반적인 히스토그램 평활화 방법은 밝기만을 재조정하는 방법으로써 히스토그램이 한 쪽으로 치우친 영상의 경우 과도한 밝기 변화로 인하여 블록현상과 같은 왜곡이 발생한다. 본 논문에서는 히스토그램 분포의 평균 밝기를 균형 있게 재 분포 및 압축을 통해서 명암대비 향상 기법을 제안한다. 제안한 방법은 과도한 명암대비 증가로 인한 과포화 현상을 억제하기 위하여 히스토그램 빈도수에 따라 히스토그램을 차등 압축 시키며, 한 쪽으로 치우친 히스토그램을 균형 있게 재배열함으로써 영상의 밝기를 균형 있게 한다. 실험결과 제안방법은 기존 방법에 비해 영상의 밝기가 균형적이며 기존 방법에 비해 과포화 현상 없이 좋은 명암대비 향상 효과를 보였다.
Park, Gyu-Hee;Cho, Hwa-Hyun;Yun, Jong-Ho;Choi, Myung-Ryul
한국정보디스플레이학회:학술대회논문집
/
한국정보디스플레이학회 2007년도 7th International Meeting on Information Display 제7권2호
/
pp.1139-1142
/
2007
In this paper, an image enhancement method by saturation and contrast improvement is proposed. Histogram equalization with color difference makes higher contrast. By generating saturation amplification ratio with color difference, the saturation improves effectively. The experimental results show that the proposed algorithm has higher contrast and more natural - look than the conventional methods.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.