Abstract
This paper presents an image contrast enhancement technique for improving the low contrast images using the improved IAFC(Integrated Adaptive Fuzzy Clustering) model. The low pictorial information of a low contrast image is due to the vagueness or fuzziness of the multivalued levels of brightness rather than randomness. Fuzzy image processing has three main stages, namely, image fuzzification, modification of membership values, and image defuzzification. Using a new model of automatic crossover point selection, optimal crossover point is selected automatically. The problem of crossover point selection can be considered as the two-category classification problem. The improved IAFC model is used to classify the image into two classes. The proposed method is applied to several experimental images with 256 gray levels and the results are compared with those of the histogram equalization technique. We utilized the index of fuzziness as a measure of image quality. The results show that the proposed method is better than the histogram equalization technique.
본 논문은 저대비 영상을 처리하여 보다 향상된 영상을 얻고자 펴지 함소와 개선된 IAFC 모델을 적용한 영상 대비 향상 기법을 제안한다. 저대비에 의한 영상 정보의 불확실성이 무작위성보다 명암도의 모호성과 퍼지성에 근거한다는 점에서 퍼지 집합이론을 영상 향상 기법을 개발하는데 적용한다. 영상 향상의 단계를 퍼지화, 대비 강화 연산, 비퍼지화 단계로 나눠볼 수 있으며, 퍼지화 및 비퍼지화 과정에서 적절한 교차점 선택이 요구되고 이때 개선된 IAFC 모델을 적용하여 최적의 교차점을 선택한다. 데이터 대한 정신없이 임계 파라미터를 조정함으로써 클러스터링을 할 수 있는 개선된 IAFC 모델로 두 클래스만을 형성하도록 하여 명암도의 애매성이 최대가 되는 교차점을 찾아 대비를 강화시킨다. 대비 향상의 정략적 측정을 위해 퍼지성 지수를 사용하며 히스토그램 균등화 기법을 사용한 대비 향상 결과와 비교한다. 저대비 영상에 대해 최적의 교차점의 위치를 정하는 제안한 기법의 결과가 많은 실험영상을 통해 우수함을 보여주고 있다.
