科技通報

PSO約束優化耦合直方圖均衡化的圖像增強算法

點擊數:10    日期:2016-10-24 08:54:23

針對當前圖像增強算法中灰度歸一化重新分配時產生均值漂移,難以有效保留圖像細節信息和亮度保護等問題
  

  摘 要: 針對當前圖像增強算法中灰度歸一化重新分配時產生均值漂移,難以有效保留圖像細節信息和亮度保護等問題,提出了一種基于PSO約束優化與直方圖均衡化的圖像增強算法。引入最大類間方差法(Otsu),將輸入圖像分割為目標子圖像和背景子圖像兩部分,并對二者分別均衡化,以提高目標與背景子圖像的對比度;并根據閾值加權約束分別計算目標和背景子圖像的約束;并引入粒子群優化(PSO)算法,對目標和背景子圖像的約束主要參數進行優化,確定最優約束值;聯合目標子圖像與背景子圖像的最優約束值完成圖像增強。實驗結果表明,與當前增強方法相比,所提出的算法具有更好的亮度保護和對比度增強效果,較好地保留了輸入圖像的細節信息。
關鍵詞: 直方圖均衡化; 最大類間方差法; 對比度增強; 粒子群優化
本文引用《現代電子技術
0 引 言
在圖像和影像處理過程中,利用對比度增強技術能夠獲得更好的視覺感官。在一般情況下,直方圖均衡化的對比度增強是通過輸入圖像強度再分配來實現的,且直方圖改變是大多數對比度增強技術的基本方法[1]。因此,將直方圖均衡化(HE)運用于輸入圖像的線性累積直方圖,在輸入圖像的動態強度范圍內分布其像素值。目前在醫學圖像處理、語音識別、紋理合成、衛星圖像處理等方面有廣泛的應用[2]。
對此,眾多學者對圖像增強技術進行研究,如P. Shanmugavadivu等在HE基礎上提出了基于亮度保持的直方圖均衡化方法(BBHE)[3],其依據輸入圖像的均值將直方圖分為兩部分:其中一部分從最小灰度值到平均灰度值;另一部分從平均灰度值到最大灰度值,然后使得兩直方圖均衡獨立。實驗結果顯示該技術能保持原始圖像的亮度。Kim等提出了子區域的直方圖均衡化(SRHE)[4],該方法利用高斯濾波分割輸入圖像,平滑亮度值,并輸出銳化圖像。Wang Q等提出了一種加權閾值直方圖均衡化(WTHE)[5]。這種技術提供了一種自適應的機制控制增強過程,該方法能夠適應不同的圖像,易于控制。
然而,當前圖像增強算法中灰度歸一化重新分配時產生均值漂移,難以有效保留圖像細節信息和亮度保護。對此,本文在直方圖均衡化基礎上提出了一種PSO約束優化直方圖均衡化(POHE)方法。利用最大類間方差法(Otsu)將輸入圖像直方圖分為目標和背景子圖像兩部分,并分別進行均衡化,同時對圖像直方圖進行閾值加權約束,并利用粒子群優化算法(PSO)對加權約束優化,并測試了本文算法的增強性能。
1 直方圖均衡化技術
在圖像處理中,直方圖是圖像最基本的統計特性,是描述圖像中灰度級與出現相應灰度的概率關系。HE是利用圖像直方圖對對比度進行調整,通過對圖像非線性拉伸,重新分配像素值,使一定灰度范圍內的像素數量大致相同,用于增強局部對比度而不影響整體的對比度[6]。
2 本文算法設計
本文提出的PSO約束優化直方圖均衡化方法(POHE)主要包含三個步驟:首先利用Otsu對圖像直方圖分割,將目標和背景子圖像分離,提高目標子圖像與背景子圖像的對比度;其次基于閾值的加權約束,分別對目標和背景子圖像進行均衡化;最后利用PSO對約束參數進行優化。
2.1 基于Otsu閾值的圖像直方圖分割
在圖像分割算法中,閾值法因為簡單快速而被應用廣泛[9],本文中運用Otsu閾值將圖像分為兩個部分:低灰度級的目標和高灰度級的背景。將目標子圖像從背景子圖像中分離,對目標和背景子圖像分別均衡化,提高目標與背景的對比度。
在分配輸出的動態范圍時,在兩個子圖像的上限過程被用來避免出現占主導地位的高概率。控制參數[b]和[d]的值在0.1~1.0之間,當超過這個范圍時,圖像得到增強。參數[a]和[c]為控制增強等級的能量因子。當[a]和[c]小于1.0時,相應的子圖像不可能重新分配更多的可能等級。因此,輸入圖像重要的視覺細節被保留。當這些能量因子的值接近1.0時,POHE效果趨近于傳統的直方圖均衡化。當這些能量因子的值超過1.0時,更多的權重轉移到高概率水平,并且POHE將會比傳統的直方圖均衡化產生更強的效果。但是,這也將會產生過度增強,然而在高概率的等級(背景)需要加強額外強度的細節特征,該方法仍是有用的。
2.3 基于PSO的約束優化
本文提出的POHE閾值約束中,定義了[a,b,c]和[d]四個主要的參數,本文通過粒子群優化方法(PSO)對這四個參數進行優化[10],PSO是利用一種信息共享機制來尋找最優解的一種方法,假設[M]個粒子在搜索空間飛行,每個粒子都有對應的位置和速度,分別用[Si]和[Vi]表示第[i]個粒子的位置和速度,第[i]個粒子的最優位置為pb,全部粒子的最優位置為pg,在加速粒子群優化算法的基礎上,用隨機加權加速度在每個時間內趨近pb和pg位置,如圖2所示。
圖5(a)為暗圖像,圖5(b)~(d)是用所提出的閾值優化直方圖均衡化方法得到的結果,其中依次分別采用了目標子圖像約束,背景子圖像約束和雙子圖像約束的方法。從結果可以看到,圖5(b)相對圖5(c)和圖5(d)具有更好的圖像加強效果。
圖6中給出了原始圖像及其閾值優化直方圖均衡化處理后的圖像。在圖6(b)~(d)中,圖6(d)表現出較好的對比度增強效果。當給定圖像是亮圖時,從上面的試驗可以顯而易見的看到,運用單一的背景子圖像優化約束是足夠的。在圖5(a)給出了暗圖像的情況下,僅對目標子圖像運用優化約束將明顯地改善對比度。當輸入具有分布均勻的直方圖的圖像(見圖6)時,那么采用雙子圖像優化約束效果較好。一旦約束子圖像的應用程序完成,兩個子圖像獨立的均衡化和聯合會產生一個增強的輸出圖像。
3 實驗與討論
為了驗證提出算法的可行性和優異性,與目前常用的圖像增強方法進行對比,對照組有:直方圖均衡化(HE),亮度保持雙直方圖均衡化(BBHE)[3],遞歸子圖像直方圖均衡化(RSIHE)[12],圖像對比增強雙直方圖均衡化(RLBHE)[13],子區域的直方圖均衡化(SRHE)[4]和加權閾值直方圖均衡化(WTHE)[5]。為評價算法的性能,本文通過采用人類視覺感知和離散熵[(DE)][14]以及對比度改進指數[(CII)][15]對圖像增強技術進行評估。其中[DE]用于計算圖像增強后的信息豐富度,CII為圖像對比度改進程度。
圖7,圖8為各種方法的實驗結果。圖7(b)~(h)和圖8(b)~(h)分別顯示由HE,BBHE,RLBHE,SRHE,WTHE,RSIHE和POHE方法得到的加強圖像。在圖7(b)~(h)中,圖像顯示了亮度退化和過度增強。相同的亮度退化和過度增強在圖8(b)~(h)中也是存在的。雖然RSIHE的結果(圖7(g)和圖8(g))沒有太大的亮度變化,這些圖像幾乎與原圖像相似,但沒有發現增強效果。圖7(h)和圖8(h)顯示的閾值優化直方圖均衡化結果比其他的直方圖技術要更好,并且沒有過度增強。閾值優化直方圖均衡化產生的結果相對其他測試方法更好。
圖9和圖10分別顯示鹿和猩猩的原始直方圖、直方圖均衡化和閾值優化直方圖均衡化。圖9(b)和圖10(b)中,由于直方圖分布不受控制,導致亮度突變,然而在圖9(c)和圖10(c)中表現出了受控的分布,產生了預期的對比度增強和亮度保護。
大部分的直方圖加強技術,由于強度在歸一化過程中重新分配,導致輸出圖像中的均值偏移。然而,所提出的PSO約束優化直方圖均衡化方法可保持圖像的平均值。直方圖均衡化極大地改變了輸入圖像的原始平均值,這些原始平均值總是導致亮度退化。但是,本文方法采用控制過程給出的平均值更接近原始平均值。因此POHE可以保持輸入圖像的亮度。
此外,表1和表2分別給出了通過測量DE和CII對上述方法的圖像增強質量進行評估。在表1中,POHE方法得到的DE非常接近于原始離散熵,這說明在增強圖像中保留了原始的圖像細節。表2中顯示的POHE方法CII相對較高,從而也證明POHE是一個很好的對比度增強方法。
4 結 論
一般情況下,輸入圖像的平均亮度不同于輸出圖像的直方圖均衡化。本文所提出的POHE方法可以有效地解決此類問題,完成了輸入圖像亮度保持和對比度增強的兩個主要目標。該算法運用Otsu算法將輸入圖像直方圖從背景中有效地分割為獨立對象(目標)。基于輸入圖像的直方圖的特點提出了加權約束,即粒子群優化算法。通過考慮圖像的平均值,確保了在增強圖像中細節信息的保護。通過實驗結果和DE,CII定量評估,證明了POHE能有效地對不同亮度圖像進行增強,并且在保證圖像視覺細節沒有退化的情況下,POHE可以很好地保持對比度增強圖像的亮度。
參考文獻
[1] LI Jia. Application of image enhancement method for digital images based on Retinex theory [J]. Optik?international journal for light and electron optics, 2013, 124(23): 5986?5988.
[2] 龔昌來,羅聰,楊冬濤,等.基于加權直方圖均衡的紅外圖像增強方法[J].激光與紅外,2013,43(8):956?959.



王編輯
中聯論文網編輯
劉編輯
中聯論文網編輯
趙編輯
中聯論文網編輯
孫編輯
中聯論文網編輯
電話
18931176030
固話
0311-80693734
投稿郵箱
99期刊承諾發表不成功無條件退款!
客服系統
广东快乐10分开奖走试