论文部分内容阅读
自然景物经过摄像机成像转化为数字图像，再经过显示器将数字图像转化为亮度信息，使人眼得以感知，再经过视觉通路，将包含着自然景物的图像信息传递到了大脑。然而在这个自然景物信息传递的链路中，在某些环节可能会造成信息损耗，导致最终传递到大脑的信息无法准确地描述真实的自然景物。在摄像机成像环节，成像质量受摄像机性能或者拍摄条件的影响都很大，如提升硬件性能或者创造有利拍摄条件对获得良好的数字图像都会有一定的帮助。而尽量减小数字图像信息到大脑传递过程中的损失也是一条改善图像信息感知效果的重要途径。图像信息感知的过程是一个人机结合的过程，如何充分利用显示器呈现环节和人眼视觉通路感知环节的特性，通过改变像素的灰度，使数字图像信息尽可能多的被大脑接收即是图像增强需要解决的问题，而该问题是数字图像处理领域的热点之一。解决该问题的途径之一是对大脑接收的图像信息进行量化表示，以此为基础给出增强图像评价指标。评价的基本准则为:如果经过图像增强处理使得大脑能够从增强图像中获得关于原图像更多的图像信息，则说明图像增强对人眼图像信息获取是有益的。本文以增强图像评价指标作为目标函数，通过图像优化算法，实现目标函数最优化，最大化大脑接收的关于原图像的信息量。 本文在增强图像评价和图像优化两方面开展了相关的研究工作，考虑到人在观察图像时关注的图像信息侧重不同，分别在图像细节、图像特征以及图像场景三个方面考虑大脑接收到的信息。以图像中相邻像素灰度大小关系代表图像的细节信息，局部像素灰度大小关系代表图像的特征信息，全局像素灰度大小关系代表图像的场景信息。因此从相邻像素灰度关系、局部像素灰度关系和全局像素灰度关系三个方面分别开展了增强图像评价和图像优化相关研究工作。本文的主要研究内容如下: 1.针对相邻像素灰度关系，提出一种基于人眼视觉灰度差探测概率函数的增强图像评价算法，以相邻像素灰度差人眼探测概率的平均值作为增强图像的评价指标。以该评价指标作为目标函数，在相邻像素灰度关系保序前提下，通过迭代过程实现图像优化算法。 2.针对局部像素灰度关系，提出一种以增强图像的对比度增益以及噪声估计为主，同时考虑人眼视觉系统的亮度阈值特性、对比度掩盖特性以及视觉通道内噪声等的增强图像评价指标。以该评价指标作为目标函数，将图像灰度映射函数分段表示，以映射函数节点变量作为优化变量，通过非线性优化过程实现图像优化算法。 3.针对全局像素灰度关系，提出了以图像中人眼可分辨像素灰度差数量和人眼可感知图像互信息两种图像评价指标，并以全局单调递增灰度映射函数为基本前提，分别实现两种评价指标对应的图像优化算法。两种优化算法都采用动态规划策略，首先通过自上而下方法给出了最优解的证明过程，再通过自下而上方法完成了优化算法的具体实现。