روش بهبود سریع و کارآمد تصویر رنگی مبنی بر منطق فازی و هیستوگرام
چکیده
در اینجا یک الگوریتم مبتنی برهیستوگرام و منطق فازی جدید برای بهبود تصاویر رنگی با کنتراست پائین پیشنهاد شده است. این روش در مقایسه باسایر تکنیک های بهبود پیشرفته و متداول از لحاظ محاسباتی سریع می باشد. آن مبتنی بر دو پارامتر مهم M و K می باشد که M مقدار شدت متوسط تصویر رانشان می دهد که از هیستوگرام محاسبه می شود و K پارامتر تشدید کنتراست می باشد. برای حفظ اطلاعات رنگی موجود در تصویر اصلی، تصویر RGB به فضای رنگی HSV تبدیل می شود. برای بهبود تصویر، تنها مولفه V تحت کنترل پارامترهای M و K کشیده می شود. روش پیشنهادی با تکنیک های بهبود کنتراست متداول و همچنین الگوریتم های پیشرفته مقایسه شده است. کلیه تکنیک های فوق مبتنی بر اصل تبدیل هیستوگرام چوله تصویر اصلی به هیستوگرام یکنواخت هستند. عملکرد الگوریتم های مختلف بهبود کنتراست براساس کیفیت دیداری، Tenengrad، CII و زمان محاسبه مورد ارزیابی قرار گرفته است. مقایسه تکنیک های مختلف روی تصاویر رنگی باکنتراست پائین انجام شد. براساس تحلیل عملکرد، از این مسئله حمایت می کنیم که روش منطق فازی پیشنهادی برای بهبود کنتراست تصاویر رنگی با کنتراست پائین مناسب می باشد.
1. مقدمه
بهبود کنتراست، کیفیت دیداری ظاهری یک تصویر و همچنین ویژگیهای خاص تصویر را به منظور پردازش و تحلیل با سیستم دید کامپیوتری بهبود می بخشد. برای تقسیم بندی و شناسایی اشیاء و ویژگیها در صحنه، و به منظور دستیابی به عملکرد بهتر، محتوای اطلاعاتی تصویر باید بهبود یابد. هرچند، تکنیک های بهبود کنتراست با تصاویری با توزیع فضایی یکنواخت مقادیر خاکستری کاملاً خوب عمل می کنند، اما زمانی که زمینه از توزیع یکنواخت روشنایی برخوردار نیست، آنگاه مشکلاتی پدیدمی آید. تصاویری با کنتراست پائین با لبه های ضعیف، چالش هایی در فیلدهای دید کامپیوتری و بازشناسی الگو مطرح می کنند. بهبود خودکار کنتراست مبتنی بر منطق فازی سریع و کارآمد تصاویر رنگی با کنتراست پائین در اینجا پیشنهاد شده است، که امکان بهبود کیفیت دیداری تصویر را فراهم آورده و همچنین به استخراج ویژگیهای فضایی موجود در تصویر کمک می کند. این روش در مقایسه با سایر الگوریتم های بهبود پیشرفته نظیر گروه بندی سطح خاکستری (GLG) و تکنیک بهبود مبتنی بر فازی [13]، از لحاظ محاسباتی سریع می باشد. این روش عمدتاً مبتنی بر دو پارامتر مهم می باشد، یکی مقدار شدت متوسط تصویر M و دیگری پارامتر تشدید کنتراست K. از روش پیشنهادی در فضای رنگی HSV استفاده می شود به گونه ای که تنها مولفه V با حفظ اطلاعات رنگی کشیده می شود ( H و S).
Abstract
A new fuzzy logic and histogram based algorithm for enhancing low contrast color images has been proposed here. The method is computationally fast compared to conventional and other advanced enhancement techniques. It is based on two important parameters M and K, where M is the average intensity value of the image, calculated from the histogram and K is the contrast intensification parameter. The given RGB image is converted into HSV color space to preserve the chromatic information contained in the original image. To enhance the image, only the V component is stretched under the control of the parameters M and K. The proposed method has been compared with conventional contrast enhancement techniques as well as with advanced algorithms. All the above techniques were based on the principle of transforming the skewed histogram of the original image into a uniform histogram. The performance of the different contrast enhancement algorithms are evaluated based on the visual quality, Tenengrad, CII and the computational time. The inter comparison of different techniques was carried out on different low contrast color images. Based on the performance analysis, we advocate that our proposed Fuzzy Logic method is well suited for contrast enhancement of low contrast color images.
1. Introduction
Contrast enhancement enhances the apparent visual quality of an image as well as the specific image features for further processing and analysis by a computer vision system [1]. For segmentation and identification of objects and features in a scene, the information content of the image has to be enhanced for better performance. Although, the techniques of contrast enhancement perform quite well with images having a uniform spatial distribution of gray values, difficulties arise when the background has a non uniform distribution of brightness [1]. Low contrast images with weak edges pose challenges in the fields of computer vision and pattern recognition. A fast and efficient fuzzy based automatic contrast enhancement of low contrast color images has been proposed here, which enables improvement of visual quality of image as well as aid in extraction of the spatial features present in the image. The method is computationally fast compared to other advanced enhancement algorithms such as Gray Level Grouping (GLG) [11] and fuzzy based enhancement technique of [13]. The method is mainly based on two important parameters, one the average intensity value of the image M and the other a contrast intensification parameter K. The proposed method is applied to the HSV color space so that only the V component is stretched by preserving the chromatic information (H and S).
چکیده
1. مقدمه
2. تکنیک های بهبود کنتراست
3. روش مبتنی بر فازی پیشنهادی
4. معیارهای عملکرد
1. 4 شاخص بهبود کنتراست (CII)
2. 4 معیار Tenengrad
5. نتایج و بحث
6. نتیجه گیری
Abstract
Keywords
1. Introduction
2. Contrast enhancement techniques
3. Proposed fuzzy-based method
4. Performance measures
5. Results and discussion
6. Conclusion
References
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه