【正文】 在此我再次向 XX學(xué)院 關(guān)心過(guò)我的敬愛(ài)的老師和親愛(ài)的同學(xué)們表示崇高的敬意和衷心的感謝！ 最后，感謝我的母校 — XX 大學(xué) 四年來(lái)對(duì)我的大力栽培。圖像處理技術(shù)與人眼視覺(jué)特性相結(jié)合是今后研究工作的方向性問(wèn)題，必須要解決。但如何優(yōu)化調(diào)整？所有的灰度級(jí)是否都參與調(diào)整？還是只是調(diào)整部分灰度級(jí)（如主導(dǎo)灰度級(jí)）？這些問(wèn)題還需進(jìn)一步研究。目前還未見(jiàn)這方面類似的報(bào)道。 敏感性，從而定量地評(píng)價(jià)增強(qiáng)算法對(duì)細(xì)節(jié)的增強(qiáng)能力。 3．傳統(tǒng)直方圖均衡方法效果難以保證的另一個(gè)原因是在灰度級(jí)調(diào)整過(guò)程中，沒(méi)有充分利用視覺(jué)敏感區(qū)段。 實(shí)驗(yàn)結(jié)果與分析 圖像質(zhì)量評(píng)價(jià)算法實(shí)驗(yàn)結(jié)果 在本節(jié)中，對(duì)上面所提出的圖像質(zhì)量評(píng)價(jià)方法給予實(shí)驗(yàn)分析。 如果把 JND 曲線按照視覺(jué)感知特性分為三個(gè)部分：最弱感知區(qū)、最強(qiáng)感知區(qū)及次強(qiáng)感知區(qū)，同時(shí)把圖像中位于大量信息區(qū)的灰度級(jí)分配在最強(qiáng)感知區(qū)，把少量信息區(qū)的灰度級(jí)分配在最弱感知區(qū)及次強(qiáng)感知區(qū)，這樣可以拉伸圖像的灰度層次，提高圖像的對(duì)比度，使增強(qiáng)后的圖像獲得滿意的視覺(jué)效果。為了克服圖像整體視覺(jué)效果較差，而此時(shí)圖像全局的有效感知躍變數(shù)量卻較大的偏差問(wèn)題，本文將圖像劃分為細(xì)節(jié) 區(qū)和平滑區(qū)，然后考察細(xì)節(jié)區(qū)的信息增強(qiáng)情況。 基于以上分析 ，本章采用基于視覺(jué)感知特性的圖像增強(qiáng)評(píng)估算法。 基于視覺(jué)感知特性及人眼調(diào)制傳遞函數(shù)的圖像增強(qiáng)評(píng)估算法 在上節(jié) 已對(duì)人眼視覺(jué)感知特性進(jìn)行了研究，研究表明，人眼在不同亮度 背景下對(duì)灰度偏差的感知能力存在較大差異， 人眼視覺(jué)調(diào)制 傳遞函數(shù) 表明，人眼傳遞函數(shù)具有帶通濾波特性，但目前常用 的經(jīng)典評(píng)價(jià)算法如 MSE 和 PSNR 等卻無(wú)法客觀反映這兩種特性。人眼視覺(jué)由于視網(wǎng)膜的結(jié)構(gòu)和功能不均勻，通常只有在中央凹附近且工作在閾值附近時(shí)，才能近似作為 線性平移不變系統(tǒng)。因此了解人的視覺(jué)系統(tǒng)特性及視覺(jué)信息處理特性對(duì)于圖像質(zhì)量評(píng)價(jià)是很有必要的。因此，設(shè)計(jì)性能可靠的圖像增強(qiáng)質(zhì)量客觀評(píng)價(jià)算法顯得尤為重要，它不僅可用于評(píng)價(jià)各種的圖像增強(qiáng)算法的性能，還可以為各種增強(qiáng)算法的最優(yōu)參數(shù)自動(dòng)設(shè)定提供量化的依據(jù)，以提升增強(qiáng)算法的自適應(yīng)能力。但應(yīng)當(dāng)注意的XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 19 是，這種限幅處理主要是用于圖像灰度級(jí)較多的情況，當(dāng)圖像的灰度級(jí)級(jí)數(shù)較少時(shí)，可采用 簡(jiǎn)單的固定值限幅處理。從這兩圖對(duì)比可以看出，原圖像中暗區(qū)不可見(jiàn)信息或難以分辨的信息（如人物衣服區(qū)域和墻 上的部分文字）在亮背景下變得可見(jiàn)或更易辨別。下面 簡(jiǎn)要介紹 JND 相關(guān)背 景。因此有必要對(duì)這些灰度級(jí)分配的動(dòng)態(tài)范圍進(jìn)行限幅處理。然而，這種簡(jiǎn)單的方法很難同時(shí)提高所有區(qū)域的對(duì)比度。在 章中，灰度級(jí)動(dòng)態(tài)范圍的調(diào)整優(yōu)化包括兩方 面：灰度級(jí)動(dòng)態(tài)范圍的調(diào)整及主 灰度級(jí)限幅處理。為解決這個(gè)問(wèn)題，本文采用人眼感知能力曲線對(duì)主導(dǎo)灰度級(jí)進(jìn)行限幅處理。 6．依據(jù)各像素的復(fù)雜度系數(shù)加權(quán)統(tǒng)計(jì)待增強(qiáng)圖像的灰度級(jí)像素?cái)?shù)，即找到原圖像中灰度級(jí)為 r 的像素位置 (m ,n)，然后統(tǒng)計(jì)這些位置的復(fù)雜度加權(quán)系數(shù) ，得到待處理圖像的灰度級(jí)信息量直方圖，及 所有灰度級(jí)信息量統(tǒng)計(jì)值之和。由于本文的圖像增強(qiáng)算 法專門針對(duì)灰度圖像進(jìn)行設(shè)計(jì)，因此初級(jí)特征中只選用亮度和朝向特征。 灰度級(jí)信息量直方圖構(gòu)造算法 本文采用上節(jié)提到的基于視覺(jué)注意機(jī)制的顯著性計(jì)算方法來(lái)構(gòu)造新型直方圖。 多特征圖合并策略 初級(jí)視覺(jué)特征提取階段提取的各種不同維的特征對(duì)比度，形成了不同維上的特征顯著性描述。細(xì)尺度能發(fā)現(xiàn)高頻部分，檢測(cè)的是小的圖像區(qū)域，粗尺度能發(fā)現(xiàn)低頻部分，檢測(cè)的是大的圖像區(qū)域。 中央周邊差 中央周邊操作是指典型的視覺(jué)神經(jīng)元對(duì)位于其中央的小區(qū)域最敏感，而其中央?yún)^(qū)周圍的更廣、更弱區(qū)域內(nèi)的刺激將抑制該神經(jīng)元的響應(yīng)。 初級(jí)特征提取 輸入圖像的三個(gè)顏色信道 :紅色、綠色 、藍(lán)色 ,分別用 r、 g 、 b 符號(hào)來(lái)表示則圖像的灰度特征可以通過(guò)下面公式得到： I =(r +g +b)/3。圖 33 所示為視網(wǎng)膜細(xì)胞對(duì)視覺(jué)信息的采樣模式。目前對(duì)數(shù)據(jù)驅(qū)動(dòng)的注意模型研究較多，提出了許多計(jì)算模型，而對(duì)任務(wù)驅(qū)動(dòng)的注意模型研究較少，其原因主要在于研究外界命令如何參與注意的計(jì)算方面存在較大的困難，目前大多數(shù)的工作限于生物實(shí)驗(yàn)取證和理論研究。 基于數(shù)據(jù)驅(qū)動(dòng)的視覺(jué)注意機(jī)制的顯著性度量方法 視覺(jué)注意包括兩種類型：自底向上注意和自頂向下注意。在這些研究者中，有人利用候選區(qū)域與周邊區(qū)域比較產(chǎn)生的差異值或差異矢量來(lái)描述顯著性。比如： Bourque 比較候選區(qū)域與整幅圖像的邊緣密度差異； Kadir 將像素鄰域的復(fù)雜性（ plexity）作為其顯著性特征，并通過(guò)該鄰域的灰度直方圖的熵描述其復(fù)雜性； Gesu 通過(guò)離散對(duì)稱性變換（ DST）和離散矩變換（ DMT） 的結(jié)合描述像素鄰域的顯著性。因此，僅僅依據(jù)數(shù)量上的統(tǒng)計(jì)結(jié)果，調(diào)整灰度級(jí)的動(dòng)態(tài)范圍，難以保證對(duì)主要刻畫信息XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 13 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。 3 基于視覺(jué)注意機(jī)制的灰度級(jí)信息量直方圖構(gòu) 造 傳統(tǒng)直方圖的缺陷 傳統(tǒng)直方圖由于數(shù)據(jù)描述簡(jiǎn)單、便于計(jì)算機(jī)編程實(shí)現(xiàn)等優(yōu)點(diǎn)，被廣泛應(yīng)用于各類圖像分析算法，是圖像的一種重要的表達(dá)方式。 小結(jié) 本章首先介紹了人眼的生理結(jié)構(gòu)，初步了解 了視覺(jué)的生理特性，然后從心理學(xué)角度介紹了視覺(jué)信息的傳遞過(guò)程及其主要特性，并簡(jiǎn)要介紹了感受野，同時(shí)論知的關(guān)系、選擇性視覺(jué)注意。兩者其實(shí)都是從不同的角度對(duì)選擇性視覺(jué)注意（ Selective XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè) 計(jì) 12 Attention）過(guò)程的描述。之所以會(huì)出現(xiàn)這樣的反應(yīng)，正是由于視覺(jué)注意機(jī)制在 發(fā)生作用。這樣，視感覺(jué)過(guò)程所提供的信息量就會(huì)遠(yuǎn)遠(yuǎn)大于視知覺(jué)過(guò)程所能處理的信息量。當(dāng)具有一定朝向和寬度的條形刺激出現(xiàn)在其感受野內(nèi)某個(gè)特定位置上時(shí)，細(xì)胞的響應(yīng)最強(qiáng)，而當(dāng)刺激偏離該朝向時(shí)則反XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 11 應(yīng)急劇降低，甚至消失，這些細(xì)胞被稱為朝向選擇性細(xì)胞（又稱做簡(jiǎn)單細(xì)胞）。這樣，人眼視覺(jué)信息的處理則如圖 所示。 人眼視覺(jué)感知系統(tǒng) 視覺(jué)信息傳遞過(guò)程 視覺(jué)是一個(gè)根據(jù)圖像發(fā)現(xiàn)周圍景物中有什么物體和物體在什么地方的過(guò)程，也就是從圖像獲得對(duì)觀察者有用的符號(hào)描述的過(guò)程。即使有相同的亮度，由于其背景亮度不同，人眼所感受的主觀亮度是不一樣的。以眼球水平方向上的圓周角作為水平距離的度量，黃斑中心在鼻側(cè)的地方是視神經(jīng)的匯聚點(diǎn)，沒(méi)有視細(xì)胞就形成“盲點(diǎn)”。它們能在弱光下檢測(cè)亮度信息，但沒(méi)有色彩 的感覺(jué)。它們主要位于視網(wǎng)膜的中間部分，叫做中央凹 ，即黃斑區(qū)，它們主要是在強(qiáng)光下檢測(cè)亮度和顏色信XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 9 息。 眼睛最里層的膜是視網(wǎng)膜，它布滿在整個(gè)眼球后部的內(nèi)壁上，當(dāng)眼球適當(dāng)聚集時(shí)，從眼睛的外部物體來(lái)的光就在視網(wǎng)膜上成像。瞳孔后面是一扁球形的彈性透明體，稱為晶狀體，相當(dāng)于照相機(jī)鏡頭的作用。脈絡(luò)膜位于鞏膜的里邊，這層膜包含有血管網(wǎng)，它是眼睛的重要滋養(yǎng)源，脈絡(luò)膜外殼著色很重，因此有助于減少進(jìn)入眼內(nèi)的外來(lái)光和眼球內(nèi)的回射。因?yàn)楝F(xiàn)有的大多圖像處理算法都或多或少地引入了人眼視覺(jué)系統(tǒng)，為便于理解，本章首先就人眼構(gòu)造及光學(xué)特性、人眼視覺(jué)感知系統(tǒng)作簡(jiǎn)單介紹。在實(shí)際應(yīng)用中，許多圖像處理與分析的目的就是改善圖像的視覺(jué)效果或處理后以便于人們對(duì)圖像的分析，所以了解人的視覺(jué)系統(tǒng)特性及視覺(jué)信息處理特性在觀察圖像或判讀圖像時(shí)的某些現(xiàn)象和特性是有必要的。為解決這XX 大學(xué) XX 學(xué)院 201X 屆 XXXX 專業(yè) 畢業(yè)設(shè)計(jì) 7 個(gè)問(wèn)題，本文把灰度級(jí)按照視覺(jué)感知特性分為三個(gè)部分：最弱感知區(qū)、最強(qiáng)感知區(qū)及次強(qiáng)感知區(qū)，同時(shí)把圖像中大量信息區(qū)的灰度級(jí)分配在最強(qiáng)感知區(qū)，把含有少量信息的區(qū)域的灰度級(jí)分配在最弱感知區(qū)及次強(qiáng)感知區(qū)，但次強(qiáng)感知區(qū)分配到的信息量要比最弱感知區(qū)多，這樣可以拉伸圖像的灰度層次，提高圖像的對(duì)比度，使增強(qiáng)后的圖像獲得滿意的視覺(jué)效果。比如，在圖像的平滑區(qū)或背景區(qū)內(nèi)某些灰度級(jí)的統(tǒng)計(jì)值雖然很大，但這些灰度級(jí)所刻畫的信息卻 很少（或很簡(jiǎn)單）。在圖像增強(qiáng)的方法使用上，可以使用一種增強(qiáng)方法，也可以使用多種方法混合使用，只要達(dá)到需要的效果即 可。 基于多尺度分析思想的圖像增強(qiáng)方法主要應(yīng)用的場(chǎng)合通常是一些 特殊圖像，如醫(yī)學(xué)圖像、衛(wèi)星遙感圖像、紋理圖像和嚴(yán)重噪聲污染的圖像等。近幾年來(lái)使用多尺度分析思想來(lái)增強(qiáng)這些圖像已經(jīng)引起眾多研究者的關(guān)注，并且在理論和應(yīng)用上取得了一些有價(jià)值的結(jié)果。近幾年來(lái)，以小波變換為代表的多尺度分析方法備受科學(xué)技術(shù)界的重視，它不僅在數(shù)學(xué)上已經(jīng)形成一個(gè)新的分支，而且在應(yīng)用上，如信號(hào)處理和圖像處理，被認(rèn)為是近年來(lái)分析工具及方法上的重大突破。 以上算法都是在不改變直方圖統(tǒng)計(jì)方式上做出的，但由于傳統(tǒng)直方圖存在明顯缺陷，即完全丟失了像素的位置信息，使得這些算法的性能受到了一定程度的影響。針對(duì)這些問(wèn)題，很多學(xué)者提出了多種改進(jìn)的方案。全局直方圖均衡（ Global Histogram Equalization, GHE）是全局算法中的代表性成果，其基本思想是依據(jù)直方圖的統(tǒng)計(jì)結(jié)果，相應(yīng)地分配灰度級(jí)的動(dòng)態(tài)范圍。以下將介紹空間域和變換域一些較新的研究進(jìn)展。 目前常用的增強(qiáng)技術(shù)根據(jù)其處理所進(jìn)行的空間不同，可分為基于空間域（圖像域）的方法和基于頻率域（變換域）的方法兩種。 總之，圖像增強(qiáng)技術(shù)的快速發(fā)展同它廣泛的應(yīng)用是分不開(kāi)的，發(fā)展的動(dòng)力來(lái)自不斷涌現(xiàn)的新的應(yīng)用，可以預(yù)料，在未來(lái)社會(huì)中，圖像增強(qiáng)技術(shù)將會(huì)發(fā)揮更大的作用。為使夜視距離達(dá)到監(jiān)測(cè)要求并使圖像更適合于人眼觀測(cè)、適用于圖像后續(xù)目標(biāo)識(shí)別及跟蹤處理，有必要對(duì)紅外圖像低照度采集來(lái)增長(zhǎng)主動(dòng)式紅外夜視系統(tǒng)的夜視距離，對(duì)圖像進(jìn)行增強(qiáng)及目標(biāo)分割處理來(lái)增強(qiáng)紅外圖像視覺(jué)效果。對(duì) X 射線圖像、 CT 圖像、內(nèi)窺鏡圖像等進(jìn)行增強(qiáng)，使醫(yī)生更容易從中確定病變區(qū)域。如何從中識(shí)別出人們感興趣的目標(biāo)，如機(jī)場(chǎng)、跑道、飛機(jī)、建筑物等，就需要進(jìn)行增強(qiáng)處理。因此，如何對(duì)這些“降質(zhì)”圖像或受到噪聲污染的質(zhì)量不太滿意的圖像進(jìn)行處理，以符合人們的要求，例如盡可能恢復(fù)原貌，改善圖像的視覺(jué)效果，突出有用的目標(biāo)等，具有廣泛的應(yīng)用前景和工程價(jià)值。 最后，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(jué)敏感度區(qū)段的信息量分配比例做一定的調(diào)節(jié)，為此本文提出了依據(jù)圖像增強(qiáng)質(zhì)量客觀評(píng)估算法的分析結(jié)果，自適應(yīng)地獲取最佳調(diào)節(jié)參數(shù)。針對(duì)上述問(wèn)題本文展開(kāi)以下幾個(gè)方面研究： 首先，針對(duì)傳統(tǒng)直方圖對(duì)圖像信息的描述存在不足，本文提出了一種新的基于視覺(jué)注意機(jī)制的灰度級(jí)信息量直方圖構(gòu)造方法。 1 畢業(yè)設(shè)計(jì) 基于人眼視覺(jué)特性的圖像增強(qiáng)算法研究 2 摘 要： 利用圖像增強(qiáng)技術(shù)，可以使圖像獲得更佳的視覺(jué)效果，提高人眼對(duì)信息的辨別能力，另一方面，圖像增強(qiáng)作為一種預(yù)處理技術(shù)，能使處理后的圖像比原圖像更適合于參數(shù)估計(jì)、圖像分割和目標(biāo)識(shí)別等后續(xù)圖像分析工作。這種新的直方圖在灰度級(jí)統(tǒng)計(jì)過(guò)程中同時(shí)考慮各灰度級(jí)數(shù)量和空間分布情況，采用視覺(jué)注意機(jī)制計(jì)算模型測(cè)算出不同位置灰度級(jí)的重要性（或顯著性），并依據(jù)各像素灰度級(jí)的重要性進(jìn)行加權(quán)統(tǒng)計(jì)，使得統(tǒng)計(jì)結(jié)果可以客觀反映各灰度級(jí)對(duì)圖像信息刻畫所起的作用。圖像增強(qiáng)質(zhì)量客觀評(píng)估算法是依據(jù)視覺(jué)感知模型設(shè)計(jì)的，大量測(cè)試結(jié)果表明，客觀評(píng)估算法的分析結(jié)果與主觀評(píng)估結(jié)果基本吻合。這也是圖像處理的一般要求。