專利名稱：：基于信息熵和對(duì)數(shù)對(duì)比度加權(quán)和的挖掘最佳圖像的方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于計(jì)算機(jī)數(shù)字圖像處理
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：底層圖像挖掘技術(shù)將人類(lèi)視覺(jué)不可用信息變?yōu)橐曈X(jué)可用信息，可用于挖掘惡劣條件下拍攝的圖像信息，如汽車(chē)肇事后逃逸，金融機(jī)構(gòu)監(jiān)控圖像中隱藏的信息等。然而在挖掘過(guò)程中由于無(wú)法判斷用什么挖掘參數(shù)才能挖掘出圖像質(zhì)量最佳，所以在實(shí)踐中不得不進(jìn)行反復(fù)挖掘以使挖掘出的圖像信息達(dá)到人類(lèi)視覺(jué)質(zhì)量最佳，很費(fèi)時(shí)費(fèi)力，而且挖掘獲得的所謂最佳質(zhì)量圖像依賴于人類(lèi)不同個(gè)體的主觀感受，并非客觀意義上的最佳質(zhì)量圖像。目前，國(guó)內(nèi)外對(duì)于如何在挖掘中直接獲取質(zhì)量最佳的圖像成為人類(lèi)尚未解決好的問(wèn)題。
發(fā)明內(nèi)容本發(fā)明的目的是提供一種對(duì)于具有下降型灰度譜分布的源圖像在底層圖像挖掘中基于信息熵和對(duì)數(shù)對(duì)比度加權(quán)和的挖掘最佳圖像的方法，運(yùn)用該方法可快速地獲得客觀意義上的最佳質(zhì)量圖像。本發(fā)明的目的是通過(guò)這樣的技術(shù)方案實(shí)現(xiàn)的，該方法包括以下步驟(1)檢測(cè)源圖像的灰度譜分布，確定,具有下降型灰度譜分布，然后計(jì)算源圖像的灰度譜連續(xù)帶寬BW;(2)建立圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF，其計(jì)算公式為IQAF=0.3InEn+lg匸InEn為圖像信息熵，^為平均對(duì)比度，圖像信息熵InEn的計(jì)算公式為；InEn二-J]p(i)Log2p(i)式中p(i)為圖像在第i個(gè)灰度級(jí)上的像素?cái)?shù)，當(dāng)P(i)二0時(shí)，令Log2p(i)^;平均對(duì)比度r的計(jì)算公式為1M，N為圖像在x，y方向的像素?cái)?shù)，G(x,力為像素點(diǎn)(x，y)的灰度值，G(x+1，力為像素點(diǎn)(x+l，y)的灰度值；(3)進(jìn)行底層圖像挖掘，并用挖掘圖像對(duì)應(yīng)的信息熵InEn和平均對(duì)數(shù)對(duì)比度1gC計(jì)算評(píng)價(jià)函數(shù)IQAF的值，底層圖像挖掘公式為T(mén)G(x，y)=KOG(x,y)—ThetaDelta約束條件:TG(x,y)=255,0,TG(x,y)>255TG(x,y)<0TG(x，y)、OG(x，y)分別表示挖掘圖像和源圖像在像素點(diǎn)(x，y)的灰度值，Theta[O，255]和delta[l，255]為挖掘參數(shù)，分別表示挖掘起點(diǎn)和挖掘圖像的灰度層次，K為空間伸縮因子，對(duì)于底層圖像挖掘，取k=255，theta=0;令theta二0，delta從1到灰度譜連續(xù)帶寬BW每次增1變化，對(duì)源圖像進(jìn)行底層圖像挖掘，用每個(gè)delta值所對(duì)應(yīng)的挖掘圖像的信息熵InEn和平均對(duì)數(shù)對(duì)比度1g^計(jì)算圖像質(zhì)量評(píng)價(jià)函數(shù)'IQAF的值，直到獲得IQAF的最大值；(4)用圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF最大值所對(duì)應(yīng)的挖掘參數(shù)delta、theta按照步驟(3)所述底層圖像挖掘公式挖掘出的圖像即為質(zhì)量最佳圖像。本發(fā)明所用的用于圖像灰度譜的檢測(cè)方法(該方法記載在專利號(hào)為ZL200610054324.9的發(fā)明專利中)具有強(qiáng)有力的底層圖像信息挖掘功能，具有--個(gè)像素點(diǎn)的可視化精度，是一般灰度直方圖和對(duì)數(shù)灰度直方圖不能比擬的，在很低照度下拍攝的圖像，經(jīng)過(guò)分級(jí)平坦化后的灰度譜顯示了該圖像的所有信息，其譜的寬度表明了圖像信息存在的范圍，我們稱之為圖像的灰度譜連續(xù)帶寬用BW表示。所用公式為式中，O(g)，T(g)分別表示原始圖像和目標(biāo)圖像在第g個(gè)灰度級(jí)上的像素?cái)?shù)；g二0，1，2、…N-1，N^255，表示灰度或色度級(jí)；M為正整數(shù)，稱為平坦化級(jí)；本發(fā)明適用于源圖像具有下降型灰度譜分布的底層圖像挖掘，下降型灰度譜分布的圖像是指圖像信息從0灰度級(jí)開(kāi)始存在并在0灰度級(jí)圖像信息最多，即從0灰度級(jí)起呈下降型灰度譜分布的情況。根據(jù)實(shí)踐經(jīng)驗(yàn)，在照明度很低的條件下拍攝的原始圖像多有這種灰度譜分布，因此在挖掘具有下降型灰度譜分布的原始圖像的最佳質(zhì)量圖像時(shí)，挖掘起點(diǎn)theta固定設(shè)置為0。根據(jù)反復(fù)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，對(duì)每一次delta變化后挖掘出的圖像，從計(jì)算得出的挖掘圖像信息熵InEn的值來(lái)看，隨著delta的增加，圖像信息熵InEn隨delta的增加呈單調(diào)上升趨勢(shì)。據(jù)反復(fù)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，對(duì)每一次delta變化后挖掘出的圖像，從計(jì)算得出的挖掘出的圖像平均對(duì)數(shù)對(duì)比度lge值來(lái)看，隨著delta的增加，圖像的平均對(duì)數(shù)對(duì)比度Lgf隨delta增加變化呈單調(diào)下降趨勢(shì)。根據(jù)反復(fù)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)對(duì)每一次delta變化后挖掘出的圖像，從計(jì)算的圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF值來(lái)看，隨著delta的增加，挖掘出的圖像信息熵InEn和平均對(duì)數(shù)對(duì)比度LgC的加權(quán)和隨delta的增加變化有最大值，即無(wú)參圖像質(zhì)量評(píng)價(jià)函數(shù)IQAFW.3InEn+lgf有最大值；我們?cè)诜磸?fù)實(shí)驗(yàn)中一邊隨delta的變化挖掘圖像，一邊計(jì)算挖掘圖像的圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF值時(shí)發(fā)現(xiàn)隨delta變化挖掘出圖像的質(zhì)量從差到好，然后再到圖像的質(zhì)量變差，與圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF值隨delta的變化的趨勢(shì)一致，且當(dāng)圖像質(zhì)量評(píng)價(jià)函數(shù)取最大值時(shí)，用其所對(duì)應(yīng)的挖掘參數(shù)delta和theta利用上述步驟(3)所述的底層圖像挖掘公式挖掘出的圖像質(zhì)量與所有挖掘出的圖像比較其質(zhì)量最佳。本發(fā)明的有益效果是該方法能夠迅速地在具有下降型譜分布的源圖像的底層圖像挖掘過(guò)程中獲得客觀意義上的最佳質(zhì)量圖像，在光照很低的拍攝條件下拍攝的圖像通過(guò)該方法能夠獲得清晰的客觀自然景物的最佳圖像；將本方法嵌入現(xiàn)有照相機(jī)系統(tǒng)可以實(shí)現(xiàn)普通相機(jī)夜景拍攝，并獲得最佳夜景質(zhì)量圖像，嵌入現(xiàn)有監(jiān)控系統(tǒng)可以實(shí)現(xiàn)全天候監(jiān)控，嵌入現(xiàn)有微光夜視系統(tǒng)提高現(xiàn)有系統(tǒng)功能。本發(fā)明的如下圖1為本發(fā)明方法的流程圖2為本發(fā)明實(shí)施例中信息熵、對(duì)數(shù)對(duì)比度和無(wú)參圖像質(zhì)量評(píng)價(jià)函數(shù)隨delta的變化其中I為信息熵InEn隨delta變化曲線；II為平均對(duì)數(shù)對(duì)比度lgC隨delta變化曲線，III為圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF值隨delta變化曲線。圖3為挖掘本實(shí)施例最佳質(zhì)量圖像過(guò)程中，圖像質(zhì)量隨無(wú)參圖像質(zhì)量評(píng)價(jià)函數(shù)值的變化。其中圖3(a)為源圖像及其灰度譜；BW=19;圖3(b)為T(mén)heta二O;delta=3時(shí)所對(duì)應(yīng)圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF=2.2411取最大值時(shí)挖掘出的圖像及其灰度譜；圖3(c)為theta=0;delta=l時(shí)，所對(duì)應(yīng)圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF=2.0052時(shí)挖掘出的圖像及其灰度譜。具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明本發(fā)明方法的流程圖如圖l所示，具體步驟如下-(1)檢測(cè)源圖像的灰度譜分布，確定具有下降型灰度譜分布，然后計(jì)算源圖像的灰度譜連續(xù)帶寬BW;如圖3(a)所示可明顯看出本實(shí)施例的灰度譜呈下降型譜分布；灰度譜連續(xù)帶寬BW=19。本發(fā)明步驟(1)中所用的用于圖像灰度譜的檢測(cè)方法(該方法記載在專利號(hào)為ZL200610054324.9的發(fā)明專利中)具有強(qiáng)有力的底層圖像信息挖掘功能，具有一個(gè)像素點(diǎn)的可視化精度，是一般灰度直方圖和對(duì)數(shù)灰度直方圖不能比擬的，在很低照度下拍攝的圖像，經(jīng)過(guò)分級(jí)平坦化后的灰度譜顯示了該圖像的所有信息，其譜的寬度表明了圖像信息存在的范圍，我們稱之為圖像的灰度譜連續(xù)帶寬用BW表示。所用公式為T(mén)(g卜om(g)y255o(g)式中，O(g)，T(g)分別表示原始Sif象和目標(biāo)圖像在第g個(gè)灰度級(jí)上的像素?cái)?shù)；g=0，1，2、…N-1，N^255，表示灰度或色度級(jí)；M為正整數(shù)，稱為平坦化級(jí)；(2)建立圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF，其計(jì)算公式為-IQAF:O.3InEn+lgfInEn為圖像信息熵，f為平均對(duì)比度，圖像信息熵InEn的計(jì)算公式為255InEn=-Zp(i)Log2p(i)式中p(i)為圖像在第i個(gè)灰度級(jí)上的像素?cái)?shù)，當(dāng)P(i)=0時(shí)，令Log2p(i)=0;平均對(duì)比度C的計(jì)算公式為M,iV為圖像在x，y方向的像素?cái)?shù)，G(;c，力為像素點(diǎn)(x,y)的灰度值，G(x+1,力為像素點(diǎn)(x+l,y)的灰度值；(3)進(jìn)行底層圖像挖掘，并用挖掘圖像對(duì)應(yīng)的信息熵InEn和平均對(duì)數(shù)對(duì)比度lgf計(jì)算評(píng)價(jià)函數(shù)IQAF的值，底層圖像挖掘公式為T(mén)G(x，y)=K0G(X,y)-ThetaDelta約束條件255，TG(x,y)>255TG(x,y)='0，TG(x,y)<0TG(x,y)、OG(x，y)分別表示挖掘圖像和源圖像在像素點(diǎn)(x，y)的灰度值，Theta[O，255]和delta[l，255]為挖掘參數(shù)，分別表示挖掘起點(diǎn)和挖掘圖像的灰度層次，K為空間伸縮因子，對(duì)于底層圖像挖掘，取k二255，theta=0;本發(fā)明適用于源圖像具有下降型灰度譜分布的底層圖像挖掘，下降型灰度譜分布的圖像是指圖像信息從0灰度級(jí)開(kāi)始存在并在0灰度級(jí)圖像信息最多，即從o灰度級(jí)起呈下降型灰度譜分布的情況。根據(jù)實(shí)踐經(jīng)驗(yàn)，在照明度很低的條件下拍攝的原始圖像多有這種灰度譜分布，因此在挖掘具有下降型灰度譜分布的原始圖像的最佳質(zhì)量圖像時(shí)，theta的初始值固定設(shè)置為0。令theta=0，delta從1到灰度譜連續(xù)帶寬BW每次增1變化，對(duì)源圖像進(jìn)行底層圖像挖掘，用每個(gè)delta值所對(duì)應(yīng)的挖掘圖像的信息熵InEn和平均對(duì)數(shù)對(duì)比度lgf計(jì)算圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF的值，直到獲得IQAF的最大值；根據(jù)反復(fù)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，對(duì)每一次delta變化后挖掘出的圖像，從計(jì)算得出的挖掘圖像信息熵InEn的值來(lái)看，隨著delta的增加，圖像信息熵InEn隨delta的增加呈單調(diào)上升趨勢(shì)，如圖2所示I為信息熵InEn隨delta變化曲線。，根據(jù)反復(fù)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，對(duì)每一次delta變化后挖掘出的圖像，從計(jì)算得出的挖掘出的圖像平均對(duì)數(shù)對(duì)比度lgf值來(lái)看，隨著delta的增加，圖像的平均對(duì)數(shù)對(duì)比度lgf隨delta增加變化呈單調(diào)下降趨勢(shì)，如圖2所示II為平均對(duì)數(shù)對(duì)比度lgf隨delta變化曲線。根據(jù)反復(fù)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)對(duì)每一次delta變化后挖掘出的圖像，從計(jì)算的圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF值來(lái)看，隨著挖掘的圖像灰度層次delta的增加，挖掘出的圖像信息熵InEn和平均對(duì)數(shù)對(duì)比度lgC的加權(quán)和隨delta的增加變化有最大值，即無(wú)參圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF^。3InEn+lgC有最大值，如圖2所示III為圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF值隨delta變化曲線；(4)用圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF最大值所對(duì)應(yīng)的挖掘參數(shù)delta、theta按照步驟(3)所述底層圖像挖掘公式挖掘出的圖像即為質(zhì)量最佳圖像。我們?cè)趯?shí)驗(yàn)中一邊隨delta的變化挖掘圖像，一邊計(jì)算挖掘圖像的圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF值時(shí)發(fā)現(xiàn)根據(jù)delta增加變化挖掘出的每一幅圖像的質(zhì)量從差到好，然后再到圖像的質(zhì)量變差，與圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF值隨delta變化的趨勢(shì)一致，且當(dāng)圖像質(zhì)量評(píng)價(jià)函數(shù)取最大值時(shí)，用其所對(duì)應(yīng)的挖掘參數(shù)delta和theta利用上述步驟(3)所述的挖掘公式挖掘出的圖像與所有挖掘出的圖像比較其視覺(jué)效果最佳。利用本發(fā)明方法對(duì)本實(shí)施例如圖3(a)所示的源圖像進(jìn)行底層圖像挖掘所獲得的最佳質(zhì)量圖像如圖3(b)所示。下表是在挖掘本實(shí)施例最佳質(zhì)量圖像時(shí)，圖像信息熵InEn、平均對(duì)數(shù)對(duì)比度lgC、圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF隨挖掘參數(shù)delta的變化情況。ThetaK)<table>tableseeoriginaldocumentpage10</column></row><table>從上表的實(shí)驗(yàn)數(shù)據(jù)可以看出，當(dāng)theta力，delta二3時(shí)，本實(shí)施例的圖像質(zhì)量評(píng)價(jià)函數(shù)對(duì)應(yīng)有最大值，比較圖3中的(a)、(b)、(c)可以看出利用該最大值對(duì)應(yīng)的挖掘參數(shù)delta挖掘出的圖像質(zhì)量最佳如圖3(b)所示。為了清楚的說(shuō)明本發(fā)明方法，上表列出了本實(shí)施例delta從1到9變化時(shí)，圖像質(zhì)量評(píng)價(jià)函數(shù)、信息熵、平均對(duì)數(shù)對(duì)比度的變化情況，但是在實(shí)踐中只要計(jì)算到delta在取某一值時(shí)，圖像質(zhì)量評(píng)價(jià)函數(shù)的值開(kāi)始變小，即停止對(duì)圖像的挖掘和對(duì)圖像質(zhì)量評(píng)價(jià)函數(shù)值的計(jì)算，并利用圖像質(zhì)量評(píng)價(jià)函數(shù)最大值對(duì)應(yīng)的挖掘參數(shù)delta和theta挖掘圖像，所獲得的圖像即為質(zhì)量最佳圖像。例如本實(shí)施例中當(dāng)計(jì)算到delta二4，IQAF二2.1656時(shí)，發(fā)現(xiàn)圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF的值小于當(dāng)delta=3，IQAF=2。2411的值時(shí)，即停止對(duì)圖像的挖掘和圖像質(zhì)量評(píng)價(jià)函數(shù)值的計(jì)算，并利用本方法所述的挖掘公式挖掘delt『3、theta二O時(shí)的圖像，所挖掘出的圖像即為圖像質(zhì)量最佳，如圖3(b)所示。從上表的實(shí)驗(yàn)數(shù)據(jù)可以看出本實(shí)施例的圖像信息熵InEn隨delta的增加變化成單調(diào)上升趨勢(shì)，挖掘圖像的平均對(duì)數(shù)對(duì)比度lg^隨delta的增加變化呈單調(diào)下降趨勢(shì)，圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF隨delta的增加變化有最大值。本實(shí)施例中，當(dāng)delta二3時(shí)，圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF二2,2411為最大值，利用該最大值對(duì)應(yīng)的挖掘參數(shù)thetaK)，delta^3挖掘出的圖像如圖3(b)所示。比較本實(shí)施例的源圖像如圖3(a)所示和圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF取非最大值時(shí)對(duì)應(yīng)的挖掘參數(shù)例如delta=l，theta=0時(shí)挖掘出的圖像如圖3(c)所示，可以看出圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF取最大值對(duì)應(yīng)挖掘出的圖像如圖3(b)質(zhì)量最佳。嵌入本發(fā)明方法的照相機(jī)和攝像機(jī)可以實(shí)現(xiàn)在夜間拍攝出清晰圖像。嵌入本發(fā)明方法的數(shù)字望遠(yuǎn)鏡可以實(shí)現(xiàn)夜間觀測(cè)。權(quán)利要求1.一種基于信息熵和對(duì)數(shù)對(duì)比度加權(quán)和的挖掘最佳圖像的方法，其特征在于包括以下步驟(1)檢測(cè)源圖像的灰度譜分布，確定具有下降型灰度譜分布，然后計(jì)算源圖像的灰度譜連續(xù)帶寬BW；(2)建立圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF，其計(jì)算公式為IQAF＝0.3InEn+1g<overscore>C</overscore>InEn為圖像信息熵，C為平均對(duì)比度，圖像信息熵InEn的計(jì)算公式為式中p(i)為圖像在第i個(gè)灰度級(jí)上的像素?cái)?shù)，當(dāng)p(i)＝0時(shí)，令Log2p(i)＝0；平均對(duì)比度<overscore>C</overscore>的計(jì)算公式為M，N為圖像在x，y方向的像素?cái)?shù)，G(x，y)為像素點(diǎn)(x，y)的灰度值，G(x+1，y)為像素點(diǎn)(x+1，y)的灰度值；(3)進(jìn)行底層圖像挖掘，并用挖掘圖像對(duì)應(yīng)的信息熵InEn和平均對(duì)數(shù)對(duì)比度1gC計(jì)算評(píng)價(jià)函數(shù)IQAF的值，底層圖像挖掘公式為約束條件TG(x，y)、OG(x，y)分別表示挖掘圖像和源圖像在像素點(diǎn)(x，y)的灰度值，Theta和delta[1，255]為挖掘參數(shù)，分別表示挖掘起點(diǎn)和挖掘圖像的灰度層次，K為空間伸縮因子，對(duì)于底層圖像挖掘，取k＝255，theta＝0；令theta＝0，delta從1到灰度譜連續(xù)帶寬BW每次增1變化，對(duì)源圖像進(jìn)行底層圖像挖掘，用每個(gè)delta值所對(duì)應(yīng)的挖掘圖像的信息熵InEn和平均對(duì)比度C計(jì)算圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF的值，直到獲得IQAF的最大值；(4)用圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF最大值所對(duì)應(yīng)的挖掘參數(shù)delta、theta按照步驟(3)所述底層圖像挖掘公式挖掘出的圖像即為質(zhì)量最佳圖像。全文摘要一種基于信息熵和對(duì)數(shù)對(duì)比度加權(quán)和的挖掘最佳圖像的方法，包括以下步驟(1)檢測(cè)源圖像的灰度譜分布，確定具有下降型灰度譜分布，然后計(jì)算源圖像的灰度譜連續(xù)帶寬BW；(2)建立圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF；(3)進(jìn)行底層圖像挖掘，并用挖掘圖像對(duì)應(yīng)的信息熵InEn和平均對(duì)數(shù)對(duì)比度lgC計(jì)算評(píng)價(jià)函數(shù)IQAF的值；(4)用圖像質(zhì)量評(píng)價(jià)函數(shù)IQAF最大值所對(duì)應(yīng)的挖掘參數(shù)按照步驟(3)所述底層圖像挖掘公式挖掘出的圖像即為質(zhì)量最佳圖像。該方法能夠迅速地挖掘出源圖像具有下降型灰度譜分布的圖像在客觀意義上的最佳質(zhì)量圖像，在光照很低的拍攝條件下拍攝的圖像通過(guò)該方法能夠獲得清晰的客觀景物的最佳圖像。文檔編號(hào)G06T7/00GK101441770SQ20081023315公開(kāi)日2009年5月27日申請(qǐng)日期2008年11月28日優(yōu)先權(quán)日2008年11月28日發(fā)明者劉玉紅,王志芳,琴胡,謝正祥申請(qǐng)人:重慶醫(yī)科大學(xué)