Improved Image Enhancement Method For Non-Uniform Illumination And Low Ontrast Images Using Bihistogram Modification Approach

Dalam situasi tertentu, imej yang pencahayaan tidak seragam dan beza jelas rendah berkemungkinan akan dirakam. Imej-imej ini dianggap sebagai satu cabaran dalam bidang penglihatan komputer dan pengecaman corak. Teknik-teknik konvensional yang biasa digunakan untuk menyelesaikan masalah ini mempun...

Full description

Saved in:
Bibliographic Details
Main Author: Kong , Teck Long
Format: Thesis
Language:English
Published: 2016
Subjects:
Online Access:http://eprints.usm.my/41572/1/Improved_Image_Enhancement_Method_For_Non-Uniform_Illumination_And_Low_Ontrast_Images_Using_Bihistogram_Modification_Approach.pdf
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Dalam situasi tertentu, imej yang pencahayaan tidak seragam dan beza jelas rendah berkemungkinan akan dirakam. Imej-imej ini dianggap sebagai satu cabaran dalam bidang penglihatan komputer dan pengecaman corak. Teknik-teknik konvensional yang biasa digunakan untuk menyelesaikan masalah ini mempunyai beberapa batasan. Sesetengah teknik memerlukan pelarasan parameter-parameter secara manual. Selain itu, sesetengah teknik hanya tertumpu kepada satu atau dua aspek daripada pengurangan hingar, peningkatan beza jelas, penambahbaikan ketidak seragaman pencahayaan, dan pemeliharaan perincian imej. Oleh itu, penyelidikan ini mencadangkan satu kaedah baharu iaitu " Bi-histogram Modification for Illumination Correction " (BHMIC). Langkah pertama BHMIC ialah membezakan kawasan terang dan gelap dalam sesuatu imej. Kemudian, ia diikuti dengan meningkatkan beza jelas dan keadaan pencahayaan imej tersebut. Pada masa yang sama, proses penyaringan diaplikasi untuk membuang perincian imej (seperti pinggir) dan hingar. Ini dilakukan untuk memelihara perincian tersebut dan menghalang penguatan hingar. Kaedah yang dicadangkan menggunakan anggapan pencahayaan dan pemantulan untuk memisahkan kawasan terang dan gelap imej. Kemudian, kawasan-kawasan tersebut dipertingkatkan dengan menggunakan peningkat terang dan gelap yang diterbitkan secara berasingan. “Clipped Histogram Equalization” yang telah diubahsuaikan kemudiannya digunakan untuk tujuan peningkatan beza jelas. Akhirnya, perincian imej ditambahkan kembali kepada imej yang pencahayaannya diperbetulkan dan beza jelasnya dipertingkatkan untuk menghasilkan imej keluaran akhir. Analisis kualitatif menunjukkan bahawa BHMIC yang dicadangkan mempunyai prestasi yang bagus dalam pemeliharaan butiran imej, peningkatan beza jelas dan penyeragaman keadaan pencahayaan tanpa memperkuatkan hingar yang tidak dikehendaki. Analisis kuantitatif menunjukkan bahawa BHMIC yang dicadangkan adalah 38% hingga 42.9%, 0.8% hingga 4.7% and 0.7% hingga 2.3% lebih baik daripada kaedah-kaedah lain yang telah diuji masing-masing dari segi EME, NIQE dan entropy. Keputusan yang memberangsangkan ini menunjukkan bahawa BHMIC berkemungkinan mampu digunakan sebagai pra-pemprosesan kepada imej wajah untuk pengecaman wajah, imej perubatan untuk memudahkan diagnosis penyakit dan imej fotografi untuk kegunaan peribadi. ________________________________________________________________________________________________________________________ In certain situations, low contrast and non-uniform illuminated images would be captured. These images are considered as challenge in the field of computer vision and pattern recognition. The conventional techniques that are commonly used to solve this problem have some limitations. Some of these methods require manual parameters tuning. Besides that, some of the methods are only focused on one or two aspects of noise reduction, contrast enhancement, non-uniform illumination enhancement and detail preservation. Hence, this study proposes a new method which is Bi-histogram Modification for Illumination Correction (BHMIC). The proposed BHMIC will first distinguish the bright and dark regions of an image. Then, it is followed by enhancing the contrast and illumination condition of the image. At the same time, filtering process is employed in order to remove the details of the image (i.e. edges) and noises. It is done to preserve the details and avoid the amplification of noises. The proposed method applies the illumination and reflectance assumptions to separate the dark and bright regions of the image. Then, these regions are enhanced using derived dark and bright enhancers separately. The modified clipped histogram equalization is then applied for contrast enhancement purpose. Finally, the details of the image are added to the illumination corrected and contrast enhanced image as an output image. Qualitative analysis shows that the proposed BHMIC has good performance in detail preservation, contrast enhancement and illumination condition enhancement without significantly amplifying unwanted noise. The quantitative analysis shows that the proposed BHMIC is 38% to 42.9%, 0.8% to 4.7% and 0.7% to 2.3% better than other tested methods in EME, NIQE and entropy, respectively. The promising results suggest that the proposed BHMIC could probably be used in pre-processing of face images for face recognition, medical images for easier disease symptoms diagnosis and photography images for personal usage.