圖像重建下視覺信息傳達(dá)優(yōu)化方法仿真

聶青青,張文博

(山西農(nóng)業(yè)大學(xué),山西 晉中 030801)

1 引言

數(shù)字圖像本質(zhì)上是一個(gè)二維矩陣,矩陣中各個(gè)點(diǎn)為圖像的像元[1]。但是由于目前數(shù)字圖像通常為三維圖像,因此二維平面圖像在轉(zhuǎn)化成三維圖像時(shí)容易出現(xiàn)圖像轉(zhuǎn)換不完整以及圖像破損嚴(yán)重等問題,這樣會直接對圖像的視覺信息傳達(dá)帶來嚴(yán)重影響。當(dāng)傳統(tǒng)的視覺信息傳達(dá)[2]方法無法滿足當(dāng)前人們對于視覺信息傳達(dá)效果的需求,提出更加簡潔高效的視覺信息傳達(dá)效果優(yōu)化方法,就變得尤為重要。

文獻(xiàn)[3]方法首先建立一個(gè)卷積神經(jīng)網(wǎng)絡(luò),并讓該網(wǎng)絡(luò)同時(shí)具備不同尺度的卷積核,通過對網(wǎng)絡(luò)的訓(xùn)練完成圖像初步特征提取;再設(shè)計(jì)一個(gè)跳躍的連接結(jié)構(gòu)深度提取圖像特征;最后通過圖像特征展開權(quán)重計(jì)算和照度估計(jì),通過計(jì)算結(jié)果有效提升圖像的亮度、對比度,實(shí)現(xiàn)視覺傳達(dá)時(shí)的效果優(yōu)化。文獻(xiàn)[4]方法首先建立一個(gè)Exposure框架圖像增強(qiáng)模型,并引入相對均值生成對抗網(wǎng)絡(luò)強(qiáng)化學(xué)習(xí)框架,增加模型的辨別器辨識能力;再將行動(dòng)者-評論家算法中的目標(biāo)函數(shù)作為梯度算法的懲罰策略,提升模型的圖像增強(qiáng)能力;最后通過優(yōu)化后的模型完成對圖像視覺信息傳達(dá)效果的提升。文獻(xiàn)[5]方法首先建立一個(gè)Retinex模型,在圖像空間中將圖像V通道復(fù)制到Retinex模型的各個(gè)層級中;再通過模型增強(qiáng)層,采用加權(quán)引導(dǎo)濾波消除圖像光暈,在亮度增強(qiáng)層級通過自適應(yīng)歸一化函數(shù)進(jìn)一步增強(qiáng)圖像亮度;最后通過細(xì)節(jié)突出層級結(jié)合人工蜂群算法突出圖像的細(xì)節(jié),實(shí)現(xiàn)圖像視覺信息傳達(dá)效果的優(yōu)化。

上述方法通過圖像增強(qiáng)處理均能夠達(dá)到視覺效果優(yōu)化的目的,但是由于未對圖像展開去噪處理,導(dǎo)致上述方法的圖像視覺信息傳達(dá)效果優(yōu)化效果不佳。為解決上述問題,提出基于圖像重建的視覺信息傳達(dá)效果優(yōu)化方法。

2 圖像重建

在視覺信息傳達(dá)時(shí),圖像經(jīng)常會在傳達(dá)過程中出現(xiàn)破損與缺失問題,同時(shí)圖像內(nèi)部的噪聲也會影響圖像的視覺信息傳達(dá)效果,為提升圖像在視覺信息傳達(dá)時(shí)的傳達(dá)效果,在視覺信息傳達(dá)時(shí),需要及時(shí)濾除圖像中的噪聲,對圖像展開重建,初步提升圖像信息傳達(dá)時(shí)的效果。

2.1 圖像去噪

在濾除圖像噪聲時(shí),首先需要建立一個(gè)PM模型,通過模型中的梯度算子區(qū)分噪聲對圖像梯度變化以及邊緣圖像梯度變化的影響,劃分完成后去除噪聲引起的變化狀態(tài),保留邊緣最大梯度值,經(jīng)由迭代計(jì)算,獲取去噪后的圖像,完成圖像噪聲的濾除[6,7]。

首先設(shè)定梯度算子為△,散度算子為α,以此建立PM模型,模型表述形式如下式所示:

(1)

檢測圖像噪聲時(shí),首先將模型中的SUSAN模板與圖像像素重合,模板遍歷所有圖像后,通過模板中心像素灰度差值的計(jì)算,獲取圖像噪聲的辨識函數(shù),結(jié)果如下式所示:

(2)

獲取邊緣檢測函數(shù)之后,設(shè)定圖像的梯度方向?yàn)棣?,垂直梯度為η2,圖像特征向量擴(kuò)散強(qiáng)度設(shè)定成μsum,以此確定圖像FFS區(qū)域?；诖_定的FFS區(qū)域獲取各個(gè)像素點(diǎn)的四鄰域差值,計(jì)算圖像各個(gè)像素點(diǎn)的灰度值與灰度閾值,結(jié)果如下式所示:

(3)

確定圖像閾值參數(shù)后,將獲取結(jié)果帶入式(2)展開計(jì)算,通過計(jì)算結(jié)果,劃分圖像中噪聲以及邊緣,并對噪聲實(shí)施濾除處理,實(shí)現(xiàn)圖像的去噪。

2.2 圖像重構(gòu)

圖像去噪后,提取圖像特征,實(shí)現(xiàn)圖像重構(gòu)[9,10],初步實(shí)現(xiàn)圖像視覺信息傳達(dá)效果的提升。

PCANet算法是典型的線性分析方法,但是由于該方法無法有效提取圖像的非線性特征,所以需要引入核函數(shù)結(jié)合PCANet模型,實(shí)現(xiàn)圖像深度特征的提取,特征提取流程如下:

1)對圖像實(shí)施采集,并將采集圖像縮放至原始圖像大小,獲取對應(yīng)的LR圖像。將圖像對數(shù)量設(shè)定成q,將采集圖像用k×k大小的滑動(dòng)窗口分解成m×n個(gè)圖像塊,并將分割的圖像塊轉(zhuǎn)換成矩陣形式。

2)將采集的圖像整合成樣本集,通過非線性映射函數(shù)φ(·)映射至高維空間中。

3)完成映射后,設(shè)定模型中i層級的濾波數(shù)量為κ1,以此計(jì)算輸入矩陣的最小化重構(gòu)誤差,建立濾波矩陣,獲取圖像特征向量[11]。

基于上述提取的圖像特征值,利用PCANet模型[12]對特征實(shí)施二值哈希編碼,將特征圖像再次分解成若干特征映射,獲取圖像的稀疏系數(shù)值。映射函數(shù)確定后,基于獲取的濾波以及特征映射建立重構(gòu)目標(biāo)函數(shù),通過函數(shù)最優(yōu)解對濾波器及其對應(yīng)特征實(shí)施卷積實(shí)現(xiàn)圖像重構(gòu),初步實(shí)現(xiàn)圖像視覺信息傳達(dá)效果的提升,結(jié)果如下式所示

(4)

式中,建立的目標(biāo)函數(shù)為{fh,ω},濾波器能量為e,圖像重構(gòu)結(jié)果為zcg,特征圖像為mh。

3 圖像視覺信息傳達(dá)效果優(yōu)化

完成圖像重構(gòu)后,能夠初步提升圖像視覺信息傳達(dá)效果,在此基礎(chǔ)上,通過對重構(gòu)圖像亮度、細(xì)節(jié)的增強(qiáng)處理[13],實(shí)現(xiàn)圖像視覺信息傳達(dá)效果的進(jìn)一步優(yōu)化。在圖像增強(qiáng)過程中,將圖像的增強(qiáng)流程分為亮度增強(qiáng)與圖像細(xì)節(jié)增強(qiáng)兩個(gè)部分,首先對圖像整體亮度展開增強(qiáng)處理;基于處理結(jié)果建立局部細(xì)節(jié)增強(qiáng)模型,制定目標(biāo)函數(shù),通過目標(biāo)函數(shù)計(jì)算結(jié)果,完成圖像的細(xì)節(jié)增強(qiáng);最后將二者整合,提升重構(gòu)圖像的亮度、細(xì)節(jié)信息,完成圖像視覺信息傳達(dá)效果優(yōu)化。

3.1 基于HSV空間的圖像增強(qiáng)方法

完成圖像重構(gòu)后,雖然能夠極大限度的保證圖像整體性,但是重構(gòu)后圖像會出現(xiàn)顏色失真的現(xiàn)象,因此需要對圖像實(shí)施HSV空間增強(qiáng)[14]。

在圖像空間中,設(shè)定圖像RGB空間的[R,G,B]向量不僅代表圖像顏色,還表示圖像的亮度信息,將圖像內(nèi)部兩個(gè)像素點(diǎn)設(shè)定成[R1,G1,B1]、[R2,G2,B2]形式,以此獲取圖像的空間顏色比例值,過程如下式所示

(5)

式中,圖像的空間顏色比例值為υ。

為增強(qiáng)圖像的整體顏色,需要對圖像各個(gè)像素點(diǎn)的亮度實(shí)施增強(qiáng)處理。設(shè)定圖像的亮度增益曲線為φld(p,q),HSV顏色空間的V分量即為圖像亮度分量,以此提取圖像亮度分量值,基于亮度分量值提取結(jié)果,獲取圖像的亮度反射分量,即可實(shí)現(xiàn)圖像的整體亮度增強(qiáng)。

但是由于增強(qiáng)時(shí)將原始圖像亮度低的部分同時(shí)進(jìn)行了增強(qiáng)處理,導(dǎo)致圖像暗部出現(xiàn)噪聲,失去原有細(xì)節(jié),因此需要建立調(diào)節(jié)因子對顏色亮度分量展開調(diào)節(jié),降低圖像噪聲,提升圖像局部細(xì)節(jié),結(jié)果如下式所示

λ(p,q)=ο·sin[π·V(p,q)/255]

(6)

式中,調(diào)節(jié)幅度為ο,待增強(qiáng)亮度值為V(p,q),調(diào)節(jié)因子為λ(p,q),正弦曲線向量為sin 。

3.2 細(xì)節(jié)增強(qiáng)方法

圖像完成整體增強(qiáng)后,為進(jìn)一步突出圖像的細(xì)節(jié),需要利用圖像的全局、局部信息,建立圖像的局部線性增強(qiáng)模型,模型表述形式如下式所示

(7)

式中,細(xì)節(jié)增強(qiáng)輸出結(jié)果為θlocal(p,q),鄰域標(biāo)準(zhǔn)差為ε(p,q),全局均值為D,變化系數(shù)為u。

為使模型增強(qiáng)效果達(dá)到最佳,且滿足自適應(yīng)要求,根據(jù)上述建立的模型制定最佳目標(biāo)函數(shù),從而更好的完成圖像的細(xì)節(jié)復(fù)原[15],實(shí)現(xiàn)圖像視覺信息傳達(dá)效果優(yōu)化,目標(biāo)函數(shù)表述形式如下式所示

(8)

式中,建立的目標(biāo)函數(shù)為?,圖像灰度級為H,增強(qiáng)后的圖像為E(p,q)。

基于上述圖像增強(qiáng)結(jié)果,提升圖像視覺傳達(dá)信息的完整度,增強(qiáng)圖像局部細(xì)節(jié),從而實(shí)現(xiàn)對圖像視覺信息傳達(dá)效果的優(yōu)化。

上述分析從理論角度對圖像視覺信息傳達(dá)效果進(jìn)行了優(yōu)化,為了進(jìn)一步提升圖像視覺傳達(dá)優(yōu)化的可視化效果,通過UI界面將視覺傳達(dá)圖像與信息傳遞給用戶,提升用戶的視覺感受效果。本文所設(shè)計(jì)UI界面如圖1所示。

圖1 圖像視覺信息傳達(dá)UI界面示意圖

由圖1可知,UI界面主要包括三層架構(gòu),其中,視覺傳達(dá)要素主要包含5個(gè)方面:色彩、文字、圖標(biāo)、圖片以及空間。通過對上述五個(gè)元素的處理將增強(qiáng)后的圖像傳輸至可視化展示界面,實(shí)現(xiàn)可視化UI界面與用戶的實(shí)時(shí)交互。

4 仿真研究

為了驗(yàn)證上述圖像視覺信息傳達(dá)效果優(yōu)化方法的整體有效性,需要對此方法測試。實(shí)驗(yàn)所用圖像來自The MNIST Database數(shù)據(jù)集,基于MATLAB仿真軟件測試所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法的優(yōu)化效果,通過對比測試,驗(yàn)證所提方法的有效性。

測試過程中,使用PhotoShop5.0軟件作為圖像處理軟件,測試流程如下:

1)通過梯度算子獲取垂直方向梯度圖像,進(jìn)而取得圖像梯度幅值,對不同優(yōu)化圖像實(shí)施灰度處理,獲取灰度圖像,通過軟件內(nèi)部Filter->Stylize->Find Edges完成圖像邊緣抽取,獲取不同方法的圖像邊緣,展開邊緣完整性測試。

2)將不同方法優(yōu)化后的圖像實(shí)施平滑、銳化處理,獲取不同圖像去噪結(jié)果,通過對比驗(yàn)證不同方法的去噪效果。

3)使用不同方法對原始圖像實(shí)施效果優(yōu)化,獲取不同方法的視覺傳達(dá)效果增強(qiáng)圖像,對三種方法優(yōu)化后的圖像展開對比測試,驗(yàn)證不同方法的有效性。

通過上述測試流程,對不同方法展開性能檢測,獲取不同圖像優(yōu)化方法的優(yōu)化效果。

1)圖像傳達(dá)信息優(yōu)化效果測試

基于上述三種方法開展圖像視覺信息傳達(dá)效果優(yōu)化時(shí),為驗(yàn)證上述三種方法的有效性,去噪效果和優(yōu)化效果兩個(gè)方面,測試所提方法、文獻(xiàn)[3]方法以及文獻(xiàn)[4]方法的視覺傳達(dá)信息優(yōu)化效果。

采用所提方法、文獻(xiàn)[3]方法以及文獻(xiàn)[4]方法開展圖像視覺信息傳達(dá)效果優(yōu)化時(shí),圖像去噪過程尤為重要,去噪效果的優(yōu)劣能夠直觀反映信息優(yōu)化方法的優(yōu)化效果,上述三種方法的去噪效果測試結(jié)果如圖2所示。

圖2 不同方法的去噪效果監(jiān)測結(jié)果

分析圖2可知,文獻(xiàn)[3]方法能夠明顯看出圖像暗部區(qū)域的處理偏差較大,容易丟失大量的細(xì)節(jié)信息;文獻(xiàn)[4]方法雖然去噪效果優(yōu)于文獻(xiàn)[3]方法,但是圖像整體亮度較低;所提方法由于在圖像信息優(yōu)化前就對圖像展開去噪處理,使得圖像優(yōu)化后的邊緣信息完整,整體圖像去噪效果更自然。

基于上述測試結(jié)果,將三種方法實(shí)際應(yīng)用于視覺信息傳達(dá)效果優(yōu)化中,以檢測上述三種方法的圖像信息實(shí)際優(yōu)化效果,結(jié)果如圖3所示。

圖3 不同方法的視覺信息傳達(dá)優(yōu)化效果圖

分析圖3可知,所提方法的優(yōu)化效果明顯優(yōu)于其它兩種方法的圖像視覺信息優(yōu)化效果。由此可證明,使用所提方法開展圖像傳達(dá)信息優(yōu)化時(shí),優(yōu)化性能好。

2)優(yōu)化時(shí)間測試

基于上述測試結(jié)果,對上述三種方法在視覺信息優(yōu)化時(shí)所用耗時(shí)展開測試,測試結(jié)果如表1所示。

表1 不同方法的信息優(yōu)化耗時(shí)測試結(jié)果

分析表1可知,圖像中邊緣信息越多,視覺信息在傳達(dá)時(shí)所需要的優(yōu)化時(shí)間越長。其中所提方法能夠在圖像數(shù)量不斷增加,且邊緣信息越來越多的情況下,將優(yōu)化耗時(shí)控制在60ms內(nèi),低于文獻(xiàn)[3]方法和文獻(xiàn)[4]方法,進(jìn)一步證明了所提方法在開展圖像視覺信息傳達(dá)效果優(yōu)化時(shí)具有較高的圖像處理效率。

5 結(jié)束語

隨著圖像在信息傳遞中起到的作用越來越大,圖像的視覺信息傳達(dá)效果優(yōu)化就變得尤為重要。針對傳統(tǒng)圖像的視覺信息優(yōu)化方法中存在的問題,提出基于圖像重建的視覺信息傳達(dá)效果優(yōu)化方法。該方法基于圖像去噪結(jié)果提取圖像特征,完成圖像重構(gòu),并結(jié)合圖像亮度提升以及細(xì)節(jié)突出增強(qiáng)等處理方法對重構(gòu)圖像展開進(jìn)一步增強(qiáng)優(yōu)化,實(shí)現(xiàn)視覺信息傳達(dá)效果優(yōu)化提升。該方法由于在圖像特征提取時(shí)還存在問題,今后需要針對該項(xiàng)問題,優(yōu)化該方法。