一种基于人眼视觉特性的自适应图像增强方法
【专利摘要】本发明提出一种基于人眼视觉特性的自适应图像增强方法，解决了中低灰度、中低分辨率图像成像问题。步骤一、计算图像的统计指标；步骤二、灰度值归一补变换；步骤三、计算图像整体灰度调节α和边缘增强系数β；步骤四、求均值图像；步骤五、计算中间图像；步骤六、将步骤五得到的中间图像以e为幂底数进行非对称逆变换；步骤七、对步骤六得到的非对称逆变换图像进行灰度值归一化逆变换，得增强后图像，即此完成自适应图像增强方法。
【专利说明】 一种基于人眼视觉特性的自适应图像增强方法
【技术领域】
[0001]本发明属于图像增强【技术领域】，涉及一种基于人眼视觉特性的自适应图像增强方法。
【背景技术】
[0002]降质或退化的图像通常不同程度地存在边缘模糊、局部或整体对比度差等不足之处，使人观察起来不满意，或者使机器从中提取的信息减少甚至造成错误。因此，必须对降质的图像进行增强处理以提高图像的视觉效果。降质图像中，尤其以中低灰度、中低分辨率图像最为普遍，需要一种鲁棒、易操作的增强算法进行图像质量的改善。
[0003]在图像增强领域，人们提出了很多种算法，比较常见的有两种:全局信息增强和局部信息增强。最为通常的全局信息增强方法是直方图均衡化(Histogram Equalization)及其改进型，通过直方图均衡化来实现自动的对比度增强，直方图上灰度分布较密的部分被拉伸，灰度分布稀疏的部分被压缩，从而使一幅图像的对比度在总体上得到增强。但是，在原图像直方图中有一个很大分量或分辨率低的情况下，增强的图像会出现“退色”和“散斑”效应，且不能很好增强图像局部细节对比度，使得增强的图像在视觉效果上较差。而红外图像普遍存在灰度范围低，分辩率低的特点，对于此类图像，直方图均衡化(HistogramEqualization)及其改进型算法效果不太理想。
[0004]基于图像局部信息的增强算法能够很好改善这一问题。其中比较有名的是Deng、Cahill等提出的一种基于LIP模型的Lee图像增强新实现方法。由于该方法是基于LIP模型的，并在其中使用了非线性变换，因而较适合图像增强的任务要求，同时也减弱了原始Lee方法对参数的过分依赖性。
[0005]但该算法也存在一些不足之处:(I)适用范围有限，并不适合于低灰度范围大的这类图像的增强任务要求，如有时会导致图像的灰度均值和标准差降低，即图像整体灰度和对比度下降。(2)缺乏一定的自适应性，需要人工介入设置参数后算法才能运行，而图像增强的质量与否严重依赖于参数的选择。
【发明内容】
[0006]鉴于此，本发明提出一种基于人眼视觉特性的自适应图像增强方法，解决了中低灰度、中低分辨率图像成像问题。
[0007]为了解决上述技术问题，本发明是这样实现的:
[0008]一种基于人眼视觉特性的自适应图像增强方法，包括以下步骤:
[0009]步骤一、计算图像的统计指标:设待增强的图像为f，求图像的灰度均值μ和平均梯度
[0010]步骤二、灰度值归一补变换:对待增强图像进行灰度值归一补变换，得图像
[0011]步骤三、计算图像整体灰度调节α和边缘增强系数β，通过实验拟合，得到图像整体灰度调节α和边缘增强系数β与图像的灰度均值μ和平均梯度的关系；[0012]步骤四、求均值图像:对于灰度值归一补变换后的图像7Λ十算图像尺寸，选择窗口模板，用模板函数对图像?进行以2为底的对数均值滤波；
[0013]步骤五、计算中间图像:利用步骤三得到的图像整体灰度调节α和边缘增强系数β，加权计算中间图像g(i，j);
[0014]步骤六、将步骤五得到的中间图像g(i，j)以e为幂底数进行非对称逆变换；
[0015]步骤七、时步骤六得到的非对称逆变换图像进行灰度值归一化逆变换，得增强后图像，即此完成自适应图像增强方法。
[0016]本发明的有益效果:
[0017]本发明将人眼视觉特性和基于LIP模型的Lee图像增强算法相结合，即通过合理地选取最适合人眼观察的灰度区间，并根据图像的统计信息自适应调节图像灰度调节系数α和边缘增强系数β的大小，同时采用非对称逆变换，进一步改善了图像的视觉效果，提高了图像质量。
【专利附图】
【附图说明】
[0018]图1为基于人眼视觉特性的自适应增强方法流程图。
【具体实施方式】
[0019]下面结合附图并举实施例，对本发明进行详细描述。
[0020]根据图像增强算法的特点，本发明具体来说:
[0021](I)选取最适合人眼观察的灰度区间。本发明首先从视觉神经学和视觉心理学的层面进行分析，结合视觉神经学的实验，确定60-100这个灰度区间是最适合人眼观察的灰度区间，这个区间，人眼的灰度分辨率和对比度敏感性最高。后面的增强步骤即是把整个图像的整体灰度调节至整个区间。
[0022](2)调节系数的自适应选取:首先对图像灰度进行归一化，去除光线的影响，然后计算图像的灰度均值μ和平均梯度通过最小二乘法拟合出灰度均值μ与灰度调节系数α，平均梯度&与边缘增强系数β的关系，达到自适应调节的目的，其中灰度调节系数α就是把图像的整体灰度调节到最适合人眼观察的这个区间。
[0023](3)非对称逆变换:在图像增强的过程中，需要将图像变换到对数坐标域，因为人眼的主观亮度感觉和客观亮度成对数线性关系，该关系即为韦伯-费克纳法则(Weber-Fechner)。本发明在进行正变换的时候采用较低的对数底数，而进行逆变换时采用较高的指数底数，使得处理后图像的峰值信噪比等指标更高。
[0024]如图1所示，基于人眼视觉特性的自适应图像增强算法，包括如下7个具体步骤:
(I)计算统计指标(2)灰度值归一补变换(3)计算自适应调节系数α和β (4)求均值图像(5)计算中间图像(6)以e为幂底数进行非对称逆变换(7)灰度值归一化逆变换，得增强后图像。
[0025](I)计算图像的统计指标。设待增强的图像为f，求图像的灰度均值P和平均梯
度.*.f 、
[0026]
【权利要求】
1.一种基于人眼视觉特性的自适应图像增强方法，其特征在于，包括以下步骤: 步骤一、计算图像的统计指标:设待增强的图像为f，求图像的灰度均值μ和平均梯度νG 步骤二、灰度值归一补变换:对待增强图像进行灰度值归一补变换，得图像_?; 步骤三、计算图像整体灰度调节α和边缘增强系数β，通过实验拟合，得到图像整体灰度调节α和边缘增强系数β与图像的灰度均值μ和平均梯度VJ的关系； 步骤四、求均值图像:对于灰度值归一补变换后的图像/ ,计算图像尺寸，选择窗口模板，用模板函数对图像/进行以2为底的对数均值滤波； 步骤五、计算中间图像:利用步骤三得到的图像整体灰度调节α和边缘增强系数β，加权计算中间图像g(i，j); 步骤六、将步骤五得到的中间图像g(i，j)以e为幂底数进行非对称逆变换； 步骤七、对步骤六得到的非对称逆变换图像进行灰度值归一化逆变换，得增强后图像，即此完成自适应图像增强方法。
2.如权利要求1所述的一种基于人眼视觉特性的自适应图像增强方法，其特征在于，步骤四中窗口模板选择n*n,其中η取3。
【文档编号】G06T5/00GK103700077SQ201310743480
【公开日】2014年4月2日 申请日期:2013年12月30日 优先权日:2013年12月30日
【发明者】陈禾, 章学静, 马龙, 谢宜壮, 曾涛, 龙腾 申请人:北京理工大学