彩色影像的事前處理、對比增強、半調子影像回復、資料隱藏暨檢索應用之研究(I)

行政院國家科學委員會專題研究計畫 期中進度報告

彩色影像的事前處理、對比增強、半調子影像回復、資料隱 藏暨檢索應用之研究(1/3)

計畫類別： 個別型計畫

計畫編號： NSC94-2213-E-011-042-

執行期間： 94 年 08 月 01 日至 95 年 07 月 31 日 執行單位： 國立臺灣科技大學資訊工程系

計畫主持人： 鍾國亮

報告類型： 精簡報告

處理方式： 本計畫可公開查詢

中 華 民 國 95 年 8 月 30 日

行政院國家科學委員會專題研究計畫成果報告

彩色影像的事前處理、對比增強、半調子影像回復

、資料隱藏暨檢索應用之研究( 1 / 3 )

The Study for Color Image Preprocessing, Contrast Enhancement, Inverse Halftone, Data Hiding, and Retrieval Application (1/3)

計畫編號: NSC 94-2213-E-011-042-

執行期限: 94 年 8月 1日至 95年 7月 31日 主持人：鍾國亮教授 國立台灣科技大學資訊工程系

中文摘要

關於彩色影像的研究在近幾年成為 更為重要的議題。彩色影像是由三個獨 立的平面所組成，如：紅、綠及藍的彩 色平面等等。雖然彩色影像可以轉成灰 階影像再處理，且也有許多灰階影像處 理方法被彩用，然而由於色彩資訊的流 失，將造成影像處理能力上的限制。本 研究小組在今年度計畫中完成下列主要 研究成果。

(1) 針對在 CIE Lu'v'彩色平面[1]上所做 的影像色彩對比增強提出一個新的 有效率的保邊演算法[2]。這個演算 法不但能如之前的色彩對比增強演 算法[3][4]可以達到色彩對比增強，

且具有保住邊訊息的效果。此外，所 提出的演算法亦可以將因影像對比 增強所造成產生「假邊點」有效地減 少。再者，又再提出一個新的彩色影 像分割的演算法用以驗證在所提出

的色彩對比增強演算法上做保邊效 果的優點。透過一些實際的圖片，足 以說明我們所提出的演算法在色彩 對比增強、邊訊息保留的效果與影像 分割上的優勢。(本研究成果已投稿 至 Journal of Visual Communication and Image Representation 期刊)。

(2) 基植於空間域的色彩動差(SCMs)，

提出了一個新的有效率的空間域的 色彩動差影像檢索(SCMIR)演算法 [5] 。我們所提出的 SCMIR 演算法 除了保留了最近發表的色彩動差影 像檢索演算法(CMIR)[6]中節省記憶 體的優點外，由於再將空間域的資訊 內植入 CMs 中，因此可以得到更好 的檢索精確度。在一百二十五張圖片 的影像資料庫測試下，我們所提出的 SCMIR 演算法被證實有更好的檢索 精確度。(本研究成果目前已被 2006 年 CVGIP 研討會接受(Oral)，且已投 稿至IEEE Trans. Multimedia期刊)。

(3) 植於紋理與決策樹的半色調影像回 復 [7]。最近 Kim 提出了利用決策樹 學習機制來進行半色調影像的回復 [8]，可以得到較好的品質。在我們 的演算法中，我們首先建構一顆類似 於 Kim 所提出的決策樹，接著利用 向 量 量化 (Vector Quantization)將附 在決策樹葉子上的子影像幾分類，來 得到更準確的灰階值。在兩組不同大 小的訓練與測試影像中，實驗結果顯 示我們所提出的演算法與其他三個 演算法[8-10]相比之下，能夠提供更 高的影像品質。(本研究成果目前已 被 2006 年 CVGIP 研 討 會 接 受 (Oral)，且將投稿至IEEE Trans. Image Processing期刊)。

英文摘要

The research in color images becomes more important in recent years.

Color image is composed of three independent planes, e. g. the RGB plane.

Although color images can be transformed into gray images and the image algorithms are followed, they loss color information so that the processing power is limited. In this project, we do the research and have the results as shown below.

(1) A new and efficient edge-preserving algorithm [2] is presented for color contrast enhancement in CIE Lu’v’

color space [1]. The proposed algorithm not only can enhance the color contrast as the previous algorithm [3][4] does, but also has an edge-preservation effect. In addition, the spurious edge points occurred due to the color contrast enhancement can be well reduced using the proposed algorithm. Furthermore, a novel color

image segmentation algorithm is presented to justify the edge-preservation benefit of the proposed color contrast enhancement algorithm. Based on some real images, experimental results demonstrate the advantages of color contrast enhancement, edge-preservation effect, and segmentation result in our proposed algorithm.

(2) Based on the proposed concept of spatial color moments (SCMs), a novel and efficient spatial-based color moments image retrieval (SCMIR) algorithm is presented [5]. Besides

preserving the original memory-saving advantage in the currently published color moments image retrieval (CMIR) algorithm [6], our proposed SCMIR algorithm has better retrieval accuracy due to embedding the spatial information into the CMs. Based on two hundred and twenty-five color images as the image database, experimental results confirm the better retrieval accuracy and the memory-saving preservation of our proposed SCMIR algorithm.

(3) We present a new IH algorithm using texture- and decision tree-based (TDT) learning approach [7]. Our proposed TDT-based IH (TDTIH) algorithm first constructs an approximate decision tree which is modified from the previous decision tree approach [8]. Then we partition textures of gray subimages, which are attached to each leaf of the decision tree, into some clusters. Next, for each leaf, using the vector quantization technique to build up a dynamic local codebook where each codeword stores the reconstructed gray value. Two image sets with different sizes are used in the

experiments and experimental results show the reconstructed images by using our proposed TDTIH algorithm have better quality when compared to the DTIH algorithm [8], the LIH algorithm [9] and the ELIH algorithm [10].

計畫緣由、結果與討論

過去影像處理主要是以灰階影像為 基礎，在許多的早期的影像處理技術，

大都先將彩色影像轉換成灰階影像後才 能進行處理與分析的工作。然而，相較 於灰階影像，彩色影像讓人看起來是較 舒服且自然的。加上工業科技的進步，

機器硬體設備也更加成熟，故彩色影像 處 理 的 技 術 如 雨 後 春 筍 般 地 湧 現 [3]

[4][6]。各種有效率的影像處理技術逐漸 擴展到彩色領域，且許多新的彩色影像 的相關方法紛紛被提出。本計劃主持人 及其研究成員在彩色影像處理的研究方 面投入相當多的心力，得到了一些不錯 的成果。由於這些理論的發展，方能達 成快速且有效的實作以及使其成本降低 的可能性增加。本研究小組針對此基礎 且實用的議題進行以下的研究並完成下 列研究成果。

(一) 針對色彩對比增強之有效率的保邊 演算法及其在彩色影像分割上的應 用[2]：

增強色彩對比時，邊訊息容易因為 色彩對比增強的動作而發生增加 或是流失，因此我們針對了此項缺 點作出了改善。我們透過事先測邊 的方式，將邊訊息記錄。之後，當 影像色彩對比增強時，便開始判斷 該點是否有邊訊息流失或增加的 情況。如果有，我們則透過二元搜

尋方式將最靠近最佳對比增強且 未流失邊訊息的色彩作為輸出的 結果。為了增加運算的速度，我們 透過參考之前的結果作為此次運 算的預設值。此外，為了驗證對比 增強與保邊的效果，我們亦提出了 一種新的彩色影像分割演算法。透 過數張實際影像的測試，我們所提 出的演算法較之前的色彩對比增 強演算法[3][4]，同時有著邊訊息保 留的效果與影像分割上的優勢。(本 研究成果將投稿至 Journal of Visual Communication and Image Representation 期刊)。

(二) 使用空間域的色彩動差實現以內容 為基礎的影像檢索 [5]：

由於最近所提出的色彩動差影像檢 索(CMIR)演算法[6]僅是以色彩資 訊來作為檢索的依據，而缺少了在 空間域的資訊，如此影像的內容資 訊並沒有作為檢索的評估標準。因 此我們在色彩動差上植入了空間域 的資訊，提出了空間域的色彩動差 影像檢索(SCMIR)演算法。我們提 出的 SCMIR 演算法除了可以保留 之前的 CMIR 中節省記憶體的優點 外，更加入了空間域的資訊，以提 高檢索的精確度。此外，我們使用 了 CIE Lu’v’彩色平面取代了之前 的 CIE xyY 彩色平面 [1]，以取得 更小的色彩誤差。經過一百二十五 張 的 影 像 測 試 ， 我 們 所 提 出 的 SCMIR 演算法確實有著較高的檢 索精確度。(本研究成果目前已被 2006 年 CVGIP 研討會接受(Oral)，

且已投稿至 IEEE Trans. Multimedia 期刊)。

(三) 植於紋理與決策樹的半色調影像回 復 [7]：

最近 Kim[8]提出了利用決策樹學 習 機 制 來 進 行 半 色 調 影 像 的 回 復，可以得到較好的品質。在我們 的演算法中，我們首先建構一顆類 似於 Kim 所提出的決策樹，接著利 用向量量化的方法，將附在每個決 策樹葉子上的子影像建立出一個 碼表。碼表中每個碼對應至一個回 復的灰階值。在重建灰階影像的過 程中首先利用高斯遮罩作用於輸 入的半色調影像並得到一張暫存 的灰階影像。利用半色調影像的黑 白紋理，可以在紋理決策樹上找到 一個對應的葉子。接著，利用暫存 灰階影像的紋理，可在碼表中找到 一個最近的把碼並得到其對應的 重建灰階值。在兩組不同大小的訓 練與測試影像中，實驗結果顯示我 們所提出的演算法與其他三個演 算法相比之下，能夠提供更高的影 像品質[8-10]。(本研究成果目前已 被 2006 年 CVGIP 研 討 會 接 受 (Oral) ， 且 將 投 稿 至 IEEE Trans.

Image Processing期刊)。

計畫自評

本計畫的成果與報告內容和原計畫 的申請項目大致相同，計畫之分項子題 成的狀況亦很理想。各個計畫子題的成 果均已完成，其中各計畫子題之關成果 皆在國外著名的期刊下審查過程中。本 計畫所提及之各項成果對於影像與視訊 壓縮的研究領域及實作方面上皆有相當 貢獻。除了在學術理論上將有顯著的成 果外，在實際應用上，不但增加執行效 能，更提供更理想的影像品質。透過本 計畫的研究與實作，能夠讓參與的人員 對於彩色影像的事前處理、對比增強、

半調子影像回復、資料隱藏暨檢索的相 關技術有深入的瞭解，並將理論與實際 應用結合，可提升參與之工作人員今後 之研發能力進而提昇國家競爭力。

參考文獻

[1] R. W. G. Hunt, Measuring Colour, 2nd Ed., Ellis Horwood, New York, 1995.

[2] K. L. Chung, Y. W. Liu and W. M. Yan,

“Efficient edge-preserving algorithm for color contrast enhancement with application to color image segmentation,” J. Visual Communication and Image Representation, submitted.

[3] L. Lucchese and S. K. Mitra, “Filtering color images in the xyY color space,” in Proc. Int. Conf. Image Processing, Vancouver, BC, Canada, vol. 3, pp.

500-503, Sept. 2000.

[4] S. C. Pei, Y. C. Zeng, and C. H. Chang,

“Virtual restoration of ancient Chinese paintings using color contrast enhancement and lacuna texture synthesis,” IEEE Trans. Image Processing, vol. 13, pp. 416-429, Mar, 2004.

[5] K. L. Chung, P. C. Kung, Y. H Huang, and Y. W. Liu, “New Content-Based Image Retrieval Using Spatial Chromaticity Moments,” IEEE Trans. Multimedia, submitted.

[6] G. Paschos, I. Radev and N. Prabakar,

“Image content – based retrieval using chromaticity moments,” IEEE Trans.Knowledge and Data Engineering, vol. 15, pp. 1069-1072, Sep. 2003.

[7] K. L. Chung, K. C. Wu, and Y. H. Huang,

“Efficient inverse halftoning using texture and decision tree-based learning approach,” IEEE Trans. Image Processing,

preparing.

[8] H. Y. Kim and R. de Queiroz, “Inverse halftoning by decision tree learning,”

in Proc. IEEE Int. Conf. Image Processing, vol. 2, Sept. 2003, pp.

913-916.

[9] M. Me se and P. P. Vaidyanathan, “Look 8 up table (LUT) method for inverse halftoning,” IEEE Trans. Image Processing, vol. 10, pp. 1566-1578, Oct.

2001.

[10]K. L. Chung and S. T. Wu, “Inverse halftoning algorithm using edge-based lookup table approach,” IEEE Trans.

Image Processing, vol. 14, pp. 1583-1589, Oct. 2005.