Enhanced Binarization Method using Fuzzy Membership Function

퍼지 소속 함수를 애용한 개선된 이진화 방법

Most of image binarization algorithms analyzes the intensity distribution using the histogram for the determination of threshold value. When the intensity difference between the foreground object and the background is great, the histogram shows the tendency to be bimodal and the selection of the histogram valley as the threshold value shows the good result. On the other side. when the intensity difference is not great and the histogram doesn't show the bimodal property, the histogram analysis doesn't support the selection of the proper threshold value. This Paper Proposed the novel binarization method that applies the fuzzy membership function to each color value on the RGB color model and, by using the operation results, separates the features having the great readability from the background. The proposed method prevents the loss of information incurred by the gray scale conversion by using the RGB color model and extracts effectively the readable features by using the fuzzy inference Compared with the traditional binarization methods, the proposed method is able to remove the majority of noise areas and show the improved results on the image of transport containers , etc.

대부분의 이진화 알고리즘은 임계치를 결정하기 위하여 히스토그램을 사용하여 밝기 분포를 분석한다. 배경과 물체의 명도차이가 큰 경우에는 양봉 형태의 히스토그램이 나타나며 최적의 임계치를 찾기 위해 히스토그램 골짜기를 선택하는 것만으로도 양호한 임계치 결과를 얻을 수 있다. 반면에 배경과 물체의 밝기 차이가 크지 않거나 밝기 분포가 양봉 특성을 보이지 않을 때는 히스토그램 분석만으로 적절한 임계치를 얻기 어렵다 본 논문에서는 RGB 컬러 모형의 각 색상에 대하여 퍼지 소속 함수를 적용하고, 그 결과를 이용해 배경에 비해 가독성이 높은 특징들을 배경과 분리하는 방법을 제안한다. 제안된 이진화 방법은 RGB의 각 색상에 퍼지 소속 함수를 적용하여 얻은 값들을 이용해 이진화한다. 기존의 임계치를 이용한 이진화 방법에 비해 잡음 영역을 상당히 제거 할 수 있으며, 운송 컨테이너 영상에 적용한 결과, 기존의 방법에 비해 효율적인 것을 확인하였다.