انتخاب اتوماتیک تصویر مرجع در تطبیق هیستوگرام
الموضوعات :نجمه صمدیانی 1 , حمید حسن‌پور 2
1 - دانشگاه شاهرود
2 - دانشگاه صنعتی شاهرود
الکلمات المفتاحية: بهبود کنتراست تطبيق هيستوگرام برابرسازي هيستوگرام معيار شباهت,
ملخص المقالة :
در اين مقاله روشي براي انتخاب اتوماتيک تصوير مرجع در تطبيق هيستوگرام ارائه شده است. تطبيق هيستوگرام يکي از ساده‌ترين روش‌هاي مکاني بهبود تصوير است که با توجه به هيستوگرام تصوير مرجع، کنتراست تصوير اوليه را بهبود مي‌دهد. در روش‌هاي معمول تطبيق هيستوگرام، کاربر براي يافتن مناسب‌ترين تصوير مرجعي که بهتر از ساير تصاوير هدف، کنتراست تصوير را بهبود ببخشد، نيازمند انجام چندين آزمايش با عکس‌هاي گوناگون روي تصوير اوليه است اما اين مقاله، روشي براي انتخاب اتوماتيک تصوير مرجع در تطبيق هيستوگرام ارائه مي‌دهد. روش کار بدين صورت است که براي تجزیه مؤلفه روشنایی از رنگ، ابتدا تصاوير از فضاي رنگي RGB به فضاي HSV انتقال مي‌يابند. سپس تصوير مرجع مناسب براي بهبود تصوير اوليه، توسط يک معيار شباهت با سنجش ميزان شباهت بين هيستوگرام مؤلفه روشنایی تصاوير موجود در پايگاه داده و هيستوگرام مؤلفه روشنایی تصوير اوليه انتخاب مي‌شود. به عبارت ديگر، تصويري که هيستوگرام آن شباهت بيشتري به هيستوگرام تصوير اوليه دارد در بهبود کنتراست تصوير اوليه، موفق‌تر عمل مي‌کند. انجام اين کار علاوه بر به دست آوردن نتيجه مطلوب، کاربر را از دغدغه انتخاب يک تصوير مرجع مناسب براي بهبود تصوير اوليه نيز بي‌نياز مي‌کند. همچنين روش ارائه‌شده قابل استفاده روي تصاوير هر دو حوزه RGB و خاکستري نيز مي‌باشد.
[1] O. P. Verma, P. Kumar, M. Hanmandlu, and S. Chhabra, "High dynamic range optimal fuzzy color image enhancement using artificial ant colony system," Applied Soft Computing, vol. 12, no. 1, pp. 394-404, Jan. 2012.
[2] S. Hashemi, S. Kiani, N. Noroozi, and M. Ebrahimi Moghaddam, "An image contrast enhancement method based on genetic algorithm," Pattern Recognition Letters, vol. 31, no. 13, pp. 1816-1824, Oct. 2010.
[3] Z. Al-Ameen, G. Sulong, and M. G. Johar, "Enhancing the contrast of CT medical images by employing a novel image size dependent normalization technique," Int J. of Bio - Science and Bio - Technology, vol. 4, no. 3, pp. 63-68, Sep. 2012.
[4] A. Choudhury and G. Medioni, "Color contrast enhancement for visually impaired people," in Proc. IEEE Computer Society Computer Vision and Pattern Recognition Workshops, CVPRW'10, pp. 33-40, 13-18 Jun. 2010.
[5] W. Kao, M. Hsu, and Y. Yang, "Local contrast enhancement and adaptive feature extraction for illumination - invariant face recognition," Pattern Recognition, vol. 43, no. 5, pp. 1736-1747, May 2010.
[6] D. Menotti, L. Najman, J. Facon, and A. Araujo, "Multi - histogram equalization methods for contrast enhancement and brightness preserving," IEEE Trans. on Consumer Electronics, vol. 53, no. 3, pp. 1186-1194, Aug. 2007.
[7] R. Gonzalez and R. E. Woods, Digital Image Processing, Prentice Hall Publication, 2nd edition, pp. 88-103, 2001.
[8] C. Lee, C. Lee, Y. Y. Lee, and C. –S. Kim, "Power - constrained contrast enhancement for emissive displays based on histogram equalization," IEEE Trans. on Image Processing, vol. 21, no. 1, pp. 80-93, Jan. 2012.
[9] H. J. Kwak and G. T. Park, "Image contrast enhancement for intelligent surveillance systems using multi - local histogram transformation," J. of Intelligent Manufacturing, vol. 25, no. 2, pp. 303-318, May 2012.
[10] S. Jye, B. Marissa, and T. Paul, "Histogram matching for the generation of ventilation - perfusion difference images in SPECT lung scanning: a phantom study," The Int. J. of Medical Physics Research and Practice, vol. 39, no. 6, pp. 3026-3030, Jun. 2012.
[11] S. P. Ehsani, H. S. Mousavi, and B. H. Khalaj, "Iterative histogram matching algorithm for chromosome image enhancement based on statistical moments," in Proc. 9th IEEE Int. Symp. Biomedical Imaging, ISBI'12, pp. 214-217, 2-5 May 2012.
[12] P. Pavithra, N. Ramyashree, T. V. Shruthi, and J. Majumdar, "Image enhancement by histogram specification using multiple target images," Int. J.l of Electronics & Communication Technology, vol. 1, no. 2-4, pp. 193-201, Aug. 2010.
[13] S. Debashis and K. Pal Sankar, "Automatic exact histogram specification for contrast enhancement and visual system based quantitative evaluation," IEEE Trans. on Image Processing, vol. 20, no. 5, pp. 1211-1220, May 2011.
[14] Nasa Langley Research Center, Retinex Image Processing, http://dragon.larc.nasa.gov/retinex/pao/news, Retrived in Oct. 2013.
[15] H. Hassanpour, A. Darvishi, and A. Khalili, "A regression - based approach for measuring similarity in discrete signals," Int. J. of Electronics, vol. 98, no. 9, pp. 1141-1156, Sep. 2011.
