基于感知的变分模型算法的理论及应用研究

摘要

图像作为人类感知信息的有效途径，在信息化时代发挥着越来越重要的作用。随着科技的发展，人们不只满足于看到普通的图像，更追求看到清晰的图像。但由于各种因素的影响，图像在采集、传输和接受的过程中，会发生一定程度的退化，使得图像中的一些信息被掩盖，不利于人们的观察和后续的处理。因此，需要采用一些算法技术对图像做进一步的增强和复原处理。考虑到图像最终的处理结果由人眼来判断，为了更好的处理图像，本文通过对人类视觉系统特性进行分析和研究，对原有的图像增强算法进行改进，提出一种能够更好地模拟人类视觉系统特性的增强模型，并将其应用到偏色图像和低对比度图像的增强放大、图像去雾以及低照度图像增强方面，以验证其有效性。本文的主要工作包括以下三个方面： 针对传统的偏色图像和低对比度图像的放大算法只能将校正色偏、提高对比度和图像放大分别进行处理的问题，为简化过程，提出一种可以将三者融合在一起的偏色图像和低对比度图像增强放大变分模型。首先，分析了视觉感知增强变分算法中的三个对比度函数，定义了一个新的对比度增强项。其次，将对比度增强项和色偏校正项引入到图像放大变分模型。最后，利用梯度下降流最小化模型的能量泛函得到最优解。实验结果表明：对于偏色图像和低对比度图像放大问题，该模型能有效地提高图像清晰度、保护图像细节信息。 针对雾天图像存在低对比度和低饱和度的问题，提出一种基于视觉感知的图像去雾变分模型。该模型对基于视觉感知的增强变分模型进行了两方面的改进。一方面，根据大气散射模型估计清晰无雾图像的平均值来修正灰度世界假说。另一方面，在能量项中通过最大化通道间的对比度来提高图像的色彩饱和度。实验结果表明，提出的基于视觉感知的图像去雾变分模型在定性和定量上均优于其他的去雾算法。特别的，当光源不均匀时，该方法能够较好的恢复图像的色彩，避免出现强烈的色彩伪影。 针对低照度图像具有低对比度、强噪声等问题，提出了一种自适应的低照度图像增强变分模型。首先，根据亮度分量初步估计低照度图像取反之后图像的透射率，并利用Retinex算法进行细化，以丰富图像的细节。其次，为了抑制噪声的放大且保持边缘信息，根据亮通道先验原理和局部方差构建权重，自适应的调节正则化参数。最后，采用交替迭代最优化方法求解包含透射率和恢复图像的能量泛函得到最优解。实验结果表明，该模型可有效地增强低照度图像，且能保留更多的图像细节、抑制噪声放大，相比于l1范数正则化方法，图像尺寸越大，该模型计算效率越高，计算时间优势越明显。

目录

第一个书签之前