一種SLIP模型的圖像增強新算法

張廣燕,王俊平,汪 松,曹洪花,許 丹,李 錦,李長江

(西安電子科技大學(xué)通信工程學(xué)院,陜西西安 710071)

一種SLIP模型的圖像增強新算法

張廣燕,王俊平,汪 松,曹洪花,許 丹,李 錦,李長江

(西安電子科技大學(xué)通信工程學(xué)院,陜西西安 710071)

提出了一種基于對稱對數(shù)圖像處理(SLIP)模型的圖像增強新算法.該算法首先在分析現(xiàn)有對數(shù)圖像增強算法的基礎(chǔ)上,得到關(guān)于圖像灰度值的SLIP圖像增強算法,然后運用SLIP模型的向量運算,使SLIP圖像增強算法簡化為便于實現(xiàn)的簡單數(shù)學(xué)運算.該算法既能以反射光圖像的模式對圖像進行增強,又能以透射光圖像的模式對圖像進行增強.通過主觀評價和熵增強方法進行客觀評價,結(jié)果表明,該算法不僅能增強圖像的細節(jié),還能提升圖像的整體對比度,同時還克服了現(xiàn)有的對數(shù)圖像增強算法不能以反射光圖像的模式對圖像進行增強的缺點.

對數(shù)圖像處理;圖像增強;熵增強方法;對比度

圖像增強是數(shù)字圖像處理的一個重要分支.為了改善視覺效果,或便于人和機器對圖像的分析理解,人們根據(jù)圖像的特點和存在的問題,采取不同的圖像增強方法改善圖像質(zhì)量或加強圖像的某些特征.圖像增強處理的主要內(nèi)容是突出圖像中感興趣的部分,減弱或去除不需要的信息.加強有用信息,從而得到更加實用的圖像,或者更適合人和機器分析處理的圖像[1].

由于圖像增強技術(shù)現(xiàn)在還沒有通用的算法,因此圖像增強根據(jù)各種不同目的而產(chǎn)生很多種算法.目前對數(shù)圖像處理模型也廣泛形成,并應(yīng)用于圖像增強等領(lǐng)域.文獻[2]提出一種對數(shù)圖像處理(LIP)模型,該模型主要用于處理有界強度值的透射光圖像,取得和人類視覺系統(tǒng)處理過程相一致的效果.文獻[3]將LIP模型應(yīng)用于Lee提出的圖像增強算法中[4],取得了較好的效果.之后他們也基于巨型視覺傳感器(GVS)提出一般對數(shù)圖像處理(GLIP)模型[5],可更廣泛地應(yīng)用于圖像處理領(lǐng)域.文獻[6]提出參數(shù)對數(shù)圖像處理(PLIP)模型,該模型可以對圖像中感興趣的部分進行自適應(yīng)調(diào)整,同時可用于圖像增強、邊緣檢測和圖像融合等方面[7-9].為了能夠更好地處理圖像的細節(jié)部分,文獻[10]提出將LIP模型參數(shù)化的思想.由于這些方法都不能很好地處理圖像的負值部分,而在實際應(yīng)用中,超聲波醫(yī)學(xué)圖像和基于顏色對立過程的有色圖像都是一些包含負值的圖像.因此,一些專家提出了處理圖像負值部分的模型,如文獻[11]提出了一種定義在(-1,1)范圍內(nèi)的同質(zhì)對數(shù)圖像處理(HLIP)模型.文獻[12]提出了定義在(-1,1)范圍內(nèi)的偽對數(shù)圖像處理模型.文獻[13]提出了動態(tài)范圍增強的線性分段對數(shù)圖像處理模型.由于這些模型只是建立在數(shù)學(xué)基礎(chǔ)上以滿足對稱范圍(-1,1)的定義,而沒有和人類視覺系統(tǒng)的處理過程相聯(lián)系,因此不能獲得使人視覺愉悅的圖像.文獻[14]提出了對稱對數(shù)圖像處理(SLIP)模型,該模型能夠同時處理透射光圖像和反射光圖像,處理效果和人類視覺系統(tǒng)[15-16]相一致,并且所有向量運算都定義在(-M,M)的對稱范圍內(nèi),解決了LIP模型不能處理圖像負值部分的問題.目前SLIP模型的應(yīng)用是研究的熱點.

筆者基于SLIP模型,提出了一種圖像增強新算法.該算法首先在分析現(xiàn)有對數(shù)圖像增強算法的基礎(chǔ)上,得到關(guān)于圖像灰度值的SLIP圖像增強算法,然后運用SLIP模型的向量運算,將其化簡為便于實現(xiàn)的簡單數(shù)學(xué)運算.該算法既能以反射光圖像的模式對圖像進行增強,又能以透射光圖像的模式對圖像進行增強.新算法與LIP圖像增強算法進行了比較,其圖像增強效果更能使人視覺愉悅.

1 基于SLIP模型的圖像增強算法

1.1 SLIP模型

SLIP模型是在LIP模型[2]的基礎(chǔ)上提出的,SLIP模型建立了一種可以處理圖像負值部分的對稱結(jié)構(gòu),解決了LIP模型在實際應(yīng)用中扭曲負值信息的問題,同時該模型能夠處理透射光圖像和反射光圖像.

1.1.1 SLIP模型的基本同態(tài)函數(shù)

SLIP模型的基本同態(tài)函數(shù)為

其中,sgn(F)是符號函數(shù),灰度值F定義在(-M,M)對稱范圍內(nèi),M為正值常數(shù).SLIP模型的同態(tài)函數(shù)是關(guān)于原點奇對稱的,所以能對圖像的正值和負值進行相同的處理.

1.1.2 SLIP模型的運算

加法:灰度值F和G的加法“⊕”定義為

數(shù)乘:灰度值F和標量λ的數(shù)乘“?”定義為

減法:灰度值F和G的減法“?”定義為

基于SLIP模型,提出了SLIP圖像增強的新算法,以體現(xiàn)該模型運算的優(yōu)點.

1.2 基于SLIP模型的圖像增強算法

在文獻[3]圖像增強算法和LIP圖像增強算法的基礎(chǔ)上,基于SLIP模型,筆者提出了一種圖像增強新算法.該算法既能以反射光圖像的模式對圖像進行增強,又能以透射光圖像的模式對圖像進行增強.具體的實現(xiàn)步驟如下:

第1步 設(shè)F(i,j)和F′(i,j)是原始圖像和處理后圖像的灰度值,參數(shù)α和β分別為任意實數(shù),A(i,j)是以像素(i,j)為中心、大小為n×n的窗口的平均灰度值.則基于SLIP模型的圖像增強為

其中,累加和∑表示SLIP模型運算的加法操作.

第2步 為了簡化SLIP模型的圖像增強實現(xiàn),引入SLIP歸一化補集轉(zhuǎn)變,將灰度值F轉(zhuǎn)變?yōu)?/p>

SLIP歸一化補集轉(zhuǎn)變,可以簡化SLIP模型的分析和實施.

第3步 對于圖像正值部分(0,M)和負值部分(-M,0)分別運用式(9),能夠證明經(jīng)過歸一化后的SLIP的圖像增強算法為

SLIP的歸一化補集轉(zhuǎn)變簡化了式(7)的運算,將SLIP對數(shù)⊕、?、?轉(zhuǎn)換為普通的算術(shù)加、減和乘的運算,便于實現(xiàn).

基于SLIP模型進行圖像增強時,可以對圖像以不同模式進行增強:反射光圖像的模式和透射光圖像的模式.以反射光圖像的模式進行增強時,可直接利用圖像灰度值進行增強;以透射光圖像的模式進行增強時,需要按

進行變換.即將透射光圖像?F轉(zhuǎn)換成一個負值的光強濾波器F[14],然后進行圖像增強.

表1列出了文中算法中不同圖像增強模式和參數(shù)對圖像增強效果的影響.

表1 不同增強模式和參數(shù)對圖像增強效果的影響

由表1可見,α的取值影響圖像的對比度,β的取值影響圖像的銳利程度,可以通過調(diào)節(jié)這兩個參數(shù)來獲得視覺愉悅的圖像.

通過以上分析,一方面說明了該算法可以以不同的增強模式對圖像進行增強;另一方面可以根據(jù)視覺要求,調(diào)節(jié)參數(shù)α和β來獲得使人視覺愉悅的圖像.

2 實驗結(jié)果評價與分析

為了驗證文中算法的有效性,基于硬件環(huán)境為Core2 E5800雙核處理器,主頻為3.2 GHz、內(nèi)存為2 GB的PC機,軟件環(huán)境采用MATLABR2010軟件平臺編程實現(xiàn)了相關(guān)算法.通過大量圖像進行實驗測試,并從主觀和客觀兩方面對文中算法進行評價.

隨機選取版圖圖像進行文中算法和LIP增強算法的對比分析,如圖1所示.圖1(a)為原始圖像,它們經(jīng)過LIP圖像增強算法后的圖像為圖1(b),經(jīng)過文中算法增強可得到兩幅圖像,即圖1(a)增強后分別為圖1(c)和圖1(d).根據(jù)對不同領(lǐng)域的圖像進行實驗,這里取n=3,α=0.8,β=10,均能達到較好的增強效果.

主觀上通過LIP圖像增強算法和文中算法的圖像增強效果可以看出:

(1)對于圖1(a),分別用文中算法增強的結(jié)果圖1(c)的線網(wǎng)邊緣和缺陷等信息(圖中矩形框標示的部位)相對于LIP圖像增強算法的結(jié)果圖1(b)的輪廓和細節(jié)更加清晰,更能使人視覺愉悅.同時這也為對版圖圖像進行后期處理打下基礎(chǔ).可見,以反射光圖像的模式對圖像進行增強,文中增強算法能夠增強圖像的細節(jié)和提升圖像的整體對比度,其效果明顯優(yōu)于LIP圖像增強算法.

圖1 版圖

(2)用文中增強算法得到的結(jié)果圖1(d)和LIP圖像增強算法的結(jié)果圖1(b)的效果基本一致.這是因為以透射光圖像的模式對圖像進行增強時,光強濾波器F和LIP模型中的灰度色調(diào)函數(shù)[2]在數(shù)學(xué)上互為相反數(shù),對于完全取負值的光強濾波器F,經(jīng)過式(9)的取絕對值變換后,就和LIP增強算法中的灰度色調(diào)函數(shù)歸一化補集轉(zhuǎn)變一致.因此,以透射光圖像的模式對圖像進行增強時,運用文中增強算法和LIP增強算法基本保持一致,故取得的增強效果相似.

為了客觀地說明文中算法的優(yōu)越性,選用熵增強方法(EMEE)客觀評價標準評價SLIP圖像增強的效果.該標準相比其他客觀評價AWC[15]和log AME[17]等方法更能符合主觀視覺效果,同時它也是目前對數(shù)圖像處理中常用的評價標準.

EMEE通過把1幅圖像分成大小為k1×k2的區(qū)域,然后用

來處理每個區(qū)域,并平均每個區(qū)域的結(jié)果[18].其中,和是大小為k1×k2的局部區(qū)域的最大和最小灰度值,c是不為零的很小的常數(shù).

客觀評價時,取k1=16,k2=16,即把圖像分成16×16的塊,對增強的結(jié)果圖像進行客觀評價,這對于所選用圖像的分塊也是比較合理的.對于進行實驗的圖像,下面隨機抽取7幅給出客觀評價結(jié)果,如表2所示.

表2 文中增強算法和LIP增強算法的EMEE評價結(jié)果比較

由表2可見,以反射光圖像的模式對圖像增強時,文中增強算法獲得了較好的增強效果.例如,對于第3幅圖和第4幅圖,運用LIP圖像增強算法得到的客觀評價值:EMEE(3)為72.493 3,EMEE(4)為33.328 6,而運用文中增強算法(以反射光圖像模式)得到的客觀評價值:EMEE(3)為1413.0000,EMEE(4)為1259.6000.很明顯,文中算法的EMEE值相比LIP算法的大了很多,因此,文中算法取得的效果明顯優(yōu)于LIP圖像增強算法的效果.此外,對于以透射光圖像模式圖像增強來說,LIP圖像增強算法和文中增強算法(以透射光圖像模式)獲得的結(jié)果圖像效果基本上一樣.這也體現(xiàn)了SLIP模型的負值部分等價于LIP模型的正值部分進行處理[14].前面主觀評價部分的第2條也進行了詳細分析,而對于個別圖像(如第2幅圖和第3幅圖)結(jié)果稍有不同,是因為在運用不同增強算法之后,文中增強算法中取負值的光強濾波器F′,進行了式(11)的逆變換,而LIP增強中正值的灰度色調(diào)函數(shù)進行的逆變換和式(11)不同,因此增強結(jié)果稍有不同.

從前面分析可知,主觀和客觀評價結(jié)果一致,均說明文中增強算法可以以不同的模式對圖像進行增強.以反射光圖像的模式增強的結(jié)果圖像更能使人視覺愉悅,能夠增強圖像的細節(jié)和提升圖像整體對比度;而以透射光圖像模式增強的結(jié)果圖像和LIP增強的結(jié)果圖像效果相似,這也就體現(xiàn)了SLIP模型的負值部分等價于LIP模型的正值部分進行處理.

3 結(jié)論及未來工作

在圖像處理領(lǐng)域,對數(shù)圖像處理有著重要的意義和應(yīng)用價值.筆者基于SLIP模型提出的圖像增強算法,不僅能以反射光圖像的模式對圖像進行增強,又能以透射光圖像的模式對圖像進行增強.主觀評價和EMEE標準客觀評價結(jié)果表明,文中算法優(yōu)于LIP圖像增強算法,能夠增強圖像的細節(jié)和提升圖像整體對比度,獲得更讓人視覺愉悅的圖像增強效果.

以SLIP模型的圖像增強為基礎(chǔ),筆者將進一步研究SLIP的數(shù)學(xué)形態(tài)學(xué)和SLIP的小波變換.同時也可以很容易地實現(xiàn)參數(shù)對數(shù)圖像處理(PLIP)模型和對稱對數(shù)圖像處理(SLIP)模型的結(jié)合,使其能夠更好地處理圖像的負值部分.此外,也可以將參數(shù)對稱的對數(shù)圖像處理(PSLIP)模型應(yīng)用于邊緣檢測、圖像增強和圖像恢復(fù)等領(lǐng)域.

[1] 李權(quán)合,畢篤彥,何林遠.退化過程模擬模型及其在圖像增強中的應(yīng)用[J].西安電子科技大學(xué)學(xué)報,2011,38(6): 185-192. Li Quanhe,Bi Duyan,He Linyuan.Degradation Process Simulation Model and Its Use in Image Enhancement[J]. Journal of Xidian University,2011,38(6):185-192.

[2]Jourlin M,Pinoli J.A Model for Logarithmic Image Processing[J].Journal of Microscopy,1988,149(1):21-35.

[3]Lee J S.Digital Image Enhancement and Noise Filtering by Use of Local Statistics[J].IEEE Transactionss on Pattern Analysis and Machine Intelligence,1980,2(2):165-168.

[4]Deng G.An Entropy Interpretation of the Logarithmic Image Processing Model with Application to Contrast Enhancement[J].IEEE Transactions on Image Processing,2009,18(5):1135-1140.

[5]Deng G.A Generalized Logarithmic Image Processing Model Based on the Giga-vision Sensor Model[J].IEEE Transactions on Image Processing,2012,21(3):1406-1414.

[6]Panetta K,Wharton E,Agaian S.Parameterization of Logarithmic Image Processing Models[EB/OL].[2013-04-20]. http://citeseerx.ist.psu.edu/viewdoc/dowload?doi=10.1.1.152.4779&rep=rep1&type=pdf.

[7]Panetta K A,Agaian S S,Zhou Y,et al.Parameterized Logarithmic Framework for Image Enhancement[J].IEEE Transactions on System,Man,and Cybernetics B,2011,41(2):460-473.

[8]Wharton E J,Panetta K,Agaian S S.Logarithmic Edge Detection with Applications[C]//IEEE International Conference on Systems,Man,and Cybernetics.New York:IEEE,2007:3346-3351.

[9]Nercessian S,Panetta K,Agaian S.Multiresolution Decomposition Schemes Using the Parameterized Logarithmic Image Processing Model with Application to Image Fusion[DB/OL].[2012-12-20].http://dl.acm.org/citation.cfm?id= 1945447.

[10]Vorobel R,Botsian V.Parameterization Method for Logarithmic Image Processing Model[C]//Modern Problems of Radio Engineering Telecommunications and Computer Science.Piscataway:IEEE Computer Society,2012:408.

[11]Patrascu V.Rough Sets on Four-Valued Fuzzy Approximation Space[C]//IEEE International Conference on Fuzzy Systems.Piscataway:IEEE,2007:217-221.

[12]Vertan C,Oprea A,Florea C,et al.A Pseudo-logarithmic Image Processing Framework for Edge Detection[C]// Advanced Concepts for Intelligent Vision Systems.Heidelberg:Springer Verlag,2008:637-644.

[13]Florea C,Vertan C.Piecewise Linear Approximation of Logarithmic Image Processing Models for Dynamic Range Enhancement[J].UPB Scientific Bulletin,Series C:Electrical Engineering,2009,71(2):3-14.

[14]Navarro L,Courbebaisse G.Symmetric Logarithmic Image Processing Model,Application to Laplacian Edge Detection [DB/OL].[2012-06-10].http://hal-emse.ccsd.cnrs.fr/hal-00709350/.

[15]Yu Tianhe,Li Qiuming,Dai Jingmin.New Enhancement of Infrared Image Based on Human Visual System[J].China Optical Letters,2009,7(1):206-209.

[16]崔力,陳玉坤,韓宇.視覺相似性圖像質(zhì)量評價方法[J].西安電子科技大學(xué)學(xué)報,2012,39(4):155-160. Cui Li,Chen Yukun,Han Yu.Visual Similarity Index for Image Quality Assessment[J].Journal of Xidian University,2012,39(4):155-160.

[17]Panetta K,Wharton E J,Agaian S S.Human Visual System-Based Image Enhancement and Logarithmic Contrast Measure[J].IEEE Transactions on Systems,Man,and Cybernetics—Part B:Cybernetics,2008,38(1):174-188.

[18]Wharton E,Panetta K,Agaian S.Human Visual System Based Similarity Metrics[C]//Proceedings of IEEE International Conference on Systems,Man and Cybernetics.New York:IEEE,2008:685-690.

(編輯:齊淑娟)

New image enhancement algorithm based on the SLIP model

ZHANGGuangyan,WANG Junping,WANG Song,CAO Honghua,XU Dan,LI Jin,LI Changjiang
(School of Telecommunication Engineering,Xidian Univ.,Xi’an 710071,China)

Image enhancement technology plays an important role in human life,social production,etc. This paper presents a new algorithm for image enhancement based on the SLIP(Symmetric Logarithmic Image Processing)model.Firstly,we get the SLIP image enhancement algorithm about image gray values based on the analysis of the existing logarithmic image enhancement algorithm.Then the SLIP image enhancement algorithm is simplified to the simple mathematical operation using the vector operation of the SLIP model.The proposed algorithm can enhance the image not only with the mode of the transmitted light image but also with the mode of the reflected light image.By means of subjective evaluation and EMEE objective evaluation,experimental results show that the proposed algorithm can enhance the image detail and improve the overall image contrast.Meanwhile,the algorithm overcomes the disadvantage that LIP image enhancement algorithm cannot enhance the images with the mode of the reflected light image.

logarithmic image processing(LIP);image enhancement;evaluation measure of enhancement by entropy(EMEE);contrast

TP391.41

A

1001-2400(2014)01-0105-05

10.3969/j.issn.1001-2400.2014.01.019

2013-05-06 < class="emphasis_bold">網(wǎng)絡(luò)出版時間:

時間:2013-09-16

國家自然科學(xué)基金資助項目(61173088);西安市產(chǎn)業(yè)技術(shù)創(chuàng)新計劃資助項目(CX1248⑤)

張廣燕(1987-),女,西安電子科技大學(xué)碩士研究生,E-mail:zh_gy_358@126.com.

http://www.cnki.net/kcms/detail/61.1076.TN.20130916.0926.201401.130_015.html