Resumen

En este trabajo se propone un nuevo enfoque de mejora de imágenes denominado ecualización adaptativa de subhistogramas basada en la entropía (EASHE). El algoritmo propuesto divide el histograma de la imagen de entrada en cuatro segmentos basándose en el valor de la entropía del histograma, y se ajusta el rango dinámico de cada subhistograma. Se propone un nuevo algoritmo para ajustar la función de densidad de probabilidad del nivel de gris, que puede controlar de forma adaptativa el grado de mejora de la imagen. Además, la imagen final mejorada por contraste se obtiene ecualizando cada subhistograma de forma independiente. El algoritmo propuesto se compara con algunos algoritmos de última generación basados en HE. Se analizan estadísticamente los resultados cuantitativos para una base de datos de imágenes pública denominada CVG-UGR-Database. Las evaluaciones cuantitativas y visuales muestran que el algoritmo propuesto supera a la mayoría de los algoritmos de mejora del contraste existentes. El método propuesto puede mejorar el contraste de la imagen de forma más efectiva, así como preservar el brillo medio y los detalles.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:algoritmo propuesto, función de densidad de probabilidad, grado de la imagen, ecualización adaptativa de subhistogramas, contraste de la imagen, histograma de entrada, enfoque de mejora de la imagen, base de datos de imágenes públicas, algoritmo propuesto supera, algoritmo de mejora
• Keywords:proposed algorithm, probability density function, degree of image, adaptive subhistogram equalization, contrast of image, histogram of input, image enhancement approach, public image database, proposed algorithm outperforms, enhancement algorithm