【正文】 幅處理。臨界可見偏差 (Just Noticeable XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 18 Difference,JND)是現(xiàn)已提出的能反映人眼視覺辨別力的重要參數(shù)，它揭示了 人眼在不同亮度背景下對(duì)亮度偏差的感知規(guī)律。線性動(dòng)態(tài)范圍調(diào)整是最簡(jiǎn)單的灰度級(jí)動(dòng)態(tài)范圍調(diào)整方法，觀察者可以改變?nèi)魏位叶燃?jí)范圍內(nèi)的對(duì)比度。另外在圖像灰度級(jí)統(tǒng)計(jì)時(shí)，往往會(huì)出現(xiàn)一些比重過大的灰度級(jí)，稱為主導(dǎo)灰度級(jí)，這些灰度級(jí)在直方圖拉伸處理中將占用較大范圍的灰度級(jí)空間，而灰度級(jí)整個(gè)動(dòng)態(tài)空間 資源只有 256 級(jí)，這無疑會(huì)影響其它灰度級(jí)的表現(xiàn)。 2．對(duì)金字 塔的每一層分別提取多個(gè)初級(jí)視覺特征。計(jì)算結(jié)果稱為對(duì)比映射圖。根據(jù)歸一化后的 r，建立 4 個(gè)寬調(diào)諧的顏色通道：紅色R =r (g +b)/2， 綠色 G =g (r +b )/2，藍(lán)色 B =b (r +g)/2 和黃色 Y =(r+g )/2|r – g|/2b，負(fù)值則置為 0。這一機(jī)制最早 由Zeevi 等在研究人類視網(wǎng)膜中心錐狀細(xì)胞的分布時(shí)發(fā)現(xiàn)，隨后在模擬生物視覺的模型中被頻繁采用。這些方法大都是 根據(jù)視覺感知過程提出來的，通用性較強(qiáng)。這類方法認(rèn)為視覺顯著性的產(chǎn)生是由于視覺對(duì)象本身具有某種能夠引起觀察者注意的特殊屬性。目前正在進(jìn)行的探索正在朝著統(tǒng)一的完整的理論方向前進(jìn)。從人的角度來看，這是一個(gè)從場(chǎng)景中選擇內(nèi)容進(jìn)行觀察的過程，可以稱之為視覺選擇性（ Visual Selection）；從場(chǎng)景的角度來看，場(chǎng)景中的某些內(nèi)容比其他內(nèi)容更能引起觀察者的注意，可以稱之為視覺顯著性（ Visual Saliency）。根據(jù)上文所述，視感受的信息處理 方式是并行 (Parallel Process)的，視知覺的信息處理方式是串行 (Serial Process)的?？紤]到其中的視覺信息處理過程的復(fù)雜性，研究學(xué)者又將其劃分為視 感覺處理和視知覺處理兩個(gè)階段。 （ 2）同時(shí)對(duì)比度由于人眼對(duì)亮度有很強(qiáng)的適應(yīng)性，因此很難精確判斷刺激的絕對(duì)亮度。由于分布面積較大且多個(gè)桿狀細(xì)胞與一個(gè)視覺神經(jīng)末梢相連，使接收器能夠識(shí)別細(xì)節(jié)的量減少了，即對(duì)細(xì)分辨率較低，只能給出視野中一般的輪廓，形成人眼的暗視。當(dāng)眼睛聚集到遠(yuǎn)于 3m的物體時(shí)，晶狀體的折射能力最弱，當(dāng)聚集到非常近的物體時(shí)，其折射能力最強(qiáng)。它的正 前方六分之一 是透明的角膜，角膜是一種硬而透明的組織，它蓋著眼睛 的前表面，鞏膜與角膜連在一起，鞏膜是一層包圍著眼球剩余部分的不透明的膜。 2 人眼視覺系統(tǒng)概述 圖像信息是通過人的視覺來接收的。 首先，在直方圖均衡化處理過程中，灰度級(jí)直方圖只是簡(jiǎn)單地?cái)?shù)量上的統(tǒng)計(jì)，而丟失了灰度級(jí)的位置信息，使得統(tǒng)計(jì)結(jié)果無法客觀反映各灰度級(jí)對(duì)刻畫圖像信息所起的作用，即出現(xiàn)灰度級(jí)統(tǒng)計(jì)量與信息量不一致問題。為了驗(yàn)證這種方法的有效性， Jung 對(duì)具有嚴(yán)重噪聲污染的 Lena 圖像、監(jiān)控圖像和自然場(chǎng)景圖像進(jìn)行了增強(qiáng)處理，結(jié)果表明這種方法是有效的。多尺度分析又稱為多分辨率分析，它是由 Mallat首先提出來的。 AHE 算法是依據(jù)像素局部鄰域的直方圖統(tǒng)計(jì)結(jié)果，確定該像素灰度級(jí)映射值，使局部對(duì)比度明顯拉伸，然而該算法計(jì)算復(fù)雜度太大、對(duì)噪聲敏感、平滑區(qū)過增強(qiáng)等問題較為突出。 經(jīng)典的空間域和變換域增強(qiáng)方法都可以在絕大多數(shù)“數(shù)字圖像處理”教材中找到，為此不再贅述。 （ 4）在煤礦工業(yè)電視系統(tǒng)中采用增強(qiáng)處理來提高工業(yè)電視圖像的清晰度，克服光線不足、灰塵等原因帶來的圖像模糊、偏差等現(xiàn)象，減少電視系統(tǒng)維護(hù)量。如果能夠先對(duì)造影圖像進(jìn)行增強(qiáng)濾波處理，可以去除非感興趣器官（如肌肉、骨骼等）對(duì) X射線吸收形成的背影圖像，則有利于提高醫(yī)生臨床診斷的準(zhǔn)確性。例如，攝像時(shí)，由于光學(xué)系統(tǒng)失真、相對(duì)運(yùn)動(dòng)、大氣湍流等都會(huì)使圖像模糊；醫(yī)學(xué)上，由于受到人體的器官、組織、光照等各個(gè)方面的影響，拍到的照片總是不盡人意，很難識(shí)別病變組織與正常組織，做出早期診斷。但傳統(tǒng)的基于直方圖的圖像增強(qiáng)方法存在以下幾個(gè)問題： 1）傳統(tǒng)直方圖灰度級(jí)統(tǒng)計(jì)量與信息量存在不一致問題； 2）傳統(tǒng)直方圖均衡方法在灰度級(jí)調(diào)整過程中，沒有充分利用視覺敏感區(qū)段； 3）沒有針對(duì)圖像內(nèi)容多變特點(diǎn)，自適應(yīng) 地獲取灰度級(jí)調(diào)整的優(yōu)化配置參數(shù)。 其次，在灰度級(jí)調(diào)整過程中考慮人眼視覺感知的非線性特性，并針對(duì)其特點(diǎn)提出了將不同比例的灰度級(jí)信息量 分配至不同的視覺敏感度區(qū)段。圖像增強(qiáng)是一種常用的圖像處理方法，其目的是將圖像中感興趣的部分盡可能突現(xiàn)出來。由于紅外探照燈以及紅外探測(cè)器件的限制，紅外成像系統(tǒng)的成像效果不夠理想。對(duì)于一幅給定的圖像，圖像增XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 4 強(qiáng)可以根據(jù)圖像的模糊情況和應(yīng)用場(chǎng)合，采用某種特殊的技術(shù)來突出圖像中的某些信息，削弱或消除某些無用的信息，從而有目的的強(qiáng)調(diào)圖像的整體或局部特征 。以 直方圖為基礎(chǔ)的增強(qiáng)算法研究是空間域算法的主流研究方向。為了克服以上問題， Caselles 等人提出了保形對(duì)比度增強(qiáng)方法（ Shape Preserving Contrast Enhancement,SPCE）。小波分析在時(shí)域和頻域上都具有很好的局部特性，而且由于對(duì)高頻信號(hào)采取逐漸精細(xì)的時(shí)域或空域步長(zhǎng)，從而可以聚焦到分析對(duì)象的任意細(xì)節(jié)。但以上算法面臨的主要問題是很難確定合適的分析尺度及不同尺度下的最優(yōu)調(diào)節(jié)參數(shù)。該直方圖綜合考慮灰度級(jí)的個(gè)數(shù)和空間分布，并在灰度級(jí)統(tǒng)計(jì)過程中注重保留重要信息區(qū)的灰度級(jí)統(tǒng)計(jì)量，同時(shí)削弱平滑區(qū)或背景區(qū)的統(tǒng)計(jì)量，使得統(tǒng)計(jì)結(jié)果可較好地反映各灰度級(jí)對(duì)刻畫信息所起的作用。視覺器官“眼睛”接受外界的刺激信息，而大腦對(duì)這些信息通過復(fù)雜的機(jī)理進(jìn)行處理和解釋，使這些刺激具有明確的物理意義。虹膜中間有一小圓孔稱為瞳孔。這種光接收器可分為兩類：錐狀體和桿狀體。 視錐細(xì)胞和視桿細(xì)胞統(tǒng)稱視細(xì)胞。把主觀上可識(shí)別的最小亮度差稱為亮度的可辨別閾值。視網(wǎng)膜神經(jīng)節(jié)細(xì)胞和外側(cè)膝狀體神經(jīng)元的感受野呈同心圓中心 外周頡頏形式，即在感受野的中心與外圍，刺激對(duì)細(xì)胞響應(yīng)的影響正好相反。 1. 認(rèn)識(shí)視覺注意 圖 是幾個(gè)視覺注意示例圖，從中可以非常明顯地感受到視覺注意的存 在。 選擇性視覺注意也是各個(gè)領(lǐng)域的研究者共同關(guān)心的一個(gè)焦點(diǎn)，目前大家對(duì)于視覺注意機(jī)制的研究幾乎全部集中在這一方面。為了使以上分析更直觀，本文特別找了一幅圖像，如圖 (a)所示，圖中背景和刻畫信息灰度級(jí)區(qū)分較為明顯。第 2 類是基于視覺反差的算法， 即利用候選區(qū)域與外界比較產(chǎn)生的差XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 14 異值或差異矢量來描述顯著性。（ 2）采用 topdown 控制策略的任務(wù)驅(qū)動(dòng)注意機(jī)制，它引入外部命令，以適應(yīng)外界命令的要求，從而達(dá)到將注意力集中 于特定目標(biāo)的目的。為了抽取圖像中的多尺度信息，對(duì)輸入圖像逐級(jí)進(jìn)行子采樣和 Gauss 濾波，得到同一幅圖像的不同分辨率表示。模型中的中央周邊差是通過計(jì)算不同尺度下圖像特征圖的差值來實(shí)現(xiàn)的。該過程通過兩步合并操作完成： 1）合并不同尺度下同一類特征對(duì)比 映射圖，獲取特征顯著性描述；2）融合不同種類特征顯著性描述，得到全局顯著圖。 4．最后利用全局加強(qiáng)法將多特征對(duì)比映射圖進(jìn)行合并處理，得到全局顯著圖。 XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 17 另外，由于圖像內(nèi)容存在多變的特點(diǎn)，為了獲取更好的圖像增強(qiáng)效果，有必要對(duì)各視覺敏感度區(qū)段的信息量分配比例做一定的調(diào)節(jié)，而傳統(tǒng)的基于直方圖的圖像增強(qiáng)方法并不能自適應(yīng)地獲取灰度級(jí)調(diào)整的優(yōu)化配置參數(shù)，由于評(píng)價(jià)算法除了能對(duì)增強(qiáng)效果進(jìn)行評(píng)價(jià)，也可以對(duì)參數(shù)進(jìn)行自適應(yīng)調(diào)節(jié)，為此本文依據(jù)視覺感知模型設(shè)計(jì)了一個(gè)圖像增強(qiáng)質(zhì)量客觀評(píng)價(jià)算法，并依據(jù)該評(píng)價(jià)算法的分析結(jié)果，自適應(yīng)地獲取最佳調(diào)節(jié)參數(shù)。雖然直方圖均衡化在一定程度上使 得處理后的圖像灰度得以較均勻的分布，改善了圖像的視覺效果，但如第一章所述，直方圖均衡化方法并沒有考慮到人眼感知的非線性特性，即它是在假定不同的灰度級(jí)的視覺敏感度一樣的基礎(chǔ)上進(jìn)行動(dòng)態(tài)范圍調(diào)整的，并不能充分利用視覺敏感區(qū)段。 已有的視覺研究成果表明，人眼所能感覺到的最小亮度差與觀察對(duì)象的背景有關(guān) [52]，即視覺對(duì)亮度偏差的敏感程度隨背景亮度變化呈非線性變化，總的來說在高亮度背景區(qū)人眼對(duì)亮度偏差的辨別力比在低亮度區(qū)要強(qiáng)。 圖像增強(qiáng)質(zhì)量客觀評(píng)估算法 近年來，關(guān)于圖像增強(qiáng)算法的研究報(bào)道很多，各種算法也都有其各自的特點(diǎn)和優(yōu)勢(shì)，在實(shí)際應(yīng)用過程中就需要對(duì)各種圖像增強(qiáng)算法進(jìn)行評(píng)價(jià)和分析。 一般把人眼看成一個(gè)精密的光學(xué)系統(tǒng)，可以用分析光學(xué)系統(tǒng)的方法來研究人眼的視覺特性。研究發(fā)現(xiàn)，圖像中細(xì)節(jié)區(qū)（感興趣區(qū)域）的增強(qiáng)效果在人的視覺評(píng)判中起決定性作用。 其具體過程如下 : 1．根據(jù)公式以 M M的模板計(jì)算圖像灰度的變化頻率，并根據(jù)公式轉(zhuǎn)化為人眼的空間頻率； 2．根據(jù)公式計(jì)算出圖像中各個(gè)像素對(duì)應(yīng)的 MTF 值及頻率值，并對(duì) MTF 進(jìn)行歸一化； 3．以像素 (x,y)位置為中心，計(jì)算出該像素周圍的背景平均亮度 I (x,y)； XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 21 4．在局部平均亮度基礎(chǔ)上，計(jì)算出亮度閾值，即局部區(qū)域的 JND(x,y)參數(shù)值； 5．對(duì) MTF 進(jìn)行分段考慮，即當(dāng) MTF 位于 ～ 1時(shí)，臨界可見偏差為 JND 曲線；隨著 MTF 的衰減， MTF 衰減多少倍， JND 就 增加多少倍，但為了使圖像 符 合人眼感知效果，可適當(dāng)?shù)恼{(diào)整 JND 值； 6．計(jì)算中心像素相對(duì)背景平均亮度的躍變強(qiáng)度 ),(),(y)I ( x , yxIyxI ??? ； 7．當(dāng)躍變強(qiáng)度Δ I(x,y)≥ JND(x,y)時(shí)，可判斷該位置存在一有效的感知躍變，并將該像素位置的標(biāo)記設(shè)為 1，否則置 0； 8．重復(fù)步驟 1到 7，對(duì)增強(qiáng)圖像所有像素位置的躍變情況進(jìn)行分析，得到二值化表示的有效感知躍變分布圖； 9．利用全局顯著圖將待分析的圖像分為細(xì)節(jié)區(qū)和平滑區(qū)； 10．統(tǒng)計(jì)細(xì)節(jié)區(qū)內(nèi)有效感知躍變數(shù)，并與細(xì)節(jié)區(qū)總的像素點(diǎn)數(shù)相除，得到該區(qū)域有效感知躍變百分?jǐn)?shù) P，作為細(xì)節(jié)區(qū)增強(qiáng)效果的評(píng)判指標(biāo)， P 值越大表明細(xì)節(jié)區(qū)增強(qiáng)效果好。 圖 對(duì)圖像分布不均的圖像增強(qiáng)效果比較 圖 處理噪聲強(qiáng)度較大的圖像增強(qiáng)效果比較 XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 24 5 總結(jié)與展望 本文將視覺注意機(jī)制引入到灰度 級(jí)信息量直方圖構(gòu)造過程中，在此基礎(chǔ)上，結(jié)合視覺特性約束，提出了一種基于灰度級(jí)信息量直方圖的圖像增強(qiáng)新算法，至此本文主要完成了以下工作： 1．首先分析了傳統(tǒng)直方圖數(shù)據(jù)描述形式的局限性，即灰度級(jí)統(tǒng)計(jì)量與其承載信息量不相關(guān)討論了這種不一致關(guān)系對(duì)圖像增強(qiáng)處理產(chǎn)生的不利影響：難以保證對(duì)主要刻畫信息的灰度級(jí)進(jìn)行有限拉伸，極大地影響基于直方圖的圖像增強(qiáng)算法的性能和魯棒性。 結(jié)合當(dāng)前圖像增強(qiáng)算法的研究方向和本文的研究工作，作者認(rèn)為本文的研 究工作可以從以下幾方面進(jìn)行完善： 1．采用信息融合技術(shù)的圖像增強(qiáng)算法研究 不同增強(qiáng)算法或 同一算法不同參數(shù)設(shè)置，增強(qiáng)后的圖像局部域效果都存在一XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 25 定的差異。因此希望可以通過評(píng)估算法選擇一個(gè)最有利的 JND 參數(shù)，或總結(jié)各種圖像的頻率分布特點(diǎn)，依據(jù)這些特點(diǎn)可以能夠自動(dòng)確定最優(yōu)