專利名稱：一種基于人類視覺特性的仿生圖像復(fù)原方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是一種模擬人類視覺系統(tǒng)的仿生圖像復(fù)原方法。
背景技術(shù)：
圖像復(fù)原是圖像處理技術(shù)的一個(gè)重要組成部分，不僅在天文學(xué)、衛(wèi)星遙感、醫(yī)學(xué)成 像、工業(yè)視覺、軍事公安等多個(gè)領(lǐng)域的科學(xué)研究與工程實(shí)踐中得以廣泛的應(yīng)用，還被廣泛用 于錄像復(fù)原、歷史照片和影片復(fù)原、視頻和多媒體圖像復(fù)原以及掃描文檔處理等領(lǐng)域。圖像 復(fù)原的基本問題是去模糊。圖像模糊的實(shí)質(zhì)就是圖像受到平均或積分運(yùn)算，從頻域上來分 析，圖像模糊的實(shí)質(zhì)是其高頻分量被衰減。因此，比如微分運(yùn)算或者高頻加重濾波能達(dá)到一 定程度的圖像復(fù)原，但是卻很容易增強(qiáng)噪聲的干擾，往往達(dá)不到很好的效果。反卷積是對(duì)模糊圖像進(jìn)行復(fù)原的基本方法，已有的圖像復(fù)原方法諸如逆濾波器、 維納濾波器等均是基于反卷積的方法。但它存在兩個(gè)固有的問題1)病態(tài)問題，即觀測(cè)數(shù) 據(jù)的微小變動(dòng)，就有可能導(dǎo)致解的大變動(dòng)；2)解的不唯一性問題，這是由信息的不完備造 成的。這兩方面使得反卷積的方法無論是在理論分析還是數(shù)值計(jì)算上都存在著無法解決的 困難。近些年來，隨著神經(jīng)網(wǎng)絡(luò)和模糊控制理論的深入研究，利用神經(jīng)網(wǎng)絡(luò)的并行計(jì) 算性、非線性映射和自適應(yīng)能力，提出了基于神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原方法，比如改進(jìn)的 Hopfield神經(jīng)網(wǎng)絡(luò)模型等。但是這些方法，難以找到最優(yōu)網(wǎng)絡(luò)，并且有可能在圖像復(fù)原過程 中遺失觀測(cè)圖像的平滑性和其它特征，導(dǎo)致不能完整地保留原始圖像的信息。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問題本發(fā)明的目的在于提出一種基于人類視覺特性的仿生圖像復(fù)原方法，以避免反卷 積方法中的病態(tài)問題和基于神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原方法中的最優(yōu)化網(wǎng)絡(luò)問題。( 二 )技術(shù)方案為達(dá)到上述目的，本發(fā)明提供了一種基于人類視覺特性的仿生圖像復(fù)原方法，該 方法模擬了人類視覺系統(tǒng)的視網(wǎng)膜神經(jīng)節(jié)細(xì)胞感受野的傳輸特性和視覺系統(tǒng)的自適應(yīng)調(diào) 節(jié)的特性，包括步驟1 對(duì)圖像進(jìn)行亮度提?。徊襟E2 采用高斯濾波計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度；步驟3 利用人眼的主觀亮度感覺與實(shí)際光強(qiáng)對(duì)數(shù)的局部線性關(guān)系，對(duì)圖像進(jìn)行 局部對(duì)比度調(diào)整；步驟4:利用局部對(duì)比度調(diào)整后的亮度圖像與原始圖像的亮度進(jìn)行比較，來線性 調(diào)整圖像的色彩信息，實(shí)現(xiàn)圖像顏色線性恢復(fù)。上述方案中，步驟1中所述對(duì)圖像進(jìn)行亮度提取，是指提取圖像的亮度部分，若圖像為彩色圖像，則是提取包括各種色彩空間在內(nèi)的亮度；若圖像為灰度圖像，則將灰度作為 亮度圖像。上述方案中，步驟2中所述采用高斯濾波計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度，是采用高 斯模型的位置濾波和亮度濾波來計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度。上述方案中，步驟2中所述計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度，高斯模型采用單高斯模 型、雙高斯模型或三高斯模型，高斯濾波采用單邊濾波或雙邊濾波。上述方案中，步驟3中所述利用人眼的主觀亮度感覺與實(shí)際光強(qiáng)對(duì)數(shù)的局部線性 關(guān)系對(duì)圖像進(jìn)行局部對(duì)比度調(diào)整，是指依據(jù)每個(gè)像素點(diǎn)的亮度與其鄰域平均亮度的大小關(guān) 系，進(jìn)行局部對(duì)比度調(diào)整。上述方案中，步驟4中所述利用局部對(duì)比度調(diào)整后的亮度圖像與原始圖像的亮度 進(jìn)行比較，來線性調(diào)整圖像的色彩信息，實(shí)現(xiàn)圖像顏色線性恢復(fù)，是指通過采取線性調(diào)整的 顏色恢復(fù)算法，來恢復(fù)對(duì)比度調(diào)整后圖像的色彩信息。上述方案中，若原始輸入圖像為灰度圖，則無須通過顏色線性恢復(fù)。(三)有益效果從上述技術(shù)方案可以看出，本發(fā)明具有以下有益效果本發(fā)明提供的基于人類視覺特性的仿生圖像復(fù)原的方法，模擬了人類視覺系統(tǒng)的 視網(wǎng)膜神經(jīng)節(jié)細(xì)胞感受野的輸入-輸出特性和人類視覺系統(tǒng)的自適應(yīng)調(diào)節(jié)的特性，針對(duì)不 同模糊機(jī)理的圖像泛化能力強(qiáng)，復(fù)原效果良好，可有效復(fù)原區(qū)域亮度對(duì)比和亮度梯度信息， 具有廣闊的應(yīng)用前景。進(jìn)一步地，實(shí)驗(yàn)結(jié)果表明，本發(fā)明能有效實(shí)現(xiàn)模糊圖像復(fù)原，特別是對(duì)于圖像邊界 區(qū)域，既能很好地增強(qiáng)邊緣對(duì)比，又可有效提升區(qū)域亮度對(duì)比和亮度梯度信息。


為進(jìn)一步說明本發(fā)明的技術(shù)內(nèi)容，以下結(jié)合附圖及實(shí)施案例對(duì)本發(fā)明詳細(xì)說明如 后，其中圖1是本發(fā)明提供的基于人類視覺特性的仿生圖像復(fù)原的方法流程圖；圖2是光強(qiáng)對(duì)數(shù)與主觀亮度的關(guān)系曲線；圖3是三高斯模型的空間結(jié)構(gòu)圖。
具體實(shí)施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照 附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。為了能定量地描述視網(wǎng)膜神經(jīng)節(jié)細(xì)胞感受野的輸入-輸出特性，本發(fā)明采用一種 雙高斯差模型(DOG模型)，用同心重疊、大小不同的圓形區(qū)來描述神經(jīng)節(jié)細(xì)胞傳統(tǒng)感受野 的中心區(qū)和外周區(qū)。但研究表明在傳統(tǒng)感受野外存在大范圍去抑制區(qū)，在DOG模型的基礎(chǔ) 上提出了三高斯模型，增加了第三個(gè)高斯核用來代表大范圍去抑制區(qū)。生物學(xué)研究表明，人眼的主觀亮度是進(jìn)入眼睛的光強(qiáng)度的對(duì)數(shù)函數(shù)。從實(shí)際光強(qiáng) 度的對(duì)數(shù)與人眼的主觀亮度的關(guān)系曲線分析(如圖2所示)，可以看出人的視覺絕對(duì)不能同 時(shí)在一個(gè)范圍內(nèi)工作。確切的說，它是利用改變整個(gè)靈敏度來適應(yīng)一定的范圍下工作的，這就是局部亮度適應(yīng)調(diào)節(jié)特性。而且，與整個(gè)適應(yīng)范圍相比，能同時(shí)鑒別的光強(qiáng)度級(jí)的總范圍 很小。由圖2分析得出，在一定亮度范圍內(nèi)，人眼的主觀亮度感覺與實(shí)際光強(qiáng)的對(duì)數(shù)成局部 線性關(guān)系?；谌祟愐曈X系統(tǒng)的上述感知視覺特性，圖1是本發(fā)明提出全新的仿生圖像復(fù)原 方法流程圖，該方法模擬了人類視覺系統(tǒng)的視網(wǎng)膜神經(jīng)節(jié)細(xì)胞感受野的傳輸特性和視覺系 統(tǒng)的自適應(yīng)調(diào)節(jié)的特性，包括步驟1 對(duì)圖像進(jìn)行亮度提??；步驟2 采用高斯濾波計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度；步驟3 利用人眼的主觀亮度感覺與實(shí)際光強(qiáng)對(duì)數(shù)的局部線性關(guān)系，對(duì)圖像進(jìn)行 局部對(duì)比度調(diào)整；步驟4:利用局部對(duì)比度調(diào)整后的亮度圖像與原始圖像的亮度進(jìn)行比較，來線性 調(diào)整圖像的色彩信息，實(shí)現(xiàn)圖像顏色線性恢復(fù)。其中，步驟1中所述對(duì)圖像進(jìn)行亮度提取，是指提取圖像的亮度部分，若圖像為彩 色圖像，則是提取包括各種色彩空間在內(nèi)的亮度；若圖像為灰度圖像，則將灰度作為亮度圖像。步驟2中所述采用高斯濾波計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度，是采用高斯模型的位置 濾波和亮度濾波來計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度。所述計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度，高斯模 型采用單高斯模型、雙高斯模型或三高斯模型，高斯濾波采用單邊濾波或雙邊濾波。步驟3中所述利用人眼的主觀亮度感覺與實(shí)際光強(qiáng)對(duì)數(shù)的局部線性關(guān)系對(duì)圖像 進(jìn)行局部對(duì)比度調(diào)整，是指依據(jù)每個(gè)像素點(diǎn)的亮度與其鄰域平均亮度的大小關(guān)系，進(jìn)行局 部對(duì)比度調(diào)整。步驟4中所述利用局部對(duì)比度調(diào)整后的亮度圖像與原始圖像的亮度進(jìn)行比較，來 線性調(diào)整圖像的色彩信息，實(shí)現(xiàn)圖像顏色線性恢復(fù)，是指通過采取線性調(diào)整的顏色恢復(fù)算 法，來恢復(fù)對(duì)比度調(diào)整后圖像的色彩信息。若原始輸入圖像為灰度圖，則無須通過顏色線性 恢復(fù)?；趫D1所示的本發(fā)明本發(fā)明提供的基于人類視覺特性的仿生圖像復(fù)原的方法 流程圖，以下結(jié)合具體實(shí)施例對(duì)該方法進(jìn)一步詳細(xì)說明。步驟一彩色圖像亮度提取對(duì)待復(fù)原的模糊彩色圖像，提取其HSV顏色空間的亮度部分作為圖像的亮度，定 義為 I(x，y)I (X，y) = max {IE (x，y)，IG (x，y)，IB (x，y)}(1)Ig(x, y) = I(x,y)/log(256)(2)式中IK(x，y)、IG(x, y)、IB(x, y)，分別代表原始圖像的RGB空間中點(diǎn)(x，y)處象 素的R，G，B三個(gè)分量的值；Ig(x，y)為歸一化的亮度圖像。步驟二 鄰域平均亮度的計(jì)算人類視覺系統(tǒng)對(duì)某一點(diǎn)的主觀感覺亮度，受到該點(diǎn)近鄰域的極大影響，即視網(wǎng)膜 神經(jīng)節(jié)細(xì)胞感受野的傳輸特性?？紤]到人類視覺系統(tǒng)的這種特性，采用三高斯模型的位置 濾波和單高斯的亮度濾波相結(jié)合的雙邊濾波來獲得鄰域平均亮度。采用這樣的雙邊濾波方 法既考慮了鄰域像素在數(shù)值和位置上與當(dāng)前點(diǎn)之間的相似性，又結(jié)合了視網(wǎng)膜神經(jīng)節(jié)細(xì)胞的感受特性，以獲得鄰域像素的權(quán)重。因此，既能更好地增強(qiáng)圖像的邊緣對(duì)比，又可有效地 恢復(fù)區(qū)域亮度對(duì)比和亮度梯度信息。當(dāng)前點(diǎn)鄰域平均亮度定義為 式中，61；是空間鄰近三高斯核函數(shù)，定義如下 式中，A2，A3分別表示中央、四周和邊緣的峰值系數(shù)，0l，o2, o3分別表示中 央、四周和邊緣的尺度參數(shù)。實(shí)驗(yàn)中采用感受野的三高斯模型在空間域上的特性(如圖3 所示)，體現(xiàn)了中央興奮、四周抑制和邊緣興奮的視網(wǎng)膜神經(jīng)節(jié)的感受野特性分布。Gv是數(shù)值相似性高斯核函數(shù)，定義如下 式中，0V為尺度參數(shù)。步驟三局部對(duì)比度調(diào)整根據(jù)人類視覺系統(tǒng)的局部亮度適應(yīng)現(xiàn)象，在一定亮度范圍內(nèi)，人眼的主觀亮度感 覺與實(shí)際光強(qiáng)的對(duì)數(shù)成局部線性關(guān)系。利用人眼的這一特性，依據(jù)每個(gè)像素點(diǎn)的亮度與其 鄰域平均亮度的大小關(guān)系，進(jìn)行局部對(duì)比度調(diào)整，即如果當(dāng)前點(diǎn)的亮度高于鄰域平均亮度 時(shí)則增強(qiáng)該點(diǎn)亮度，反之降低該點(diǎn)的亮度，算法如式(6)所示。
(6)式中，K為一正值常數(shù)，為局部線性關(guān)系的比例，Ig(x, y)是歸一化后的亮度圖像， /(U)是當(dāng)前點(diǎn)(x，y)處的鄰域平均亮度，反映當(dāng)前點(diǎn)所在位置人眼感受到的亮度情況，
Ilin(x,y)是調(diào)整后的亮度圖像。步驟四顏色線性恢復(fù)圖像經(jīng)過上述幾步處理，圖像亮度達(dá)到了復(fù)原效果，現(xiàn)在需要對(duì)顏色進(jìn)行恢復(fù)，轉(zhuǎn) 化到RGB空間。利用復(fù)原后的亮度圖像Ilin與原始圖像HSV顏色空間的亮度I進(jìn)行比較來 線性調(diào)整對(duì)比度調(diào)整后圖像的色彩信息(。
(7)式中，I」(x，y)，(j = r, g，b)分別對(duì)應(yīng)原始圖像的R，G，B三元色分量。S」(x, y)， (j = r，g，b)，是增強(qiáng)后彩色圖像的對(duì)應(yīng)三元色分量。在實(shí)驗(yàn)中采用三高斯模型，其參數(shù)取六=3. 5，A2 = 4，A3 = 1，o = 3, o 2 = 5， o3 = 7，局部鄰域M= 7。實(shí)驗(yàn)證明，本方法復(fù)原效果良好，切實(shí)可行。以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳 細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡 在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
一種基于人類視覺特性的仿生圖像復(fù)原方法，該方法模擬了人類視覺系統(tǒng)的視網(wǎng)膜神經(jīng)節(jié)細(xì)胞感受野的傳輸特性和視覺系統(tǒng)的自適應(yīng)調(diào)節(jié)的特性，其特征在于，包括步驟1對(duì)圖像進(jìn)行亮度提??；步驟2采用高斯濾波計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度；步驟3利用人眼的主觀亮度感覺與實(shí)際光強(qiáng)對(duì)數(shù)的局部線性關(guān)系，對(duì)圖像進(jìn)行局部對(duì)比度調(diào)整；步驟4利用局部對(duì)比度調(diào)整后的亮度圖像與原始圖像的亮度進(jìn)行比較，來線性調(diào)整圖像的色彩信息，實(shí)現(xiàn)圖像顏色線性恢復(fù)。
2.根據(jù)權(quán)利要求1所述的基于人類視覺特性的仿生圖像復(fù)原方法，其特征在于，步驟1 中所述對(duì)圖像進(jìn)行亮度提取，是指提取圖像的亮度部分，若圖像為彩色圖像，則是提取包括 各種色彩空間在內(nèi)的亮度；若圖像為灰度圖像，則將灰度作為亮度圖像。
3.根據(jù)權(quán)利要求1所述的基于人類視覺特性的仿生圖像復(fù)原方法，其特征在于，步驟2 中所述采用高斯濾波計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度，是采用高斯模型的位置濾波和亮度濾波 來計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度。
4.根據(jù)權(quán)利要求1所述的基于人類視覺特性的仿生圖像復(fù)原方法，其特征在于，步驟2 中所述計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度，高斯模型采用單高斯模型、雙高斯模型或三高斯模型， 高斯濾波采用單邊濾波或雙邊濾波。
5.根據(jù)權(quán)利要求1所述的基于人類視覺特性的仿生圖像復(fù)原方法，其特征在于，步驟 3中所述利用人眼的主觀亮度感覺與實(shí)際光強(qiáng)對(duì)數(shù)的局部線性關(guān)系對(duì)圖像進(jìn)行局部對(duì)比度 調(diào)整，是指依據(jù)每個(gè)像素點(diǎn)的亮度與其鄰域平均亮度的大小關(guān)系，進(jìn)行局部對(duì)比度調(diào)整。
6.根據(jù)權(quán)利要求1所述的基于人類視覺特性的仿生圖像復(fù)原方法，其特征在于，步驟4 中所述利用局部對(duì)比度調(diào)整后的亮度圖像與原始圖像的亮度進(jìn)行比較，來線性調(diào)整圖像的 色彩信息，實(shí)現(xiàn)圖像顏色線性恢復(fù)，是指通過采取線性調(diào)整的顏色恢復(fù)算法，來恢復(fù)對(duì)比度 調(diào)整后圖像的色彩信息。
7.根據(jù)權(quán)利要求6所述的基于人類視覺特性的仿生圖像復(fù)原方法，其特征在于，若原 始輸入圖像為灰度圖，則無須通過顏色線性恢復(fù)。
全文摘要
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，公開了一種基于人類視覺特性的仿生圖像復(fù)原方法，包括步驟1對(duì)圖像進(jìn)行亮度提??；步驟2采用高斯濾波計(jì)算當(dāng)前點(diǎn)的鄰域平均亮度；步驟3利用人眼的主觀亮度感覺與實(shí)際光強(qiáng)對(duì)數(shù)的局部線性關(guān)系，對(duì)圖像進(jìn)行局部對(duì)比度調(diào)整；步驟4利用局部對(duì)比度調(diào)整后的亮度圖像與原始圖像的亮度進(jìn)行比較，來線性調(diào)整圖像的色彩信息，實(shí)現(xiàn)圖像顏色線性恢復(fù)。實(shí)驗(yàn)結(jié)果表明，本發(fā)明能有效實(shí)現(xiàn)模糊圖像復(fù)原，特別是對(duì)于圖像邊界區(qū)域，既能很好地增強(qiáng)邊緣對(duì)比，又可有效提升區(qū)域亮度對(duì)比和亮度梯度信息。
文檔編號(hào)G06T5/00GK101853490SQ20101015750
公開日2010年10月6日 申請(qǐng)日期2010年4月21日 優(yōu)先權(quán)日2010年4月21日
發(fā)明者李衛(wèi)軍, 金小賢, 陳旭 申請(qǐng)人:中國(guó)科學(xué)院半導(dǎo)體研究所