基于感知优化的图像对比度和颜色的增强与去噪算法研究

摘要

视觉是人类感知世界最重要的方式，也是人们感知和认知外部世界的主要途径，正如我们常常所说的“眼见为实”，在人类获取的信息中80%是来自于视觉，因为视觉信息更加的直观明了。在信息技术快速发展的今天，人们接触到的图像也越来越多，图像已经成为一种不可或缺的信息传递方式。然而现实中存在的图像，由于不良的天气条件、环境光强弱变化的不同、不良的光源条件、以及感光设备自身不足等问题，导致采集到的图像在对比度和色调上往往令人们不是很满意。在种类繁多的图像中，低光照图像是比较突出的一类图像，主要特点是亮度暗，对比度低，动态范围小且噪声较大，这些突出的问题严重的影响了人们对图像感知的辨识度。因此低光照图像的对比度增强和去噪具有很高的研究意义。 在深入理解和分析低光照图像的基础上，本文首先介绍了图像对比度增强算法和图像去噪算法，总结了近年来图像增强和图像去噪技术领域最前沿的研究成果。其次，针对现有的图像增强和图像去噪算法所存在的不足之处，我们提出了相关的改进算法，并取得不错的效果。本文主要从以下两个方面展开工作： 1．提出了一种基于感知优化的图像增强算法。这个工作是基于图像增强算法Generalized Equalization Model(GEM),GEM首次将对比度增强和颜色恒常性(Color Constancy)整合到一个统一框架中。我们首先充分考虑人眼视觉系统(HVS)特性，通过使用恰可识别差异(JND)模型和韦伯定律来提取图像中具有高对比度以及人眼较为敏感的像素，然后利用提取出来的像素重新构建一个直方图我们称之为感知直方图，我们把该方法运用于基于直方图的GEM中，可以有效地防止过增强和色调失真。然后我们通过基于人眼视觉系统响应(HVS Response Model)模型的恰可识别差异转换(JND Transform)算法来提取人眼对图像不同像素的感知响应，我们称之为恰可识别差异响应图(JND Map)。根据韦伯定律我们对提取出来的JNDmap进行增强，从而达到图像细节增强的效果。最后，我们通过反向恰可识别差异转换(Inverse JND Transform)算法得到最终增强的灰度图，然后利用色彩恢复(Color Restoration)算法得到最终的结果。实验结果表明，本方法得到的图像具有很好的增强效果，比如色彩还原和细节增强，且更加符合人眼视觉特性。 2．提出一种基于人眼视觉感知的低光照图像增强和全通道去噪算法。这个工作是基于上一个工作之后展开的，首先还是通过使用恰可识别差异(JND)模型和韦伯定律来重新构建一个感知直方图，在该工作中该方法通用于各种基于直方图的图像增强算法中，可以有效地防止过增强和色调失真。然后我们通过恰可识别差异转换(JND Transform)算法来提取恰可识别差异响应图(JND Map)。根据韦伯定律我们对提取出来的恰可识别差异响应图进行增强。同时由人眼视觉掩蔽效应(Visual Masking Effect)可知，人眼对平滑区域的噪声更加敏感，相反纹理区域具有很强的掩蔽效应，导致噪声不易被人眼察觉。因此，我们利用人眼视觉掩蔽效应进行亮度通道去噪。最后，我们通过反向恰可识别差异转换(Inverse JND Transform)算法得到最终经过增强和去噪的灰度图，然后利用引导滤波器(Guided Filter)算法在以去噪的亮度通道指引下进行色度通道去噪，得到最终的结果。实验结果表明，通过引入合适的人眼视觉模型，使得图像更加契合人眼视觉特点，达到了预期的增强和去噪效果。

目录

于龙封面