[论文解读] Image Enhancement using Fuzzy Intensity Measure and Adaptive Clipping Histogram Equalization

Xiangyuan Zhu, Xiaoming Xiao+3 more|arXiv (Cornell University)|Jan 15, 2021

Image Enhancement Techniques参考文献 34被引用 5

一句话总结

本文提出了一种名为FIMHE的新颖图像增强方法，结合了模糊强度度量用于直方图分割以及直方图均衡化中的自适应裁剪，以减少噪声和亮度失真。通过基于模糊分割智能裁剪直方图，FIMHE提升了视觉质量，并在基准数据集上优于最先进方法。

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.

研究动机与目标

• 解决传统直方图均衡化存在的局限性，如过度放大噪声和均值亮度偏移。
• 通过减少失真并保持感知亮度，提升图像增强质量。
• 开发一种能根据图像内容自适应控制增强强度的方法。
• 在标准图像数据库上实现优于现有基于直方图均衡化技术的性能。

提出的方法

• 应用模糊强度度量，根据隶属函数将输入图像的直方图分割为不同的强度区域。
• 利用分割后的直方图确定自适应裁剪阈值，以防止在高频强度区域出现过度增强。
• 对裁剪后的直方图执行直方图均衡化，以增强对比度，同时最小化噪声放大。
• 集成模糊逻辑，根据局部图像特征动态调整裁剪水平。
• 通过自适应裁剪限制动态范围扩展，确保均值亮度保持不变。
• 将模糊分割与自适应裁剪相结合，以平衡对比度提升与伪影抑制。

实验结果

研究问题

• RQ1 模糊强度度量在提升图像强度分布分割精度方面，如何实现更优的增强控制？
• RQ2 与固定裁剪相比，自适应裁剪在直方图均衡化中能将噪声和失真减少到何种程度？
• RQ3 所提出的方法是否能在增强对比度的同时保持原始图像的均值亮度？
• RQ4 在图像质量度量方面，FIMHE与最先进直方图均衡化技术相比，其性能在定量上如何？
• RQ5 该方法在基准数据集中的多样化图像类型上是否保持了良好的视觉质量？

主要发现

• 与传统直方图均衡化方法相比，FIMHE显著减少了噪声和失真。
• 该方法保持了原始图像的均值亮度，避免了亮度偏移的常见问题。
• 在Berkeley分割数据集上，FIMHE的PSNR和SSIM值均高于基线方法。
• 在CVF-UGR-Image数据库上的实验结果证实，FIMHE在客观和主观评估中均优于最先进技术。
• 模糊强度度量的使用实现了更精确且上下文感知的直方图分割。
• 基于模糊分割的自适应裁剪带来了更自然的图像增强效果，同时显著减少了伪影。