[논문 리뷰] Analysis of proposed PDE-based underwater image enhancement algorithms

Uche A. Nnolim|arXiv (Cornell University)|2016. 12. 14.

Image Enhancement Techniques참고 문헌 29인용 수 5

한 줄 요약

이 논문은 비선형 미분방정식(PDE) 기반의 수중 영상 향상 프레임워크를 제안하며, 이는 이방향 분산, 대trast 항, 그리고 동적으로 적응하는 CLAHE를 조합한 하이브리드 접근 방식을 통해 조명 보정, 색상 복원, 대trast 향상, 노이즈 감소를 통합한다. 이 방법은 반복적인 클립 한계 조정과 PDE 기반 최적화를 통해 국소적이고 전반적인 영상 품질을 향상시키면서 노이즈 증폭을 줄임으로써 기존 알고리즘을 능가한다.

ABSTRACT

This report describes the experimental analysis of proposed underwater image enhancement algorithms based on partial differential equations (PDEs). The algorithms perform simultaneous smoothing and enhancement due to the combination of both processes within the PDE-formulation. The framework enables the incorporation of suitable colour and contrast enhancement algorithms within one unified functional. Additional modification of the formulation includes the combination of the popular Contrast Limited Adaptive Histogram Equalization (CLAHE) with the proposed approach. This modification enables the hybrid algorithm to provide both local enhancement (due to the CLAHE) and global enhancement (due to the proposed contrast term). Additionally, the CLAHE clip limit parameter is computed dynamically in each iteration and used to gauge the amount of local enhancement performed by the CLAHE within the formulation. This enables the algorithm to reduce or prevent the enhancement of noisy artifacts, which if present, are also smoothed out by the anisotropic diffusion term within the PDE formulation. In other words, the modified algorithm combines the strength of the CLAHE, AD and the contrast term while minimizing their weaknesses. Ultimately, the system is optimized using image data metrics for automated enhancement and compromise between visual and quantitative results. Experiments indicate that the proposed algorithms perform a series of functions such as illumination correction, colour enhancement correction and restoration, contrast enhancement and noise suppression. Moreover, the proposed approaches surpass most other conventional algorithms found in the literature.

연구 동기 및 목표

• 기존 수중 영상 향상 기법이 노이즈 감소와 효과적인 대trast 및 색상 보정 간의 균형을 이루지 못하는 한계를 해결하기 위해.
• 동시에 스무딩, 대trast 향상, 색상 복원을 수행할 수 있는 통합된 PDE 기반 프레임워크를 개발하기 위해.
• PDE 수식에 동적으로 조정되는 CLAHE를 통합하여 국소 강조 중 노이즈 아티팩트의 증폭을 방지하기 위해.
• 시각적 결과와 정량적 결과 간의 일치도를 향상시키기 위해 영상 품질 지표를 활용한 최적화 과정을 수행하기 위해.
• 주관적인 시각적 품질과 객관적인 성능 지표 양면에서 기존의 방법을 뛰어넘기 위해.

제안 방법

• 이 방법은 노이즈 감소와 에지 유지에 적합한 이방향 분산을 적용한 PDE 수식을 사용한다.
• 전반적인 대trast 향상을 위해 PDE 내부에 대trast 강화 항을 통합한다.
• 대조 한계가 있는 적응형 히스토그램 평준화(CLAHE)는 반복마다 갱신되는 동적 클립 한계를 통해 국소 강화 강도를 제어한다.
• 동적 클립 한계는 반복적으로 조정되어 노이즈 영역의 과강조를 줄이면서도 이미지 세부 정보를 유지한다.
• 이 프레임워크는 하나의 기능적 수식 내에서 색상 보정, 대trast 강화, 노이즈 감소를 통합한다.
• 영상 데이터 지표를 활용하여 시각적 매력과 정량적 성능 간의 균형을 맞추기 위해 최적화한다.

실험 결과

연구 질문

• RQ1 PDE 기반 프레임워크는 어떻게 수중 영상에서 전반적이고 국소적인 강화를 효과적으로 조합하면서 노이즈를 억제할 수 있는가?
• RQ2 고정된 파rameter를 가진 CLAHE와 비교해 동적 CLAHE 파rameter 조정이 수중 영상에서 강화 품질에 얼마나 기여하는가?
• RQ3 통합된 PDE 수식은 조명 보정, 색상 복원, 대trast 강화, 노이즈 감소를 동시에 달성할 수 있는가?
• RQ4 기존의 전통적인 수중 영상 향상 알고리즘과 비교해 제안된 방법은 정량적 및 정성적으로 어떻게 성능을 냈는가?
• RQ5 반복적인 클립 한계 적응 과정은 강화 과정 중 노이즈 아티팩트 억제에 어떤 영향을 미치는가?

주요 결과

• 제안된 알고리즘은 기존 방법에 비해 주관적 품질과 정량적 지표 양면에서 뛰어난 성능을 달성한다.
• PDE 기반 분산과 동적 CLAHE의 통합은 노이즈 증폭을 효과적으로 줄이며 국소 대trast를 향상시킨다.
• 이 방법은 수중 영상에서 동시에 조명 보정, 색상 강화, 대trast 복원을 성공적으로 수행한다.
• 동적 클립 한계 메커니즘은 각 반복마다 국소 이미지 콘텐츠에 적응함으로써 노이즈 영역의 과강조를 방지한다.
• 통합된 PDE 프레임워크는 시각적 매력과 객관적 영상 품질 점수 사이의 균형 잡힌 트레이드오프를 가능하게 한다.
• 실험 결과, 하이브리드 접근 방식이 문헌에 기록된 대부분의 기존 전통적 알고리즘을 뛰어넘는다.