[논문 리뷰] Image contrast enhancement using fuzzy logic

Sandeep Joshi, Samrudh Kumar|arXiv (Cornell University)|2018. 09. 12.

Image Enhancement Techniques참고 문헌 3인용 수 3

한 줄 요약

이 논문은 기존 히스토GRAM 균형화 기법에서 흔히 발생하는 과도/부족 증강 문제를 해결하기 위해 저해상도 영상의 대trast를 향상시키기 위한 새로운 퍼지 추론 시스템(FIS)을 제안한다. 국소 대비를 기반으로 픽셀 강도를 적응적으로 조정하는 퍼지 논리 기반 접근을 통해 시각적 품질과 정량적 성능이 향상되어 주관적 및 객관적 평가에서 기존 기법들을 능가한다.

ABSTRACT

Image enhancement is a method of improving the quality of an image and contrast is a major aspect. Traditional methods of contrast enhancement like histogram equalization results in over/under enhancement of the image especially a lower resolution one. This paper aims at developing a new Fuzzy Inference System to enhance the contrast of the low resolution images overcoming the shortcomings of the traditional methods. Results obtained using both the approaches are compared.

연구 동기 및 목표

• 히스토그램 균형화와 같은 전통적인 대비 증강 기법의 한계, 즉 저해상도 영상에서 과도 또는 부족하게 증강되는 문제를 해결하기 위해.
• 저해상도 영상 증강에 특화된 새로운 퍼지 추론 시스템(FIS)을 개발하기 위해.
• 국소 대비 특성에 기반해 픽셀 강도를 적응적으로 조정하여 영상 품질을 향상시키기 위해.
• 기존 접근 방식에 비해 더 견고하고 시각적으로 매력적인 증강 솔루션을 제공하기 위해.

제안 방법

• 국소 대비 측정 기반의 입력 소속 함수를 갖는 맞춤형 퍼지 추론 시스템(FIS)을 설계하기 위해.
• 퍼지 논리 규칙을 사용해 입력 대비 값을 적절한 강도 변환 요소로 매핑하기 위해.
• 각 픽셀 또는 국소 영역에 FIS를 적용하여 밝기와 대비를 동적으로 조정하기 위해.
• 부드럽고 연속적인 강도 조정을 생성하기 위해 싱글턴 출력 함수를 활용하기 위해.
• 회색조 및 색채 영상 모두에 적용 가능한 픽셀 단위의 증강 파이프라인에 FIS를 통합하기 위해.
• 시각적 평가와 PSNR 및 SSIM와 같은 정량적 지표를 사용하여 방법을 검증하기 위해.

실험 결과

연구 질문

• RQ1 퍼지 추론 시스템은 과도 또는 부족 증강을 피하면서 저해상도 영상의 대비를 효과적으로 향상시킬 수 있는가?
• RQ2 제안된 FIS 기반 방법은 전통적인 히스토그램 균형화 기법에 비해 시각적 품질과 정량적 지표에서 어떻게 비교되는가?
• RQ3 퍼지 논리 접근 방식은 저해상도 영상에서 이미지 세부 정보를 얼마나 잘 유지하고 소음 증폭을 줄이는가?
• RQ4 국소 대비 모델링은 증강 시스템의 성능에 어떤 영향을 미치는가?

주요 결과

• 제안된 퍼지 논리 기반 방법은 히스토그램 균형화에서 흔히 발생하는 과도 및 부족 증강 아티팩트를 크게 감소시킨다.
• 시각적 점검 결과, 더 나은 세부 정보 보존과 자연스러운 외관으로 인해 인지적 품질이 향상됨을 확인할 수 있다.
• 정량적 결과에서는 기존 히스토그램 균형화 기법에 비해 더 높은 PSNR 및 SSIM 값이 나타났다.
• 다양한 종류의 저해상도 영상에서 뚜렷한 성능 일관성을 유지하며 뛰어난 견고성을 보였다.