考慮視覺相似性的廣角圖像背景區(qū)分層增強

周先博，王 敏

(1.湖北工業(yè)大學藝術(shù)與設(shè)計學院，湖北 武漢 430000；2.重慶理工大學管理學院，重慶 400054)

1 引言

廣角圖像是目前圖像領(lǐng)域的研究熱點之一。其為對大小為±90°左右的圖像進行拍攝得到。由于圖像會因為拍攝過程中自然環(huán)境以及人為因素等各種不同原因，導致獲得的圖像出現(xiàn)失真情況，且廣角圖像的背景區(qū)較為復雜，細節(jié)凸顯較差，因此需要對圖像細節(jié)增強調(diào)節(jié)。目前，圖像增強技術(shù)已經(jīng)被應(yīng)用在醫(yī)學、軍事、識別等眾多研究領(lǐng)域中，在醫(yī)學方面該技術(shù)可以有效增強病變區(qū)域的顯示，讓醫(yī)生得出更精準的結(jié)果；在軍事研究領(lǐng)域中便可以針對某一區(qū)域的遙感偵察圖像進行增強處理，從而實現(xiàn)偵查結(jié)果更精確的目的，相關(guān)研究結(jié)果如下。

趙春麗[1]等人提出了一種基于暗通道及多尺度Retinex的霧霾天氣圖像增強算法。用兩次引導濾波改進暗原色先驗?zāi)Ｐ偷耐干渎视嬎?，在HSV空間中，用改進的多尺度Retinex算法對亮度進行增強處理，將雙邊濾波函數(shù)代替高斯濾波函數(shù)對照度分量進行估計，令空間域卷積轉(zhuǎn)換為頻域乘積來減少運算量，用伽馬變換校正入射分量進行照度，依據(jù)Sigmoid函數(shù)對反射分量對比度拉伸，最后將圖像再轉(zhuǎn)換至RGB空間。王成[2]等人提出了一種基于像素生命自適應(yīng)融合的夜景圖像增強方法，通過高通濾波圖像中大部分暗背景信息，提高單個圖像區(qū)域的整體灰度；然后設(shè)定像素自適應(yīng)權(quán)值，處理后圖像和原始圖像的兩個權(quán)值對應(yīng)于每個像素點，根據(jù)濾波為圖像中對應(yīng)像素值、目標模糊集以及背景模糊集接近程度，若在近目標模糊集中過度連接，則濾波圖像的對應(yīng)像素權(quán)重增大，原始圖像對應(yīng)像素權(quán)重減小，背景模糊集越近。

上述兩種方法都較為依賴濾波函數(shù)取值，且受外界影響極大，方法穩(wěn)定性差且耗時久?；诖?，本文將在考慮視覺相似度的前提下提出一種廣角圖像背景區(qū)分層增強的方法，通過相似性像素取值計算出符合人眼需求的相似性曲線，再運用分段函數(shù)實現(xiàn)灰度映射增強，通過迭代增強函數(shù)求解獲取出新模糊集合，并按照用戶個人視覺相似性來控制增強迭代計算次數(shù)，最終實現(xiàn)圖像背景區(qū)增強，并加強圖像增強過程中收斂性。

2 視覺相似性分析

為全面分析圖像視覺相似性，提升廣角圖像背景區(qū)分層增強效果，從錐細胞提取適合人眼視覺的圖像，建立視覺相似性分析。人眼視網(wǎng)膜上有感光細胞，分別包括錐細胞和柱狀細胞兩種[3]。而柱狀細胞只在非常暗的光線下工作，沒有顏色敏感性，從柱狀細胞上獲得的圖像不能描述適合人眼視覺的圖像。因此在模擬人眼視覺相似性時，首先要根據(jù)視覺習慣將圖像亮度調(diào)整成為真實合適的程度，在此基礎(chǔ)上對圖像進行調(diào)整，使圖像在對比度和亮度上都適用于人眼視覺[4]。

視覺相似性模型可表示為

s(x，y)=f{i(x，y)×b(x，y)}

(1)

式中，分別將s(x，y)、i(x，y)、b(x，y)分別表示圖像相似性像素取值、所觀看圖像像素值以及根據(jù)相似性調(diào)整的圖像對比度。

對比度增強計算公式可表示為

Sout=Sin-fix(Sin)

(2)

其中，將Sout和Sin描述為輸入、輸出圖像的對比度，而函數(shù)取值則根據(jù)圖像像素取值來判定，將常數(shù)設(shè)置為8。

由于肉眼無法同時辨識較寬范圍的視線內(nèi)容，故在拍攝環(huán)境的光強亮度平衡時，肉眼可適應(yīng)的亮度范圍小于實際光強變化范圍。為了壓縮視覺亮度動態(tài)范圍，在亮度調(diào)節(jié)功能設(shè)計時中低亮度圖像功能值大于中高亮度圖像功能值?；诖耍疚耐ㄟ^統(tǒng)計圖像的特征，控制視覺曲線以及中心參數(shù)，提高低照度區(qū)域的亮度，使整體圖像呈現(xiàn)出的視覺效果更顯著。視覺相似性表達式為

(3)

3 基于模糊松弛迭代的分層增強算法

圖像增強是根據(jù)特定的需要增加圖像灰度對比度，通過弱化或去除不必要信息的方法，實現(xiàn)突出圖像中重要信息的目的[5]。

3.1 圖像直方圖灰度映射增強步驟

擴展圖像或局部圖像的灰度對比度信息，具體流程如下：

1)根據(jù)最初輸入的圖像進行直方圖計算處理；

2)根據(jù)最初圖像灰度分布的計算結(jié)果構(gòu)建出灰度轉(zhuǎn)換函數(shù)；

3)將計算的灰度直方圖結(jié)果，轉(zhuǎn)變?yōu)檩敵鰣D像直方圖，并在此基礎(chǔ)上將全部灰度取值轉(zhuǎn)移到圖像中。

由于圖像的部分細節(jié)以及背景區(qū)域的對比度容易銳化，導致圖像清晰度較差，故需要利用灰色分層映射的方法，增強圖像細節(jié)，得到更優(yōu)的對比度數(shù)據(jù)[6]。

3.2 灰度映射分層圖像增強

分層圖像增強過程中，將最初圖像的空域集合運用灰度映射函數(shù)，使空域集合中圖像轉(zhuǎn)換至模糊域中，計算求解得出模糊特征平面后，再進行下一步驟的計算[7]。由于該過程計算較為復雜，會占用多數(shù)系統(tǒng)內(nèi)存，因此無法同時處理大量數(shù)據(jù)，所以本文利用分段函數(shù)處理方法實現(xiàn)灰度映射。其中將映射函數(shù)μ(x，a，b，c)定義為

(4)

(5)

(6)

K1=(b-a)(c-a)

(7)

K2=(c-b)(c-a)

(8)

根據(jù)上式的實際計算結(jié)果可得

(9)

在實際計算映射函數(shù)過程中是不具有逆變換特性的[8]，只是簡單地將該值相乘得出原始灰度t，因此可能會出現(xiàn)灰度值超出該層灰度范圍，導致不同子層的灰度信息重疊，損失部分信息，影響圖像質(zhì)量，為此，在實際處理圖像的過程中，要考慮重構(gòu)圖像，剔除映射函數(shù)過程無法逆變的干擾。

3.3 圖像亮度重構(gòu)

分層圖像部分增強后，將經(jīng)過增強處理的圖像與最初圖像再次進行重組，獲取出一個新的亮度圖像，其中重組表達式為

Inew=10[λ·IB(x，y)+β·ID(x，y)]

(10)

為了能夠有效避免增強后圖像再次出現(xiàn)像素失真的情況，便可得出圖像顏色處理的計算公式

(11)

(12)

3.4 模糊隸屬度松弛迭代優(yōu)化

運用模糊隸屬度松弛迭代來實現(xiàn)可控增強，增加整體算法穩(wěn)定性。實現(xiàn)計算過程如下：

首先利用模糊函數(shù)的計算方式將圖像X的空間像素集合映射到對應(yīng)的模糊集合Xf中，并且針對該模糊集Xf運用迭代增強函數(shù)T(·)求出新的模糊集合Yf，這樣當新的模糊集合在進行下一次增強處理時就可以用Xf來代替，其中用戶即可依據(jù)個人視覺相似性來控制增強迭代計算的次數(shù)[9]。

用隸屬度函數(shù)μ將空間像素xij∈[a，c)映射到模糊域Xf，可得出

(13)

對模糊域Xf進行迭代增強處理的函數(shù)定義為zij=T(μij)，迭代增強過程為

(14)

(15)

其中

(16)

(17)

μa，μb，μc是與a，b，c相對應(yīng)的模糊域值。

使用函數(shù)μ的逆變換φ將模糊域值映射回圖像的空間域

(18)

3.5 擴展實現(xiàn)

本文所提算法的具體處理圖像分層增強流程如下所示：

步驟一：依據(jù)直方圖結(jié)果確定圖像分層的數(shù)量和計算灰度取值范圍。假設(shè)將圖像分為k層，這樣通過灰度取值計算即可得知第j層圖像的灰度范圍為[m，n]，而經(jīng)過增強處理后的范圍便有[aj，cj]；

步驟二：利用上述式(10)-(15)，對圖像中每個不同的分層進行可控迭代增強，并令a=aj，c=cj，m

步驟三：根據(jù)步驟二處理結(jié)果，針對不同層次的圖像增強效果，分別控制其它圖層的迭代計算次數(shù)，直到該圖層達到最終所需效果

因為在對圖像進行迭代前，模糊松弛算法已經(jīng)在對應(yīng)的模糊域中進行了迭代改進，因此在將模糊域中圖像映射到空間域時，就可以利用模糊成員函數(shù)的逆變換方式，讓相同分層圖像的灰度取值在一定范圍內(nèi)，并且不同子層的灰度不重疊[10]。

4 仿真研究

為了進一步驗證本文算法的有效性，將在實際仿真為Matlab實驗平臺CPUIntel(R)Core(TM)i5-23203.0GHz中，令本文算法與文獻 [1]、[2] 算法針對低照度圖像的增強效果進行對比，并且通過主觀視覺效果和客觀質(zhì)量評價兩個方面對增強圖片的效果進行分析。

4.1 主觀視覺對比

在圖像處理主觀視覺對比方面，給出低分辨率廣角圖像原圖，并利用本文算法與文獻兩種方法處理，對比結(jié)果如圖1所示。

圖1 不同方法下樣本處理效果對比圖

根據(jù)上述圖1可知，雖然文獻 [1] 算法可以呈現(xiàn)出部分被黑影遮擋住的圖像，但是圖像清晰度仍較差；文獻[2] 算法處理后的圖像層次感不明顯，存在較大銳化噪聲。本文方法呈現(xiàn)效果較好主要是因為在對分層增強過程中使用迭代計算，具有較高可控性。

4.2 質(zhì)量直方圖對比

質(zhì)量直方圖是文獻 [1] 算法、文獻 [2] 算法和本文算法在經(jīng)過放大處理后的圖像灰度直方圖對比結(jié)果，如圖2表示。通過灰度直方圖，可以看出樣本圖像的灰度分布情況，由此了解樣本圖像中各個像素點的顏色深度，從而評價圖像增強效果。在圖2中，橫坐標代表不同像素點的灰度級別，縱坐標代表像素頻數(shù)。

圖2 不同方法下樣本對比直方圖

通過圖2可以確定圖像的亮度和對比度特征。在圖2(a)中，大多數(shù)灰色直方圖顯示在左側(cè)，表示圖像通常是黑色的。在圖2(b)中，灰色直方圖中間只有一個小值等于零，這說明文獻[1]算法的圖像對比度很小。圖2(c)大多數(shù)灰色直方圖仍在左側(cè)，中間的一些部分顯示，與原始圖像相比，文獻[2]算法改進后的圖像效果依舊不明顯，在圖2(d)中，灰度直方圖的非零值幾乎覆蓋了整個灰度直方圖，可見所提算法對圖像中各分層可控迭代處理效果好，有效提高圖像的對比度和亮度。

5 結(jié)論

為了能夠有效解決廣角圖像模糊情況，本文在模糊松弛迭代算法的基礎(chǔ)上提出圖像分層增強算法，構(gòu)建映射函數(shù)選取出合適的迭代計算次數(shù)，根據(jù)可控次數(shù)讓不同層次的圖像達到一定的增強效果。但由于在計算迭代次數(shù)的過程中具有較高的復雜性以及失誤率，計算參數(shù)仍有優(yōu)化空間。