论文部分内容阅读
在图像与视频获取过程中,由于照明环境、采集设备、噪声干扰等因素的影响,会导致图像与视频视觉效果的下降。因此,需要采用细节增强算法来突出图像与视频中的部分细节信息以便于用户进行更好地分辨和后续处理。目前,已有的细节增强方法主要存在以下三点不足:(1)对于不同的输入图像,需要根据经验采取不同的细节增强模型并设置不同的参数,这些要求对非专业大士来说难以掌握;(2)实验结果难以保持输入图像的色调分布,致使细节增强后图像发生了明显的颜色失真;(3)目前还没有出现面向视频应用的细节增强算法。针对上述问题,本文对图像视频细节增强技术进行了深入的研究,并提出了相应的解决方法,主要内容包括:(1)我们研究了多种图像多尺度分解方法,为了无需二次采样或量化就可以达到对任意彩色图像实时边缘保持的滤波效果,本文采用了基于域变换的一维线性滤波进行图像的多尺度分解。该方法可以将输入图像快速分解成一幅含有大尺度边缘信息的基图像和多幅含有小尺度细节信息的细节层。(2)虽然我们采用了保持边缘的滤波方法,但是细节层中仍然会残留很多强边缘以及由强边缘引起的震荡现象。如果在细节增强过程中,这些强边缘也被放大相同的尺度,则会引起梯度逆转所导致的光环现象。因此,为了有效抑制细节增强结果中产生的这些现象,本文提出了基于边缘梯度响应的自适应细节增强函数。该函数在放大小尺度细节的同时,可以有效地减少对强边缘的增强幅度。(3)一种有效的彩色图像细节增强算法在增强图像细节的同时,还必须保证处理后的图像色调分布不会带来失真。细节增强过程中,尽管采用本文构造的抑制大尺度边缘的自适应细节增强函数,整个图像的亮度通道仍然会发生剧烈的变化,使得细节增强后的图像色调分布大幅度偏离原图像。即使采用对比度拉伸或直方图匹配等方法,也无法有效地纠正细节增强图像的色调偏移问题。因此,基于马尔科夫随机场理论,本文提出了一种可以有效校正图像色调分布的能量优化算法。实验结果表明:本文算法能够在统一的参数设定下,对任意的输入图像或视频均取得色调保持的显著细增强效果。并且,本文算法对于任意保持边缘多尺度分解方法都适用。