Contrast enhancement is often used as preprocessing in computer vision, image processing, and pattern recognition. The contrast enhancement method using a 2D histogram is superior to the 1D histogram-based contrast enhancement because it enhances contrast using contextual information between adjacent pixels. In the 2D histogram-based algorithm, the kernel, which weights according to the difference in pixel values between adjacent pixels in the 2D histogram, is used. Since the kernel is fixed for every image, it can not provide the desired contrast adaptively to image contents. Thus, we propose an adaptive weight kernel based on the statistical information of the 2D histogram through linear regression. Once the kernel is obtained, it is used to strengthen the contrast efficiently through optimization techniques. Also, by using only the partial contextual information of the image, we drastically reduce the computational time which is a disadvantage of the conventional 2D histogram-based algorithms. Experimental results show that the proposed method is superior to conventional algorithms in terms of contrast enhancement performance.
대비 강화 알고리즘은 컴퓨터 비젼, 영상 처리, 그리고 패턴 인식에서 전처리 과정으로 주로 쓰인다. 2차원 히스토그램을 사용하는 대비 강화 방법은 인접한 픽셀간의 주변 정보를 이용하여 대비를 강화시키기 때문에 1차원 기반 대비 강화 방법보다 우수하다. 2차원 히스토그램 기반 알고리즘에서 인접한 픽셀간의 픽셀값의 차이에 가중치를 주는 커널이 사용된다. 커널은 매 영상마다 고정되어 있기 때문에 영상에 원하는 대비를 적응적으로 제공할 수 없다. 그러므로, 우리는 선형 회기법을 통해 2차원 히스토그램의 통계적 정보에 기반한 적응적 가중치 커널을 제안한다. 적응적 가중치 커널이 얻어지면, 그것은 최적화 기법들을 통해 대비가 강화되기 위해 사용된다. 또한, 영상의 부분적인 주변 정보만을 이용함으로써, 우리는 전형적인 2차원 히스토그램 기반 알고리즘들의 단점이었던 계산 시간을 크게 줄인다. 실험 결과들은 제안하는 방법이 대비 강화 성과 측면에서 전형적 알고리즘들보다 우수함을 보여준다.
