一種基于雙高斯差模型的自適應圖像目標增強方法
【技術領域】
[0001] 本發明設及一種圖像目標增強方法，尤其設及一種基于雙高斯差模型的自適應圖 像目標增強方法，屬于數字圖像處理技術領域。
【背景技術】
[0002] 大尺度粒子圖像測速是一種新興的瞬時全場流速測量技術，不僅可用于常規條件 下明渠素動特性和時均特性的研究，其非接觸特性更具有極端條件下河道水流監測的應用 潛力。然而相比受控的實驗室條件，現場條件下河流水面成像的光學環境要復雜得多。首 先，滿足跟隨性要求的示蹤物通常具有較小的尺寸，對于視場區域高達數千平方米的大尺 度河流，示蹤物在水面圖像中往往表現為弱小目標，甚至是點目標；其次，河流水面是空氣 和水介質的臨界面，水面光學成像不僅受到大氣散射噪聲的影響，還受到水面反射噪聲和 水下出射噪聲的干擾。該些噪聲不隨水流運動但卻隨時間動態變化，在圖像中形成極明、極 暗或紋理復雜的干擾模式并具有較大的空間尺度，降低了目標和水面背景間的對比度。不 僅人眼難W辨識，而且降低了相關曲面的信噪比，甚至引起錯誤的運動矢量估計結果。因此 開展河流水面圖像目標增強方法的研究具有重要的理論意義和應用價值。
[0003] 現有大尺度粒子圖像測速方法要么不做目標增強處理，要么沿用傳統粒子圖像測 速技術中的目標增強方法。直方圖均衡化該類灰度變換算法雖然能改善圖像的視覺效果， 但對目標和背景的對比度增強作用有限；而中值濾波等平滑濾波算法不僅無法消除水面特 有的光學噪聲，反而會削弱目標的細節信息。對于水面光學噪聲，現行做法主要通過選擇合 適的拍攝角度來回避，往往給后續的系統標定和流量估計帶來不便。基于水體及示蹤物的 光譜特性差異近紅外成像方法從硬件上實現了水面目標的實時增強，但依然存在強背景噪 聲的干擾。后續采用空域高通濾波能夠在很大程度上抑制低頻的背景，但固定的卷積模板 沒有考慮局部水面圖像中目標、背景和噪聲的分布和統計特性，難W達到最優的增強效果。
[0004] 感知系統是生物體的信息輸人通道，對生物的行為和決策具有重要作用，因而感 知仿生技術的研究有助于許多工程問題的解決。特別是生物視覺系統卓越的目標檢測和跟 蹤能力是現有計算機視覺技術無法比擬的，因而計算模型與生物系統不斷融合的處理思想 正成為當前計算機視覺研究的重要發展方向。
【發明內容】
[0005] 本發明針對現有方法的不足，提供了一種基于雙高斯差模型的自適應圖像目標增 強方法。方法受生物視覺感受野機制的啟發，采用雙高斯差模型對圖像進行空域濾波增強 處理，并利用水面圖像中目標和噪聲灰度分布的先驗知識W及興奮性與抑制性作用趨于相 抵的約束關系求解模型參數，使之能夠根據局部圖像的統計特征自適應地改變濾波模板， W達到局部最優化增強的目的。
[0006] 該方法通過W下技術手段實現：
[0007] 基于雙高斯差模型的自適應圖像目標增強方法，分為W下五個步驟：
[000引 （1)建立敏感度約束關系。感受野在均勻光照下的興奮性與抑制性作用趨于相抵， 用于抑制空間頻率中的直流分量，從而適應不同的環境光強。根據該一生理現象，在均值附 近[-W，w]的積分區間內，曲線Gi、G2與零點基線圍成的面積應當相等，即；
[0009]
[0010] 通過查詢標準正態分布表獲得高斯函數Gi、G2的累積概率Pi、P2,將上式表示為：
[0011] AA(-W《X《W) =A2P2(-W《X《W)
[0012]令模板半徑w=a02,其中1.5《a《3,定義積分區間內兩個高斯函數能量分 布的比例因子：
[001 引
[0014]由此建立了敏感度Ai和A2間的約束關系。
[0015] (2)模型離散化。二維高斯函數的離散化表達式為：
[0016]
[0017] 其中，（i，如表示模板權值所在的位置，有1《i《2W+1，1《j《2W+1。根據河 流水面圖像中目標和隨機噪聲平均半徑的先驗知識對0 1、0 2和a進行取值。代入上式可 得兩個歸一化高斯函數的卷積模板Gi(i，j)、G2(i，j)。模型離散化后積分區間內的比例因 子為：
[001 引
[0019] 則二維雙高斯差模型的離散化表達式可W寫成：
[0020]
[0021] 當敏感度參數Ai= 1時，代入參數0 1、0 2、w和n得到歸一化的卷積模板。采用 一種從中屯、權值中減去模板所有元素之和的方法對權值取整引起的截斷誤差進行 補償，即；
[0022]
[0023] 由此確定了一個唯一的歸一化DOG卷積模板。
[0024] (3)圖像空域濾波。雙高斯差模型采用描述興奮性和抑制性作用的分布函數描述 GC感受野對光刺激的空間響應，并W此為權重計算細胞上的總光通量。對于二維圖像信號， 該濾波過程表示為如下的空域卷積形式：
[0025] g(x，y) = I(x，y)蝴0G(i，j)
[0026] (4)求解敏感度參數。考慮到濾波后圖像g(x，y)中的最大灰度值代表了目標的灰 度峰值，將Ai定義為目標強度相對于最大圖像灰度級的灰度拉伸比，即；
[0027] Ai= 255/max(g(x,y))
[002引 （5)圖像灰度拉伸。采用敏感度參數Ai對空域濾波后的圖像進行灰度拉伸，得到 自適應增強的圖像：
[0029]g' (x,y) =A?g(x,y)
[0030] 所述的圖像空域濾波器采用ON型視覺感受野的雙高斯差值OG)模型構建。模型中 兩個高斯函數分別代表興奮性和抑制性分布，通過二者之差來模擬視網膜神經節細胞（GC) 感受野的空間特性。其歸一化的一維和二維表達式分別如下：
[003引其中，Gi、G2分別為表示興奮性和抑制性分布的零均值高斯函數；A1和A2分別表示 兩種分布的敏感度，滿足Ai>A2;標準差0 1和0 2分別表示兩種分布的空間散布程度，滿 足 0 1< 0 20
[0034] 本發明具有W下有益效果：
[0035] 本發明采用的雙高斯差模型模擬了視網膜神經節細胞感受野"中屯、興奮-外周抑 審IJ"的空間特性，在本質上是一個從原圖中濾除背景和噪聲分量，得到尺度介于兩個高斯函 數標準差之間目標分量的帶通濾波器。目標和噪聲尺度的先驗知識決定了雙高斯函數的空 間散布程度，而興奮性和抑制性作用相抵消的約束建立了有限積分區間內雙高斯函數敏感 度間的關系。根據水面圖像中目標分量應在圖像中占主導但避免出現飽和的原則，采用灰 度線性拉伸機制實現了模型中敏感度參數的自適應選取，符合調制強度隨外界刺激發生變 化的生理特性。方法在提高圖像信雜比、相關曲面信噪比和矢量正確率方面均優于采用固 定模板的傳統空域高通濾波方法，并具有計算簡便、可操作性強、參數和濾波效果間關系明 確的優點。
【附圖說明】
[0036] 圖1是本發明中河流水面成像的光學環境示意圖。
[0037] 圖2是本發明中近紅外波段的河流水面測試圖像。
[003引圖3是本發明中典型水面目標的灰度分布圖。
[0039] 圖4是本發明中典型水面背景的灰度直方圖。
[0040] 圖5是本發明中GC感受野的同屯、圓分布示意圖。
[004U 圖6是本發明中ON型感受野雙高斯差模型的空間分布圖。
[0042] 圖7是本發明中自適應圖像目標增強方法的流程圖。
【具體實施方式】
[0043] 下面結合附圖對本發明的技術方案進行詳細說明：
[0044] 本發明中河流水面成像的光學環境如圖1所示。河流水面是一種典型的氣-水交 界面，到達圖像傳感器的總福射量L可W描述為：
[0045]L(入）=L曰（入）+Lr(入）+L〇(入）+Lt(入） (1)
[0046] 式中，L,、Lf、L。和Lt分別對應于大氣散射光、水面反射光、水下出射光及目標反射 光的福射分量，福射強度是波長A的函數。其中目標反射光是有用信息，僅占總福射量的 很小一部分；而其余光福射分量應當被視為背景噪聲，對總福射量起主要貢獻。由于在近紅 外河流水面圖像中目標fi、背景fe和噪聲fW互不相關，可W采用S者的灰度線性疊加建立 圖像的數學模型，描述如下：
[0047] I (x, y) = fx (x, y) +fB (x, y)+f^(x, y) (2)
[0048] 理想的水面成像測速圖像應當僅保留目標的灰度分量，而其它分量為零。
[0049] 本發明中近紅外波段的河流水面測試圖像如圖2所示。用于分析目標、背景和噪 聲的分布特性及統計特性。目標主要為隨機出現的樹枝、樹葉及生活垃圾等天然漂浮物。 背景主要為建筑物和樹木在水面形成的倒影。噪聲主要源于成像系統，包括光照不足引起 的暗噪聲和電子器件發熱引起的熱噪聲，該在非制冷型近紅外成像系統中尤為明顯。該些 成像系統噪聲在空域中的大小在1個像素左右，支撐域較小，但隨機分布并具有帖間獨立 性，在頻域中表現出和目標相似的高頻特性。一般情況下可W將它們當作平穩隨機過程來 處理，簡單地描述為加性高斯白噪聲。因此噪聲灰度分量fw的空間統計特性可用零均值的 二維高斯函數表示：
[00 加]
(3)
[0化1] 本發明中典型水面目標的灰度分布如圖3所示。在近紅外水面圖像中，水面目標 和水體背景的對比度得到增強，表現為灰度值大于局部背景值的白色亮斑，大小在幾個到 幾十個像素之間。該些運動小目標沒有明顯的形狀和結構特征，但滿足灰度分布的平穩性 和運動軌跡的連續性，并包含了大量圖像的高頻信息。受遠距離拍攝和小孔徑成像的影響， 目標出現模糊和失真的現象。該種退化過程可用如下空域的卷積運算來描述：
[0052] (X，y) =a(X，y)曲(X，y) (4)
[005引其中，（X，y)為空間變量，即像素的坐標；為圖像中目標的灰度分量；a(X，y)是 目標的灰度分布，對小目標而言可W認為是一個常數；h(x，y)是描述光傳輸特性的傳遞函 數。鑒于典型目標的灰度分布近似服從二維高斯分布，傳遞函數可表示為：
[0化4]
(5)
[0化5] 本發明中典型水面背景的灰度直方圖如圖4所示。水體在近紅外水面圖像中表現 為一個偏暗且灰度分布均衡的背景，占據著圖像的低頻部分；灰度強度主要由水深、水體成 分及環境光強共同決定。水面光學噪聲受水面低頻波動的影響形成起伏背景雜波，在空間 上往往呈現出變化緩慢的大面積連續分布狀態，具有較大的空間相關性；但在邊緣處的分 布是不平穩的，表現出與目標相接近的高頻特性。背景的灰度分量fc僅占有少數灰度級1， 并且大多集中在低灰度區；背景的灰度均值y代表了圖像中的直流成分；而形似雙峰的毛 刺部分對應于耀光及倒影產生的局部亮區和暗區。可W認為水面起伏背景的灰度統計特性 近似服從一維高斯分布，概率密度函數可表示：
[0 化 6]
(6)
[0057]本發明中GC感受野的同屯、圓分布示意圖如圖5所示。生物的視覺側抑制現象是發 生在視覺過程初始階段的一種單純的神經機制。W脊椎動物視覺系統中處于信息處理初級 階段的視網膜神經節細胞（ganglionc