一種基于人眼視覺(jué)特性的自適應(yīng)圖像增強(qiáng)方法
【專利摘要】本發(fā)明提出一種基于人眼視覺(jué)特性的自適應(yīng)圖像增強(qiáng)方法，解決了中低灰度、中低分辨率圖像成像問(wèn)題。步驟一、計(jì)算圖像的統(tǒng)計(jì)指標(biāo)；步驟二、灰度值歸一補(bǔ)變換；步驟三、計(jì)算圖像整體灰度調(diào)節(jié)α和邊緣增強(qiáng)系數(shù)β；步驟四、求均值圖像；步驟五、計(jì)算中間圖像；步驟六、將步驟五得到的中間圖像以e為冪底數(shù)進(jìn)行非對(duì)稱逆變換；步驟七、對(duì)步驟六得到的非對(duì)稱逆變換圖像進(jìn)行灰度值歸一化逆變換，得增強(qiáng)后圖像，即此完成自適應(yīng)圖像增強(qiáng)方法。
【專利說(shuō)明】 一種基于人眼視覺(jué)特性的自適應(yīng)圖像增強(qiáng)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像增強(qiáng)【技術(shù)領(lǐng)域】，涉及一種基于人眼視覺(jué)特性的自適應(yīng)圖像增強(qiáng)方法。
【背景技術(shù)】
[0002]降質(zhì)或退化的圖像通常不同程度地存在邊緣模糊、局部或整體對(duì)比度差等不足之處，使人觀察起來(lái)不滿意，或者使機(jī)器從中提取的信息減少甚至造成錯(cuò)誤。因此，必須對(duì)降質(zhì)的圖像進(jìn)行增強(qiáng)處理以提高圖像的視覺(jué)效果。降質(zhì)圖像中，尤其以中低灰度、中低分辨率圖像最為普遍，需要一種魯棒、易操作的增強(qiáng)算法進(jìn)行圖像質(zhì)量的改善。
[0003]在圖像增強(qiáng)領(lǐng)域，人們提出了很多種算法，比較常見(jiàn)的有兩種:全局信息增強(qiáng)和局部信息增強(qiáng)。最為通常的全局信息增強(qiáng)方法是直方圖均衡化(Histogram Equalization)及其改進(jìn)型，通過(guò)直方圖均衡化來(lái)實(shí)現(xiàn)自動(dòng)的對(duì)比度增強(qiáng)，直方圖上灰度分布較密的部分被拉伸，灰度分布稀疏的部分被壓縮，從而使一幅圖像的對(duì)比度在總體上得到增強(qiáng)。但是，在原圖像直方圖中有一個(gè)很大分量或分辨率低的情況下，增強(qiáng)的圖像會(huì)出現(xiàn)“退色”和“散斑”效應(yīng)，且不能很好增強(qiáng)圖像局部細(xì)節(jié)對(duì)比度，使得增強(qiáng)的圖像在視覺(jué)效果上較差。而紅外圖像普遍存在灰度范圍低，分辯率低的特點(diǎn)，對(duì)于此類圖像，直方圖均衡化(HistogramEqualization)及其改進(jìn)型算法效果不太理想。
[0004]基于圖像局部信息的增強(qiáng)算法能夠很好改善這一問(wèn)題。其中比較有名的是Deng、Cahill等提出的一種基于LIP模型的Lee圖像增強(qiáng)新實(shí)現(xiàn)方法。由于該方法是基于LIP模型的，并在其中使用了非線性變換，因而較適合圖像增強(qiáng)的任務(wù)要求，同時(shí)也減弱了原始Lee方法對(duì)參數(shù)的過(guò)分依賴性。
[0005]但該算法也存在一些不足之處:(I)適用范圍有限，并不適合于低灰度范圍大的這類圖像的增強(qiáng)任務(wù)要求，如有時(shí)會(huì)導(dǎo)致圖像的灰度均值和標(biāo)準(zhǔn)差降低，即圖像整體灰度和對(duì)比度下降。(2)缺乏一定的自適應(yīng)性，需要人工介入設(shè)置參數(shù)后算法才能運(yùn)行，而圖像增強(qiáng)的質(zhì)量與否嚴(yán)重依賴于參數(shù)的選擇。

【發(fā)明內(nèi)容】

[0006]鑒于此，本發(fā)明提出一種基于人眼視覺(jué)特性的自適應(yīng)圖像增強(qiáng)方法，解決了中低灰度、中低分辨率圖像成像問(wèn)題。
[0007]為了解決上述技術(shù)問(wèn)題，本發(fā)明是這樣實(shí)現(xiàn)的:
[0008]一種基于人眼視覺(jué)特性的自適應(yīng)圖像增強(qiáng)方法，包括以下步驟:
[0009]步驟一、計(jì)算圖像的統(tǒng)計(jì)指標(biāo):設(shè)待增強(qiáng)的圖像為f，求圖像的灰度均值μ和平均梯度
[0010]步驟二、灰度值歸一補(bǔ)變換:對(duì)待增強(qiáng)圖像進(jìn)行灰度值歸一補(bǔ)變換，得圖像
[0011]步驟三、計(jì)算圖像整體灰度調(diào)節(jié)α和邊緣增強(qiáng)系數(shù)β，通過(guò)實(shí)驗(yàn)擬合，得到圖像整體灰度調(diào)節(jié)α和邊緣增強(qiáng)系數(shù)β與圖像的灰度均值μ和平均梯度的關(guān)系；[0012]步驟四、求均值圖像:對(duì)于灰度值歸一補(bǔ)變換后的圖像7Λ十算圖像尺寸，選擇窗口模板，用模板函數(shù)對(duì)圖像?進(jìn)行以2為底的對(duì)數(shù)均值濾波；
[0013]步驟五、計(jì)算中間圖像:利用步驟三得到的圖像整體灰度調(diào)節(jié)α和邊緣增強(qiáng)系數(shù)β，加權(quán)計(jì)算中間圖像g(i，j);
[0014]步驟六、將步驟五得到的中間圖像g(i，j)以e為冪底數(shù)進(jìn)行非對(duì)稱逆變換；
[0015]步驟七、時(shí)步驟六得到的非對(duì)稱逆變換圖像進(jìn)行灰度值歸一化逆變換，得增強(qiáng)后圖像，即此完成自適應(yīng)圖像增強(qiáng)方法。
[0016]本發(fā)明的有益效果:
[0017]本發(fā)明將人眼視覺(jué)特性和基于LIP模型的Lee圖像增強(qiáng)算法相結(jié)合，即通過(guò)合理地選取最適合人眼觀察的灰度區(qū)間，并根據(jù)圖像的統(tǒng)計(jì)信息自適應(yīng)調(diào)節(jié)圖像灰度調(diào)節(jié)系數(shù)α和邊緣增強(qiáng)系數(shù)β的大小，同時(shí)采用非對(duì)稱逆變換，進(jìn)一步改善了圖像的視覺(jué)效果，提高了圖像質(zhì)量。
【專利附圖】

【附圖說(shuō)明】
[0018]圖1為基于人眼視覺(jué)特性的自適應(yīng)增強(qiáng)方法流程圖。
【具體實(shí)施方式】
[0019]下面結(jié)合附圖并舉實(shí)施例，對(duì)本發(fā)明進(jìn)行詳細(xì)描述。
[0020]根據(jù)圖像增強(qiáng)算法的特點(diǎn)，本發(fā)明具體來(lái)說(shuō):
[0021](I)選取最適合人眼觀察的灰度區(qū)間。本發(fā)明首先從視覺(jué)神經(jīng)學(xué)和視覺(jué)心理學(xué)的層面進(jìn)行分析，結(jié)合視覺(jué)神經(jīng)學(xué)的實(shí)驗(yàn)，確定60-100這個(gè)灰度區(qū)間是最適合人眼觀察的灰度區(qū)間，這個(gè)區(qū)間，人眼的灰度分辨率和對(duì)比度敏感性最高。后面的增強(qiáng)步驟即是把整個(gè)圖像的整體灰度調(diào)節(jié)至整個(gè)區(qū)間。
[0022](2)調(diào)節(jié)系數(shù)的自適應(yīng)選取:首先對(duì)圖像灰度進(jìn)行歸一化，去除光線的影響，然后計(jì)算圖像的灰度均值μ和平均梯度通過(guò)最小二乘法擬合出灰度均值μ與灰度調(diào)節(jié)系數(shù)α，平均梯度&與邊緣增強(qiáng)系數(shù)β的關(guān)系，達(dá)到自適應(yīng)調(diào)節(jié)的目的，其中灰度調(diào)節(jié)系數(shù)α就是把圖像的整體灰度調(diào)節(jié)到最適合人眼觀察的這個(gè)區(qū)間。
[0023](3)非對(duì)稱逆變換:在圖像增強(qiáng)的過(guò)程中，需要將圖像變換到對(duì)數(shù)坐標(biāo)域，因?yàn)槿搜鄣闹饔^亮度感覺(jué)和客觀亮度成對(duì)數(shù)線性關(guān)系，該關(guān)系即為韋伯-費(fèi)克納法則(Weber-Fechner)。本發(fā)明在進(jìn)行正變換的時(shí)候采用較低的對(duì)數(shù)底數(shù)，而進(jìn)行逆變換時(shí)采用較高的指數(shù)底數(shù)，使得處理后圖像的峰值信噪比等指標(biāo)更高。
[0024]如圖1所示，基于人眼視覺(jué)特性的自適應(yīng)圖像增強(qiáng)算法，包括如下7個(gè)具體步驟:
(I)計(jì)算統(tǒng)計(jì)指標(biāo)(2)灰度值歸一補(bǔ)變換(3)計(jì)算自適應(yīng)調(diào)節(jié)系數(shù)α和β (4)求均值圖像(5)計(jì)算中間圖像(6)以e為冪底數(shù)進(jìn)行非對(duì)稱逆變換(7)灰度值歸一化逆變換，得增強(qiáng)后圖像。
[0025](I)計(jì)算圖像的統(tǒng)計(jì)指標(biāo)。設(shè)待增強(qiáng)的圖像為f，求圖像的灰度均值P和平均梯
度.*.f 、
[0026]
【權(quán)利要求】
1.一種基于人眼視覺(jué)特性的自適應(yīng)圖像增強(qiáng)方法，其特征在于，包括以下步驟: 步驟一、計(jì)算圖像的統(tǒng)計(jì)指標(biāo):設(shè)待增強(qiáng)的圖像為f，求圖像的灰度均值μ和平均梯度νG 步驟二、灰度值歸一補(bǔ)變換:對(duì)待增強(qiáng)圖像進(jìn)行灰度值歸一補(bǔ)變換，得圖像_?; 步驟三、計(jì)算圖像整體灰度調(diào)節(jié)α和邊緣增強(qiáng)系數(shù)β，通過(guò)實(shí)驗(yàn)擬合，得到圖像整體灰度調(diào)節(jié)α和邊緣增強(qiáng)系數(shù)β與圖像的灰度均值μ和平均梯度VJ的關(guān)系； 步驟四、求均值圖像:對(duì)于灰度值歸一補(bǔ)變換后的圖像/ ,計(jì)算圖像尺寸，選擇窗口模板，用模板函數(shù)對(duì)圖像/進(jìn)行以2為底的對(duì)數(shù)均值濾波； 步驟五、計(jì)算中間圖像:利用步驟三得到的圖像整體灰度調(diào)節(jié)α和邊緣增強(qiáng)系數(shù)β，加權(quán)計(jì)算中間圖像g(i，j); 步驟六、將步驟五得到的中間圖像g(i，j)以e為冪底數(shù)進(jìn)行非對(duì)稱逆變換； 步驟七、對(duì)步驟六得到的非對(duì)稱逆變換圖像進(jìn)行灰度值歸一化逆變換，得增強(qiáng)后圖像，即此完成自適應(yīng)圖像增強(qiáng)方法。
2.如權(quán)利要求1所述的一種基于人眼視覺(jué)特性的自適應(yīng)圖像增強(qiáng)方法，其特征在于，步驟四中窗口模板選擇n*n,其中η取3。
【文檔編號(hào)】G06T5/00GK103700077SQ201310743480
【公開(kāi)日】2014年4月2日 申請(qǐng)日期:2013年12月30日 優(yōu)先權(quán)日:2013年12月30日
【發(fā)明者】陳禾, 章學(xué)靜, 馬龍, 謝宜壯, 曾濤, 龍騰 申請(qǐng)人:北京理工大學(xué)