히스토그램 확장기법은 입력 이미지의 동적영역을 전체 사용가능한 동적영역으로 변환함으로써 이 미지의 화질을 개선하는 기법이다. 낮은 복잡도를 가지며 원본 이미지의 히스토그램 분포의 모양을 그대로 유지하는 장점이 있지만 입력 이미지의 동적영역에 따라 개선정도는 상당한 차이를 보이는 단점이 있다. 또 하나의 대표적인 방법인 히스토그램 균등화기법은 수학적으로 전 동적영역에 대해서 균일한 분포를 가지도록 변환하지만 영상에 따라 과도한 변환으로 인한 화질 열화가 발생할 수 있다 는 단점이 있다. 제안하는 알고리즘은 이들 두 방법의 장점을 결합할 수 있는 화질개선 기법으로서 이 과정에서 SVD를 적용하여 입력영상을 분해한다. 이후 히스토그램 확장 및 균등화기법으로 얻어진 이미지의 고유값들과의 가중평균을 통해 개선된 이미지를 얻는다. 실험결과는 제안하는 알고리즘은 히스토그램 균등화기법을 포함하여 기존의 여러 방법과 비교하여 높은 주관적 화질을 보이며 개선영 상을 표현하는 화소값의 다양성을 나타내는 엔트로피 또한 상대적으로 높은 것을 볼 수 있다.
Histogram stretching method, typical image enhancement scheme, enhances image quality by transferring dynamic range of input image to totally available one. It has low complexity, and keep the histogram shape of input image. The amount of enhancement, however, is so different according to dynamic range of input image. Another typical method, histogram equalization method, convert histogram of input image to one with uniform distribution, but there are some artifacts owing to over transformation. The proposed algorithm is image enhance method combining strength of these two methods. Input image is decomposed using SVD(singular value decomposition) in this procedure. After that, we can enhance image via weighted average of singular values of histogram stretching and equalization. Simulation results show that the proposed method yields higher subjective image qualities than other conventional approaches, and also higher entropy that represents variety of pixel values in enhanced images
1. 서론 2. 기반기술 3. 제안하는 방법 4. 실험결과 및 분석 5. 결론 References
