대한전자공학회논문지SP (Journal of the Institute of Electronics Engineers of Korea SP)

대한전자공학회 (The Institute of Electronics and Information Engineers)
권호 표지

국부 통계치를 활용한 서양금석문 영상향상

Image Enhancement for Western Epigraphy Using Local Statistics

  • 황재호 (한밭대학교 전자공학과)
  • 발행 : 2007.05.25
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

국부 통계치에 근거한 서양금석문 영상향상 기법을 고안한다. 영상데이터는 배경과 정보의 두 영역으로 구분한다. 통계 및 함수적 분석을 통해 서양금석문 영상 대부분이 가우스 회색도분포임을 규명하고 분포 및 영역특성을 고려한 모델을 구현한다. 모델을 대상으로 국부정규화처리 알고리즘을 수식화하고 파라미터를 추출하며 이동창에서의 기능과 특성을 논의한다. 파라미터와 이동창의 크기를 조정하여 화소 회색도의 공간 분포를 변형하고 영역을 선별한다. 이 때 국부통계치는 알고리즘을 실현하는 유용한 근거로 활용된다. 알고리즘 적용에 의해 영역의 잡음과 불규칙한 분포 상태가 평활되는 동시에 영역 사이의 회색도 격차를 증대시켜 영상을 향상한다. 실험결과는 제안된 방식이 기존의 영상향상 기법보다 우수한 효과가 있음을 보여준다.

In this paper, we investigate an enhancement method for Western epigraphic images, which is based on local statistics. Image data is partitioned into two regions, background and information. Statistical and functional analyses are proceeded for image modeling. The Western epigraphic images, for the most part, have shown the Gaussian distribution. It is clarified that each region can be differentiated statistically. The local normalization process algorithm is designed on this model. The parameter is extracted and it‘s properties are verified with the size of moving window. The spatial gray-level distribution is modified and regions are differentiated by adjusting parameter and the size of moving window. Local statistics are utilized for realization of the enhancement, so that difference between regions can be enhanced and noise or speckles of region can be smoothed. Experimental results are presented to show the superiority of the proposed algorithm over the conventional methods.

키워드

참고문헌

  1. N. Otsu, 'A Threshold Selection Method from Gray-Level Histograms,' IEEE Trans. on Systems, Man, and Cybernetics, Vol. 9, no. 1, pp. 62-66, 1979 https://doi.org/10.1109/TSMC.1979.4310076
  2. K. Zuiderveld, Contrast limited adaptive histogram equalization, Graphics gems IV, Academic Press Professional, Inc., San Diego, CA, 1994
  3. R. C. Gonzalez and R. E. Woods, Digital image processing. Reading, 2nd ed., New Jersey, Addison-Wesley, 2002
  4. T. L. Ji, M. K. Sundareshan, and H. Roehrig, 'Adaptive image contrast enhancement based on human visual properties,' IEEE Trans. Medical Imaging, Vol. 13, no. 4, pp. 573？586, Dec. 1994 https://doi.org/10.1109/42.363111
  5. D. C. Chang and W. R. Wu, 'Image contrast enhancement based on a histogram transformation of local standard deviation,' IEEE Trans. Medical Imaging, Vol. 17, no. 4, pp. 518-531, Aug. 1998 https://doi.org/10.1109/42.730397
  6. D. Zheng, J. Wang, and Z. Xiao, 'Image enhancement based on local standard deviation,' Journal of Info. and Comptu. Sci., Vol. 2, no. 2, pp. 429-437, 2005
  7. J. D. Sandys, Latin epigraphy, an introduction to the study of Latin inscriptions, 2'nd Ed. Ares Publi., p.1, Chicago, 1927
  8. http://www.caaconference.org/
  9. http://www.csad.ox.ac.uk/
  10. http://www.univ.trieste.it/~epilab/
  11. http://www.epigraphische-datenbank-heidelberg.de/
  12. http://gsm.nricp.go.kr/
  13. http://www.beilin-museum.com/index1.htm
  14. C. Daniel and F. S. Wood, Fitting Equations to Data, John Wiley & Sons, New York, 1980
  15. X. Z. Sun and A. N. Venetsanopoulos, 'Adaptive schemes for noise filtering and edge detection by use of local statistics,' IEEE Trans. Circuits and Systems, Vol. 35, no. 1, pp. 57-69, Jan. 1988 https://doi.org/10.1109/31.1700
  16. S. C. Pei and C. N. Lin, 'Image normalization for pattern recognition,' Image Vision Comput., Vol. 13, no. 10, pp. 711？723, Dec. 1995 https://doi.org/10.1016/0262-8856(95)98753-G
  17. 황재호, '변형된 ICM 방식에 의한 영역판별', 전자공학회논문지 제 43권 SP편, 제5호, 37-44쪽, 2006년9월
  18. 황재호, 김원식, '순차적 층위군집(層位群集)판별에 의한 경동맥 내중막 두께 측정', 전자공학회논문지 제 43권 SC편, 제5호, 89-100쪽, 2006년9월