基于視覺底層特征的圖像增強方法
【技術領域】
[0001] 本發明涉及一種數字圖像處理方法，尤其是一種基于視覺底層特征的圖像增強方 法。
【背景技術】
[0002] 在現實生活中，數字圖像會因各種原因造成在顯示設備上出現失真的情況。為了 避免這一弊端，圖像增強技術成為數字圖像處理的研究重點之一。根據研究表明，復雜的人 眼視覺系統在處理圖像時是優先處理那些最吸引人眼視覺注意的區域（人眼視覺感興趣 區域），而不是對圖像的全局信息進行分析。
[0003] 眾所周知，傳統圖像增強的方法都是基于全局信息進行分析和處理，這不符合人 眼視覺系統的特性，不僅造成了許多對次要信息處理分析上的計算浪費，降低了圖像處理 的效率，而且其最終的圖像增強效果并不符合人眼視覺的感知。因此，為了克服傳統圖像 增強方法帶來的弊端，一種新型的基于人眼視覺感知的彩色圖像增強方法成為了研究的熱 點。這種方法是綜合考慮了人眼視覺特性和大量心里物理學的實驗結論。
【發明內容】
[0004] 本發明的目的是提出一種基于視覺底層特征的圖像增強方法，使其最終的圖像增 強效果更符合人眼視覺感知。
[0005] 為了實現上述目的，本發明采用的技術方案如下：
[0006] -種基于視覺底層特征的圖像增強方法，該方法具有以下步驟：
[0007] (1)提取圖像的視覺底層特征，包括顏色、亮度、方向、紋理和邊緣特征；
[0008] (2)加權融合成計算顯著圖；
[0009] (3)與眼動儀測得的眼動顯著圖進行相關系數比較，以確定各視覺底層特征的最 佳權重；
[0010] (4)根據權重的大小為不同類型的圖像選擇合適的圖像增強方法。
[0011] 所述步驟（1)進一步包括如下具體步驟：
[0012] (1. 1)在HSV顏色空間中提取出亮度特征，將源圖像轉化成只有亮度信息的灰度 圖，最后把圖像像素值重新歸一化到[0, 255]的范圍；
[0013] (1. 2)在符合人眼視覺感知的HSV顏色空間下提取顏色特征，提取完顏色特征后， 將像素值重新歸一化到[0, 255]的范圍；
[0014] (1. 3)用Gabor變換來提取圖像的方向特征；
[0015] (1. 4)采用Gabor濾波器組提取紋理特征：首先利用Gabor濾波器組提取出圖像 的5個尺度、4個方向上的紋理特征，然后對這20幅紋理特征圖進行歸一化處理，最后把所 有圖像按相同權重疊加在一起，形成最后的紋理顯著圖；
[0016] (1.5)邊緣特征最典型的提取方式是利用二階微分的拉普拉斯算子，在HSV空間 中提取圖像的灰度邊緣特征。
[0017] 所述步驟（2)進一步包括如下具體步驟：
[0018] (2. 1)采用高斯函數分別對輸入圖像的顏色、亮度、方向、紋理和邊緣進行6個尺 度的濾波；
[0019] (2. 2)利用差值操作和拉普拉斯算子提取不同尺度下的圖像視覺特征；
[0020] (2. 3)分別進行中央周邊差計算，將差值圖像歸一化求和，得到該特征的顯著圖；
[0021] (2. 4)針對得到的5幅特征顯著圖進行權重配置，并保證5個視覺底層特征的權重 值相加等于1;將5幅特征顯著圖進行疊加，形成1幅多特征組合后的顯著圖。
[0022]所述步驟（3)所采用的算法公式如下：
[0023]
[0024] 式中，x代表圖像中的像素，H(x)、S(x)分別是眼動顯著圖和計算顯著圖中當前 像素的顯著值，yH、ys分別表示兩幅顯著圖中所有像素的平均顯著值，P的取值范圍是 [-1，1]，當p= 1代表兩幅顯著圖完全相關，p= 0代表兩幅顯著圖完全不相關，p= -1 代表兩幅圖反相關，即一幅顯著圖中的顯著區域在另一幅顯著圖中完全不顯著。
[0025] 所述步驟（4)進一步包括如下具體步驟：
[0026] (4. 1)針對亮度特征占第1權重的圖像，采用基于人眼顯著圖的優化直方圖均衡 化方法；
[0027] (4. 2)針對顏色特征占第1權重的圖像，則采取增強視覺感興趣區域內的顏色飽 和度和對比度的圖像增強方法；
[0028] (4. 3)針對紋理特征占第1權重的圖像，這里采用小波變換的方法，對視覺感興趣 區域進行去噪增強，凸顯出紋理部分的細節。
[0029] 所述步驟（1. 2)中采用的算法公式如下：
[0030]
[0031] 其中，saturation(X，y)和brightness(X，y)分別是指像素點（X，y)的飽和度和 亮度值，saturationave和brightnessave則表示整幅圖像的飽和度和亮度的平均值，s。和b。 是常量都取〇. 5。
[0032] 所述步驟（1. 3)所采用的算法公式如下：
[0033]
[0034] 其中，w是常數，9為濾波器的方向9=nJr/k(n=0,l*"k_l)，k是指Gabor 濾波器的方向個數；用Gabor函數來提取圖像的方向特征，其濾波器的方向設定為
;然后將4幅特征圖按照相同權重疊加形成最終的方向顯著圖（0)。
[0035] 所述步驟（1. 4)所采用的算法公式如下：
[0036]
[0037] 其中，灸=昏(萬)，n是指尺度，0是指方向。
[0038] 所述步驟（2. 4)所采用的算法公式如下：
[0039] S=w1C+w2I+w30+w4T+w5E
[0040] 式中，Wpw2、w3、w4、wj別是各視覺底層特征指標對應的權重值，相加為1 ;C、I、 〇、T、E分別表示顏色、亮度、方向、紋理和邊緣特征的顯著圖；最后將S圖像即計算顯著圖歸 一化到[0, 255]，并處理成二值圖像。
[0041] 本發明的有益效果是：
[0042] 本發明與現有圖像增強方法比較有以下優點：本發明首次將基于人眼注視點的眼 動顯著圖融合進傳統的圖像增強方法，提出了一種優化的基于視覺底層特征的Itti視覺 注意模型來提取出圖像的計算特征顯著圖，改善了彩色圖像在數字顯示設備上再現時的視 覺質量，針對不同圖像類型，凸顯了圖像中的重要信息，削弱次要信息，使得最終的圖像增 強效果更加符合人眼視覺感知，在圖像增強中發揮應用價值。
【附圖說明】
[0043]圖1是基于視覺底層特征的顯著圖計算模型整體流程圖；
[0044] 圖2是兩種顯著圖的最終效果圖；
[0045] 圖3是最佳權重分析結果表；
[0046] 圖4是基于視覺感興趣區域的直方圖均衡化原理圖；
[0047] 圖5是亮度特征圖像增強方法對比圖；
[0048] 圖6是顏色和亮度特征分步進行圖像增強方法對比圖；
[0049] 圖7是紋理和亮度特征分步進行圖像增強方法對比圖。
[0050] 具體實施方法
[0051] 以下結合附圖對本發明所涉及的一種基于視覺底層特征的圖像增強方法的優選 實施例作詳盡的闡述，但本發明不僅限于該實施例。為了使公眾對本發明有徹底的了解，在 以下優選實施例中進行了具體的細節說明。
[0052]1.基于視覺底層特征的顯著圖計算模型
[0053] 如圖1所示，基于視覺底層特征的顯著圖計算模型整體流程如下：
[0054] (1)亮度特征：選取在HSV顏色空間中提取出亮度特征，將源圖像轉化成只有亮度 信息的灰度圖，最后把圖像像素值重新歸一化到[0,255]的范圍；
[0055](2)顏色特征：顏色特征是在符合人眼視覺感知的HSV顏色空間下進行提取，提取 完顏色特征后，要將像素值重新歸一化到[0,255]的范圍，其算法公式：
[0056]
[0057] 其中，saturation(X，y)和brightness(X，y)分別是指像素點（X，y)的飽和度和 亮度值，saturationave和brightnessave則表示整幅圖像的飽和度和亮度的平均值，s。和b。 是常量都取〇.5。
[0058] (3)方向特征：方向特征是圖像的局部特征，表現了圖像中某些像素在一定的方 向上存在著內在的排列關系，進而產生了一種視覺上的方向感。一般釆用Gabor變換來提 取圖像的方向特征，其計算公式：
[0059]
[0060] 其中，w是常數，9為濾波器的方向9=nJr/k(n= 0,l*"k_l)，k是指Gabor 濾波器的方向個數。本文采用Gabor函數來提取圖像的方向特征，其濾波器的方向設定為 JTTT3 冗 ;然后將4幅特征圖按照相同權重疊加形成最終的方向顯著圖（0)。
[0061] (4)紋理特征：采用Gabor濾波器組提取紋理的特征。首先利用Gabor濾波器組提 取出圖像的5個尺度、4個方向上的紋理特征，然后對這20幅紋理特征圖進行歸一化處理， 最后把所有圖像按相同權重疊加在一起，形成最后的紋理顯著圖；采用的算法公式如下：
[0062]
[0063] 其中，灸=營(W)，n是指尺度，0是指方向。
[0064] (5)邊緣特征：邊緣特征最典型的提取方式是利用二階微分的拉普拉斯算子，在 HSV空間中提取圖像的灰度邊緣特征。
[0065] 得到5種視覺底層特征的特征圖之后，利用Itti模型計算特征顯著圖的具體步驟 如下所述。
[0066] (1)采用高斯函數分別對輸入圖像的顏色、亮度、方向、紋理和邊緣進行6個尺度 的濾波；
[0067] (2)利用差值操作和拉普拉斯算子提取不同尺度下的圖像視覺特征；
[0068] (3)分別進行中央周邊差計算，將差值圖像歸一化求和，得到該特征的顯著圖； (4)針對得到的5幅特征顯著圖進行權重配置（保證5個視覺底層特征的權重值相加等于1)。將5幅特征顯著圖進行疊加，形成1幅多特征組合后的顯著圖，公式為：
[0069]S=w1C+w2I+w30+w4T+w5E
[0070] 式中，Wpw2、w3、w4、wi別是各視覺底層特征指標對應的權重值，相加為1 ;C、I、 〇、T、E分別表示顏色、亮度、方向、紋理和邊緣特征的顯著圖；最后將S圖像即計算顯著圖歸 一化到[0, 255]，并處理成二值圖像。
[0071] 2.人眼注