基于視覺底層特征的圖像增強(qiáng)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種數(shù)字圖像處理方法，尤其是一種基于視覺底層特征的圖像增強(qiáng)方 法。
【背景技術(shù)】
[0002] 在現(xiàn)實生活中，數(shù)字圖像會因各種原因造成在顯示設(shè)備上出現(xiàn)失真的情況。為了 避免這一弊端，圖像增強(qiáng)技術(shù)成為數(shù)字圖像處理的研究重點之一。根據(jù)研究表明，復(fù)雜的人 眼視覺系統(tǒng)在處理圖像時是優(yōu)先處理那些最吸引人眼視覺注意的區(qū)域（人眼視覺感興趣 區(qū)域），而不是對圖像的全局信息進(jìn)行分析。
[0003] 眾所周知，傳統(tǒng)圖像增強(qiáng)的方法都是基于全局信息進(jìn)行分析和處理，這不符合人 眼視覺系統(tǒng)的特性，不僅造成了許多對次要信息處理分析上的計算浪費，降低了圖像處理 的效率，而且其最終的圖像增強(qiáng)效果并不符合人眼視覺的感知。因此，為了克服傳統(tǒng)圖像 增強(qiáng)方法帶來的弊端，一種新型的基于人眼視覺感知的彩色圖像增強(qiáng)方法成為了研究的熱 點。這種方法是綜合考慮了人眼視覺特性和大量心里物理學(xué)的實驗結(jié)論。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提出一種基于視覺底層特征的圖像增強(qiáng)方法，使其最終的圖像增 強(qiáng)效果更符合人眼視覺感知。
[0005] 為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：
[0006] -種基于視覺底層特征的圖像增強(qiáng)方法，該方法具有以下步驟：
[0007] (1)提取圖像的視覺底層特征，包括顏色、亮度、方向、紋理和邊緣特征；
[0008] (2)加權(quán)融合成計算顯著圖；
[0009] (3)與眼動儀測得的眼動顯著圖進(jìn)行相關(guān)系數(shù)比較，以確定各視覺底層特征的最 佳權(quán)重；
[0010] (4)根據(jù)權(quán)重的大小為不同類型的圖像選擇合適的圖像增強(qiáng)方法。
[0011] 所述步驟（1)進(jìn)一步包括如下具體步驟：
[0012] (1. 1)在HSV顏色空間中提取出亮度特征，將源圖像轉(zhuǎn)化成只有亮度信息的灰度 圖，最后把圖像像素值重新歸一化到[0, 255]的范圍；
[0013] (1. 2)在符合人眼視覺感知的HSV顏色空間下提取顏色特征，提取完顏色特征后， 將像素值重新歸一化到[0, 255]的范圍；
[0014] (1. 3)用Gabor變換來提取圖像的方向特征；
[0015] (1. 4)采用Gabor濾波器組提取紋理特征：首先利用Gabor濾波器組提取出圖像 的5個尺度、4個方向上的紋理特征，然后對這20幅紋理特征圖進(jìn)行歸一化處理，最后把所 有圖像按相同權(quán)重疊加在一起，形成最后的紋理顯著圖；
[0016] (1.5)邊緣特征最典型的提取方式是利用二階微分的拉普拉斯算子，在HSV空間 中提取圖像的灰度邊緣特征。
[0017] 所述步驟（2)進(jìn)一步包括如下具體步驟：
[0018] (2. 1)采用高斯函數(shù)分別對輸入圖像的顏色、亮度、方向、紋理和邊緣進(jìn)行6個尺 度的濾波；
[0019] (2. 2)利用差值操作和拉普拉斯算子提取不同尺度下的圖像視覺特征；
[0020] (2. 3)分別進(jìn)行中央周邊差計算，將差值圖像歸一化求和，得到該特征的顯著圖；
[0021] (2. 4)針對得到的5幅特征顯著圖進(jìn)行權(quán)重配置，并保證5個視覺底層特征的權(quán)重 值相加等于1;將5幅特征顯著圖進(jìn)行疊加，形成1幅多特征組合后的顯著圖。
[0022]所述步驟（3)所采用的算法公式如下：
[0023]
[0024] 式中，x代表圖像中的像素，H(x)、S(x)分別是眼動顯著圖和計算顯著圖中當(dāng)前 像素的顯著值，yH、ys分別表示兩幅顯著圖中所有像素的平均顯著值，P的取值范圍是 [-1，1]，當(dāng)p= 1代表兩幅顯著圖完全相關(guān)，p= 0代表兩幅顯著圖完全不相關(guān)，p= -1 代表兩幅圖反相關(guān)，即一幅顯著圖中的顯著區(qū)域在另一幅顯著圖中完全不顯著。
[0025] 所述步驟（4)進(jìn)一步包括如下具體步驟：
[0026] (4. 1)針對亮度特征占第1權(quán)重的圖像，采用基于人眼顯著圖的優(yōu)化直方圖均衡 化方法；
[0027] (4. 2)針對顏色特征占第1權(quán)重的圖像，則采取增強(qiáng)視覺感興趣區(qū)域內(nèi)的顏色飽 和度和對比度的圖像增強(qiáng)方法；
[0028] (4. 3)針對紋理特征占第1權(quán)重的圖像，這里采用小波變換的方法，對視覺感興趣 區(qū)域進(jìn)行去噪增強(qiáng)，凸顯出紋理部分的細(xì)節(jié)。
[0029] 所述步驟（1. 2)中采用的算法公式如下：
[0030]
[0031] 其中，saturation(X，y)和brightness(X，y)分別是指像素點（X，y)的飽和度和 亮度值，saturationave和brightnessave則表示整幅圖像的飽和度和亮度的平均值，s。和b。 是常量都取〇. 5。
[0032] 所述步驟（1. 3)所采用的算法公式如下：
[0033]
[0034] 其中，w是常數(shù)，9為濾波器的方向9=nJr/k(n=0,l*"k_l)，k是指Gabor 濾波器的方向個數(shù)；用Gabor函數(shù)來提取圖像的方向特征，其濾波器的方向設(shè)定為
;然后將4幅特征圖按照相同權(quán)重疊加形成最終的方向顯著圖（0)。
[0035] 所述步驟（1. 4)所采用的算法公式如下：
[0036]
[0037] 其中，灸=昏(萬)，n是指尺度，0是指方向。
[0038] 所述步驟（2. 4)所采用的算法公式如下：
[0039] S=w1C+w2I+w30+w4T+w5E
[0040] 式中，Wpw2、w3、w4、wj別是各視覺底層特征指標(biāo)對應(yīng)的權(quán)重值，相加為1 ;C、I、 〇、T、E分別表示顏色、亮度、方向、紋理和邊緣特征的顯著圖；最后將S圖像即計算顯著圖歸 一化到[0, 255]，并處理成二值圖像。
[0041] 本發(fā)明的有益效果是：
[0042] 本發(fā)明與現(xiàn)有圖像增強(qiáng)方法比較有以下優(yōu)點：本發(fā)明首次將基于人眼注視點的眼 動顯著圖融合進(jìn)傳統(tǒng)的圖像增強(qiáng)方法，提出了一種優(yōu)化的基于視覺底層特征的Itti視覺 注意模型來提取出圖像的計算特征顯著圖，改善了彩色圖像在數(shù)字顯示設(shè)備上再現(xiàn)時的視 覺質(zhì)量，針對不同圖像類型，凸顯了圖像中的重要信息，削弱次要信息，使得最終的圖像增 強(qiáng)效果更加符合人眼視覺感知，在圖像增強(qiáng)中發(fā)揮應(yīng)用價值。
【附圖說明】
[0043]圖1是基于視覺底層特征的顯著圖計算模型整體流程圖；
[0044] 圖2是兩種顯著圖的最終效果圖；
[0045] 圖3是最佳權(quán)重分析結(jié)果表；
[0046] 圖4是基于視覺感興趣區(qū)域的直方圖均衡化原理圖；
[0047] 圖5是亮度特征圖像增強(qiáng)方法對比圖；
[0048] 圖6是顏色和亮度特征分步進(jìn)行圖像增強(qiáng)方法對比圖；
[0049] 圖7是紋理和亮度特征分步進(jìn)行圖像增強(qiáng)方法對比圖。
[0050] 具體實施方法
[0051] 以下結(jié)合附圖對本發(fā)明所涉及的一種基于視覺底層特征的圖像增強(qiáng)方法的優(yōu)選 實施例作詳盡的闡述，但本發(fā)明不僅限于該實施例。為了使公眾對本發(fā)明有徹底的了解，在 以下優(yōu)選實施例中進(jìn)行了具體的細(xì)節(jié)說明。
[0052]1.基于視覺底層特征的顯著圖計算模型
[0053] 如圖1所示，基于視覺底層特征的顯著圖計算模型整體流程如下：
[0054] (1)亮度特征：選取在HSV顏色空間中提取出亮度特征，將源圖像轉(zhuǎn)化成只有亮度 信息的灰度圖，最后把圖像像素值重新歸一化到[0,255]的范圍；
[0055](2)顏色特征：顏色特征是在符合人眼視覺感知的HSV顏色空間下進(jìn)行提取，提取 完顏色特征后，要將像素值重新歸一化到[0,255]的范圍，其算法公式：
[0056]
[0057] 其中，saturation(X，y)和brightness(X，y)分別是指像素點（X，y)的飽和度和 亮度值，saturationave和brightnessave則表示整幅圖像的飽和度和亮度的平均值，s。和b。 是常量都取〇.5。
[0058] (3)方向特征：方向特征是圖像的局部特征，表現(xiàn)了圖像中某些像素在一定的方 向上存在著內(nèi)在的排列關(guān)系，進(jìn)而產(chǎn)生了一種視覺上的方向感。一般釆用Gabor變換來提 取圖像的方向特征，其計算公式：
[0059]
[0060] 其中，w是常數(shù)，9為濾波器的方向9=nJr/k(n= 0,l*"k_l)，k是指Gabor 濾波器的方向個數(shù)。本文采用Gabor函數(shù)來提取圖像的方向特征，其濾波器的方向設(shè)定為 JTTT3 冗 ;然后將4幅特征圖按照相同權(quán)重疊加形成最終的方向顯著圖（0)。
[0061] (4)紋理特征：采用Gabor濾波器組提取紋理的特征。首先利用Gabor濾波器組提 取出圖像的5個尺度、4個方向上的紋理特征，然后對這20幅紋理特征圖進(jìn)行歸一化處理， 最后把所有圖像按相同權(quán)重疊加在一起，形成最后的紋理顯著圖；采用的算法公式如下：
[0062]
[0063] 其中，灸=營(W)，n是指尺度，0是指方向。
[0064] (5)邊緣特征：邊緣特征最典型的提取方式是利用二階微分的拉普拉斯算子，在 HSV空間中提取圖像的灰度邊緣特征。
[0065] 得到5種視覺底層特征的特征圖之后，利用Itti模型計算特征顯著圖的具體步驟 如下所述。
[0066] (1)采用高斯函數(shù)分別對輸入圖像的顏色、亮度、方向、紋理和邊緣進(jìn)行6個尺度 的濾波；
[0067] (2)利用差值操作和拉普拉斯算子提取不同尺度下的圖像視覺特征；
[0068] (3)分別進(jìn)行中央周邊差計算，將差值圖像歸一化求和，得到該特征的顯著圖； (4)針對得到的5幅特征顯著圖進(jìn)行權(quán)重配置（保證5個視覺底層特征的權(quán)重值相加等于1)。將5幅特征顯著圖進(jìn)行疊加，形成1幅多特征組合后的顯著圖，公式為：
[0069]S=w1C+w2I+w30+w4T+w5E
[0070] 式中，Wpw2、w3、w4、wi別是各視覺底層特征指標(biāo)對應(yīng)的權(quán)重值，相加為1 ;C、I、 〇、T、E分別表示顏色、亮度、方向、紋理和邊緣特征的顯著圖；最后將S圖像即計算顯著圖歸 一化到[0, 255]，并處理成二值圖像。
[0071] 2.人眼注