Triangular Fuzzy Membership-Contrast Limited Adaptive Histogram Equalization (TFM-CLAHE) for Enhancement of Multimodal Biometric Images

2019 ◽  
Vol 106 (2) ◽  
pp. 651-680 ◽  
Author(s):  
B. Sree Vidya ◽  
E. Chandra
Keyword(s):  
Histogram Equalization ◽  
Fuzzy Membership ◽  
Adaptive Histogram Equalization

scholarly journals Peningkatan Kualitas Citra Reduksi Noise Menggunakan Iterative Denoising and Backward Projection-CNN dan TFM-CLAHE Pada Citra 24 Bit

Techno Com ◽  
2021 ◽  
Vol 20 (4) ◽  
pp. 566-578
Author(s):  
Irpan Adiputra Pardosi ◽  
Hernawati Gohzali
Keyword(s):  
Histogram Equalization ◽  
Fuzzy Membership ◽  
Adaptive Histogram Equalization ◽  
Iterative Denoising

Penurunan kualitas yang diakibatkan adanya noise atau kontras yang tidak normal pada citra mengakibatkan objek pada citra menjadi tidak jelas. Masalah itu dapat disebabkan perangkat yang digunakan menimbulkan noise atau tidak bisa menghasilkan kontras yang normal. Adanya noise dan kontras rendah gelap berdampak besar terhadap kualitas citra?, proses reduksi noise yang berukuran besar 45% akan berpengaruh pada informasi didalam citra sehingga kualitas citra hasil reduksi menjadi hal yang perlu dipertimbangkan untuk noise berukuran besar?. Penelitian tahun 2019 menggunakan algoritma Iterative Denoising and Backward Projections with CNN (IDBP-CNN) dinyatakan mampu mereduksi noise hingga 51% dengan kualitas PSNR diatas 30 dB dengan mengabaikan kontras dari citra. Sedangkan algoritma untuk meningkatkan kontras citra menggunakan algoritma Triangular Fuzzy Membership?Contrast Limited Adaptive Histogram Equalization (TFM-CLAHE) juga diklaim mampu meningkatkan kontras citra dengan kualitas PSNR di atas 20 dB, yang lebih baik dibandingkan dengan algoritma CLAHE. Berdasarkan hasil pengujian yang dilakukan pada 10 citra kontras rendah gelap dengan noise 45% didapatkan kombinasi algoritma TFM-CLAHE diikuti IDBP-CNN lebih baik dengan rata-rata hasil PSNR = 31.69 dB, dibandingkan sebaliknya PSNR = 31.01 dB, Namun rata-rata keragaman informasi citra hasil dengan kombinasi IDBP-CNN diikuti TFM-CLAHE lebih kecil selisihnya terhadap citra asli berdasarkan Shanon Entropy sebesar 3.77% dibandingkan sebaliknya 4.75%

PENERAPAN METODE CLAHE UNTUK MEMPERJELAS OBJEK PANTULAN KACA PADA CITRA DIGITAL

2019 ◽  
Vol 3 (1) ◽  
Author(s):  
Sulharmi Irawan ◽  
Yasir Hasan ◽  
Kennedi Tampubolon
Keyword(s):  
Image Processing ◽  
Computer Graphics ◽  
Digital Image ◽  
Histogram Equalization ◽  
Image Objects ◽  
Adaptive Histogram Equalization ◽  
Image Displays ◽  
Reflection Image

Glass reflection image displays unclear or suboptimal visuals, such as overlapping images that blend with overlapping displays, so objects in images that have information and should be able to be processed for advanced research in the field of image processing or computer graphics do not give the impression so that research can be done. Improvement of overlapping images can be separated by displaying one of the image objects, the method that can be used is the Contras Limited Adaptive Histogram Equalization (CLAHE) method. CLAHE can improve the color and appearance of objects that are not clear on the image. Images that experience cases such as glass reflection images can be increased in contrast values to separate or accentuate one of the objects contained in the image using the Contrast Limited Adaptive Histogram Equalization (CLAHE) method.Keywords: Digital Image, Glass Reflection, Contrast, CLAHE, YIQ.

Adaptive histogram equalization and its variations

1987 ◽  
Vol 39 (3) ◽  
pp. 355-368 ◽  
Author(s):  
Stephen M. Pizer ◽  
E. Philip Amburn ◽  
John D. Austin ◽  
Robert Cromartie ◽  
Ari Geselowitz ◽  
...  
Keyword(s):  
Histogram Equalization ◽  
Adaptive Histogram Equalization

scholarly journals PENERAPAN RANDOM FOREST UNTUK PENGENALAN JENIS IKAN BERDASARKAN PERBAIKAN CITRA CLAHE DAN DARK CHANNEL PRIOR

2021 ◽  
Vol 7 (1) ◽  
Author(s):  
R.A. Pramunendar ◽  
Dwi Puji Prabowo ◽  
F. Alzami ◽  
R.A. Megantara
Keyword(s):  
Random Forest ◽  
Histogram Equalization ◽  
Dark Channel Prior ◽  
Adaptive Histogram Equalization ◽  
Dark Channel

Ancaman terhadap kekayaan alam semakin terlihat, oleh karena itu upaya untuk melindungi populasi biota perairan sangat menantang bagi banyak negara. Upaya untuk mengatasi kerusakan terhadap populasi ikan asli telah dilakukan dengan mengurangi populasi ikan invasif melalui teknik penangkapan ikan tradisional. Namun, teknik penangkapan tersebut tidak hanya menangkap spesies ikan invasif tetapi juga spesies asli. Oleh karena itu, masih diperlukan proses manual untuk memilah hasil tangkapan sehingga menghabiskan energi dan waktu. Maka, perlu ditingkatkan kemampuan pengenalan ikan secara otomatis dengan bantuan computer. Telah ada penelitian sebelumnya untuk mengenali jenis-jenis ikan, namun tidak banyak yang mempertimbangkan adanya noice atau artefak-artefak yang timbul karena kondisi bawah air serta efek fitur-fitur ikan yang saling berkaitan. Oleh karena itu dalam penelitian ini, peneliti  ini mengusulkan untuk melakukan analisis dampak pre-processing dari kombinasi algoritma CLAHE dan DCP yang diterapkan dalam klasifikasi ikan dengan Random Forest. Pre-processing yang yang diberikan bertujuan untuk mengatasi artefak atau noice yang timbul pada citra bawah air dan mengatasi efek dari fitur-fitur keragaman jenis ikan. Sehingga diharapkan mampu menghasilkan klasifikasi yang lebih baik dari penelitian sebelumnya. Klasifikasi dengan menggunakan Random Forest (RF) dengan perbaikan citra Dark Channel Prior (DCP) dan Contract Limited Adaptive Histogram Equalization (CLAHE), terbukti memberikan nilai akurasi rata-rata yang cukup tinggi yakni sebesar 98.51%, presisi 78.91%, dan recall 36.71%.

scholarly journals PERBAIKAN KUALITAS CITRA MAPS MENGGUNAKAN METODE CONTRAST LIMITED ADAPTIVE HISTOGRAM EQUALIZATION (CLAHE)

2019 ◽  
Vol 3 (1) ◽  
Author(s):  
Dian Lestari Nasution
Keyword(s):  
Graphic Design ◽  
Histogram Equalization ◽  
Good Image ◽  
Image Processing Techniques ◽  
Adaptive Histogram Equalization ◽  
Image Contrast Enhancement ◽  
Image Improvement ◽  
Processing Techniques ◽  
Graphics Processing ◽  
Contrast Image

Map images that are on Google Maps can also be screenshooted, when taking image maps / maps the image quality is not optimal, this is because the ability of the computer used to take the image does not support high graphics. This map image can be used as material for the purposes of work that uses images such as graphic design, namely printing.The ability of computers that do not support large graphics processing in getting a good image is not a major problem in image improvement. Because the image that is not maximized, its color elements can be manipulated with digital image processing techniques, one of the methods for manipulating elements of image colors is the CLAHE method. The CLAHE method is applied and calculates the pixel values that exist in each RGB layer. In the field of graphic design images that have less intensity can be improved by increasing contrast. Image contrast enhancement can be done by the CLAHE method.Keywords: Maps Imagery, Contrast, CLAHE

Sign in / Sign up

Export Citation Format

Share Document