论文部分内容阅读
人类视觉系统是智能、高效的视觉信息处理系统。通过模拟生物视觉感知机制,开发出更有效的图像处理算法是当前图像处理研究的热点。本文所建立的计算模型围绕图像增强所涉及的内容进行研究,包括图像增强、增强后去噪、图像增强质量评价。按照基于生理、面向任务的思路,本文通过模拟生物视觉的感受野机制、视觉系统的感知特性为图像增强、图像去噪及图像质量评价等图像处理应用提供新的计算模型和简单、有效的实现方法。本文第一部分针对目前眼底彩色图像增强存在的颜色失真问题,提出一种改进的基于颜色恒常的Retinex眼底彩色图像增强方法。本方法首先提取亮度通道,对亮度通道进行多尺度Retinex处理,再通过改进的gain/offset算法以及颜色恢复方法进行图像映射,最后根据眼底彩色图像的特征对具有亮度信息的红色通道进行恢复。为验证本方法的有效性,本文以DIARETDB0眼底图像数据库为研究对象,将该方法与多尺度Retinex(MSR)、带色彩恢复的多尺度Retinex(MSRCR)、直方图均衡化(HE)、对比度受限自适应直方图均衡化(CLAHE)等经典增强算法进行主观和客观比较。实验结果表明该方法处理的图像在色彩保护、血管对比度的提升以及图像细节的增强方面比其他图像增强方法有更好的处理效果,这对进一步眼底图像的识别具有重要的意义。本文第二部分针对夜间彩色图像增强后噪声增多的问题提出了一种基于视觉感受野特性的图像去噪方法。本方法主要基于视觉神经电生理研究结果,模拟感受野的响应特性来实现对图像的去噪。该方法首先对色彩空间进行转换,然后对噪声进行检测并根据噪声的大小采用自适应动态调节ON/OFF感受野模板进行去噪处理。实验结果表明,本文所提出的算法在有效抑制噪声保留图像纹理和边缘细节信息的同时,极大提升了运算效率。该算法在峰值信噪比和均方误差等客观定量评价指标上优于经典去噪算法,解决了夜间图像增强后噪声点增加的实际问题,进一步完善了前一部分提出的图像增强方法,扩展了其应用范围。本文第三部分为解决目前的图像增强质量评价方法缺乏统一客观评价标准的问题提出一种基于人眼视觉感知特性的图像增强质量评价方法。本文首先深入分析和客观描述了视觉图像特征,并基于此提出了影响图像质量的视觉特征参数以及对应的数学模型,最后在此基础上得到图像增强质量评价分数(VPMI)。本文所提出的评价方法的性能在LIVE图像数据库上与其他评价方法相比,表现出与主观评价具有更好的一致性且计算复杂度低,进一步可应用于实时系统。对增强图像的评价结果也表明,本文所提出的方法与主观评价的结果相一致。并利用此方法对前文所述增强结果进行重新评价,证明了本文增强算法比其他几种增强算法具有更好的增强效果。同时,本部分还提出一种图像增强的失真率检测方法,这里的失真率是关于图像本身固有性质失真程度的检测。本文深入分析图像的固有性质,提出关于图像增强的失真率检测概念(信息失真率、组成成分失真率、颜色失真率)及其定量表征方法,并用来评价图像增强方法的失真程度。本文首先比较图像增强算法在不同条件下的失真情况,指出图像增强能改善图像的质量,但同时也会使图像失真。因此,在对增强图像进行评价时,应权衡图像失真率和图像质量之间的关系,本文所提的失真率检测方法进一步也为图像增强质量评价提供客观依据。最后,我们利用此方法对前文所述增强算法结果进行检测,结果显示本文的增强算法比其他增强算法失真率更小,特别是颜色失真比较小,证明本文的增强算法达到了颜色保真的效果。