基于视觉底层特征的图像增强方法
【技术领域】
[0001] 本发明涉及一种数字图像处理方法，尤其是一种基于视觉底层特征的图像增强方 法。
【背景技术】
[0002] 在现实生活中，数字图像会因各种原因造成在显示设备上出现失真的情况。为了 避免这一弊端，图像增强技术成为数字图像处理的研究重点之一。根据研究表明，复杂的人 眼视觉系统在处理图像时是优先处理那些最吸引人眼视觉注意的区域（人眼视觉感兴趣 区域），而不是对图像的全局信息进行分析。
[0003] 众所周知，传统图像增强的方法都是基于全局信息进行分析和处理，这不符合人 眼视觉系统的特性，不仅造成了许多对次要信息处理分析上的计算浪费，降低了图像处理 的效率，而且其最终的图像增强效果并不符合人眼视觉的感知。因此，为了克服传统图像 增强方法带来的弊端，一种新型的基于人眼视觉感知的彩色图像增强方法成为了研究的热 点。这种方法是综合考虑了人眼视觉特性和大量心里物理学的实验结论。
【发明内容】
[0004] 本发明的目的是提出一种基于视觉底层特征的图像增强方法，使其最终的图像增 强效果更符合人眼视觉感知。
[0005] 为了实现上述目的，本发明采用的技术方案如下：
[0006] -种基于视觉底层特征的图像增强方法，该方法具有以下步骤：
[0007] (1)提取图像的视觉底层特征，包括颜色、亮度、方向、纹理和边缘特征；
[0008] (2)加权融合成计算显著图；
[0009] (3)与眼动仪测得的眼动显著图进行相关系数比较，以确定各视觉底层特征的最 佳权重；
[0010] (4)根据权重的大小为不同类型的图像选择合适的图像增强方法。
[0011] 所述步骤（1)进一步包括如下具体步骤：
[0012] (1. 1)在HSV颜色空间中提取出亮度特征，将源图像转化成只有亮度信息的灰度 图，最后把图像像素值重新归一化到[0, 255]的范围；
[0013] (1. 2)在符合人眼视觉感知的HSV颜色空间下提取颜色特征，提取完颜色特征后， 将像素值重新归一化到[0, 255]的范围；
[0014] (1. 3)用Gabor变换来提取图像的方向特征；
[0015] (1. 4)采用Gabor滤波器组提取纹理特征：首先利用Gabor滤波器组提取出图像 的5个尺度、4个方向上的纹理特征，然后对这20幅纹理特征图进行归一化处理，最后把所 有图像按相同权重叠加在一起，形成最后的纹理显著图；
[0016] (1.5)边缘特征最典型的提取方式是利用二阶微分的拉普拉斯算子，在HSV空间 中提取图像的灰度边缘特征。
[0017] 所述步骤（2)进一步包括如下具体步骤：
[0018] (2. 1)采用高斯函数分别对输入图像的颜色、亮度、方向、纹理和边缘进行6个尺 度的滤波；
[0019] (2. 2)利用差值操作和拉普拉斯算子提取不同尺度下的图像视觉特征；
[0020] (2. 3)分别进行中央周边差计算，将差值图像归一化求和，得到该特征的显著图；
[0021] (2. 4)针对得到的5幅特征显著图进行权重配置，并保证5个视觉底层特征的权重 值相加等于1;将5幅特征显著图进行叠加，形成1幅多特征组合后的显著图。
[0022]所述步骤（3)所采用的算法公式如下：
[0023]
[0024] 式中，x代表图像中的像素，H(x)、S(x)分别是眼动显著图和计算显著图中当前 像素的显著值，yH、ys分别表示两幅显著图中所有像素的平均显著值，P的取值范围是 [-1，1]，当p= 1代表两幅显著图完全相关，p= 0代表两幅显著图完全不相关，p= -1 代表两幅图反相关，即一幅显著图中的显著区域在另一幅显著图中完全不显著。
[0025] 所述步骤（4)进一步包括如下具体步骤：
[0026] (4. 1)针对亮度特征占第1权重的图像，采用基于人眼显著图的优化直方图均衡 化方法；
[0027] (4. 2)针对颜色特征占第1权重的图像，则采取增强视觉感兴趣区域内的颜色饱 和度和对比度的图像增强方法；
[0028] (4. 3)针对纹理特征占第1权重的图像，这里采用小波变换的方法，对视觉感兴趣 区域进行去噪增强，凸显出纹理部分的细节。
[0029] 所述步骤（1. 2)中采用的算法公式如下：
[0030]
[0031] 其中，saturation(X，y)和brightness(X，y)分别是指像素点（X，y)的饱和度和 亮度值，saturationave和brightnessave则表示整幅图像的饱和度和亮度的平均值，s。和b。 是常量都取〇. 5。
[0032] 所述步骤（1. 3)所采用的算法公式如下：
[0033]
[0034] 其中，w是常数，9为滤波器的方向9=nJr/k(n=0,l*"k_l)，k是指Gabor 滤波器的方向个数；用Gabor函数来提取图像的方向特征，其滤波器的方向设定为
;然后将4幅特征图按照相同权重叠加形成最终的方向显著图（0)。
[0035] 所述步骤（1. 4)所采用的算法公式如下：
[0036]
[0037] 其中，灸=昏(万)，n是指尺度，0是指方向。
[0038] 所述步骤（2. 4)所采用的算法公式如下：
[0039] S=w1C+w2I+w30+w4T+w5E
[0040] 式中，Wpw2、w3、w4、wj别是各视觉底层特征指标对应的权重值，相加为1 ;C、I、 〇、T、E分别表示颜色、亮度、方向、纹理和边缘特征的显著图；最后将S图像即计算显著图归 一化到[0, 255]，并处理成二值图像。
[0041] 本发明的有益效果是：
[0042] 本发明与现有图像增强方法比较有以下优点：本发明首次将基于人眼注视点的眼 动显著图融合进传统的图像增强方法，提出了一种优化的基于视觉底层特征的Itti视觉 注意模型来提取出图像的计算特征显著图，改善了彩色图像在数字显示设备上再现时的视 觉质量，针对不同图像类型，凸显了图像中的重要信息，削弱次要信息，使得最终的图像增 强效果更加符合人眼视觉感知，在图像增强中发挥应用价值。
【附图说明】
[0043]图1是基于视觉底层特征的显著图计算模型整体流程图；
[0044] 图2是两种显著图的最终效果图；
[0045] 图3是最佳权重分析结果表；
[0046] 图4是基于视觉感兴趣区域的直方图均衡化原理图；
[0047] 图5是亮度特征图像增强方法对比图；
[0048] 图6是颜色和亮度特征分步进行图像增强方法对比图；
[0049] 图7是纹理和亮度特征分步进行图像增强方法对比图。
[0050] 具体实施方法
[0051] 以下结合附图对本发明所涉及的一种基于视觉底层特征的图像增强方法的优选 实施例作详尽的阐述，但本发明不仅限于该实施例。为了使公众对本发明有彻底的了解，在 以下优选实施例中进行了具体的细节说明。
[0052]1.基于视觉底层特征的显著图计算模型
[0053] 如图1所示，基于视觉底层特征的显著图计算模型整体流程如下：
[0054] (1)亮度特征：选取在HSV颜色空间中提取出亮度特征，将源图像转化成只有亮度 信息的灰度图，最后把图像像素值重新归一化到[0,255]的范围；
[0055](2)颜色特征：颜色特征是在符合人眼视觉感知的HSV颜色空间下进行提取，提取 完颜色特征后，要将像素值重新归一化到[0,255]的范围，其算法公式：
[0056]
[0057] 其中，saturation(X，y)和brightness(X，y)分别是指像素点（X，y)的饱和度和 亮度值，saturationave和brightnessave则表示整幅图像的饱和度和亮度的平均值，s。和b。 是常量都取〇.5。
[0058] (3)方向特征：方向特征是图像的局部特征，表现了图像中某些像素在一定的方 向上存在着内在的排列关系，进而产生了一种视觉上的方向感。一般釆用Gabor变换来提 取图像的方向特征，其计算公式：
[0059]
[0060] 其中，w是常数，9为滤波器的方向9=nJr/k(n= 0,l*"k_l)，k是指Gabor 滤波器的方向个数。本文采用Gabor函数来提取图像的方向特征，其滤波器的方向设定为 JTTT3 冗 ;然后将4幅特征图按照相同权重叠加形成最终的方向显著图（0)。
[0061] (4)纹理特征：采用Gabor滤波器组提取纹理的特征。首先利用Gabor滤波器组提 取出图像的5个尺度、4个方向上的纹理特征，然后对这20幅纹理特征图进行归一化处理， 最后把所有图像按相同权重叠加在一起，形成最后的纹理显著图；采用的算法公式如下：
[0062]
[0063] 其中，灸=營(W)，n是指尺度，0是指方向。
[0064] (5)边缘特征：边缘特征最典型的提取方式是利用二阶微分的拉普拉斯算子，在 HSV空间中提取图像的灰度边缘特征。
[0065] 得到5种视觉底层特征的特征图之后，利用Itti模型计算特征显著图的具体步骤 如下所述。
[0066] (1)采用高斯函数分别对输入图像的颜色、亮度、方向、纹理和边缘进行6个尺度 的滤波；
[0067] (2)利用差值操作和拉普拉斯算子提取不同尺度下的图像视觉特征；
[0068] (3)分别进行中央周边差计算，将差值图像归一化求和，得到该特征的显著图； (4)针对得到的5幅特征显著图进行权重配置（保证5个视觉底层特征的权重值相加等于1)。将5幅特征显著图进行叠加，形成1幅多特征组合后的显著图，公式为：
[0069]S=w1C+w2I+w30+w4T+w5E
[0070] 式中，Wpw2、w3、w4、wi别是各视觉底层特征指标对应的权重值，相加为1 ;C、I、 〇、T、E分别表示颜色、亮度、方向、纹理和边缘特征的显著图；最后将S图像即计算显著图归 一化到[0, 255]，并处理成二值图像。
[0071] 2.人眼注