【正文】 3 圖像增強(qiáng)處理的應(yīng)用已經(jīng)滲透到醫(yī)學(xué)診斷、航天航空、軍事偵察、指紋識(shí)別、無(wú)損探傷等領(lǐng)域。 （ 2）紅外技術(shù)在軍事及人們?nèi)粘Ｉ钪杏兄絹?lái)越廣泛的應(yīng)用。 （ 3）在航天遙感和航空遙感應(yīng)用中，由于遙感圖像的獲取平臺(tái)高，很容易受到自然因素的影響，尤其是可見(jiàn)光波段，如天氣、云霧等都能使圖像質(zhì)量下降，因此獲得的圖像有的會(huì)出現(xiàn)對(duì)比度低、圖像模糊等現(xiàn)象；有的圖像總體視覺(jué)效果較好，但是對(duì)所需信息，如邊緣部分或線(xiàn)狀物不夠突出；還有的圖像波段數(shù)據(jù)量大，例如 TM 圖像，而且各波段之間 存在一定的相關(guān)性，為進(jìn)一步處理造成困難。 圖像增強(qiáng)的研究現(xiàn)狀 圖像增強(qiáng)的主要目的 是改善圖像的視覺(jué)質(zhì)量。其中空間域增強(qiáng)方法包括點(diǎn)處理和模板處理兩種，點(diǎn)處理增強(qiáng)常用的方法有：直接灰度變換、直方圖處理、圖像間運(yùn)算等等，模板處理增強(qiáng) 常用的方法有：線(xiàn)性平滑濾波、非線(xiàn)性平滑濾波、線(xiàn)性銳化濾波和非線(xiàn)性銳化濾波等；頻域增強(qiáng)方法有低通濾波、高通濾波、帶阻濾波、同態(tài)濾波等。 基于直方圖處理的圖像增強(qiáng)算法 由于直方圖數(shù)據(jù)描述簡(jiǎn)單，操作簡(jiǎn)便，且易于編程實(shí)現(xiàn)，因此在圖像處理、模式分析與識(shí)別等多個(gè)領(lǐng)域得到了廣泛的應(yīng)用。雖然這種算法的增強(qiáng)效果并不是最優(yōu)的，但這種直方圖均衡的增強(qiáng)思想?yún)s被其它算法廣泛采用。 5 自適應(yīng)算法主要是依據(jù)圖像的局部信息進(jìn)行調(diào)整，這使得某些所占空間區(qū)域較大的物體表面形態(tài)發(fā)生了較大的變化。 后面 將對(duì)傳統(tǒng)直方圖數(shù)據(jù)描述方式的局限性進(jìn)行深入地分析。原則上講，凡傳統(tǒng)使用傅里葉分析的方法都可以用小波分析來(lái)代替。 最近，一種自適應(yīng)的圖像去噪、保留并增強(qiáng)邊緣信息的方法已經(jīng)被 Jung 等人提出。這些方法的基本思想都是將圖像先進(jìn)行分解，然后對(duì)分解后的圖像進(jìn)行處理，最后重構(gòu)圖像，從而達(dá)到某種處理效果。 研究?jī)?nèi)容和目的 直方圖均衡化依據(jù)各灰度級(jí)的統(tǒng)計(jì)量相應(yīng)地調(diào)整圖像的灰度值動(dòng)態(tài)范圍，即拉大統(tǒng)計(jì)量較大的灰度級(jí)級(jí)差， 達(dá)到圖像增強(qiáng)的目的。因此本文提出一種新的基于視覺(jué)注意機(jī)制的灰度級(jí)信息量直方圖構(gòu)造方法。 由上一段得知，需要把直方圖劃分為三個(gè)區(qū)域，即大量信息區(qū)與兩個(gè)少量信息區(qū)，信息區(qū)的劃分，尤其是最大信息區(qū)與最小信息區(qū)的劃分，不能總是依靠人眼，這樣算法移植性不高， 而且由于圖像信息分布的多樣性，也不能固定閾值，比如，有的圖像灰度級(jí)較多且分布較均勻，則閾值不能太小，因?yàn)槿绻峙涞阶顝?qiáng)感知區(qū)的信息量太多，則會(huì)有大量的信息分享有限的灰度級(jí)空間，導(dǎo)致小于人眼感知能力曲線(xiàn)的信息量增加，反而不利于感知圖像；有的圖像灰度級(jí)較少，這時(shí)閾值不能太大，因?yàn)楸疚钠谕馨汛罅啃畔⒈M可能的分配在最強(qiáng)敏感區(qū)及次強(qiáng)敏感區(qū)，也就是在不損害且充分利用最強(qiáng)感知區(qū)信息的情況下，把盡可能少的信息分配給最弱感知區(qū)。視覺(jué)是人類(lèi)的主要感覺(jué)來(lái)源，人類(lèi)認(rèn)識(shí)外界信息中 80%來(lái)自視覺(jué)。 人眼構(gòu)造及其光學(xué)感知特性 人眼的結(jié)構(gòu)和照相機(jī)相似，如圖 所示。在脈絡(luò)膜的最前面角膜的后面被分為睫狀體和虹膜。它在睫狀肌的作用下，可以調(diào)節(jié)曲率改變焦距，使不同距離的景物可以 在視網(wǎng)膜上成像。整個(gè)視網(wǎng)膜表面上分布的分離的光接收器造成了圖案。每個(gè)錐狀細(xì)胞連接著一個(gè)視神經(jīng)末梢，因此黃斑區(qū)的分辨率極高，從而使人所感興趣物體的像落在視網(wǎng)膜的中央凹上，這樣人們利用這些錐體細(xì)胞就能充分地識(shí)別圖像的細(xì)節(jié)，形成人眼的明視。例如，在白天呈現(xiàn)鮮明顏色的物 體，在月光下卻沒(méi)有顏色，這是因?yàn)橹挥袟U狀細(xì)胞受到了刺激，而桿狀 沒(méi)有色彩的感覺(jué)。對(duì)于落入盲點(diǎn)的圖像人眼無(wú)法看到。 XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專(zhuān)業(yè) 畢業(yè)設(shè)計(jì) 10 （ 3）對(duì)比靈敏度實(shí)驗(yàn)表明，人眼辨別亮度差的能力是同周?chē)h(huán)境以及照度本身的大小有關(guān)，即視覺(jué)對(duì)亮度偏差的敏感程度隨背景亮度變化呈非線(xiàn)性變化，總的來(lái)說(shuō)在高亮度背景區(qū)人眼對(duì)亮度偏差的辨別力相比在低亮度區(qū)要強(qiáng)。因此視覺(jué)是一個(gè)有明確輸入和輸出的信息處理問(wèn)題。 圖 人眼視覺(jué)的信息傳遞過(guò)程 感受野 研究發(fā)現(xiàn)，視覺(jué)通路上各個(gè)層次的神經(jīng)元感受野尺寸是不同的，神經(jīng)元的層次越深入，其感受野的尺寸就越大，比如，視網(wǎng)膜中心（ Fovea）具有較小的感受野，外周（ Periphery）的則較大，這種層次體系被稱(chēng)為感受野等級(jí)結(jié)構(gòu)。 感受野機(jī)制所反映出來(lái)的多尺度表示方法和中央外周（ CenterSurround）計(jì)算策略是一種十分重要的視覺(jué)計(jì)算模型。將這嚴(yán)重失調(diào)的兩個(gè)過(guò)程聯(lián)系起來(lái)的橋梁正是視覺(jué)注意機(jī)制，它是視覺(jué)感知過(guò)程的引導(dǎo)者，是其高效性和可靠性的保障。 圖 視覺(jué)注意的示例圖 從視覺(jué)注意與視覺(jué)感知的關(guān)系中可以看到，選擇性是視覺(jué)注意眾多功能中最根本的一條，它表現(xiàn)為舍棄一部分信息，以便有效地處理重要信息的控制和調(diào)節(jié)能力。而在該過(guò)程中，引起注意的場(chǎng)景內(nèi)容則被稱(chēng)為注意焦點(diǎn)（ Focus ofAttention，簡(jiǎn)稱(chēng) FOA）。本章的這些研究為將人眼視覺(jué)特性引入到圖像增強(qiáng)算法中打下了堅(jiān)實(shí)的理論基礎(chǔ)。但這種表達(dá)也存在嚴(yán)重缺陷：在灰度級(jí)統(tǒng)計(jì)時(shí)，完全丟失了灰度級(jí)的位置信息，使得直方圖的統(tǒng)計(jì)結(jié)果并不能反映各灰度級(jí)對(duì)刻畫(huà)信息所起的作用，即出現(xiàn)灰度級(jí)統(tǒng)計(jì)量與信息量不一致問(wèn)題。 圖 rose 原圖和采用 GHE 算法的增強(qiáng)圖像及相應(yīng)的直方圖 常用的區(qū)域顯著性度量方法 根據(jù)顯著性度量方法的不同，可將目前的顯 著區(qū)域檢測(cè)算法分為兩大類(lèi)。該方法往往是針對(duì)某些特定的目標(biāo)或圖像提出來(lái)的，通用性較差。比如： Wai 通過(guò) DOG 算子比較候選區(qū)域與周邊區(qū)域的灰度差異 Itti 通過(guò)中央 周邊（ Centersurround）算子比較候選區(qū)域與周邊區(qū)域在亮度、顏色和朝向這些早期視覺(jué)特征上的差異等。從而導(dǎo)致視覺(jué)注意模型包括兩種：（ 1）采用 bottomup 控制策略的數(shù)據(jù)驅(qū)動(dòng)注意機(jī)制，由作為底層數(shù)據(jù)的視覺(jué)刺激驅(qū)動(dòng)，與作為高層知識(shí)的觀察任務(wù)無(wú)關(guān)。本文的研究也主要應(yīng)用的是數(shù)據(jù)驅(qū)動(dòng)的注意機(jī)制。 Itti 提出了高斯金字塔模型，非均勻采樣體現(xiàn)在不同的采樣層次上。為了從強(qiáng)度中分離出色度信號(hào)，使用 I來(lái)歸一化信道。顯然，這樣的對(duì)局部空間不連續(xù)性的敏感結(jié)構(gòu)特別適用于檢測(cè)相對(duì)于其局部周?chē)怀龅膮^(qū)域。所以細(xì)尺度特征圖代表中央?yún)^(qū)域，粗尺度特征圖代表周邊區(qū)域。這些特征顯著性描述需要按照一定的策略合并為一張全局顯著圖，因?yàn)樽罱K供注意機(jī)制選擇的是全局顯著圖中的多個(gè)目標(biāo)。大量實(shí)驗(yàn)表明，該算法的測(cè)算結(jié)果與視覺(jué)主觀分析結(jié)果基本吻合。 3．按公式分別進(jìn)行亮度與朝向特征的中央周邊差計(jì)算。 4 基于人眼視覺(jué)特性的圖像增強(qiáng)方法 針對(duì)上文提到的傳統(tǒng)直方圖均衡方法描述的缺陷：在灰度級(jí)調(diào)整過(guò)程中沒(méi)有充分利用視覺(jué)敏感區(qū)段，本文研究了人眼視覺(jué)系統(tǒng)，視覺(jué)特性參數(shù)表明，人眼對(duì)不同亮度背景下灰度偏差的感知能力存在差異，在暗背景下辨別能力較弱。最后在灰度級(jí)信息量直方圖基礎(chǔ)上，結(jié)合人眼視覺(jué)特性，提出了一種新的圖像增強(qiáng)方法，該方法使增強(qiáng)圖像保留了更多的細(xì)節(jié)信息，獲得滿(mǎn)意的視覺(jué)效果。下面將從這兩方面展開(kāi)研究。直方圖均衡化是非線(xiàn)性動(dòng)態(tài)范圍調(diào)整中最常用的一種方法，其實(shí)質(zhì)是有選擇地增強(qiáng)圖像中的某些信息（占有較多像素的灰度）而抑制另一些信息（占有較少像素的灰度）。 基于視覺(jué)特性的灰度級(jí)動(dòng)態(tài)范圍調(diào)整優(yōu)化 圖像增強(qiáng) 的目的之一是為了改善圖像的視覺(jué)效果，以增強(qiáng)人眼對(duì)圖中信息的辨別能力。 臨界可見(jiàn)偏差這一概念最早是由 Jayant 提出，在圖像壓縮編碼設(shè)計(jì)和評(píng)估中被普遍采用，但 JND 與圖像增強(qiáng)也有著密切的關(guān)系，它反映了人眼在不同亮度背景條件下能分辨的最小亮度偏差，這也是細(xì)節(jié)信息被有效增強(qiáng)的最低門(mén)限要求。但圖像整體亮度的提升并沒(méi)有改變?cè)瓐D像暗區(qū)灰度之間的偏差。對(duì)主導(dǎo)灰度級(jí)進(jìn)行限幅處理后，會(huì)節(jié)省一些灰度空間，可以把這些灰度空間按照統(tǒng)計(jì)值大小分配給除主導(dǎo)灰度級(jí)以外的其它灰度級(jí)。 在本文中，評(píng)價(jià)的對(duì)象是增強(qiáng)后的自然圖像，即非壓縮、非紅外等不可見(jiàn)光所形成的圖像。視覺(jué)系統(tǒng)是一個(gè)復(fù)雜完善的信息獲取和分析系統(tǒng)，它涉及許多學(xué)科，目前尚有許多感知機(jī)理仍不清楚，這也是阻礙圖像質(zhì)量評(píng)價(jià)發(fā)展的重要原因。人眼視覺(jué)系統(tǒng)的傳遞特性用調(diào)制傳遞函數(shù) MTF (f)來(lái)表示。此外，在圖像增強(qiáng)處理過(guò)程中，平滑區(qū)也會(huì)有不同程度的增強(qiáng)，有時(shí)增強(qiáng)力度甚至超過(guò)了細(xì)節(jié)區(qū)，這時(shí)圖像的整體視覺(jué)效果很差，但 MSE 和PSNR 的測(cè)算結(jié)果卻較好，因?yàn)檫@兩項(xiàng)指標(biāo)是依據(jù)全局灰度變化的分析指標(biāo)，這與人眼的視覺(jué)判定結(jié)果出現(xiàn)了較大的偏差。視覺(jué)研究表明，圖像增強(qiáng)質(zhì)量的好壞與圖像內(nèi)有效感知灰度級(jí)躍變數(shù)量的大小直接相關(guān)，即圖像的有效感知躍變數(shù)量越大，圖像細(xì)節(jié)就顯得越豐富、越清晰，圖像增強(qiáng)效果也越好。區(qū)域的劃分是依據(jù)視覺(jué)注意機(jī)制得到的全局顯著圖的結(jié)果，閾值設(shè)為。因此本文將圖像的整個(gè)灰度范圍分為三個(gè)區(qū)域，各區(qū)域依據(jù)直方圖中灰度信息量大小分配灰度級(jí)的動(dòng)態(tài)范圍 W(r)，其計(jì)算公式如下： GLrW NrN ?? ? )()( XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專(zhuān)業(yè) 畢業(yè)設(shè)計(jì) 22 其中， )(rN? 為灰度級(jí) r 的信息量統(tǒng)計(jì)值， N 為所有灰度級(jí)信息量統(tǒng)計(jì)值之和， GL 為所在區(qū)域的灰度級(jí)范圍，本文設(shè)定第一個(gè)區(qū)域的灰度級(jí)范圍為 75，第二個(gè)區(qū)域的灰度級(jí)范圍為 125，第三個(gè)區(qū)域的灰度級(jí)范圍為 56。結(jié)果如下： XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專(zhuān)業(yè) 畢業(yè)設(shè)計(jì) 23 圖 圖像質(zhì)量評(píng)價(jià)算法結(jié)果 圖像增強(qiáng)算法實(shí)驗(yàn)結(jié)果 本節(jié)選用幾組典型的圖像，對(duì)本章提出的增強(qiáng)算法與兩種經(jīng)典的算法做了對(duì)比實(shí)驗(yàn)，這兩種算法是全局算法的代表 GHE 算法和局部算法的代表 AHE 算 法。為此，本文對(duì)人眼視覺(jué)感知能力進(jìn)行了研究針對(duì)其特點(diǎn)將 JND 曲線(xiàn)分為不同的視覺(jué)敏感度區(qū)段，提出了將不同比例的灰度級(jí)信息量分配至不同的視覺(jué)敏感度區(qū)段。 本文考慮了人眼視覺(jué)的生理及心理特性，因此有一定的先進(jìn)性，但由于目 前對(duì)人眼 的心理特性和生理特性研究的不徹底，因此還有一定的缺陷。該問(wèn)題包括了多個(gè)子問(wèn)題的研究：融合算法的對(duì)比研究；不同算法的增強(qiáng)圖像的融合研究；同一算法不同參數(shù)設(shè)置獲取的多幅增強(qiáng)圖像的融合研究等。 3．參數(shù)的自動(dòng)調(diào)節(jié) 本文的一些參數(shù)，如在評(píng)估算法中，不同的頻率段對(duì) JND 閾值的要求也不同，本文是根據(jù)圖像自身像素灰度級(jí)的變化劇烈程度人為設(shè)定的 JND 閾值，算法的可移植性差。 參考文獻(xiàn) [1]高彥平，圖像增強(qiáng)方法的研究與實(shí)現(xiàn)： [碩士學(xué)位論文 ]， 河北 ； 河北 科技大學(xué)， 20xx [2]阮秋琦，數(shù)字圖像處理學(xué)，北京：電子工業(yè)出版， ~199 [3] 著，朱志剛等譯，數(shù)字圖像處理，北京：電子工業(yè)出版社， 1998 [4]夏良正，數(shù)字圖像處理，南京：東南大學(xué)出版社， 20xx， 6： 138~148 XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專(zhuān)業(yè) 畢業(yè)設(shè)計(jì) 26 [5]朱秀昌，劉峰，胡棟，數(shù)字圖像處理與圖像通信，北京：北京郵電大學(xué)出版 社， ~70 [6]周新倫，數(shù)字圖像處理，北京：國(guó)防工業(yè)出版社， ~110 [7]Pizer S M,Zimmerman J B,Staab E grey level assignment in CT scan of Computer Assisted Tomography,1984,8(2):300~305 [8]Pizer S M,Amburn E P,Austin J D,et histogram equalization and its Vision,Graphics,and Image Processing,1987,39(3):355~368 [9]Jones R D,Tjahjadi study of modificat