畢業(yè)設(shè)計(jì)基于人眼視覺特性的圖像增強(qiáng)算法研究

1、<p>　　基于人眼視覺特性的圖像增強(qiáng)算法研究</p><p>　　摘 要：利用圖像增強(qiáng)技術(shù)，可以使圖像獲得更佳的視覺效果，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。因此，圖像增強(qiáng)技術(shù)的研究一直是圖像處理的一項(xiàng)重要內(nèi)容。但傳統(tǒng)的基于直方圖的圖像增強(qiáng)方法存在以下幾個(gè)問題：1）傳統(tǒng)直方圖灰度級(jí)統(tǒng)計(jì)量與信息量

2、存在不一致問題；2）傳統(tǒng)直方圖均衡方法在灰度級(jí)調(diào)整過程中，沒有充分利用視覺敏感區(qū)段；3）沒有針對(duì)圖像內(nèi)容多變特點(diǎn)，自適應(yīng)地獲取灰度級(jí)調(diào)整的優(yōu)化配置參數(shù)。針對(duì)上述問題本文展開以下幾個(gè)方面研究：</p><p>　　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注意機(jī)制的灰度級(jí)信息量直方圖構(gòu)造方法。這種新的直方圖在灰度級(jí)統(tǒng)計(jì)過程中同時(shí)考慮各灰度級(jí)數(shù)量和空間分布情況，采用視覺注意機(jī)制計(jì)算模型測(cè)

3、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。</p><p>　　其次，在灰度級(jí)調(diào)整過程中考慮人眼視覺感知的非線性特性，并針對(duì)其特點(diǎn)提出了將不同比例的灰度級(jí)信息量分配至不同的視覺敏感度區(qū)段。其分配原則遵循敏感度大的區(qū)段分配較多的信息量，同時(shí)為避免主導(dǎo)灰度級(jí)在直方圖拉伸處理中占用較大范圍的灰度級(jí)空間，本文利用人眼感知能力曲

4、線約束主導(dǎo)灰度級(jí)動(dòng)態(tài)范圍。</p><p>　　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)。圖像增強(qiáng)質(zhì)量客觀評(píng)估算法是依據(jù)視覺感知模型設(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。</p><p>　　關(guān)鍵詞：圖像

5、增強(qiáng)；視覺注意機(jī)制；人眼調(diào)制傳遞函數(shù)；臨界可見偏差；圖像質(zhì)量評(píng)價(jià)</p><p><b>　　引言</b></p><p>　　1.1研究背景及意義</p><p>　　在一個(gè)圖像系統(tǒng)中，從圖像的獲取，到圖像的發(fā)送、傳輸、接收、輸出（顯示）、復(fù)制等等，每一個(gè)環(huán)節(jié)都會(huì)產(chǎn)生干擾，都會(huì)使圖像質(zhì)量降低，不能很好的貼合人眼直接觀察到的圖像。例如，攝像時(shí)，

6、由于光學(xué)系統(tǒng)失真、相對(duì)運(yùn)動(dòng)、大氣湍流等都會(huì)使圖像模糊；醫(yī)學(xué)上，由于受到人體的器官、組織、光照等各個(gè)方面的影響，拍到的照片總是不盡人意，很難識(shí)別病變組織與正常組織，做出早期診斷。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。這也是圖像處理的一般要求。圖像增強(qiáng)是一種常用的圖像處理方法，其目的是將圖像中感興趣的部

7、分盡可能突現(xiàn)出來。例如一幅偵察圖像甚至有可能是經(jīng)過各種欺騙和偽裝后的偵察圖像，在這類圖像中，目標(biāo)和背景可能混淆不清，很難區(qū)別。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。</p><p>　　圖像增強(qiáng)處理的應(yīng)用已經(jīng)滲透到醫(yī)學(xué)診斷、航天航空、軍事偵察、指紋識(shí)別、無(wú)損探傷等領(lǐng)域。例如：</p><p>　?。?）在醫(yī)學(xué)應(yīng)用當(dāng)中的血管造影技術(shù)，由于心臟的劇烈

8、運(yùn)動(dòng)，并且是非剛體運(yùn)動(dòng)，造成影像圖與原始血管圖的匹配非常困難。如果能夠先對(duì)造影圖像進(jìn)行增強(qiáng)濾波處理，可以去除非感興趣器官（如肌肉、骨骼等）對(duì)X射線吸收形成的背影圖像，則有利于提高醫(yī)生臨床診斷的準(zhǔn)確性。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。</p><p>　　（2）紅外技術(shù)在軍事及人們?nèi)粘Ｉ钪杏兄絹碓綇V泛的應(yīng)用。由于紅外探照燈以及紅外探測(cè)器件的限制，紅外成像系統(tǒng)的成像效果

9、不夠理想。在民用監(jiān)測(cè)應(yīng)用中，主要表現(xiàn)在夜視距離近，圖像特征信息不明確等方面。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)分割處理來增強(qiáng)紅外圖像視覺效果。</p><p>　?。?）在航天遙感和航空遙感應(yīng)用中，由于遙感圖像的獲取平臺(tái)高，很容易受到自然因素的影響，尤其是可見光波段，如天氣、云霧等都

10、能使圖像質(zhì)量下降，因此獲得的圖像有的會(huì)出現(xiàn)對(duì)比度低、圖像模糊等現(xiàn)象；有的圖像總體視覺效果較好，但是對(duì)所需信息，如邊緣部分或線狀物不夠突出；還有的圖像波段數(shù)據(jù)量大，例如TM圖像，而且各波段之間存在一定的相關(guān)性，為進(jìn)一步處理造成困難。所以，可通過圖像增強(qiáng)技術(shù)，改善圖像質(zhì)量，提高圖像目標(biāo)視覺效果，突出所需要的信息，壓縮圖像數(shù)據(jù)量，為進(jìn)一步的圖像分析判讀做好預(yù)處理工作。</p><p>　　（4）在煤礦工業(yè)電視系統(tǒng)中采用

11、增強(qiáng)處理來提高工業(yè)電視圖像的清晰度，克服光線不足、灰塵等原因帶來的圖像模糊、偏差等現(xiàn)象，減少電視系統(tǒng)維護(hù)量。</p><p>　　總之，圖像增強(qiáng)技術(shù)的快速發(fā)展同它廣泛的應(yīng)用是分不開的，發(fā)展的動(dòng)力來自不斷涌現(xiàn)的新的應(yīng)用，可以預(yù)料，在未來社會(huì)中，圖像增強(qiáng)技術(shù)將會(huì)發(fā)揮更大的作用。</p><p>　　1.2 圖像增強(qiáng)的研究現(xiàn)狀</p><p>　　圖像增強(qiáng)的主要目的是改善

12、圖像的視覺質(zhì)量。對(duì)于一幅給定的圖像，圖像增強(qiáng)可以根據(jù)圖像的模糊情況和應(yīng)用場(chǎng)合，采用某種特殊的技術(shù)來突出圖像中的某些信息，削弱或消除某些無(wú)用的信息，從而有目的的強(qiáng)調(diào)圖像的整體或局部特征 。經(jīng)過多年研究，圖像增強(qiáng)技術(shù)已經(jīng)取得了長(zhǎng)足的進(jìn)步，到目前為止，已經(jīng)形成了多種理論算法。</p><p>　　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。其中空間域增

13、強(qiáng)方法包括點(diǎn)處理和模板處理兩種，點(diǎn)處理增強(qiáng)常用的方法有：直接灰度變換、直方圖處理、圖像間運(yùn)算等等，模板處理增強(qiáng)常用的方法有：線性平滑濾波、非線性平滑濾波、線性銳化濾波和非線性銳化濾波等；頻域增強(qiáng)方法有低通濾波、高通濾波、帶阻濾波、同態(tài)濾波等。低通濾波能夠平滑圖像，將像素灰度值突變的細(xì)節(jié)濾掉；而高通濾波能夠增強(qiáng)圖像，保留像素突變的細(xì)節(jié)。</p><p>　　經(jīng)典的空間域和變換域增強(qiáng)方法都可以在絕大多數(shù)“數(shù)字圖像處理

14、”教材中找到，為此不再贅述。以下將介紹空間域和變換域一些較新的研究進(jìn)展。</p><p>　　1.2.1 基于直方圖處理的圖像增強(qiáng)算法</p><p>　　由于直方圖數(shù)據(jù)描述簡(jiǎn)單，操作簡(jiǎn)便，且易于編程實(shí)現(xiàn)，因此在圖像處理、模式分析與識(shí)別等多個(gè)領(lǐng)域得到了廣泛的應(yīng)用。以直方圖為基礎(chǔ)的增強(qiáng)算法研究是空間域算法的主流研究方向。研究人員在直方圖基礎(chǔ)上，結(jié)合不同的應(yīng)用對(duì)象和分析要求，提出了多種增強(qiáng)算法

15、，這些算法主要分為兩大類：全局直方圖算法和局部（自適應(yīng)）直方圖算法。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。雖然這種算法的增強(qiáng)效果并不是最優(yōu)的，但這種直方圖均衡的增強(qiáng)思想?yún)s被其它算法廣泛采用。</p><p>　　當(dāng)圖像的灰度級(jí)級(jí)數(shù)較多，且分布較均勻時(shí)，GHE算法的增強(qiáng)效果不明顯，

16、針對(duì)以上問題，Pizer等人將GHE算法推廣應(yīng)用于圖像的局部分析，提出了局部自適應(yīng)直方圖增強(qiáng)算法（Adaptive Histogram Equalization,AHE）。AHE算法是依據(jù)像素局部鄰域的直方圖統(tǒng)計(jì)結(jié)果，確定該像素灰度級(jí)映射值，使局部對(duì)比度明顯拉伸，然而該算法計(jì)算復(fù)雜度太大、對(duì)噪聲敏感、平滑區(qū)過增強(qiáng)等問題較為突出。針對(duì)這些問題，很多學(xué)者提出了多種改進(jìn)的方案。</p><p>　　自適應(yīng)算法主要是依據(jù)

17、圖像的局部信息進(jìn)行調(diào)整，這使得某些所占空間區(qū)域較大的物體表面形態(tài)發(fā)生了較大的變化。為了克服以上問題，Caselles等人提出了保形對(duì)比度增強(qiáng)方法（Shape Preserving Contrast Enhancement,SPCE）。算法采用局部直方圖均衡算法來增強(qiáng)對(duì)比度，同時(shí)保持圖像的水平集（Level-sets）不變，從而使增強(qiáng)后圖像中的物體區(qū)域形狀保持不變。</p><p>　　以上算法都是在不改變直方圖統(tǒng)

18、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。后面將對(duì)傳統(tǒng)直方圖數(shù)據(jù)描述方式的局限性進(jìn)行深入地分析。</p><p>　　1.2.2基于多尺度分析的圖像增強(qiáng)方法</p><p>　　近年來在變換域算法研究方面也取得了一些可喜的進(jìn)展，其中較為突出的是基于多尺度分析的增強(qiáng)算法。多尺度分析又稱為多分辨率分析，它是由Mallat首

19、先提出來的。近幾年來，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)為是近年來分析工具及方法上的重大突破。原則上講，凡傳統(tǒng)使用傅里葉分析的方法都可以用小波分析來代替。小波分析在時(shí)域和頻域上都具有很好的局部特性，而且由于對(duì)高頻信號(hào)采取逐漸精細(xì)的時(shí)域或空域步長(zhǎng)，從而可以聚焦到分析對(duì)象的任意細(xì)節(jié)。在圖像處理和計(jì)算機(jī)視覺中，通常要進(jìn)行分析和識(shí)別的圖像結(jié)構(gòu)有著不同

20、的大小，一般情況下不能事先定義一個(gè)分析圖像的最優(yōu)分辨率，因此采用多分辨率分析將原始圖像分為不同分辨率上的幾個(gè)信號(hào)，然后選擇合適的分辨率或同時(shí)在各級(jí)分辨率上處理這個(gè)信號(hào)，從而達(dá)到多尺度分析的目的，利用這些不同分辨率上的信號(hào)，重構(gòu)的信號(hào)就能夠在一些方面表現(xiàn)出比原始信號(hào)更好的性能。近幾年來使用多尺度分析思想來增強(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。</p><p>　　最近，一種

21、自適應(yīng)的圖像去噪、保留并增強(qiáng)邊緣信息的方法已經(jīng)被Jung等人提出。這種方法使用冗余的小波變換將圖像進(jìn)行多分辨率分解，在每一級(jí)分辨率上，把對(duì)應(yīng)噪聲和邊緣的小波系數(shù)用Gaussian函數(shù)建模，然后采用一種軟閾值的方法，即小波收縮（Wavelet Shrinkage），處理這些系數(shù)，在考慮了保留邊緣的幾何約束后，用這些處理過的小波系數(shù)進(jìn)行重構(gòu)就可以獲得具有很好增強(qiáng)效果的圖像。為了驗(yàn)證這種方法的有效性，Jung對(duì)具有嚴(yán)重噪聲污染的Lena圖像、

22、監(jiān)控圖像和自然場(chǎng)景圖像進(jìn)行了增強(qiáng)處理，結(jié)果表明這種方法是有效的。</p><p>　　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。這些方法的基本思想都是將圖像先進(jìn)行分解，然后對(duì)分解后的圖像進(jìn)行處理，最后重構(gòu)圖像，從而達(dá)到某種處理效果。但以上算法面臨的主要問題是很難確定合適的分析尺度及不同尺度下的最優(yōu)調(diào)節(jié)參數(shù)。</p>&

23、lt;p>　　目前尚無(wú)統(tǒng)一的衡量圖像增強(qiáng)質(zhì)量的通用標(biāo)準(zhǔn)。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</p><p><b>　　可。</b></p><p>　　1.3 研究?jī)?nèi)容和目的</p><p>　　直方圖均衡化依據(jù)各灰度級(jí)的統(tǒng)計(jì)量相應(yīng)地調(diào)整圖像的灰度值動(dòng)態(tài)范圍，即拉大統(tǒng)計(jì)量較大的

24、灰度級(jí)級(jí)差，達(dá)到圖像增強(qiáng)的目的。但這類方法存在三個(gè)主要的缺陷：1）傳統(tǒng)直方圖灰度級(jí)統(tǒng)計(jì)量與信息量存在不一致問題；2）傳統(tǒng)直方圖均衡方法在灰度級(jí)調(diào)整過程中，沒有充分利用視覺敏感區(qū)段；3）沒有針對(duì)圖像內(nèi)容多變特點(diǎn)，自適應(yīng)地獲取灰度級(jí)調(diào)整的優(yōu)化配置參數(shù)。</p><p>　　首先，在直方圖均衡化處理過程中，灰度級(jí)直方圖只是簡(jiǎn)單地?cái)?shù)量上的統(tǒng)計(jì)，而丟失了灰度級(jí)的位置信息，使得統(tǒng)計(jì)結(jié)果無(wú)法客觀反映各灰度級(jí)對(duì)刻畫圖像信息所起的

25、作用，即出現(xiàn)灰度級(jí)統(tǒng)計(jì)量與信息量不一致問題。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）。因此本文提出一種新的基于視覺注意機(jī)制的灰度級(jí)信息量直方圖構(gòu)造方法。該直方圖綜合考慮灰度級(jí)的個(gè)數(shù)和空間分布，并在灰度級(jí)統(tǒng)計(jì)過程中注重保留重要信息區(qū)的灰度級(jí)統(tǒng)計(jì)量，同時(shí)削弱平滑區(qū)或背景區(qū)的統(tǒng)計(jì)量，使得統(tǒng)計(jì)結(jié)果可較好地反映各灰度級(jí)對(duì)刻畫信息所起的作用。</p><p>　　另

26、外，傳統(tǒng)的直方圖均衡化方法是在假定不同的灰度級(jí)的視覺敏感度一樣的基礎(chǔ)上進(jìn)行的，但研究發(fā)現(xiàn)，人眼視覺系統(tǒng)的感知特性是非線性的，即在不同的灰度級(jí)范圍內(nèi)，視覺敏感度是不同的，在暗區(qū)，敏感度低，在亮區(qū)，敏感度高，因此傳統(tǒng)的直方圖均衡化方法在分配信息時(shí)沒有充分利用視覺敏感度。為解決這個(gè)問題，本文把灰度級(jí)按照視覺感知特性分為三個(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

27、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效果。</p><p>　　由上一段得知，需要把直方圖劃分為三個(gè)區(qū)域，即大量信息區(qū)與兩個(gè)少量信息區(qū)，信息區(qū)的劃分，尤其是最大信息區(qū)與最小信息區(qū)的劃分，不能總是依靠人眼，這樣算法移植性不高，而且由于圖像信息分布的多樣性，也不能固定閾值，比如，有的圖像灰度級(jí)較多且分布較均勻，

28、則閾值不能太小，因?yàn)槿绻峙涞阶顝?qiáng)感知區(qū)的信息量太多，則會(huì)有大量的信息分享有限的灰度級(jí)空間，導(dǎo)致小于人眼感知能力曲線的信息量增加，反而不利于感知圖像；有的圖像灰度級(jí)較少，這時(shí)閾值不能太大，因?yàn)楸疚钠谕馨汛罅啃畔⒈M可能的分配在最強(qiáng)敏感區(qū)及次強(qiáng)敏感區(qū)，也就是在不損害且充分利用最強(qiáng)感知區(qū)信息的情況下，把盡可能少的信息分配給最弱感知區(qū)。為了自適應(yīng)的獲取使圖像增強(qiáng)效果最佳的閾值，本文根據(jù)視覺感知模型設(shè)計(jì)了一個(gè)簡(jiǎn)單有效的圖像增強(qiáng)質(zhì)量客觀評(píng)價(jià)算法，

29、該算法除了能對(duì)增強(qiáng)效果進(jìn)行評(píng)價(jià)，也可以對(duì)參數(shù)進(jìn)行自適應(yīng)調(diào)節(jié)，從而獲得最佳調(diào)節(jié)參數(shù)。</p><p><b>　　人眼視覺系統(tǒng)概述</b></p><p>　　圖像信息是通過人的視覺來接收的。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，所以了解人的視覺系統(tǒng)特性及視覺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

30、的。視覺是人類的主要感覺來源，人類認(rèn)識(shí)外界信息中80%來自視覺。視覺器官“眼睛”接受外界的刺激信息，而大腦對(duì)這些信息通過復(fù)雜的機(jī)理進(jìn)行處理和解釋，使這些刺激具有明確的物理意義。視覺系統(tǒng)是一個(gè)復(fù)雜的完善的信息獲取和分析系統(tǒng)，它涉及許多學(xué)科，但目前尚有許多感知機(jī)理仍不清楚，這也是阻礙圖像處理發(fā)展的重要原因。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、人眼視覺感知系統(tǒng)作簡(jiǎn)單介紹。<

31、/p><p>　　人眼構(gòu)造及其光學(xué)感知特性</p><p>　　人眼的結(jié)構(gòu)和照相機(jī)相似，如圖2.1所示。眼睛的前部為一圓球，其平均直</p><p>　　圖 2.1 人眼的構(gòu)造</p><p>　　徑為20mm左右，它由三層薄膜包著，即角膜和鞏膜外殼、脈絡(luò)膜和視網(wǎng)膜。它的正前方六分之一是透明的角膜，角膜是一種硬而透明的組織，它蓋著眼睛的前表面，鞏

32、膜與角膜連在一起，鞏膜是一層包圍著眼球剩余部分的不透明的膜。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)的外來光和眼球內(nèi)的回射。在脈絡(luò)膜的最前面角膜的后面被分為睫狀體和虹膜。虹膜中間有一小圓孔稱為瞳孔。在虹膜環(huán)狀肌的作用下，瞳孔的直徑可在2~8mm間調(diào)節(jié)，從而控制進(jìn)入人眼的光通量，起到照相機(jī)光圈調(diào)節(jié)的作用。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。它

33、在睫狀肌的作用下，可以調(diào)節(jié)曲率改變焦距，使不同距離的景物可以在視網(wǎng)膜上成像。當(dāng)晶狀體的折射能力由最小變到最大時(shí)，晶狀體的聚集中心與視網(wǎng)膜之間的距離約由17mm縮小到14mm。當(dāng)眼睛聚集到遠(yuǎn)于3m的物體時(shí)，晶狀體的折射能力最弱，當(dāng)聚集到非常近的物體時(shí)，其折射能力最強(qiáng)。</p><p>　　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的光就在視網(wǎng)膜上成像。整個(gè)視網(wǎng)膜表面上

34、分布的分離的光接收器造成了圖案。這種光接收器可分為兩類：錐狀體和桿狀體。</p><p>　　錐狀細(xì)胞的直徑為2~6μ m，長(zhǎng)約40 μm，有500萬(wàn)個(gè)。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)亮度和顏色信息。每個(gè)錐狀細(xì)胞連接著一個(gè)視神經(jīng)末梢，因此黃斑區(qū)的分辨率極高，從而使人所感興趣物體的像落在視網(wǎng)膜的中央凹上，這樣人們利用這些錐體細(xì)胞就能充分地識(shí)別圖像的細(xì)節(jié)，形成人眼的明視。在

35、視網(wǎng)膜的其他部分分布著桿狀細(xì)胞，直徑約2~~7004μ m，長(zhǎng)約60 μm，共有7500~15000萬(wàn)個(gè)。由于分布面積較大且多個(gè)桿狀細(xì)胞與一個(gè)視覺神經(jīng)末梢相連，使接收器能夠識(shí)別細(xì)節(jié)的量減少了，即對(duì)細(xì)分辨率較低，只能給出視野中一般的輪廓，形成人眼的暗視。它們能在弱光下檢測(cè)亮度信息，但沒有色彩的感覺。例如，在白天呈現(xiàn)鮮明顏色的物體，在月光下卻沒有顏色，這是因?yàn)橹挥袟U狀細(xì)胞受到了刺激，而桿狀沒有色彩的感覺。</p><p&

36、gt;　　視錐細(xì)胞和視桿細(xì)胞統(tǒng)稱視細(xì)胞。圖2.2表示視細(xì)胞在視網(wǎng)膜上的分布情況。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)，沒有視細(xì)胞就形成“盲點(diǎn)”。對(duì)于落入盲點(diǎn)的圖像人眼無(wú)法看到。</p><p>　　圖 2.2 視細(xì)胞在視網(wǎng)膜上的應(yīng)用</p><p>　　從生理學(xué)角度看視覺有以下顯著特性：</p><p>　?。?）分辨率人

37、眼對(duì)于不同空間細(xì)節(jié)的分辨能力是變化的，視覺空間頻率響應(yīng)具有帶通濾波器的性質(zhì)，高頻端的靈敏度要低于低頻端的靈敏度，對(duì)高頻區(qū)域的噪聲或失真也不太敏感。</p><p>　?。?）同時(shí)對(duì)比度由于人眼對(duì)亮度有很強(qiáng)的適應(yīng)性，因此很難精確判斷刺激的絕對(duì)亮度。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。</p><p>　?。?）對(duì)比靈敏度實(shí)驗(yàn)表明，人眼辨別亮度差的能力是同周圍

38、環(huán)境以及照度本身的大小有關(guān)，即視覺對(duì)亮度偏差的敏感程度隨背景亮度變化呈非線性變化，總的來說在高亮度背景區(qū)人眼對(duì)亮度偏差的辨別力相比在低亮度區(qū)要強(qiáng)。把主觀上可識(shí)別的最小亮度差稱為亮度的可辨別閾值。</p><p>　?。?）視覺掩蔽效應(yīng)當(dāng)存在多個(gè)刺激量時(shí)，它們之間會(huì)相互干擾，導(dǎo)致視覺閾值的變化，它有多種表現(xiàn)形式，人眼對(duì)損傷的敏感度在非常亮或者非常暗的區(qū)域會(huì)下降，在圖像空間域變化大的區(qū)域會(huì)比變化小的區(qū)域低。</

39、p><p>　　2.2 人眼視覺感知系統(tǒng)</p><p>　　2.2.1 視覺信息傳遞過程</p><p>　　視覺是一個(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程，也就是從圖像獲得對(duì)觀察者有用的符號(hào)描述的過程。因此視覺是一個(gè)有明確輸入和輸出的信息處理問題。</p><p>　　人類視覺信息處理系統(tǒng)是由視覺器官、視覺通路和多級(jí)視覺中樞

40、組成，實(shí)現(xiàn)著視覺信息的產(chǎn)生、傳遞和處理。考慮到其中的視覺信息處理過程的復(fù)雜性，研究學(xué)者又將其劃分為視感覺處理和視知覺處理兩個(gè)階段。這樣，人眼視覺信息的處理則如圖2.3所示。</p><p>　　圖 2.3 人眼視覺的信息傳遞過程</p><p><b>　　2.2.2 感受野</b></p><p>　　研究發(fā)現(xiàn)，視覺通路上各個(gè)層次的神經(jīng)元感受

41、野尺寸是不同的，神經(jīng)元的層次越深入，其感受野的尺寸就越大，比如，視網(wǎng)膜中心（Fovea）具有較小的感受野，外周（Periphery）的則較大，這種層次體系被稱為感受野等級(jí)結(jié)構(gòu)。視網(wǎng)膜神經(jīng)節(jié)細(xì)胞和外側(cè)膝狀體神經(jīng)元的感受野呈同心圓中心-外周頡頏形式，即在感受野的中心與外圍，刺激對(duì)細(xì)胞響應(yīng)的影響正好相反。</p><p>　　視皮層神經(jīng)元的感受野對(duì)光點(diǎn)刺激沒有反應(yīng)，而是對(duì)具有一定形狀的刺激敏感，它們通常被形象的稱為特征

42、檢測(cè)器。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）。</p><p>　　感受野機(jī)制所反映出來的多尺度表示方法和中央外周（Center-Surround）計(jì)算策略是一種十分重要的視覺計(jì)算模型。</p><p>　　2.2.3 人類視覺系統(tǒng)的注意機(jī)制</p&

43、gt;<p>　　視覺注意(Visual Attention)是人類視覺的一項(xiàng)重要的心理調(diào)節(jié)機(jī)制。根據(jù)上文所述，視感受的信息處理方式是并行(Parallel Process)的，視知覺的信息處理方式是串行(Serial Process)的。這樣，視感覺過程所提供的信息量就會(huì)遠(yuǎn)遠(yuǎn)大于視知覺過程所能處理的信息量。將這嚴(yán)重失調(diào)的兩個(gè)過程聯(lián)系起來的橋梁正是視覺注意機(jī)制，它是視覺感知過程的引導(dǎo)者，是其高效性和可靠性的保障。</

44、p><p><b>　　認(rèn)識(shí)視覺注意</b></p><p>　　圖2.4是幾個(gè)視覺注意示例圖，從中可以非常明顯地感受到視覺注意的存</p><p>　　在。這三幅圖像中，(a)中的圓環(huán)，(b)中的圓盤和(c)中的135度線段會(huì)迅速引起人們的注意。之所以會(huì)出現(xiàn)這樣的反應(yīng)，正是由于視覺注意機(jī)制在發(fā)生作用。</p><p>　　

45、圖 2.4 視覺注意的示例圖</p><p><b>　　2.選擇性視覺注意</b></p><p>　　從視覺注意與視覺感知的關(guān)系中可以看到，選擇性是視覺注意眾多功能中最根本的一條，它表現(xiàn)為舍棄一部分信息，以便有效地處理重要信息的控制和調(diào)節(jié)能力。具體地說，人們?cè)谟^察一個(gè)場(chǎng)景時(shí)，總是有選擇地將注意力集中在場(chǎng)景中的某些最具吸引力的內(nèi)容上。從人的角度來看，這是一個(gè)從場(chǎng)景中

46、選擇內(nèi)容進(jìn)行觀察的過程，可以稱之為視覺選擇性（Visual Selection）；從場(chǎng)景的角度來看，場(chǎng)景中的某些內(nèi)容比其他內(nèi)容更能引起觀察者的注意，可以稱之為視覺顯著性（Visual Saliency）。兩者其實(shí)都是從不同的角度對(duì)選擇性視覺注意（Selective Attention）過程的描述。而在該過程中，引起注意的場(chǎng)景內(nèi)容則被稱為注意焦點(diǎn)（Focus ofAttention，簡(jiǎn)稱FOA）。</p><p>

47、　　選擇性視覺注意也是各個(gè)領(lǐng)域的研究者共同關(guān)心的一個(gè)焦點(diǎn)，目前大家對(duì)于視覺注意機(jī)制的研究幾乎全部集中在這一方面。人類視覺之所以能夠通過極為有限的信息處理資源完成極為復(fù)雜的信息處理任務(wù)，選擇性視覺注意的控制和調(diào)節(jié)能力在其中發(fā)揮著決定性的作用。</p><p><b>　　2.3 小結(jié)</b></p><p>　　本章首先介紹了人眼的生理結(jié)構(gòu)，初步了解了視覺的生理特性，然

48、后從心理學(xué)角度介紹了視覺信息的傳遞過程及其主要特性，并簡(jiǎn)要介紹了感受野，同時(shí)論知的關(guān)系、選擇性視覺注意。本章的這些研究為將人眼視覺特性引入到圖像增強(qiáng)算法中打下了堅(jiān)實(shí)的理論基礎(chǔ)。</p><p>　　人類視覺是非常復(fù)雜的，它是心理學(xué)領(lǐng)域長(zhǎng)期以來一直致力解決的主要問題之一，目前形成的許多理論仍然存在不少局限，這主要表現(xiàn)在：大多數(shù)觀點(diǎn)還停留在假說層次；許多理論還不夠完善；不同理論之間還有一些矛盾；有些方面仍然存在研究空

49、白。目前正在進(jìn)行的探索正在朝著統(tǒng)一的完整的理論方向前進(jìn)。</p><p>　　基于視覺注意機(jī)制的灰度級(jí)信息量直方圖構(gòu)造</p><p>　　3.1傳統(tǒng)直方圖的缺陷</p><p>　　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。但這種表達(dá)也存在嚴(yán)重缺陷：在灰度級(jí)統(tǒng)計(jì)時(shí)，完全丟失了灰度級(jí)的位置信息，使

50、得直方圖的統(tǒng)計(jì)結(jié)果并不能反映各灰度級(jí)對(duì)刻畫信息所起的作用，即出現(xiàn)灰度級(jí)統(tǒng)計(jì)量與信息量不一致問題。為了使以上分析更直觀，本文特別找了一幅圖像，如圖3.1(a)所示，圖中背景和刻畫信息灰度級(jí)區(qū)分較為明顯。從該圖像的直方圖統(tǒng)計(jì)結(jié)果可以看出，最大統(tǒng)計(jì)值僅是由背景提供，但圖中的主要細(xì)節(jié)信息卻是由直方圖中統(tǒng)計(jì)值較小的灰度級(jí)刻畫的，在直方圖增強(qiáng)處理中，刻畫背景的灰度級(jí)由于統(tǒng)計(jì)值較大，被分配了較大的灰度級(jí)空間，而真正刻畫主要信息的灰度級(jí)因統(tǒng)計(jì)值較少，很

51、難得到有效的拉伸，使得處理后的圖像質(zhì)量還不如原圖像的效果，見圖3.1(b)。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。</p><p>　　圖 3.1 rose原圖和采用GHE算法的增強(qiáng)圖像及相應(yīng)的直方圖</p><p>　　3.2常用的區(qū)域顯著性度量方法</p><

52、;p>　　根據(jù)顯著性度量方法的不同，可將目前的顯著區(qū)域檢測(cè)算法分為兩大類。第1類是基于局部特征的算法，即從候選區(qū)域內(nèi)部提取顯著性特征。這類方法認(rèn)為視覺顯著性的產(chǎn)生是由于視覺對(duì)象本身具有某種能夠引起觀察者注意的特殊屬性。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（complexity）作為其顯著性特征，并通過該鄰域的灰度直方圖的熵描述其復(fù)雜性；Gesu通過離散對(duì)稱性變換（DST）和離散矩變

53、換（DMT）的結(jié)合描述像素鄰域的顯著性。該方法往往是針對(duì)某些特定的目標(biāo)或圖像提出來的，通用性較差。第2類是基于視覺反差的算法，即利用候選區(qū)域與外界比較產(chǎn)生的差異值或差異矢量來描述顯著性。這類方法認(rèn)為視覺顯著性的產(chǎn)生是由于視覺對(duì)象與外界通過某種對(duì)比形成的能夠引起觀察者注意的新異刺激。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描述顯著性。比如：Wai通過DOG算子比較候選區(qū)域與周邊區(qū)域的灰度差異Itti通過中央-

54、周邊（Center-surround）算子比較候選區(qū)域與周邊區(qū)域在亮度、顏色和朝向這些早期視覺特征上的差異等。有人用候選區(qū)域與整幅圖像比</p><p>　　3.3基于數(shù)據(jù)驅(qū)動(dòng)的視覺注意機(jī)制的顯著性度量方法</p><p>　　視覺注意包括兩種類型：自底向上注意和自頂向下注意。從而導(dǎo)致視覺注意模型包括兩種：（1）采用bottom-up控制策略的數(shù)據(jù)驅(qū)動(dòng)注意機(jī)制，由作為底層數(shù)據(jù)的視覺刺激驅(qū)動(dòng)

55、，與作為高層知識(shí)的觀察任務(wù)無(wú)關(guān)。（2）采用top-down控制策略的任務(wù)驅(qū)動(dòng)注意機(jī)制，它引入外部命令，以適應(yīng)外界命令的要求，從而達(dá)到將注意力集中于特定目標(biāo)的目的。按照大腦中存在兩個(gè)視覺通路（what通路和where通路）的理論，數(shù)據(jù)驅(qū)動(dòng)的注意模型可以用來提供what信息，而任務(wù)驅(qū)動(dòng)的注意模型可以用來解決where通路的問題。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

56、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。本文的研究也主要應(yīng)用的是數(shù)據(jù)驅(qū)動(dòng)的注意機(jī)制。</p><p>　　3.3.1 多尺度采樣</p><p>　　多尺度采樣模擬人類在掃視采集時(shí)對(duì)集采尺度的選擇過程。這一機(jī)制最早由Zeevi等在研究人類視網(wǎng)膜中心錐狀細(xì)胞的分布時(shí)發(fā)現(xiàn)，隨后在模擬生物視覺的模型中被頻繁采用。圖3-3所示為視網(wǎng)膜細(xì)胞對(duì)視覺信息的采樣模式

57、。Itti提出了高斯金字塔模型，非均勻采樣體現(xiàn)在不同的采樣層次上。為了抽取圖像中的多尺度信息，對(duì)輸入圖像逐級(jí)進(jìn)行子采樣和Gauss濾波，得到同一幅圖像的不同分辨率表示。在多尺度采樣中，原始圖像在最底層，由下而上，各層圖像分別是通過對(duì)其相鄰下層圖像濾波再采樣獲得的，圖像分辨率在水平和垂直方向分別以2為因子遞減。</p><p>　　3.3.2 初級(jí)特征提取</p><p>　　輸入圖像的三個(gè)

58、顏色信道:紅色、綠色、藍(lán)色,分別用r、g 、b符號(hào)來表示則圖像的灰度特征可以通過下面公式得到： I =(r +g +b)/3。為了從強(qiáng)度中分離出色度信號(hào)，使用I來歸一化信道。因?yàn)榱炼确浅５偷纳茸兓遣煊X不到的，因此也是不顯著的，故歸一化僅在灰度大于全圖最大的1/10位置上進(jìn)行，而其他位置的值則被賦為0。根據(jù)歸一化后的r，建立4個(gè)寬調(diào)諧的顏色通道：紅色R =r -(g +b)/2，綠色G =g -(r +b )/2，藍(lán)色B =b -(r

59、 +g)/2和黃色Y =(r+g )/2-|r –g|/2-b，負(fù)值則置為0。</p><p>　　3.3.3 中央周邊差</p><p>　　中央周邊操作是指典型的視覺神經(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)。顯然，這樣的對(duì)局部空間不連續(xù)性的敏感結(jié)構(gòu)特別適用于檢測(cè)相對(duì)于其局部周圍突出的區(qū)域。模型中的中央周邊差是通過計(jì)算不同尺度下圖像特征

60、圖的差值來實(shí)現(xiàn)的。具體做法是將粗尺度下的特征圖插值變細(xì)尺度下的特征圖，然后再進(jìn)行點(diǎn)對(duì)點(diǎn)減法。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。所以細(xì)尺度特征圖代表中央?yún)^(qū)域，粗尺度特征圖代表周邊區(qū)域。計(jì)算公式如下：</p><p>　　其中，S↑(.)為二進(jìn)插值算子, Is to c為將s尺度的亮度特征圖像插值為c尺度的特征圖像，c、s分別為中心層及外周層，在本文中特征金字塔的

61、{0}層為中心層c，外周層為s=c+δ，δ=[1,2]。計(jì)算結(jié)果稱為對(duì)比映射圖。</p><p>　　3.3.4 多特征圖合并策略</p><p>　　初級(jí)視覺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。這些特征顯著性描述需要按照一定的策略合并為一張全局顯著圖，因?yàn)樽罱K供注意機(jī)制選擇的是全局顯著圖中的多個(gè)目標(biāo)。該過程通過兩步合并操作完成：1）合并不同尺度下同一

62、類特征對(duì)比映射圖，獲取特征顯著性描述；2）融合不同種類特征顯著性描述，得到全局顯著圖。組合特征圖的困難在于它們表達(dá)的特征是不可比的,各自具有不同的動(dòng)態(tài)范圍和提取機(jī)制,而且由于所有特征圖都被組合在一起,僅僅在某些圖中出現(xiàn)的顯著目標(biāo),可能被圖中大量的噪聲或不太顯著的目標(biāo)所淹沒。</p><p>　　3.4 灰度級(jí)信息量直方圖構(gòu)造算法</p><p>　　本文采用上節(jié)提到的基于視覺注意機(jī)制的顯著

63、性計(jì)算方法來構(gòu)造新型直方圖。大量實(shí)驗(yàn)表明，該算法的測(cè)算結(jié)果與視覺主觀分析結(jié)果基本吻合。</p><p><b>　　具體過程如下：</b></p><p>　　1．將原始圖像進(jìn)行多尺度采樣，分解為高斯金字塔形式。</p><p>　　2．對(duì)金字塔的每一層分別提取多個(gè)初級(jí)視覺特征。由于本文的圖像增強(qiáng)算</p><p>　　

64、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。</p><p>　　3．按公式分別進(jìn)行亮度與朝向特征的中央周邊差計(jì)算。</p><p>　　4．最后利用全局加強(qiáng)法將多特征對(duì)比映射圖進(jìn)行合并處理，得到全局顯著圖。</p><p>　　5．全局顯著圖進(jìn)行歸一化得到各像素的復(fù)雜度加權(quán)系數(shù)saliency (i ,j)。</p><p&

65、gt;　　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。</p><p>　　4 基于人眼視覺特性的圖像增強(qiáng)方法</p><p>　　針對(duì)上文提到的傳統(tǒng)直方圖均衡方法描述的缺陷：在灰度級(jí)調(diào)整過程中沒有充分利用視覺敏感區(qū)段，本文研究

66、了人眼視覺系統(tǒng)，視覺特性參數(shù)表明，人眼對(duì)不同亮度背景下灰度偏差的感知能力存在差異，在暗背景下辨別能力較弱。因此，本章根據(jù)人眼視覺感知特性將灰度級(jí)信息量分為三部分，分別對(duì)每部分進(jìn)行灰度級(jí)動(dòng)態(tài)范圍的調(diào)整。另外在圖像灰度級(jí)統(tǒng)計(jì)時(shí)，往往會(huì)出現(xiàn)一些比重過大的灰度級(jí)，稱為主導(dǎo)灰度級(jí)，這些灰度級(jí)在直方圖拉伸處理中將占用較大范圍的灰度級(jí)空間，而灰度級(jí)整個(gè)動(dòng)態(tài)空間資源只有256級(jí)，這無(wú)疑會(huì)影響其它灰度級(jí)的表現(xiàn)。為解決這個(gè)問題，本文采用人眼感知能力曲線對(duì)主

67、導(dǎo)灰度級(jí)進(jìn)行限幅處理。最后在灰度級(jí)信息量直方圖基礎(chǔ)上，結(jié)合人眼視覺特性，提出了一種新的圖像增強(qiáng)方法，該方法使增強(qiáng)圖像保留了更多的細(xì)節(jié)信息，獲得滿意的視覺效果。</p><p>　　另外，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)各視覺敏感度區(qū)段的信息量分配比例做一定的調(diào)節(jié)，而傳統(tǒng)的基于直方圖的圖像增強(qiáng)方法并不能自適應(yīng)地獲取灰度級(jí)調(diào)整的優(yōu)化配置參數(shù)，由于評(píng)價(jià)算法除了能對(duì)增強(qiáng)效果進(jìn)行評(píng)價(jià)，也可以

68、對(duì)參數(shù)進(jìn)行自適應(yīng)調(diào)節(jié)，為此本文依據(jù)視覺感知模型設(shè)計(jì)了一個(gè)圖像增強(qiáng)質(zhì)量客觀評(píng)價(jià)算法，并依據(jù)該評(píng)價(jià)算法的分析結(jié)果，自適應(yīng)地獲取最佳調(diào)節(jié)參數(shù)。</p><p>　　4.1 灰度級(jí)動(dòng)態(tài)范圍的優(yōu)化配置</p><p>　　所謂動(dòng)態(tài)范圍是指待處理圖像的灰度級(jí)經(jīng)過調(diào)整后所占據(jù)的空間范圍。在</p><p>　　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&l

69、t;/p><p>　　灰度級(jí)限幅處理。下面將從這兩方面展開研究。</p><p>　　4.1.1傳統(tǒng)的灰度級(jí)動(dòng)態(tài)范圍優(yōu)化配置方法</p><p>　　傳統(tǒng)的灰度級(jí)動(dòng)態(tài)范圍調(diào)整方法主要包括線性動(dòng)態(tài)范圍調(diào)整及非線性動(dòng)態(tài)范圍調(diào)整。線性動(dòng)態(tài)范圍調(diào)整是最簡(jiǎn)單的灰度級(jí)動(dòng)態(tài)范圍調(diào)整方法，觀察者可以改變?nèi)魏位叶燃?jí)范圍內(nèi)的對(duì)比度。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。直方圖均

70、衡化是非線性動(dòng)態(tài)范圍調(diào)整中最常用的一種方法，其實(shí)質(zhì)是有選擇地增強(qiáng)圖像中的某些信息（占有較多像素的灰度）而抑制另一些信息（占有較少像素的灰度）。雖然直方圖均衡化在一定程度上使得處理后的圖像灰度得以較均勻的分布，改善了圖像的視覺效果，但如第一章所述，直方圖均衡化方法并沒有考慮到人眼感知的非線性特性，即它是在假定不同的灰度級(jí)的視覺敏感度一樣的基礎(chǔ)上進(jìn)行動(dòng)態(tài)范圍調(diào)整的，并不能充分利用視覺敏感區(qū)段。</p><p>　　由

71、于在圖像灰度級(jí)統(tǒng)計(jì)時(shí)，往往會(huì)出現(xiàn)部分主導(dǎo)灰度級(jí)統(tǒng)計(jì)值過大的情況，使得圖像處理后出現(xiàn)振鈴現(xiàn)象、噪聲過增強(qiáng)等問題，并且這些灰度級(jí)因?yàn)檎紦?jù)了較大灰度級(jí)空間，進(jìn)而影響其它灰度級(jí)的表現(xiàn)。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。</p><p>　　4.1.2 基于視覺特性的灰度級(jí)動(dòng)態(tài)范圍調(diào)整優(yōu)化</p><p>　　圖像增強(qiáng)的目的之一是為了改善圖像的視覺效果，以增強(qiáng)人眼對(duì)圖中信息的辨別能力

72、。對(duì)人眼視覺系統(tǒng)的研究，一方面為算法的改進(jìn)提供新的線索，另一方面為設(shè)計(jì)圖像增強(qiáng)的量化評(píng)估算法提供依據(jù)。臨界可見偏差(Just Noticeable Difference,JND)是現(xiàn)已提出的能反映人眼視覺辨別力的重要參數(shù)，它揭示了人眼在不同亮度背景下對(duì)亮度偏差的感知規(guī)律。下面簡(jiǎn)要介紹JND相關(guān)背景。</p><p>　　臨界可見偏差這一概念最早是由Jayant提出，在圖像壓縮編碼設(shè)計(jì)和評(píng)估中被普遍采用，但JND與

73、圖像增強(qiáng)也有著密切的關(guān)系，它反映了人眼在不同亮度背景條件下能分辨的最小亮度偏差，這也是細(xì)節(jié)信息被有效增強(qiáng)的最低門限要求。</p><p>　　已有的視覺研究成果表明，人眼所能感覺到的最小亮度差與觀察對(duì)象的背景有關(guān)[52]，即視覺對(duì)亮度偏差的敏感程度隨背景亮度變化呈非線性變化，總的來說在高亮度背景區(qū)人眼對(duì)亮度偏差的辨別力比在低亮度區(qū)要強(qiáng)。圖4.1所示直觀顯示了視覺在不同背景條件下的感知差異，圖4.1（b）是將圖4.

74、1（a）中的所有灰度級(jí)值加上50得到的，這等效于將原圖像整體亮度提升了50個(gè)灰度級(jí)。從這兩圖對(duì)比可以看出，原圖像中暗區(qū)不可見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或更易辨別。但圖像整體亮度的提升并沒有改變?cè)瓐D像暗區(qū)灰度之間的偏差。</p><p>　　圖 4.1 視覺在不同亮度背景下的視覺差異</p><p>　　本文利用臨界可見偏差對(duì)主導(dǎo)灰度級(jí)進(jìn)行限幅，

75、其基本思路如下:首先判斷分配給每個(gè)灰度級(jí)的動(dòng)態(tài)范圍是否超出了JND相應(yīng)灰度級(jí)的值，如果超過了，則被認(rèn)定為是主導(dǎo)灰度級(jí)，將其灰度值限幅為相應(yīng)的JND值，否則則為非主導(dǎo)灰度級(jí)，保留原有的值。此即為對(duì)主導(dǎo)灰度級(jí)動(dòng)態(tài)范圍進(jìn)行限幅處理。但應(yīng)當(dāng)注意的是，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。對(duì)主導(dǎo)灰度級(jí)進(jìn)行限幅處理后，會(huì)節(jié)省一些灰度空間，可以把這些灰度空間按照統(tǒng)計(jì)值大小分配給除主導(dǎo)灰度級(jí)以

76、外的其它灰度級(jí)。</p><p>　　4.2 圖像增強(qiáng)質(zhì)量客觀評(píng)估算法</p><p>　　近年來，關(guān)于圖像增強(qiáng)算法的研究報(bào)道很多，各種算法也都有其各自的特點(diǎn)和優(yōu)勢(shì)，在實(shí)際應(yīng)用過程中就需要對(duì)各種圖像增強(qiáng)算法進(jìn)行評(píng)價(jià)和分析。此外，由于圖像內(nèi)容的多樣性，很多算法為了獲得更佳的性能，設(shè)置了一些可供調(diào)節(jié)的參數(shù)，如果沒有通用的圖像增強(qiáng)效果評(píng)價(jià)指標(biāo)，這些參數(shù)的調(diào)節(jié)大多只能依靠操作人員憑借經(jīng)驗(yàn)累試完成，

77、使得增強(qiáng)算法普遍存在魯棒性和推廣性較差的問題。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。</p><p>　　在本文中，評(píng)價(jià)的對(duì)象是增強(qiáng)后的自然圖像，即非壓縮、非紅外等不可見光所形成的圖像。而且目前人們關(guān)注的圖像質(zhì)量評(píng)價(jià)主要側(cè)重于與人的視覺感知一致，也就是說自動(dòng)評(píng)價(jià)的結(jié)果應(yīng)該

78、盡量符合人們對(duì)圖像質(zhì)量的真實(shí)感受，因而在本文中引入人眼視覺感知特性，以符合人眼觀察圖像的效果。</p><p>　　4.2.1 人眼視覺調(diào)制傳遞函數(shù)</p><p>　　在實(shí)際應(yīng)用中，許多圖像處理與分析的目的是改善圖像視覺質(zhì)量以便于人們對(duì)圖像的分析。因此了解人的視覺系統(tǒng)特性及視覺信息處理特性對(duì)于圖像質(zhì)量評(píng)價(jià)是很有必要的。視覺系統(tǒng)是一個(gè)復(fù)雜完善的信息獲取和分析系統(tǒng)，它涉及許多學(xué)科，目前尚有許

79、多感知機(jī)理仍不清楚，這也是阻礙圖像質(zhì)量評(píng)價(jià)發(fā)展的重要原因。</p><p>　　一般把人眼看成一個(gè)精密的光學(xué)系統(tǒng)，可以用分析光學(xué)系統(tǒng)的方法來研究人眼的視覺特性。傳遞函數(shù)已被證明是評(píng)價(jià)光學(xué)/光電成像系統(tǒng)的有效工具，但僅適用于線性平移不變系統(tǒng)。人眼視覺由于視網(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)。人眼視覺系統(tǒng)的傳遞特性用調(diào)制傳遞函數(shù)MTF (f)來表示。以往較多地

80、使用高斯或指數(shù)型的低通濾波器模型，但這兩種視覺模型均忽略了頻率在以下的MTF分布，使理論的正確性及完整性存在不完善之處。實(shí)際上，在考慮人眼與視網(wǎng)膜條件下，人眼傳遞函數(shù)更接近于帶通濾波器。</p><p>　　4.2.2 基于視覺感知特性及人眼調(diào)制傳遞函數(shù)的圖像增強(qiáng)評(píng)估算法</p><p>　　在上節(jié)已對(duì)人眼視覺感知特性進(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

81、異，人眼視覺調(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。此外，在圖像增強(qiáng)處理過程中，平滑區(qū)也會(huì)有不同程度的增強(qiáng)，有時(shí)增強(qiáng)力度甚至超過了細(xì)節(jié)區(qū)，這時(shí)圖像的整體視覺效果很差，但MSE和PSNR的測(cè)算結(jié)果卻較好，因?yàn)檫@兩項(xiàng)指標(biāo)是依據(jù)全局灰度變化的分析指標(biāo)，這與人眼的視覺判定結(jié)果出現(xiàn)了較大的偏差。研究發(fā)現(xiàn)，圖像中細(xì)節(jié)區(qū)（感興趣區(qū)域）的增強(qiáng)效果在人的視覺評(píng)判中起決定性作用。

82、因此常用的經(jīng)典評(píng)價(jià)算法用于圖像增強(qiáng)評(píng)估存在一定的局限性：1）沒有考慮人眼視覺的感知特點(diǎn)；2）未區(qū)分圖像細(xì)節(jié)區(qū)（信息區(qū)）和平滑區(qū)。</p><p>　　基于以上分析，本章采用基于視覺感知特性的圖像增強(qiáng)評(píng)估算法。視覺研究表明，圖像增強(qiáng)質(zhì)量的好壞與圖像內(nèi)有效感知灰度級(jí)躍變數(shù)量的大小直接相關(guān)，即圖像的有效感知躍變數(shù)量越大，圖像細(xì)節(jié)就顯得越豐富、越清晰，圖像增強(qiáng)效果也越好。因此，可通過測(cè)定圖像內(nèi)的有效感知像素點(diǎn)個(gè)數(shù)，來判斷

83、圖像的增強(qiáng)情況。單個(gè)像素點(diǎn)是否被感知可以通過該像素點(diǎn)灰度級(jí)與局部鄰域像素的灰度級(jí)偏差來確定，當(dāng)與某一鄰近像素灰度偏差大于給定閾值時(shí)，該點(diǎn)可作為有效感知像素點(diǎn)。為了克服圖像整體視覺效果較差，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。區(qū)域的劃分是依據(jù)視覺注意機(jī)制得到的全局顯著圖的結(jié)果，閾值設(shè)為0.1。</p><p><b>　　其具體過

84、程如下:</b></p><p>　　1．根據(jù)公式以M ×M的模板計(jì)算圖像灰度的變化頻率，并根據(jù)公式轉(zhuǎn)化為人眼的空間頻率；</p><p>　　2．根據(jù)公式計(jì)算出圖像中各個(gè)像素對(duì)應(yīng)的MTF值及頻率值，并對(duì)MTF進(jìn)行歸一化；</p><p>　　3．以像素(x,y)位置為中心，計(jì)算出該像素周圍的背景平均亮度 (x,y)；</p>&

85、lt;p>　　4．在局部平均亮度基礎(chǔ)上，計(jì)算出亮度閾值，即局部區(qū)域的JND(x,y)參數(shù)值；</p><p>　　5．對(duì)MTF進(jìn)行分段考慮，即當(dāng)MTF位于0.8～1時(shí)，臨界可見偏差為JND曲線；隨著MTF的衰減，MTF衰減多少倍，JND就增加多少倍，但為了使圖像符合人眼感知效果，可適當(dāng)?shù)恼{(diào)整JND值；</p><p>　　6．計(jì)算中心像素相對(duì)背景平均亮度的躍變強(qiáng)度；</p>

86、;<p>　　7．當(dāng)躍變強(qiáng)度ΔI(x,y)≥JND(x,y)時(shí)，可判斷該位置存在一有效的感知躍變，并將該像素位置的標(biāo)記設(shè)為1，否則置0；</p><p>　　8．重復(fù)步驟1到7，對(duì)增強(qiáng)圖像所有像素位置的躍變情況進(jìn)行分析，得到二值化表示的有效感知躍變分布圖；</p><p>　　9．利用全局顯著圖將待分析的圖像分為細(xì)節(jié)區(qū)和平滑區(qū)；</p><p>　　1

87、0．統(tǒng)計(jì)細(xì)節(jié)區(qū)內(nèi)有效感知躍變數(shù)，并與細(xì)節(jié)區(qū)總的像素點(diǎn)數(shù)相除，得到該區(qū)域有效感知躍變百分?jǐn)?shù)P，作為細(xì)節(jié)區(qū)增強(qiáng)效果的評(píng)判指標(biāo)，P值越大表明細(xì)節(jié)區(qū)增強(qiáng)效果好。</p><p>　　4.3 圖像增強(qiáng)算法描述</p><p>　　算法首先按照上一章所給出的基于視覺注意機(jī)制的灰度級(jí)信息量直方圖構(gòu)造方法得到灰度級(jí)信息量直方圖；然后采用類似直方圖均衡思想，計(jì)算分配給各灰度級(jí)的動(dòng)態(tài)范圍，并對(duì)其中動(dòng)態(tài)范圍較大

88、（或統(tǒng)計(jì)量較大）的主導(dǎo)灰度級(jí)（動(dòng)態(tài)范圍>JND(r)），進(jìn)行限幅處理；最后將限幅處理后節(jié)省的灰度級(jí)空間按照信息量大小分配給其它非主導(dǎo)灰度級(jí)，以實(shí)現(xiàn)整個(gè)灰度級(jí)空間的優(yōu)化配置，使圖像獲得了滿意的增強(qiáng)效果。</p><p>　　如果把JND曲線按照視覺感知特性分為三個(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

89、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效果。因此本文將圖像的整個(gè)灰度范圍分為三個(gè)區(qū)域，各區(qū)域依據(jù)直方圖中灰度信息量大小分配灰度級(jí)的動(dòng)態(tài)范圍W(r)，其計(jì)算公式如下：</p><p>　　其中，為灰度級(jí)r的信息量統(tǒng)計(jì)值，N為所有灰度級(jí)信息量統(tǒng)計(jì)值之和，GL為所在區(qū)域的灰度級(jí)范圍，本文設(shè)定第一個(gè)區(qū)域的灰度級(jí)范圍為75，第二個(gè)區(qū)域的灰度級(jí)范圍為125，第三個(gè)區(qū)域的灰度級(jí)范圍為56。<

90、;/p><p>　　由于新型直方圖很好地改善了傳統(tǒng)直方圖中灰度級(jí)統(tǒng)計(jì)量與刻畫信息量不相關(guān)問題，使得算法能對(duì)刻畫信息的主要灰度級(jí)進(jìn)行有效地拉伸。此外，算法充分利用視覺感知特點(diǎn)，優(yōu)化配置灰度級(jí)的動(dòng)態(tài)范圍，使圖像不僅保留了更多的細(xì)節(jié)信息，并且獲得了滿意的視覺效果。</p><p>　　4.4 實(shí)驗(yàn)結(jié)果與分析</p><p>　　4.4.1 圖像質(zhì)量評(píng)價(jià)算法實(shí)驗(yàn)結(jié)果</p

91、><p>　　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。結(jié)果如下：</p><p>　　圖 4.2 圖像質(zhì)量評(píng)價(jià)算法結(jié)果</p><p>　　4.4.2圖像增強(qiáng)算法實(shí)驗(yàn)結(jié)果</p><p>　　本節(jié)選用幾組典型的圖像，對(duì)本章提出的增強(qiáng)算法與兩種經(jīng)典的算法做了對(duì)比實(shí)驗(yàn)，這兩種算法是全局算法的代表GHE算法和局部算法的代表AHE算法。&l

92、t;/p><p>　　圖 4.3 對(duì)圖像分布不均的圖像增強(qiáng)效果比較</p><p>　　圖 4.4 處理噪聲強(qiáng)度較大的圖像增強(qiáng)效果比較</p><p><b>　　5 總結(jié)與展望</b></p><p>　　本文將視覺注意機(jī)制引入到灰度級(jí)信息量直方圖構(gòu)造過程中，在此基礎(chǔ)上，結(jié)合視覺特性約束，提出了一種基于灰度級(jí)信息量直方圖的

93、圖像增強(qiáng)新算法，至此本文主要完成了以下工作：</p><p>　　1．首先分析了傳統(tǒng)直方圖數(shù)據(jù)描述形式的局限性，即灰度級(jí)統(tǒng)計(jì)量與其承載信息量不相關(guān)討論了這種不一致關(guān)系對(duì)圖像增強(qiáng)處理產(chǎn)生的不利影響：難以保證對(duì)主要刻畫信息的灰度級(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。</p><p>　　2．為了克服傳統(tǒng)直方圖構(gòu)造的缺陷，本文提出了一種新的基于視覺注意機(jī)制的灰度級(jí)信息

94、量直方圖構(gòu)造方法，該直方圖利用視覺注意機(jī)制衡量了圖像中任意位置的灰度級(jí)的重要性，從而保證增強(qiáng)算法能對(duì)主要刻畫信息的灰度級(jí)進(jìn)行有效的拉伸。</p><p>　　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)整過程中，沒有充分利用視覺敏感區(qū)段。為此，本文對(duì)人眼視覺感知能力進(jìn)行了研究針對(duì)其特點(diǎn)將JND曲線分為不同的視覺敏感度區(qū)段，提出了將不同比例的灰度級(jí)信息量分配至不同的視覺敏感度區(qū)段。</p>

95、<p>　　4．針對(duì)圖像信息分布的多樣性，為了獲得更好的圖像增強(qiáng)效果，有必要對(duì)分配到各敏感度區(qū)段的信息量比例做一定的調(diào)節(jié)，為此本文提出了一種新的依</p><p>　　據(jù)視覺感知特性的圖像增強(qiáng)質(zhì)量客觀評(píng)估算法。</p><p>　　5．基于新型的直方圖及視覺特性參數(shù)約束，提出了一種新的增強(qiáng)算法，并經(jīng)過實(shí)驗(yàn)驗(yàn)證，該算法整體性能較優(yōu)，處理后的圖像具有滿意的視覺效果。</p&

96、gt;<p>　　6.圖像增強(qiáng)質(zhì)量客觀評(píng)估算法充分考慮了人眼頻率的帶通特性及視覺對(duì)比敏感性，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。</p><p>　　本文考慮了人眼視覺的生理及心理特性，因此有一定的先進(jìn)性，但由于目</p><p>　　前對(duì)人眼的心理特性和生理特性研究的不徹底，因此還有一定的缺陷。</p><p>　　結(jié)合當(dāng)前圖像增強(qiáng)算法的研究方向

97、和本文的研究工作，作者認(rèn)為本文的研</p><p>　　究工作可以從以下幾方面進(jìn)行完善：</p><p>　　1．采用信息融合技術(shù)的圖像增強(qiáng)算法研究</p><p>　　不同增強(qiáng)算法或同一算法不同參數(shù)設(shè)置，增強(qiáng)后的圖像局部域效果都存在一定的差異。那么如何充分利用這種差異，綜合各種不同處理方法的增強(qiáng)圖像及原始圖像在不同局部域的優(yōu)點(diǎn)，使得最終的圖像獲得更好的增強(qiáng)效果，是

98、一個(gè)值得深入研究的問題。目前還未見這方面類似的報(bào)道。該問題包括了多個(gè)子問題的研究：融合算法的對(duì)比研究；不同算法的增強(qiáng)圖像的融合研究；同一算法不同參數(shù)設(shè)置獲取的多幅增強(qiáng)圖像的融合研究等。</p><p>　　2．結(jié)合圖像評(píng)估算法，優(yōu)化配置灰度級(jí)動(dòng)態(tài)空間</p><p>　　本文提出的圖像評(píng)估算法不僅可用于評(píng)估圖像整體的增強(qiáng)效果，同時(shí)也可用于測(cè)試每一個(gè)灰度級(jí)的有效感知點(diǎn)數(shù)。實(shí)驗(yàn)測(cè)試發(fā)現(xiàn)，適當(dāng)?shù)?/p>

99、調(diào)整圖像的主導(dǎo)灰度級(jí)動(dòng)態(tài)范圍，還可以進(jìn)一步提高有效感知點(diǎn)數(shù)，因此，可以將現(xiàn)有的各灰度級(jí)動(dòng)態(tài)范圍作進(jìn)一步優(yōu)化調(diào)整，使最終的圖像滿足評(píng)測(cè)結(jié)果最優(yōu)。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)）？這些問題還需進(jìn)一步研究。</p><p><b>　　3．參數(shù)的自動(dòng)調(diào)節(jié)</b></p><p>　　本文的一些參數(shù)，如在評(píng)估算法中，不同的頻率

100、段對(duì)JND閾值的要求也不同，本文是根據(jù)圖像自身像素灰度級(jí)的變化劇烈程度人為設(shè)定的JND閾值，算法的可移植性差。因此希望可以通過評(píng)估算法選擇一個(gè)最有利的JND參數(shù)，或總結(jié)各種圖像的頻率分布特點(diǎn)，依據(jù)這些特點(diǎn)可以能夠自動(dòng)確定最優(yōu)參數(shù)值。</p><p>　　4．圖像增強(qiáng)技術(shù)與人眼視覺特性的結(jié)合</p><p>　　圖像增強(qiáng)的目的是改善圖像視覺質(zhì)量以便于人們對(duì)圖像的分析，但雖然圖像增強(qiáng)技術(shù)快速發(fā)

101、展，經(jīng)常有新算法出現(xiàn)，可是這些算法所得結(jié)果總是不能達(dá)到人眼所見效果，其中主要原因是現(xiàn)在尚有許多人眼感知機(jī)理仍不清楚，這也是阻礙圖像處理技術(shù)發(fā)展的重要原因。圖像處理技術(shù)與人眼視覺特性相結(jié)合是今后研究工作的方向性問題，必須要解決。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1]高彥平，圖像增強(qiáng)方法的研究與實(shí)現(xiàn)：[碩士學(xué)位論文]，河北；河北科技大學(xué)

102、，</p><p><b>　　2005</b></p><p>　　[2]阮秋琦，數(shù)字圖像處理學(xué)，北京：電子工業(yè)出版，2001.192~199</p><p>　　[3]K.R.Castleman著，朱志剛等譯，數(shù)字圖像處理，北京：電子工業(yè)出版社，1998</p><p>　　[4]夏良正，數(shù)字圖像處理，南京：東南大學(xué)

103、出版社，2001，6：138~148</p><p>　　[5]朱秀昌，劉峰，胡棟，數(shù)字圖像處理與圖像通信，北京：北京郵電大學(xué)出版</p><p>　　社，2002.67~70</p><p>　　[6]周新倫，數(shù)字圖像處理，北京：國(guó)防工業(yè)出版社，1986.106~110</p><p>　　[7]Pizer S M,Zimmerman J