CN103700077B - 一种基于人眼视觉特性的自适应图像增强方法 - Google Patents
一种基于人眼视觉特性的自适应图像增强方法 Download PDFInfo
- Publication number
- CN103700077B CN103700077B CN201310743480.6A CN201310743480A CN103700077B CN 103700077 B CN103700077 B CN 103700077B CN 201310743480 A CN201310743480 A CN 201310743480A CN 103700077 B CN103700077 B CN 103700077B
- Authority
- CN
- China
- Prior art keywords
- image
- inverse transformation
- gray value
- average
- human
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明提出一种基于人眼视觉特性的自适应图像增强方法,解决了中低灰度、中低分辨率图像成像问题。步骤一、计算图像的统计指标;步骤二、灰度值归一补变换;步骤三、计算图像整体灰度调节α和边缘增强系数β;步骤四、求均值图像;步骤五、计算中间图像;步骤六、将步骤五得到的中间图像以e为幂底数进行非对称逆变换;步骤七、对步骤六得到的非对称逆变换图像进行灰度值归一化逆变换,得增强后图像,即此完成自适应图像增强方法。
Description
技术领域
本发明属于图像增强技术领域,涉及一种基于人眼视觉特性的自适应图像增强方法。
背景技术
降质或退化的图像通常不同程度地存在边缘模糊、局部或整体对比度差等不足之处,使人观察起来不满意,或者使机器从中提取的信息减少甚至造成错误。因此,必须对降质的图像进行增强处理以提高图像的视觉效果。降质图像中,尤其以中低灰度、中低分辨率图像最为普遍,需要一种鲁棒、易操作的增强算法进行图像质量的改善。
在图像增强领域,人们提出了很多种算法,比较常见的有两种:全局信息增强和局部信息增强。最为通常的全局信息增强方法是直方图均衡化(Histogram Equalization)及其改进型,通过直方图均衡化来实现自动的对比度增强,直方图上灰度分布较密的部分被拉伸,灰度分布稀疏的部分被压缩,从而使一幅图像的对比度在总体上得到增强。但是,在原图像直方图中有一个很大分量或分辨率低的情况下,增强的图像会出现“退色”和“散斑”效应,且不能很好增强图像局部细节对比度,使得增强的图像在视觉效果上较差。而红外图像普遍存在灰度范围低,分辩率低的特点,对于此类图像,直方图均衡化(HistogramEqualization)及其改进型算法效果不太理想。
基于图像局部信息的增强算法能够很好改善这一问题。其中比较有名的是Deng、Cahill等提出的一种基于LIP模型的Lee图像增强新实现方法。由于该方法是基于LIP模型的,并在其中使用了非线性变换,因而较适合图像增强的任务要求,同时也减弱了原始Lee方法对参数的过分依赖性。
但该算法也存在一些不足之处:(1)适用范围有限,并不适合于低灰度范围大的这类图像的增强任务要求,如有时会导致图像的灰度均值和标准差降低,即图像整体灰度和对比度下降。(2)缺乏一定的自适应性,需要人工介入设置参数后算法才能运行,而图像增强的质量与否严重依赖于参数的选择。
发明内容
鉴于此,本发明提出一种基于人眼视觉特性的自适应图像增强方法,解决了中低灰度、中低分辨率图像成像问题。
为了解决上述技术问题,本发明是这样实现的:
一种基于人眼视觉特性的自适应图像增强方法,包括以下步骤:
步骤一、计算图像的统计指标:设待增强的图像为f,求图像的灰度均值μ和平均梯度
步骤二、灰度值归一补变换:对待增强图像进行灰度值归一补变换,得图像
步骤三、计算图像整体灰度调节α和边缘增强系数β,通过实验拟合,得到图像整体灰度调节α和边缘增强系数β与图像的灰度均值μ和平均梯度的关系;
步骤四、求均值图像:对于灰度值归一补变换后的图像计算图像尺寸,选择窗口模板,用模板函数对图像进行以2为底的对数均值滤波;
步骤五、计算中间图像:利用步骤三得到的图像整体灰度调节α和边缘增强系数β,加权计算中间图像g(i,j);
步骤六、将步骤五得到的中间图像g(i,j)以e为幂底数进行非对称逆变换;
步骤七、时步骤六得到的非对称逆变换图像进行灰度值归一化逆变换,得增强后图像,即此完成自适应图像增强方法。
本发明的有益效果:
本发明将人眼视觉特性和基于LIP模型的Lee图像增强算法相结合,即通过合理地选取最适合人眼观察的灰度区间,并根据图像的统计信息自适应调节图像灰度调节系数α和边缘增强系数β的大小,同时采用非对称逆变换,进一步改善了图像的视觉效果,提高了图像质量。
附图说明
图1为基于人眼视觉特性的自适应增强方法流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
根据图像增强算法的特点,本发明具体来说:
(1)选取最适合人眼观察的灰度区间。本发明首先从视觉神经学和视觉心理学的层面进行分析,结合视觉神经学的实验,确定60-100这个灰度区间是最适合人眼观察的灰度区间,这个区间,人眼的灰度分辨率和对比度敏感性最高。后面的增强步骤即是把整个图像的整体灰度调节至整个区间。
(2)调节系数的自适应选取:首先对图像灰度进行归一化,去除光线的影响,然后计算图像的灰度均值μ和平均梯度通过最小二乘法拟合出灰度均值μ与灰度调节系数α,平均梯度与边缘增强系数β的关系,达到自适应调节的目的,其中灰度调节系数α就是把图像的整体灰度调节到最适合人眼观察的这个区间。
(3)非对称逆变换:在图像增强的过程中,需要将图像变换到对数坐标域,因为人眼的主观亮度感觉和客观亮度成对数线性关系,该关系即为韦伯-费克纳法则(Weber-Fechner)。本发明在进行正变换的时候采用较低的对数底数,而进行逆变换时采用较高的指数底数,使得处理后图像的峰值信噪比等指标更高。
如图1所示,基于人眼视觉特性的自适应图像增强算法,包括如下7个具体步骤:(1)计算统计指标(2)灰度值归一补变换(3)计算自适应调节系数α和β(4)求均值图像(5)计算中间图像(6)以e为幂底数进行非对称逆变换(7)灰度值归一化逆变换,得增强后图像。
(1)计算图像的统计指标。设待增强的图像为f,求图像的灰度均值μ和平均梯度
其中,M和N分别表示图像的行数和列数;i,j表示图像像素的坐标值,且满足1≤i≤M,1≤j≤N;Δxf(i,j)和Δyt(i,j)分别表示像素(i,j)在x,y方向的一阶微分。
(2)灰度值归一补变换。首先对整幅图像进行灰度值归一补变换,得图像灰度值归一补变换定义如下:
灰度函数f定义在[0,M-1]区间,对于8位图像,M=256。
(3)计算图像整体灰度调节α和边缘增强系数β。通过多次实验拟合,得图像整体灰度调节α和边缘增强系数β,与图像的灰度均值μ和平均梯度的关系为:
(4)求均值图像。对于灰度值归一补变换后的图像计算图像尺寸,选择n*n(n一般取3)窗口模板,用模板函数对图像进行以2为底的对数均值滤波,则有
(式6)
其中,表示向下取整,k,l为整数;log2(·)表示以2为底的对数运算;表示归一补运算。
(5)计算中间图像。利用第(3)步得到的图像整体灰度调节α和边缘增强系数β,加权计算中间图像g(i,j),则有:
其中,α、β为权值系数;表示均值图像,表示原图像减去均值图像后的差值图像。
(6)以e为幂底数进行非对称逆变换。
(7)时图像g(i,j)进行灰度值归一化逆变换,得增强后图像F(i,j),即
F(i,j)=(1-g(i,j))×256 (式9)
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于人眼视觉特性的自适应图像增强方法,其特征在于,包括以下步骤:
步骤一、计算图像的统计指标:设待增强的图像为f,求图像的灰度均值μ和平均梯度
步骤二、灰度值归一补变换:对待增强图像进行灰度值归一补变换,得图像
步骤三、计算图像整体灰度调节α和边缘增强系数β,通过实验拟合,得到图像整体灰度调节α和边缘增强系数β与图像的灰度均值μ和平均梯度的关系;
步骤四、求均值图像:对于灰度值归一补变换后的图像计算图像尺寸,选择窗口模板,用模板函数对图像进行以2为底的对数均值滤波;
步骤五、计算中间图像:利用步骤三得到的图像整体灰度调节α和边缘增强系数β,加权计算中间图像g(i,j);
步骤六、将步骤五得到的中间图像g(i,j)以e为幂底数进行非对称逆变换;
步骤七、对步骤六得到的非对称逆变换图像进行灰度值归一化逆变换,得增强后图像,即此完成自适应图像增强方法。
2.如权利要求1所述的一种基于人眼视觉特性的自适应图像增强方法,其特征在于,步骤四中窗口模板选择n*n,其中n取3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310743480.6A CN103700077B (zh) | 2013-12-30 | 2013-12-30 | 一种基于人眼视觉特性的自适应图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310743480.6A CN103700077B (zh) | 2013-12-30 | 2013-12-30 | 一种基于人眼视觉特性的自适应图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103700077A CN103700077A (zh) | 2014-04-02 |
CN103700077B true CN103700077B (zh) | 2017-01-04 |
Family
ID=50361596
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310743480.6A Active CN103700077B (zh) | 2013-12-30 | 2013-12-30 | 一种基于人眼视觉特性的自适应图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103700077B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463800B (zh) * | 2014-12-04 | 2017-09-29 | 无锡日联科技股份有限公司 | 一种图像灰度增强方法 |
CN104751422B (zh) * | 2015-03-12 | 2016-04-06 | 中南大学 | 一种影印文档图像增强及二值化方法 |
CN106108941A (zh) * | 2016-06-13 | 2016-11-16 | 杭州融超科技有限公司 | 一种超声图像区域质量增强装置及方法 |
CN109785230A (zh) * | 2018-11-16 | 2019-05-21 | 南京大学 | 一种模拟人眼的图像中心增强处理方法 |
CN109523562A (zh) * | 2018-12-14 | 2019-03-26 | 哈尔滨理工大学 | 一种基于人眼视觉特性的红外图像分割方法 |
CN111028182B (zh) * | 2019-12-24 | 2024-04-26 | 北京金山云网络技术有限公司 | 图像锐化方法、装置、电子设备及计算机可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682436A (zh) * | 2012-05-14 | 2012-09-19 | 陈军 | 一种改进的多尺度Retinex理论的图像增强方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL2563206T3 (pl) * | 2010-04-29 | 2018-12-31 | Massachusetts Institute Of Technology | Sposób i urządzenie do korekcji ruchu i poprawy jakości obrazu w optycznej tomografii koherencyjnej |
-
2013
- 2013-12-30 CN CN201310743480.6A patent/CN103700077B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682436A (zh) * | 2012-05-14 | 2012-09-19 | 陈军 | 一种改进的多尺度Retinex理论的图像增强方法 |
Non-Patent Citations (2)
Title |
---|
The study of logarithmic image processing model and its application to image enhancement;Deng, G.等;《Image Processing, IEEE Transactions on》;19950430;第4卷(第4期);506-512 * |
图像处理中几个关键算法的研究;康牧;《万方学位论文数据库》;20100719;摘要、正文第37-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103700077A (zh) | 2014-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103700077B (zh) | 一种基于人眼视觉特性的自适应图像增强方法 | |
CN103942803B (zh) | 基于sar图像的水域自动检测方法 | |
CN103020918B (zh) | 基于形状自适应邻域均值的非局部均值去噪方法 | |
CN103606137B (zh) | 保持背景和细节信息的直方图均衡化方法 | |
CN106127688B (zh) | 一种超分辨率图像重建方法及其系统 | |
CN108921800A (zh) | 基于形状自适应搜索窗口的非局部均值去噪方法 | |
CN106960436A (zh) | 一种光学遥感图像处理性能评估方法 | |
CN106096610A (zh) | 一种基于支持向量机的文档图像二值化方法 | |
CN104182947A (zh) | 一种低照度图像增强方法和系统 | |
CN103295191A (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
CN109978854B (zh) | 一种基于边缘与结构特征的屏幕内容图像质量评估方法 | |
CN105118067A (zh) | 一种基于高斯平滑滤波的图像分割方法 | |
CN105139366A (zh) | 一种基于空间域的图像增强方法 | |
CN109377464B (zh) | 一种红外图像的双平台直方图均衡化方法及其应用系统 | |
CN105046677A (zh) | 一种用于交通视频图像的增强处理方法和装置 | |
CN105261013A (zh) | 一种扫描图像质量综合评价方法及评价系统 | |
CN106600597A (zh) | 一种基于局部二值模式的无参考彩色图像质量评价方法 | |
CN102096909A (zh) | 基于对数图像处理模型的改进的反锐化掩模图像增强方法 | |
CN102567973A (zh) | 基于改进的形状自适应窗口的图像去噪方法 | |
CN104732492A (zh) | 一种深度图像的去噪方法 | |
CN102306378B (zh) | 一种图像增强方法 | |
CN103475897A (zh) | 一种基于失真类型判断的自适应图像质量评价方法 | |
CN105225238A (zh) | 一种基于均值滤波的图像预处理的灰度空间划分方法 | |
CN104331863A (zh) | 一种图像滤波去噪方法 | |
CN103839234A (zh) | 一种基于可控核的双几何非局部均值图像去噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |