(3.80.6.131) 您好!臺灣時間:2021/05/15 01:51
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:邱碩敏
研究生(外文):Shuo-Min Chiou
論文名稱:使用模糊推論和適應性的三次曲線解決自動曝光問題
論文名稱(外文):A Novel Integration method for Solving Auto-Exposure Problem with Fuzzy Inference and Adaptive Cubic Curve
指導教授:周建明周建明引用關係
指導教授(外文):Chine-Ming Chou
學位類別:碩士
校院名稱:明道大學
系所名稱:管理研究所
學門:商業及管理學門
學類:企業管理學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:53
中文關鍵詞:模糊理論三次曲線自動曝光和補償
外文關鍵詞:Cubic curveFuzzy inferenceCompensation.Auto-exposure
相關次數:
  • 被引用被引用:0
  • 點閱點閱:133
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
這篇論文主要是提出一種智慧型的演算法來解決影像自動曝光的問題,而這個所提出來的方法可以解決常使用於影像增強之處理方法的問題,例如過度飽合和對比失真等,此方法主要是由兩個部分所組成的:影像的分類與補償階段。
在分類階段中,我們使用空間位置的特性、影像亮度的直方統計圖和累進機率函數所形成的面積大小獲得三個影像特徵的指標,接下來利用這三個特徵指標依照模糊推論的方法決定出影像是屬於曝光不足、曝光過度或是逆光;另外在影像補償階段,我們則提出一個合適的三次補償曲線去補償分類好的影像,這個補償曲線會依據偵測出來的影像類型去決定他的反曲點,藉由反曲點的設定可以有效並快速的補償影像的亮度。
經由實驗的證明,我們所提出的這個嶄新的演算法,無論是在分類或是補償上都能得到好的結果,因此它可以快速且正確的將影像的亮度做調整。
This paper proposes the intelligent technique algorithm for solving of Auto-Exposure Problem. The proposed technique attacks the weakness of the conventional image processing methods such as over-saturation, losing contrast and so on. It consists of two operation phases: classification and compensation phases.
In the detection phase, we use the spatial position characteristic and histogram of image to obtain three image indices, which can determine the exposure degree of an image. Fuzzy inference is then used to integrate these three indices into a final determine index. In the compensation phase, we propose the adaptive compensation-curve scheme to compensate the brightness of different class images. The luminance of a typical image is adjusted according to the compensation curve, which is adapted dynamically according to the degree inferenced phase.
The performance of the proposed technique is tested in large database of images covering various kinds of typical images conditions and degrees. The experimental and comparison results clearly show the superiority of the proposed technique.
中文摘要 I
英文摘要 II
誌 謝 III
目 錄 IV
圖目錄 VI
表目錄 VIII
第一章 序論 1
1.1 研究動機及目的 1
1.2 論文的架構 2
第二章 文獻回顧 3
2.1 分類方法 3
2.1.1 決策樹(Decision Tree) 3
2.1.2 類神經網路(Artificial Neural Networks, ANNs) 4
2.1.3 分割式群組化演算法(Partition Clustering Methods) 5
2.1.4 模糊理論(Fuzzy Logic) 6
2.2 影像補償 11
2.3系統整體架構 12
第三章 分類架構及方法 15
3.1 前言 15
3.2 分類架構說明 15
3.3 分類的特徵描述 17
3.3.1亮度直方統計圖(Intensity Histogram) 17
3.3.2累進機率函數(Cumulative Density Function, CDF) 19
3.3.3空間位置(Spatial characteristics) 20
3.4 模糊推論(Fuzzy Inference) 22
第四章 以三次曲線為基礎的影像補償法 24
4.1 簡介 24
4.2 三次曲線補償法之描述 25
第五章 結果與討論 31
5.1 實驗機制 31
5.2 實驗結果 33
5.3 實驗結果分析 36
第六章 結論與未來發展 41
參考文獻 42
[1] Quinlan, J. R., “Induction of Decision Tree,” Machine Learning, vol. 1, no. 1, pp. 81-106, 1986.
[2] Quinlan, J. R., C4.5: Programs for Machine Learning, Morgan Kaufmann, 1993.
[3] Raphaël Marée, Pierre Geurts, Justus Piater, and Louis Wehenkel, “A Generic Approach for Image Classification Based on decision tree Ensembles and Local Sub-Windows,” Proceedings of the 6th Asian Conference on Computer Vision, vo2, pp. 860-865, 2004.
[4] A. Hauptmann, R. Yan, Y. Qi, R. Jin, M. Christel, M. Derthick, M.-Y. Chen, R. Baron, W.-H. Lin, and T. D. Ng., “Video Classification and Retrieval with the Informedia Digital Video Library System,” Text Retrieval Conference (TREC02), November, 2002.
[5] Jungho Im and John R. Jensen, “A change detection model based on neighborhood correlation image analysis and decision tree classification,” Remote Sensing of Environment, vol. 99, pp. 326 – 340, 2005.
[6] W. B. K, and B. T. A, and S. Y. , “Neural Network Applications in Business: A Review and Analysis of the Literature (1988-95),” Decision Support Systems, vol. 19, pp. 301-320, 1997.
[7] S. H. Ha, and S. C. Park, “Application of data mining tools to hotel data mart on the Intranet for database marketing,” Expert Systems with Applications (15: 1), pp. 1-31, 1998.
[8] J. MacQueen, “Some Methods for Classification and Analysis of Multivariate Observations,” Proc. Berkeley Symp. Mathematical Statitst and Probability, vol. 1, pp. 281-297, 1967.
[9] Leonard. Kaufman and Peter J. Rousseeuw, “Finding Groups in Data: An Introduction to Cluster Analysis,” New York: John Wiley & Sons, 1990.
[10] H. Z. Hel-Or and B. A. Wandell, “Object-based illumination classification,” Pattern Recognition, July 2001.
[11] Raymond T. Ng, Jiawei Han, “Efficient and Effective Clustering Methods forSpatial Data Mining,” Proc. 20st Int. Conf. VLDB, pp. 144-155, 1994.
[12] C. T. Lin and C. S. George Lee, Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Intelligent Systems, Upper Saddle River, NJ: Prentice Hall, 1996.
[13] R. C. Gonzalez and R. E. Woods, “Digital Image Processing,” NewYork, Aaddison-Wesley, 1992.
[14] W.C. Kao, L. Y. Chen, and S. H. Wang, “Tone Reproduction in Color Imaging Systems by Histogram Equalization of Macro Edges,” IEEE Transactions on Consumer Electronics, vol. 52, no. 2, May 2006.
[15] G. J. Braun and M. D. Fairchild, “Image Lightness Rescaling Using Sigmoidal Contrast Enhancement Function,” Journal of Electronic Imaging, vol. 8, no.4, pp. 380, 1999.
[16] Messina G., Castorina A., Battiato S. and Bosco A., “Image quality improvement by adaptive exposure correction techniques,” STMicroelectronics - Str. Primosole 50, 2006.
[17] Messina G., Castorina A., Battiato S. and Bosco A., “Automatic Global Image Enhancement by Skin Dependent Exposure Correction,” STMicroelectronics - Str. Primosole 50, 2006.
[18] Guo Li., “Geometrical Methods for Lightness Adjustment in YCC Color Spaces,” Imaging Systems Laboratory HP Laboratories Palo Alto HPL-2005-191, October 20, 2005.
[19] P. A. Mlsna and J. J. Rodriguez, “A multivariate contrast enhancement technique for multispectral images.”, IEEE Trans. Geosci. Remote Sens, vol.33, pp. 212-216, 1995.
[20] F.Saitoh, “Image contrast enhancement using genetic algorithm”, Proc of IEEE International Conference on SMC, vol.4, pp. 899-904, Oct. 1999.
[21] Cuizhu Shi, Keman Yu, Jiang Li and Shipeng Li., “Autoatic image quality improvement for videoconferencing,” Inst. of Image Communication & Information Processing, 2004.
[22]呂坤哲,基於決策樹之影像資料挖掘法及其在影像處理上的應用,碩士論文,逢甲大學,資訊工程學系碩士班,台中,2002。
[23]杜秉衡,一個自動偵測影像中文字的方法,碩士論文,國立台灣大學電機工程學研究所,台北,2003。
[24]林育生,視訊中車輛與行人之辨認與追蹤,碩士論文,輔仁大學電子工程學系,台北,2004。
[25]陳拓榮,模糊邏輯應用於疲勞辨識系統,碩士論文,大葉大學車輛工程學系學系,彰化,2003。
[26]江啟逞,行人穿越道行人監控系統之研究,碩士論文,國立交通大學電機與控制工程研究所,新竹,2005。
[27]童明棟,應用模糊理論於智慧型代理人搜尋系統之研究,碩士論文,國立成功大學工業設計學系,台南,2005。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 鍾思嘉、龍長風(1984).修訂情境與特質焦慮量表之研究.中華測驗年刊,31,27-36。
2. 馬素華(1997).穴位點壓法對慢性組塞性肺疾病人的成效‧長庚護理,8(4),85-89。
3. 孫秀卿、賴裕和(2001).癌症相關之疲倦.腫瘤護理雜誌,1(2),31-36。
4. 鍾聿琳(1999).生產支持.護理雜誌,46(6),77-81。
5. 劉淑樺(2001).疲憊之概念分析.護理雜誌,48(4),73-77。
6. 林麗英、許敏桃(2002).由個案觀點看焦慮:一個本土護理學的田野研究?P榮總護理,19(4),379-387。
7. 車先蕙、盧孟良、陳錫中、張尚文、李宇宙(2006).中文版貝克焦慮量表之信效度?P臺灣醫學,10(4),447-454。
8. 李碧娥、林秋菊(2002).疲憊的概念分析?P長庚護理,13(4),339-344。
9. 王蔚芸、王桂芸、湯玉英(2007).焦慮之概念分析.長庚護理,18(1),59-67。
10. 陳麗麗、王純娟、蔡秀珠 (1998).穴位按摩法對剖腹產後促進腸蠕動療效之初探.護理研究,6(6),526-533。
11. 黃俊元、楊銘欽、陳維昭(1997)•產婦特性與採用剖腹產:以台大醫院為例,中華公共衛生雜誌,16(4),309-318。
12. 黃立琪、賴東淵、吳宏乾、 林君黛、陳麗麗(2005).耳穴埋豆壓迫法對痛經療效的初探.醫護科技學刊7(3),236-245。
13. 郭正典、陳高揚(1997).心率變異度及心肺功能失常.臨床醫學, 39(5),271-275。
14. 張郁婉(1994).待產婦產痛情形之分析及探討.公共衛生,12(1),128-141。
15. 曾雅玲、余玉眉(1994).正常分娩的初產婦於待產及生產時主觀經驗之探討探.護理研究,2(4),327-337。