论文部分内容阅读
图像的显示效果直接影响人眼的舒服程度和获取信息的效率。尽管目前的图像传感器可以获得12位或者更高精度的像素灰度值,但是普通显示器由于背光强度,控制精度等物理条件的制约,其动态范围只有256个数量级。这种精度上的不匹配造成了大量的传感器精度的浪费,不仅会影响图像的视觉质量,而且量化会造成图像信息的丢失,特别是在一些对图像信息准确度要求严格的应用上,由于映射算法处理造成图像细节丢失很有可能带来严重的后果,因此对高动态图像的增强显示算法的设计问题上,我们应该寻找更加合理的映射方法来更有效的保护图像中的信息。本论文主要从两个角度对增强显示算法进行思考和设计。首先论文从统计学的角度对图像增强显示算法进行分析,并以图像的统计熵为基础设计了最大熵的图像增强显示算法。图像统计熵是一个重要的图像信息量衡量标准,图像统计熵的大小代表图像信息量的大小。最大熵的图像增强显示算法的核心思想是通过数学优化使映射后图像的统计熵最大化实现对图像信息的保护。其次对于实际的人眼视觉系统来说,获取图像信息的主要来源是图像的对比度,而不是图像的绝对亮度,所以第二个思考角度是分析图像映射过程中造成的对比度失真,其核心思想是通过减少对比度失真来保护图像中的信息,并以此为出发点提出基于图像高阶统计量的最优显示理论。这种基于图像高阶统计量建立的图像增强显示模型更符合人眼视觉系统的认知机理,并且在理论上能够保证图像映射的过程中能够最大程度的减少图像信息的丢失。大多数图像映射算法会造成图像的色调失真,因此论文研究在设计算法时加入了色调失真约束机制,这种机制的主要目的是防止映射过程造成图像色调不连续,而且能够进一步的对图像中弱小细节进行保护,并且能够减少算法模型求解的计算量。在对设计的算法模型求解过程中,论文研究结合了图论和动态规划相关的优化理论对求解过程进行了优化和加速,并结合色调失真约束机制,大大降低了算法运行的复杂度,提高了数学模型的求解效率。实验结果显示出上述对于图像增强显示技术所建立的数学模型在图像细节呈现上以及图像平滑度的保持上都优于传统的图像增强方法。