[논문 리뷰] Image Enhancement using Fuzzy Intensity Measure and Adaptive Clipping Histogram Equalization

Xiangyuan Zhu, Xiaoming Xiao외 3명|arXiv (Cornell University)|2021. 01. 15.

Image Enhancement Techniques참고 문헌 34인용 수 5

한 줄 요약

이 논문은 잡음과 밝기 왜곡을 줄이기 위해 히스토그램 분할을 위한 퍼지 강도 측정법과 히스토그램 균일화에서의 적응형 클리핑을 조합한 새로운 이미지 향상 방법인 FIMHE를 제안한다. 퍼지 분할에 기반한 지능적인 히스토그램 클리핑을 통해 FIMHE는 시각적 품질을 향상시키고 기준 데이터셋에서 최신 기법들을 능가한다.

ABSTRACT

Image enhancement aims at processing an input image so that the visual content of the output image is more pleasing or more useful for certain applications. Although histogram equalization is widely used in image enhancement due to its simplicity and effectiveness, it changes the mean brightness of the enhanced image and introduces a high level of noise and distortion. To address these problems, this paper proposes image enhancement using fuzzy intensity measure and adaptive clipping histogram equalization (FIMHE). FIMHE uses fuzzy intensity measure to first segment the histogram of the original image, and then clip the histogram adaptively in order to prevent excessive image enhancement. Experiments on the Berkeley database and CVF-UGR-Image database show that FIMHE outperforms state-of-the-art histogram equalization based methods.

연구 동기 및 목표

• 과도한 잡음 증폭과 평균 밝기 이동 등의 전통적 히스토그램 균일화의 한계를 해결한다.
• 왜곡을 줄이고 인지적 밝기를 유지함으로써 이미지 향상 품질을 향상시킨다.
• 이미지 콘텐츠에 따라 향상 강도를 적응적으로 제어하는 방법을 개발한다.
• 기본 이미지 데이터베이스에서 기존의 히스토그램 균일화 기반 기법들보다 더 나은 성능을 달성한다.

제안 방법

• 멤버십 함수에 기반하여 입력 이미지의 히스토그램을 고유한 강도 영역으로 분할하기 위해 퍼지 강도 측정법을 적용한다.
• 분할된 히스토그램을 사용하여 고주파 강도 영역에서 과도한 향상 방지를 위한 적응형 클리핑 임계치를 결정한다.
• 클리핑된 히스토그램에 대해 히스토그램 균일화를 수행하여 대trast를 향상시키지만 잡음 증폭을 최소화한다.
• 지역 이미지 특성에 따라 클리핑 수준을 동적으로 조정하기 위해 퍼지 논리를 통합한다.
• 적응형 클리핑을 통해 동적 범위 확장을 제한함으로써 평균 밝기 유지 보장을 확보한다.
• 퍼지 분할과 적응형 클리핑을 조합하여 대trast 향상과 아티팩트 억제 사이의 균형을 이룬다.

실험 결과

연구 질문

• RQ1 퍼지 강도 측정법은 이미지 강도 분포의 분할을 어떻게 향상시켜 더 나은 향상 제어를 가능하게 하는가?
• RQ2 고정 클리핑 대비 적응형 클리핑은 히스토그램 균일화에서 잡음과 왜곡을 어느 정도 줄이는가?
• RQ3 제안된 방법은 대trast를 향상시키는 동안 원본 이미지의 평균 밝기를 유지할 수 있는가?
• RQ4 이미지 품질 지표 측면에서 FIMHE는 최신 기술에 비해 얼마나 정량적으로 뛰어나게 성능을 내는가?
• RQ5 이 방법은 기준 데이터셋의 다양한 이미지 유형에서 시각적 품질을 유지하는가?

주요 결과

• 기존의 히스토그램 균일화 기법들에 비해 FIMHE는 잡음과 왜곡을 크게 줄였다.
• 이 방법은 원본 이미지의 평균 밝기를 유지하여 일반적인 밝기 이동 문제를 방지한다.
• Berkeley 세그멘테이션 데이터셋에서 FIMHE는 기준 기법들보다 더 높은 PSNR 및 SSIM 값을 기록했다.
• CVF-UGR-Image 데이터베이스에서의 실험을 통해 FIMHE가 객관적 평가와 주관적 평가 양 측면에서 최신 기술들을 능가한다는 것이 확인되었다.
• 퍼지 강도 측정법의 사용은 더 정확하고 맥락 인식 가능한 히스토그램 분할을 가능하게 한다.
• 퍼지 분할에 기반한 적응형 클리핑은 더 자연스러운 시각적 결과와 함께 감소된 아티팩트를 제공한다.