基于視覺統(tǒng)計(jì)特征的圖像增強(qiáng)算法研究

引言：提出了一種基于視覺統(tǒng)計(jì)信息的圖像增強(qiáng)算法。所提出的算法使用視覺優(yōu)化表示和小波域自動(dòng)調(diào)節(jié)參數(shù)來進(jìn)行圖像增強(qiáng)，局部對(duì)比度調(diào)節(jié)是基于全局動(dòng)態(tài)范圍校正來進(jìn)行的。實(shí)驗(yàn)結(jié)果表明所提出的方法在視覺效果和量化指標(biāo)方面都比其他幾個(gè)算法要好。

一、前言

圖像增強(qiáng)算法根據(jù)特定的應(yīng)用需求對(duì)給定圖像進(jìn)行處理以獲得比原始圖像具有更好效果。圖像增強(qiáng)處理技術(shù)可以分為空間均勻算子和空間非均勻算子兩種。線性對(duì)比度延伸，直方圖均衡化是目前廣泛使用的兩類空間均勻技術(shù)。自適應(yīng)直方圖均衡化[1]，對(duì)比度受限的自適應(yīng)直方圖均衡化[2]和多尺度增強(qiáng)[3，4]屬于第二類圖像對(duì)比度增強(qiáng)方法。空間均勻方法對(duì)一幅圖像中所有的像素點(diǎn)進(jìn)行變換，空間非均勻方法根據(jù)圖像的局部特征使用輸入-輸出變換。空間非均勻算子的效果通常優(yōu)于空間均勻算子。但是這些方法存在一些明顯的缺陷。線性圖像對(duì)比度增強(qiáng)方法很難同時(shí)增強(qiáng)圖像的所有部分。當(dāng)直方圖中存在峰值時(shí)直方圖均衡化容易過分增強(qiáng)圖像的對(duì)比度。自適應(yīng)直方圖均衡化在圖像的每個(gè)分塊中使用不同的灰度-尺度變換，這需要預(yù)先確定圖像分塊的大小。對(duì)其進(jìn)行的改進(jìn)方法[5]均不對(duì)比度提高收到局部直方圖高度的限制。這個(gè)方法不能完全地消除噪聲平滑圖像，對(duì)比度的提高依賴于圖像。直方圖均衡化方法的其他缺點(diǎn)還有會(huì)改變圖像的亮度，增強(qiáng)后的圖像看上去不自然，增強(qiáng)范圍不可控制[6]，而且這些問題并未得到很好的解決。

由于缺少客觀測(cè)量很難對(duì)不同算法進(jìn)行性能評(píng)價(jià)。大多數(shù)對(duì)比度增強(qiáng)技術(shù)，特別是基于修改直方圖的，往往只增強(qiáng)輸入的對(duì)比度兒沒有測(cè)量自身的對(duì)比度。一個(gè)高效的對(duì)比度增強(qiáng)算法應(yīng)該同時(shí)考慮局部圖像特征一些人類視覺特性。

本文提出一種基于視覺統(tǒng)計(jì)特征的圖像增強(qiáng)算法和對(duì)比度評(píng)價(jià)方法。算法調(diào)節(jié)亮度的動(dòng)態(tài)范圍和小波域中的局部對(duì)比度。和文獻(xiàn)[7]所定義的對(duì)比度相似，這里所指的對(duì)比度同樣具有多尺度結(jié)構(gòu)，并與人類視覺系統(tǒng)相一致。基于這個(gè)對(duì)比度的定義，提出一種像增強(qiáng)算法，根據(jù)設(shè)定好的對(duì)比度調(diào)節(jié)小波系數(shù)來增強(qiáng)圖像。局部對(duì)比度和亮度動(dòng)態(tài)范圍調(diào)節(jié)參數(shù)游視覺表現(xiàn)統(tǒng)計(jì)特征來自動(dòng)地決定，以達(dá)到視覺圖像的優(yōu)化。

二、圖像增強(qiáng)算法

小波變換能夠在不同層級(jí)和方向上產(chǎn)生各種等級(jí)的像素信息。在每個(gè)層級(jí)，小波變換能夠運(yùn)用低像素子帶進(jìn)一步對(duì)圖像去相關(guān)性。圖1所示為圖像重構(gòu)，定義增強(qiáng)算法中實(shí)用的層級(jí)和子帶約定。標(biāo)簽表示在第個(gè)重構(gòu)層級(jí)的系數(shù)，這些系數(shù)是水平方向的高通濾波器和垂直方向的低通濾波器的輸出。子帶，，，稱作細(xì)節(jié)，表示層級(jí)，是最大層級(jí)。子帶是低像素殘留。表示方向，標(biāo)記為0，1，2，3。小波變換系數(shù)的特性提供了一種可以很自然地定義小波域?qū)Ρ榷鹊姆椒ā＿@里對(duì)比度可以定義為在小波域中高頻帶和低頻帶之間的亮度比平均值。

圖1"使用小波變換的圖像重構(gòu)

在第個(gè)頻帶的不同方向的對(duì)比度定義為：

（3）

這里是子帶亮度平均值，計(jì)算式如下

" （4）

這里是小波系數(shù)，是子帶像素。在方向上使用相同的增強(qiáng)算法。所提出的算法是按照式子（3）定義的對(duì)比度為標(biāo)準(zhǔn)。設(shè)原始分塊的對(duì)比度為，其中是在第個(gè)頻帶的對(duì)比度，設(shè)增強(qiáng)塊的對(duì)比度定義為。

增強(qiáng)所有頻率帶的對(duì)比度，則有

" （5）

推出

" （6）

這里是圖像增強(qiáng)控制算子，在后面會(huì)給出選擇標(biāo)準(zhǔn)。

從式（4）和（6）可以得到增強(qiáng)的小波系數(shù)，則有

" （7）

其中 "（8）

可以通過遞歸式得到。本節(jié)所提出算法步驟如下：

Step"1"設(shè)，，。

Step"2"如果，令，并用式子（8）計(jì)算，否則結(jié)束。

Step"3"使用式子（7）計(jì)算。

Step"4"使用式子（4）計(jì)算，，和。

Step"5"回到Step"2.

這里是低像素遞歸式的亮度均值。是一個(gè)控制增強(qiáng)圖像的動(dòng)態(tài)范圍在顯示設(shè)備的范圍之內(nèi)的函數(shù)。對(duì)于，以下函數(shù)的使用與文獻(xiàn)[8]相似的。

" "（9）

這里是低像素遞歸式的小波系數(shù)，是有函數(shù)進(jìn)行動(dòng)態(tài)范圍調(diào)節(jié)之后的小波系數(shù)。增強(qiáng)控制系數(shù)和的選擇在后面進(jìn)行討論。

三、控制參數(shù)的優(yōu)化

顯而易見，在圖像增強(qiáng)算法中，增強(qiáng)控制參數(shù)和具有十分重要的作用。參數(shù)能夠增強(qiáng)或者減少對(duì)比度來達(dá)到優(yōu)化的效果，參數(shù)能夠調(diào)節(jié)圖像的全局亮度動(dòng)態(tài)范圍。如果選擇合適的參數(shù)值就顯得十分重要。理想視覺圖像的均值是0.63，方差是0.25-0.35，這就給我們獲得正確數(shù)值有了一個(gè)概念。假設(shè)是視覺優(yōu)化圖像的方差，是所希望得到圖像的均值，和是上述增強(qiáng)后圖像的均值和方差。可以通過解方程式（10）和（11）得到和。

""（10）

" """ （11）

方程式（10）和（11）是典型的非線性參數(shù)估計(jì)方程。通過以上方法，增強(qiáng)控制參數(shù)和可以調(diào)節(jié)理想視覺圖像的亮度和對(duì)比度數(shù)值。圖3是根據(jù)方程式（10）和（11）選擇兩個(gè)參數(shù)映射函數(shù)在停車場(chǎng)圖像上的實(shí)驗(yàn)結(jié)果。

"""""""""""""""""""

（a）動(dòng)態(tài)范圍映射函數(shù)，""""""""（b）局部對(duì)比度映射函數(shù)，

圖2"兩個(gè)參數(shù)函數(shù)

四、仿真實(shí)驗(yàn)結(jié)果及分析

為了證明所提出算法的有效性，在一組256階像素為512*512的灰度圖上進(jìn)行仿真實(shí)驗(yàn)。原始圖像的細(xì)節(jié)區(qū)域部分在高亮度層級(jí)，其他在低亮度層級(jí)。接下來是使用所提出算法和其他一些已有算法的實(shí)驗(yàn)結(jié)果。

圖4所示是動(dòng)態(tài)范圍圖像使用四種不同算法的實(shí)驗(yàn)結(jié)果。動(dòng)態(tài)范圍圖像是一種高亮度部分和低亮度部分比率非常大的圖像。第一幅圖使用全局直方圖均衡化算法，第二幅圖使用對(duì)比度受限的自適應(yīng)直方圖均衡化算法，第三幅圖采用小波算法。第四幅圖使用本節(jié)所提出的算法，其中，。實(shí)驗(yàn)結(jié)果如圖4所示。很明顯，直方圖均衡化會(huì)導(dǎo)致高亮度區(qū)域（停車場(chǎng)入口）的飽和，是的這個(gè)區(qū)域過分增強(qiáng)而其他其余增強(qiáng)欠缺。對(duì)比度受限的自適應(yīng)直方圖均衡化算法比直方圖均衡化算法效果要好，局部區(qū)域以分塊為單位進(jìn)行增強(qiáng)。但是結(jié)果中顯示了一些人工分塊的痕跡，增強(qiáng)后的圖像看上去不自然。小波增強(qiáng)方法對(duì)動(dòng)態(tài)范圍圖像的增強(qiáng)效果不明顯。本節(jié)所提出的算法同時(shí)兼顧了圖像亮度的全局動(dòng)態(tài)范圍和優(yōu)化圖像的局部對(duì)比度統(tǒng)計(jì)特診，真實(shí)地顯示了視覺印象。

"""""""""""""""""""""

（a）原始圖像 """"""""""""""""""""（b）直方圖均衡化

""""""""""""""""""""

（c）對(duì)比度受限的自適應(yīng)直方圖均衡化"""""""""""""""""（d）小波方法

（e）本文算法

圖3"圖像增強(qiáng)的結(jié)果

表1顯示了四種算法的量化比較。本文所提出的算法在視覺優(yōu)化圖像的兩個(gè)統(tǒng)計(jì)特征方面表現(xiàn)都很出色。其他算法僅能在其中一個(gè)方面表現(xiàn)較好，亮度或者對(duì)比度。小波方法的均值地域統(tǒng)計(jì)優(yōu)化值，其增強(qiáng)效果不佳。

表1"四種算法的量化比較

方法

統(tǒng)計(jì)值

原始圖像

直方圖均衡化

對(duì)比度受限的自適應(yīng)直方圖均衡化

小波方法

所提出算法

均值

0.2375

0.4996

0.5293

0.3356

0.6247

方差

0.1772

0.2935

0.3272

0.2822

0.3000

五、總結(jié)

本文提出了一種基于視覺統(tǒng)計(jì)信息的圖像增強(qiáng)算法。所提出的算法使用視覺優(yōu)化表示和小波域自動(dòng)調(diào)節(jié)參數(shù)來進(jìn)行圖像增強(qiáng)，局部對(duì)比度調(diào)節(jié)是基于全局動(dòng)態(tài)范圍校正來進(jìn)行的。實(shí)驗(yàn)結(jié)果表明所提出的方法在視覺效果和量化指標(biāo)方面都比其他幾個(gè)算法要好。

參考文獻(xiàn)

[1]R.H."Sherrier，G.A.Johnson，Regionally"adaptive"histogram"equalization"of"the"chest，IEEE"Trans.Med.Image"Mi-6（1987）1–7.

[2]S.M.Pizer，E.P.Amburn，et"al.，Adaptive"histogram"equalization"and"its"variations，Comput.Vision，Graph.Image"Process.39（1987）355–368.

[3]A.Laine，J.Fan，W.Yang，Wavelets"for"contrast"enhancement"of"digital"mammorgraphy，IEEE"Egn.Med.Biol.Mag.145（1995）536–550.

[4]J.Lu，D.M.Healy"Jr.，J.B.Weaver，Contrast"enhancement"of"medical"images"using"multiscale"edge"representations，Opt.Engng"33"（7）（1994）2151–2161.

[5]T.L.Ji，M.K."Sundareshan，H.Roehrig，Adaptive"image"contrast"enhancement"based"on"human"visual"properties，IEEE"Trans.Med.Imaging"13（4）（1994）573–586.

[6]S.-Y.Kim，et"al.，Image"contrast"enhancement"based"on"the"piecewiselinear"approximation"of"CDF，Consumer"Electr.IEEE"Trans.45（3）（1999）828–834.

[7]E.Peli，Contrast"in"complex"images，J.Opt.Soc.Am.A"7（1990）2032–2040.

[8]T.Peil，J.S.Lim，Adaptive"filtering"for"image"enhancement，Proc.ICASSP81，Atlanta"1981;"1117–1120.

（作者單位：江西警察學(xué)院安全管理系）