武術運動動作三維圖像非顯著性區域自適應增強系統設計

李志田

摘 要： 針對傳統增強系統一直存在效率低、效果不佳的問題，提出基于中心環繞法優化Retinex增強模型的武術運動動作三維圖像非顯著性區域自適應增強系統設計。在圖像空間域上，通過均值濾波法對武術運動動作三維圖像進行去噪處理，采用梯度算子求出能夠反映武術運動動作三維圖像的梯度向量，并在圖像的空間域上采用微分算子對武術運動動作三維圖像進行銳化處理。以此為基礎，采用SSR算法進行求解、加權，獲取武術運動動作三維圖像中準確的非顯著性區域，引入中心環繞法對武術運動動作三維圖像進行估計，引入Retinex增強模型對武術運動動作三維圖像非顯著性區域進行自適應增強處理。實驗結果表明，采用該設計系統的增強效率、增強效果均要優于傳統增強系統，具有一定優勢。

關鍵詞： 武術運動動作； 三維圖像； 非顯著性區域； 自適應； 增強系統； 均值濾波

中圖分類號： TN911.73?34； TP91 文獻標識碼： A 文章編號： 1004?373X（2018）13?0056?05

Abstract： Since the traditional enhancement system has the problems of low efficiency and poor effect， the design of non?salient region adaptive enhancement system of Wushu motion 3D image is proposed， which is based on center?surround method to optimize the Retinex enhancement model. In the spatial domain of the image， the mean value filtering method is used to denoise the Wushu motion 3D image. The gradient operator is used to determine the gradient vector which can reflect the Wushu motion 3D image. The differential operator is used to sharpen the Wushu motion 3D image in the spatial domain. On this basis， the SSR algorithm is used to solve， weight and acquire the accurate non?salient regions in Wushu motion 3D image. The center?surround method is introduced to estimate the Wushu motion 3D image. The Retinex enhancement model is introduced to perform the adaptive enhancement for the non?salient region of Wushu motion 3D image. The experimental results show that the designed system is superior to the traditional enhancement system in the aspects of enhancement efficiency and enhancement effect， and has a certain advantages.

Keywords： Wushu movement； three?dimensional image； non?saliency region； adaption； enhancement system； mean value filtering

0 引 言

武術運動動作三維圖像已經發展為圖像研究領域中一個非常活躍的研究課題[1?2]，每種武術運動動作三維圖像都有其固定的特征，他們位于武術運動動作三維圖像中的某一點，但由于存在很多不定因素干擾，使得武術運動動作三維圖像存在非顯著性區域[3?5]，增加了對武術運動動作三維圖像研究的難度，而對其非顯著性區域進行自適應增強，是解決武術運動動作三維圖像非顯著性區域研究過難最有效的方法[6]，成為很多學者研究的重點。

文獻[7]提出基于小波變換的武術運動動作三維圖像非顯著性區域自適應增強方法，該方法將圖像轉到HSV空間，并利用離散小波變換對圖像進行子帶分析。再利用雙邊濾波對圖像進行快速估計與去除，降低圖像的非顯著性，自動對圖像非顯著性區域進行增強，但該方法存在增強效果差的問題。文獻[8]提出基于人工魚群與粒子群混合的圖像非顯著性自適應增強方法，該方法通過將人工魚群與粒子群算法混合隊圖像進行非線性增強參數優化尋優，避免出現區域增強不全面的問題，該方法有較高的自適應性，但容易陷入局部最優，收斂速度慢的問題。文獻[9]提出基于混合蛙跳優化的圖像自適應增強方法，該方法利用混合蛙跳算法中部分信息交換和全部信息交換的尋優機制，自動搜索最佳灰度變換參數，得到一條最佳灰度變換曲線，實現圖像非顯著性區域自適應增強處理，但是該方法忽略了圖像背景對目標的影響，存在細節部分信息保留不夠全面的問題。

針對上述問題，本文提出基于中心環繞法優化Retinex增強模型的武術運動動作三維圖像非顯著性區域自適應增強系統。

1 武術運動動作三維圖像處理

1.1 去噪處理

本文設計的武術運動動作三維圖像非顯著性區域自適應增強系統，重點設計其軟件部分。在進行軟件設計前，需要對武術運動動作三維圖像進行去噪和銳化處理，在現實生活中，對武術運動動作三維圖像進行采集時，一般會因為一種或幾種因素，使得武術運動動作三維圖像采集設備形成的圖像包含一定的噪聲[10]，影響圖像的質量，增加非顯著性區域面積，降低圖像質量，因此，需要對武術運動動作三維圖像進行去噪處理。在圖像空間域上，通過均值濾波法進行去噪處理。

3 實驗結果分析

為了驗證本文方法在武術運動動作三維圖像非顯著性區域增強方面的有效性及可行性，設計了對比實驗進行分析。將本文系統與混合蛙跳優化法、小波變換增強系統進行了對比分析。在每組實驗中，為了保證圖像增強的同時，進一步增加方法的時間效率，對每一個武術運動動作三維圖像選用其鄰近的圖像為研究對象進行增強。

實驗1：增強處理效果對比實驗

為了驗證本文方法在武術運動動作三維圖像非顯著性區域增強方面的有效性及可行性，進行實驗對比分析，結果如圖1所示。

從圖1可以看出，采用本文方法在自適應增強方面較傳統增強系統的處理效果較好，傳統方法增強后圖像出現失真的情況，本文方法增強后圖像較為自然，細節更為清晰，更具有優勢。

實驗2：魯棒性對比實驗

在實驗中，選擇空間序列和標準序列，采用3×3的統一掩模進行增強處理，對每個圖像進行2倍采樣處理，由于武術運動動作三維圖像具有一定的噪聲，因此實驗以噪聲水平為基準進行實驗測試。實驗在不同噪聲級別下，將混合蛙跳優化法、小波變換增強法與本文增強方法進行對比，以PSNR和MSSIM為指標進行實驗分析，對比曲線圖如圖2，圖3所示。

由圖2，圖3可知，相比于混合蛙跳優化法和小波變換增強法，本文方法無論在任何噪聲級別下，均具有更高的PSNR和MSSIM值，并且隨著噪聲級別的增大，優勢更為明顯，PSNR指標依然保持在36.66 dB以上，MSSIM指標保持在0.84以上。相比其他比較方法中的最優者，本文方法在PSNR指標方面平均提升了5%，在MSSIM指標方面平均提升了4%。由此說明本文方法具有較好的增強性能，魯棒性較高。

4 結 論

針對傳統增強系統一直存在效率低、效果不佳的問題，本文提出基于中心環繞法優化Retinex增強模型的武術運動動作三維圖像非顯著性區域自適應增強系統，并進行了實驗對比分析。實驗結果表明，采用本文方法時，其增強效率、增強效果等均要優于傳統增強方法，具有一定優勢。

參考文獻

[1] 任永峰，董學育.基于自適應流形相似性的圖像顯著性區域提取算法[J].山東大學學報（工學版），2017，47（3）：56?62.

REN Yongfeng， DONG Xueyu. An image saliency object detection algorithm based on adaptive manifold similarity [J]. Journal of Shandong University （engineering science）， 2017， 47（3）： 56?62.

[2] 謝惠杰，唐濤，項德良，等.尺度自適應的SAR圖像顯著性檢測方法[J].計算機工程與應用，2015，51（20）：145?152.

XIE Huijie， TANG Tao， XIANG Deliang， et al. Scale self?adaptive saliency detection of SAR image [J]. Computer engineering and applications， 2015， 51（20）： 145?152.

[3] 王蓉芳，陳佳偉，焦李成，等.基于視覺顯著性的分塊自適應壓縮感知算法[J].華中科技大學學報（自然科學版），2015，43（1）：127?132.

WANG Rongfang， CHEN Jiawei， JIAO Licheng， et al. Blocked adaptive compressed sensing based on visual saliency [J]. Journal of Huazhong University of Science and Technology （nature science edition）， 2015， 43（1）： 127?132.

[4] 柯洪昌，邵文奇，梁丞漢.一種基于顯著性區域的運動目標跟蹤方法[J].科技創新與應用，2017，34（9）：90.

KE Hongchang， SHAO Wenqi， LIANG Chenghan. A moving area tracking method based on significant region [J]. Technology innovation and application， 2017， 34（9）： 90.

[5] 王浩宇.融合運動特征的視頻圖像顯著性檢測方法[J].科技經濟導刊，2016，28（11）：22?25.

WANG Haoyu. Video image saliency detection method integrating motion features [J]. Technology and economic guide， 2016， 28（11）： 22?25.

[6] 竇智，韓玉兵，盛衛星，等.雙通道局部處理的自適應圖像增強方法[J].計算機輔助設計與圖形學學報，2015，27（10）：1823?1831.

DOU Zhi， HAN Yubing， SHENG Weixing， et al. Two?channel local processing adaptive image enhancement method [J]. Journal of computer?aided design and graphics， 2015， 27（10）： 1823?1831.

[7] 王敏，黃峰，葉松，等.人工魚群與粒子群混合圖像自適應增強算法[J].計算機測量與控制，2012，20（10）：2805?2807.

WANG Min， HUANG Feng， YE Song， et al. Image adaptive enhancement based on artificial fish?swarm and particle swarm optimization [J]. Computer measurement & control， 2012， 20（10）： 2805?2807.

[8] 岳梅，郭寶平，張平，等.基于混合蛙跳優化的條紋管圖像自適應增強[J].光電工程，2011，38（5）：108?113.

YUE Mei， GUO Baoping， ZHANG Ping， et al. Adaptive image enhancement of streak tube imaging based on shuffled frog?leaping optimization [J]. Opto： electronic engineering， 2011， 38（5）： 108?113.

[9] 遆曉光，曲悠楊.一種改進的色彩保持低照度圖像增強方法[J].哈爾濱工業大學學報，2014，46（3）：1?7.

TI Xiaoguang， QU Youyang. An improved low illumination image enhancement algorithm with color preserving [J]. Journal of Harbin Institute of Technology， 2014， 46（3）： 1?7.

[10] 李雅梅，任婷婷，LIYa?mei，等.自適應分數階微分小波圖像增強方法的研究[J].微電子學與計算機，2015，32（6）：130?133.

LI Yamei， REN Tingting. Research on adaptive fractional differential wavelet image enhancement method [J]. Microelectronics & computer， 2015， 32（6）： 130?133.