Author/Authors :
Sheng-Chih Yang، Sheng-Chih Yang نويسنده Department of Computer Science and Information Engineering, National Chin-Yi University of Technology, Taichung City 411, Taiwan, ROC , , Cheng-Jian Lin، Cheng-Jian Lin نويسنده Department of Computer Science and Information Engineering, Na- tional Chin-Yi University of Technology, Taichung City 411, Taiwan, ROC , , Hsueh-Yi Lin، Hsueh-Yi Lin نويسنده Department of Computer Science and Information Engineering, Na- tional Chin-Yi University of Technology, Taichung City 411, Taiwan, ROC , , Jyun-Guo Wang، Jyun-Guo Wang نويسنده Department of Computer Science and Information Engineering, Na- tional Chin-Yi University of Technology, Taichung City 411, Taiwan, ROC , , Cheng-Yi Yu، Cheng-Yi Yu نويسنده Department of Computer Science and Information Engineering, Na- tional Chin-Yi University of Technology, Taichung City 411, Taiwan, ROC ,
Abstract :
در اين تحقيق ، يك روش جبران نور پشت تصوير با بكار بردن تعديل درخشندگي قابل تطبيق براي بدست آوردن تصوير روشن ، پيشنهاد شده است.
روش پيشنهاد شده روش دسته بندي C – ميانگين فازي، يك شبكه فازي عصبي تابعي بازگشت كننده (RFNFN) ، ويك ريشه يابي ديفرانسيل تعديل يافته را تركيب مي كند. RFNFN پيشنهادي بر اساس دو فاكتور نور پشت است كه مي تواند بدقت درجه جبران را آشكار سازد. به نسبت سطح نور پشت، منحني تابع جبران نور پشت تصوير مي تواند بطور تطبيقي تنظيم شود. در آزمون ما، شش نور پشت تصوير بكار برده شد تا عملي بودن روش پيشنهادي را تاييد كند. نتايج آزمون نشان مي دهد كه روش پيشنهادي در مسايل نور پشت بخوبي عمل مي كند.
Abstract :
In this study, an image backlight compensation method using
adaptive luminance modifi cation is proposed for efficiently obtaining clear im-
ages. The proposed method combines the fuzzy C-means clustering method,
a recurrent functional neural fuzzy network (RFNFN), and a modifi ed di er-
fferential evolution. The proposed RFNFN is based on the two backlight factors
that can accurately detect the compensation degree. According to the back-
light level, the compensation curve function of a backlight image can be adap-
tively adjusted. In our experiments, six backlight images are used to verify
the performance of proposed method. Experimental results demonstrate that
the proposed method performs well in backlight problems.
