• 전기전자학회논문지
• /
• 제13권2호
• /
• pp.224-231
• /
• 2009

언샤프 마스킹 기법은 회색조 영상의 화질 향상을 위해 널리 사용되는 영상 강화기법 중 하나이다. 하지만 언샤프마스킹 알고리즘은 노이즈에 민감하며 오버/언더슛이 발생하여 영상을 열화시키는 문제가 있다. 또한 칼라 영상성분에 기존 알고리즘을 그대로 적용하게 되면 영상에서 색차의 왜곡현상이 발생한다. 이러한 여러 가지 문제를 해결하기 위하여 본 논문에서는 고급 언샤프 마스킹 알고리즘을 사용하여 색차왜곡 없이 영상의 경계를 강조하고 노이즈와 오버/언더슛 문제를 해결한다. 제안하는 알고리즘은 오버/언더슛과 노이즈 문제를 해결하기 위하여 인간의 시각적 특성과 영상의 지역적 색차 대비 특성을 이용하여 영상 강화의 단계를 조절하고, RGB영상과 HSI영상의 관계를 바탕으로 RGB의 벡터적 특성에 기반한 투사 방법을 이용하여 색차왜곡을 방지한다. 실험 결과는 제안하는 알고리즘이 성공적으로 경계 영상을 강조하는 동시에 타 알고리즘을 적용했을 때 발생하는 색차왜곡과 노이즈 및 오버/언더슛 현상 없이 영상이 강조된다는 것을 확인할 수 있다.

• 방송공학회논문지
• /
• 제22권6호
• /
• pp.702-712
• /
• 2017

본 논문에서는 신호 구조에 가중치 맵으로써 Laplacian을 이용한 언샤프 마스킹과 평균 밝기에 가중치 맵으로써 영상의 평균 밝기를 이용한 감마 변환 알고리듬을 제안하고자 한다. 패치를 기반으로 한 기존의 가중치 맵은 신호 구조 및 평균 밝기 영역에서 영상 내 밝기 값이 한쪽으로 치우쳐 세부 정보가 손실되는 단점이 있다. 본 논문에서는 패치 단위의 언샤프 마스킹을 이용하여 세부정보를 향상시켰고, 전역적 및 지역적 영상의 평균 밝기 값을 이용하여 감마 변환된 값을 선형 결합한 기법을 제안한다. 제안하는 알고리듬은 영상 내 윤곽선과 같은 세부 정보를 보존시키고 빛의 밝기 조절을 통해 주관적 화질을 향상시켰다. 실험 결과를 통해 기존 알고리듬에 비해 제안한 알고리듬이 우수한 성능을 나타내는 것을 확인하였다.

• 전자공학회논문지
• /
• 제49권11호
• /
• pp.56-63
• /
• 2012

본 논문에서는 선명도가 향상된 영상의 오버슈트와 계단현상을 줄이기 위해 에지 보존 스무딩 필터인 bilateral filter를 이용한 적응적 언샤프 마스킹 기법을 제안한다. Unsharp masking(UM)을 포함한 기존의 선명도 개선 기법들은 영상의 고주파정보를 강하게 강조하지만, 종종 오버슈트, 잡음증폭, 계단현상 등 여러 문제점들을 야기한다. 제안한 선명도 개선 방법은 bilateral filter를 활용하여 에지를 잘 보존하고, 에지의 방향성에 따라 가중치를 더 세밀하게 조절한다. 따라서 선명도는 향상시키고 오버슈트, 계단현상 문제를 효과적으로 줄일 수 있었다. 기존의 적응적 언샤프 마스킹 기법과 제안하는 방법의 결과영상을 비교하여 실험을 수행한 결과, 제안하는 알고리즘이 적절하게 선명도를 개선함을 보여주었고 오버슈트와 계단현상도 많이 감소시킴을 알 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.985-988
• /
• 2007

본 논문에서는 unsharp masking를 이용한 영상 개선 기법을 제안한다. 이 기법은 기존의 unsharp mask을 이용한 영상 개선을 어렵게 만드는 요인 중 하나인 인자를 자동으로 설정하여 이미지를 선명하게 만드는 기법이다. 기존의 세 인자인 Threshold, Amount, Radius를 자동으로 최적화하기 위해, 영상의 각 픽셀을 세 가지 그룹으로 분류하고, 그에 따라 unsharp mask의 적용 정도를 달리한다. 사람이 직접 인자를 입력하여 개선된 영상과 제안된 기법으로 개선된 영상의 비교를 통해 영상 개선 정도를 실험, 분석하였다.

• 한국멀티미디어학회논문지
• /
• 제21권2호
• /
• pp.108-116
• /
• 2018

In this paper, we propose an image enhancement method based on Multi-Scale Retinex theory that designs Unsharp Masking Filter (UMF) and emphasizes the contrast ratio adaptively. Unsharp Masking (UM) technique emphasizes image sharpness and improves contrast ratio by adding high frequency component to the original image. The high frequency component is obtained by differentiating between original image and low frequency image. In this paper, we present how to design an UMF kernel and to adaptively apply it to increase the contrast ratio according to multi-scale retinex theory which resembles human visual system. Experimental results show that the proposed method has better quantitative performance indexes such as PSNR, ambe & SSIM and better qualitative feature like halo artifact suppression.

• 한국멀티미디어학회논문지
• /
• 제21권8호
• /
• pp.821-828
• /
• 2018

Image Enhancement is used in various applications. Among them, unsharp masking methods can improve the contrast with a simple operation. However, it has problems of noise enhancement and halo effect caused by the use of a single filter. To solve this problems, adaptive processing using multi-scale and bilinear filters is being studied. These methods are effective for improving the halo effect, but it require a lot of calculation time. In this paper, we want to simplify adaptive filtering by generating a weight map based on local brightness. This weight map enables adaptive processing that eliminates the halo effect through a single multiplication operation. Through experiments, we confirmed the suppression of the halo effect through the result image of the proposed algorithm and existing algorithm.

• 방송공학회논문지
• /
• 제21권2호
• /
• pp.180-191
• /
• 2016

일반 가시광선 영상의 확대를 위한 알고리즘을 선명도가 떨어지는 적외선 영상에 적용시켰을 때 개선효과가 미흡한 문제점을 해결하기 위해 본 논문은 적외선 영상을 위한 영상 확대 알고리즘을 제안한다. 제안 알고리즘은 적외선 영상이 가시광선 영상에 비해 디테일이 적다는 특성과 에지 영역에 대해 사람이 시각적으로 민감하다는 특성을 고려하여 ADRC(Adaptive Dynamic Range Coding)와 같은 단순한 분류기법을 적용시켰으며, 에지 영역에 대해서만 알고리즘을 적용시켜 연산량을 절약한다. 또한 확대 영상의 선명도 개선을 위해 합성과정에서 전처리나 후처리를 추가시키는 방법 대신 학습과정에서 전처리를 추가하여 합성과정에서 연산량 증가 없이 확대 영상의 선명도를 개선하였다. 제안 알고리즘은 크게 학습과정과 합성과정으로 나뉜다. 이와 같은 방법으로 영상 확대 알고리즘을 수행하였을 때 최신의 영상확대 기법인 A+ (Anchored neighborhood regression)기법 대비 JNB(Just Noticeable Blur)수치가 평균 0.0201만큼 높은 결과를 확인할 수 있었다.