设计-交通图像增强方法研究.docx

交通图像增强方法研究摘要图像增强是图像处理技术的重要组成部分，其目的就是就我们所需的部分尽量凸显出来或者削弱、去除某些信息以便特殊应用。图像增强的应用己经渗透到各个方面，包括医学诊断、航空航天、军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。传统的图像增强方法，如直方图均衡化，由于原理简单等而广泛运用，但如果直方图中有多个峰值时，会产生过度增强、欠增强以及不自然的光晕现象，为此一些学者提出自适应直方图均衡化等方法，但由于缺乏全局信息，这些方法经常过度或棋盘格现象。为避免上述缺点，本文主要研究了一种基于人类视觉特性的自适应直方图均衡化的图像增强算法。人类视觉特性之所以是目前世界上效果最好、精度最高的图像处理系统，原因是人眼所具有的一系列特殊的视觉特性。在分析了人类视觉特性与系统上，对图像进行分区，提出在分区上分别进行自适应直方图均衡化算法，对图像增强有较好效果，尤其对于暗图像的处理更好。关键词：图像增强，直方图均衡化，人类视觉特性，高斯函数，亮度恒常性等AbstractImageenhancementisanimportantpartoftheimageprocessingtechnology,itspurposeisjustweneedsomestandoutasfaraspossibleorweakenorremovesomeinformationforspecialapplications.Imageenhancementapplicationhaspenetratedintoallaspects,includingthemedicaldiagnosis,aerospace,militaryreconnaissance,fingerprintidentification,nondestructiveflawdetection,theprocessingofsatelliteimages,andotherfields.Traditionalimageenhancementmethods,suchashistogramequalization,iswidelyusedbecauseofitssimpleprinciple,etc,butifyouhavemorethanonepeakinthehistogram,andwillproduceexcessiveenhancement,owetoenhancenaturalhalophenomenon,somescholarshaveputforwardthemethodsofadaptivehistogramequalization,butduetolackofglobalinformation,thesemethodsoftenexcessiveorthecheckerboardphenomenon.Inordertoavoidtheaboveshortcomings,thispapermainlystudiesakindofbasedonhumanvisualcharacteristicsofadaptiveimageenhancementalgorithmofhistogramequalization.Humanvisualcharacteristicsisthereasonwhytheworldbestandhighestaccuracyofimageprocessingsystem,thereasonisthehumaneyehasaseriesofspecialvisualcharacteristics.Ontheanalysisofthehumanvisualcharacteristicsandsystem,theimagepartition,putforwardrespectivelyinthepartitionforadaptivehistogramequalizationalgorithmandhasgoodeffecttotheimageenhancement,especiallyforthedarkimageprocessingbetter.Keywords:imageenhancement;histogramequalization,humanvisualcharacteristics,gaussfunction,brightnessconstancy,etc目录第1章绪论11.1 课题背景与目的11.2 国内外研究现状21. 3研究难点重点及处理方法31.4论文的工作及内容安排3第2章基于人类视觉特性的分区算法42. 1引言42. 2人类视觉特性简介52. 2.1人眼的构造与视觉处理过程52. 2.2人眼的视觉特性72. 2.3人类视觉特性与图像增强82.3基于人类视觉特性（HVS）的区域划分9第3章基于分区的直方图均衡化与直方图规定化算法153. 1引言153.2直方图介绍153.3直方图均衡算法执行步骤163.4直方图匹配（规定化）介绍173. 5直方图匹配（规定化）算法描述与步骤描述17第4章图像融合及实验结果193.1 分区子直方图融合1942高斯函数194. 3算法总结19第5章总结与展望25致谢26第1章绪论1.1 课题背景与目的图像增强是指根据特定的需求突出图像中的重要信息，同时减弱或者去除不需要的信息。图像增强的目标是改进图片的质量，增强视觉效果，把源图像变为一种更适合人眼观察或者更适合计算机分析处理的形式。图像增强对于给定的图像，有针对性的强调图像的整体或者局部的特征，将原来不清晰的图像变得更加清晰，或者有效的突出图像中的某个感兴趣的局部特征。为了让图像能够在人眼中看起来具有更好的效果，一般地,需要借助模拟人类的视觉系统。在分析人类视觉系统是，没有统一的评价。图像增强后的效果不仅与图像本身有关，还与个体的主观感受有关系。经过几十年的发展，图像增强技术现如今已经在生活生产的各个方面都得到了应用。例如：航空航天、生物医学、工业生产、军事探测、无损探伤、人脸识别等等领域。由于人类视觉系统（即HVS）是目前为止世界上精度最高、速度最快、效果最好的图像处理系统。人类大部分的信息都是从图像中获得的。如果能够很好的模拟出HVS系统，就能够得到更加适应于人眼视觉需求所要的图片。因此，近年来国内外的许多学者都对HVS系统进行了深入的研究，试图通过模拟出更好的HVS系统从而得到更好的图像增强效果。HVS系统之所以能够更精确的获得场景信息，与人眼所具有的一系列特殊的视觉特点是分不开的。例如HVS所具有的色彩恒常性，使得人眼可以在任意的光照条件下，获得物体原有的色彩信息与样貌而不受光照的影响。在图像增强算法方面，通过借助直方图修正的方法，提出一种基于人类视觉特性分区自适应直方图均衡化的图像增强方法，其不仅能有效的增强图像的暗区域，而且抑制图像亮区域的过度增强问题。由于图像增强在当今的世界下具有非常重要的实际意义，所以一直以来都是国内外专家学者的研究重点和热点。HVS现已成为图像增强研究的新方向，国内外众多的学者专家都在研究通过借助HVS来实现很好的图像增强的图像增强是指根据特定的需求突出图像中的重要信息，同时减弱或者去除不需要的信息。图像增强的目标是改进图片的质量，增强视觉效果，把源图像变为一种更适合人眼观察或者更适合计算机分析处理的形式。图像增强对于给定的图像，有针对性的强调图像的整体或者局部的特征，将原来不清晰的图像变得更加清晰，或者有效的突出图像中的某个感兴趣的局部特征。为了让图像能够在人眼中看起来具有更好的效果，一般地,需要借助模拟人类的视觉系统。在分析人类视觉系统是，没有统一的评价。图像增强后的效果不仅与图像本身有关，还与个体的主观感受有关系。所以，对图像处理来说，很难对各种处理定义出一个通用的标准，即图像增强不存在通用理论。经过几十年的发展，图像增强技术现如今已经在生活生产的各个方面都得到了应用。例如：航空航天、生物医学、工业生产、军事探测、无损探伤、人脸识别等等领域。由于人类视觉系统(即HVS)是目前为止世界上精度最高、速度最快、效果最好的图像处理系统。如果能够很好的模拟出HVS系统，就能够得到更加适应于人眼视觉需求所要的图片。因此，近年来国内外的许多学者都对HVS系统进行了深入的研究，试图通过模拟出更好的HVS系统从而得到更好的图像增强效果。HVS系统之所以能够更精确的获得场景信息，与人眼所具有的一系列特殊的视觉特点是分不开的。例如HVS所具有的色彩恒常性，使得人眼可以在任意的光照条件下，获得物体原有的色彩信息与样貌而不受光照的影响。在图像增强算法方面，通过借助直方图修正的方法，提出一种基于人类视觉特性分区自适应直方图均衡化的图像增强方法，其不仅能有效的增强图像的暗区域，而且抑制图像亮区域的过度增强问题。由于图像增强在当今的世界下具有非常重要的实际意义，所以一直以来都是国内外专家学者的研究重点和热点。HVS现已成为图像增强研究的新方向，国内外众多的学者专家都在研究通过借助HVS来实现很好的图像增强的效果。1.2 国内外研究现状直方图均衡化(histogramequalization,HE)是最常见的间接对比度增强方法之一。直方图增强通过利用图像的直方图对对比度进行调整，它能够在很大的程度上增强图像的视觉效果，并能够有效地扩展常用的亮度，使得直方图上的亮度分布更均匀的同时还能够不影响图像整体的对比度。直方图均衡化的中心思想就是对原始直方图进行重新分配图像的像素值，使其分布的形式能够更加均匀。通过这种方法使图像的像素灰度值的动态范围增大，从而增强图像整体的对比度。由于传统的直方图均衡化是对整幅图像采用同一个变换，因此不同适应不同地区的对比度变化，所以当不同区域的对比度相差较大时，这种变换的结果往往并不是很理想。当图像的某个较小的区域灰度分布相对均匀且这个区域中包含有我们感兴趣的物体或细节时,HE或许很难帮助我们获得这些需要的细节。为了克服HE的缺点，人们又提出了现在在广泛使用的自适应直方图均衡化（adaptivehistogramequalization,AHE），区别于使用对整幅图像做同一个变换，AHE只对图像总的每一个像素根据其所在区域的直方图采用不同的变换。因此，这种方法也被人们成为局部直方图均衡化（IoCaIareahistogramequalization,LAHE）相应地把HE成为全局均衡化（fullframehistogramequalization,FFHE）。另外，如果直方图具有多个峰值，会造成过度增强、欠增强以及不自然的光晕现象。为了避免上述现象的产生，自适应直方图均衡化（adaptivelocalhistogramequalization,ALHE）、对比度受限直方图均衡化（Contrast-Iimitedadaptivehistogramequalization,ALCHE）等方法也是均先将图像分割成多个不同的部分，然后对不同的分割部分进行直方图均衡化。但是由于缺乏全局信息，这些方法常常过度或棋盘格现象。高斯混合模型被引入拟合灰度分布，然后用混合模型间的交叉点来分隔输入直方图，然后分别进行直方图均衡化。这些多直方图均衡化方法能够有效的保持亮度，但当用于暗图像增强时，则会导致欠增强；此外，由于多个子直方图均采用相同的均衡化策略，当图像明暗反差较大时，这些方法很容易导致过度增强；而针对每个分段子直方图采用不同的均衡化策略则能有效抑制过度增强，但目前缺乏研究。1.3 研究难点重点及处理方法1 .研究的难点与重点在于：（1）如何适当地对图像进行分区，从而得到更好的处理效果；（2）对均衡后的各部分进行融合时的权值确定；（3）开发图像处理软件。2 .拟采用的研究途径如下：（1）采取基于人类视觉特性对图像进行分区处理：将图像转换为HSV,取出亮度通道进行基于HVS的人类视觉区域划分。（2）对各个分割得到的子块区域进行直方图均衡。（3）将子区域直方图进行融合，得到最终的变换函数。（4）开发图像处理软件：通过matlab实现。1.4 论文的工作及内容安排本文的研究主要针对图像增强的这一课题而展开讨论。利用人类视觉特性，将图像分成四个区域（将其中的两个区域在后续的处理中做了合并），并分别针对三个中的每个区域，采用我们直方图均衡化算法进行均衡化处理，最后运用权值融合成最终的均衡化后的直方图，以此得到映射函数。具体章节安排如下:第一章：绪论，主要介绍了本课题的研究背景及其意义。简要阐述了图像增强发展状况以及图像增强的各种增强算法各自存在的一些问题，最后交代了本文的工作以及内容安排的情况。第二章：基于人类视觉特性的图像分区算法，首先简单介绍了人类视觉特性，基于PLlP模型，对图像进行分区。第三章：介绍了直方图及HEo图像的直方图描述了图像灰度值的分布情况。灰度直方图是数字图像处理中最简单且最有用的工具。灰度直方图是灰度级的函数，描述的是该灰度级的像素个数或该灰度级像素出现的频率。第四章：图像融合算法。第五章：总结和展望，主要对上述工作进行总结，提出整个过程中在各方面的收获和体会。第2章基于人类视觉特性的分区算法2.1 引言人眼就像是世界上性能最好的照相机，人类视觉系统也是目前为止世界上效果最好、精度最高、速度最快的图像增强处理系统。在任何强度的光照下，人眼都能够恰当。正确的记录下物体的真实的形态颜色、还原出最真实的物理场景。人眼视觉系统对当今的图像处理及其相关领域都有着非常重要的意义很影响。近年来，图像处理领域的相关研究已经取得了许多不小的成就。然而同HVS系统相比，传统的图像处理，无论是在在图像的生成、传递以及处理能力上都还存在着一定的差距，同时就系统本身的性能和结构而言，也都存在着一些差距。因此，国内外的许多学者都在对HVS系统做深入的研究和探索，试图通过模拟HVS系统来获得更好的图像增强效果。在本文中，也引用人类视觉特性来进行图像分区。为了让能够更全面的给本篇文章提供理论支持，在下文中，拟先介绍人类视觉系统与人眼视觉特性，接着将详细介绍色彩恒常性和亮度恒常性，因为这两者均属于HVS系统中最为重要的两特性，其中最重点的为介绍一种基于人类的视觉特性的区分方法。2.2 人类视觉特性简介人类视觉系统是一个复杂的生物学及相关学科的概念，是一个复杂的心理与生理过程。HVS的视觉特性是国内外的学者们最初研究的课题，根据对HVS的研究，人类的视觉系统当外部的时空分布特征不同的时候，所产生的响应也是不一样的。通过运用HVS的一系列特性，用来制造产品或者提出标准。例如，在日常传输电视信号的过程中，利用人眼的色彩不敏感性和亮度敏感性，将信号压缩在比较小的带宽内，能够减少整体信号的传输带宽，使得在带宽有限的情况下，普及了彩色电视机。另一个使人类视觉特性得到很好的应用的是图像压缩，如JPEG压缩标准，就是利用人眼对高频细节较不敏感的特性，在压缩的过程中把大部分的高频系数量化为零，以此来减少所需的存储空间，但带来的图像质量的损失却很小，不易觉察。人类视觉系统是人对世界的全方位三维感知系统。人类对光的感知主要依靠于视网膜结构。当光线通过周围物体的反射进入人类的眼睛时，由视网膜细胞接受并进行成像,人类的视觉成像是嫌成像与视网膜上，再由视觉神经传递给大脑。然而大部分的处理过程则由大脑来完成。大脑究竟是如何处理这写负载的信息的，尚未可知。研究者们主要是研究HVS所具备的视觉特性，通过计算机科学进行模拟人眼的这些功能和特点。从而使得人类视觉系统的这一系列特性能够被运用到图像处理中以及其他的一些信息处理的领域。由于通过介绍人眼的构造与视觉特性，能够更好的理解人类视觉系统的机理,所以下文将主要介绍视觉特性以及其与图像处理之间存在的联系。2.2.1人眼的构造与视觉处理过程人眼的构造相似与一架照相机或者摄像机。人的眼睛是一个平均直径约20mm的球体。HVS对信息的处理从眼睛开始。人眼在接收到物体发出的光线后聚焦在后面用于检测光线的视网膜上。人眼的结构如下图2-1所示，每只眼睛有6组肌肉来控制它的运动,当肌肉以不同的张力收缩时，就使眼睛能够聚焦于任何物体上，同时还可以对晶状体的位置进行调整。晶状体具有平衡眼屈光力的效果，另外，还提供对不同距离的对焦作用，称为调节作用。这种调节作用使得眼睛获取的景象可以被很好的巨小在视网膜的后部。位于晶状体前方，呈环状的虹膜将眼房分为前房和后房，虹膜的中央有一个孔用来透过光线，即为瞳孔。瞳孔的直径大小，决定了光线透过量的大小。位于瞳孔周围的环形肌层，用于瞳孔的缩小，虹膜外周部分的辐散状肌纤维，用于使瞳孔散大。玻埼体册状体校樟姓乳头'视网Bl中央龄脉健状体悬物带视网BI中央动脉一耀状体Schlenvn 管下暇险脉络膜 视网媵汨液一 前房角视神是上眼哈前房图2.1眼球结构图视网膜在结构上可以等同于一组光线感受器，可将结构主要分为三层：感受器细胞位于视网膜地步，在视网膜的顶部分布有视网膜中心细胞，在这两层中间的细胞称为两极细胞。进入人眼的光线，在到达视网膜后方的感受器之前必须穿过其上方的两层细胞。在感受器层下方，有一种能防止由散光带来视网膜接收到的光线散射的吸光材料。视网膜上有两种感光细胞，一种叫做视锥细胞，一种叫做视杆细胞。视锥细胞能够感知颜色,属于明视器官；视杆细胞具有很好的灵敏性，能看到非常暗的物体，属于暗视器官。在视网膜的中央，主要以视锥细胞为主，周边视网膜则主要以视杆细胞为主。一般来说，视杆细胞的敏感度要比视锥细胞大25倍左右，因为视杆细胞拥有更大的直径且本身较长。视锥细胞通常可以分为三类，分别对红、绿、蓝三种颜色的光线敏感。当某一光线作用于3种视锥细胞，通过在视锥细胞上进行混色，就可以使人的大脑产生某一种颜色的感觉。这便构成了颜色色觉的基色理论的生理学基础。三基色理论阐述了自然界中的绝大部分色彩，都能够由三基色根据一定的比例混合而成；反之，任意一种颜色均可以被分解为三基色。经过三基色混合而成的彩色光的亮度等于参与混合的各基色的亮度的和，三基色中各颜色的比例决定了混合色的色调以及混合色的色饱和度。为了方便模型的建立，将人眼的视觉模型简化为一个线性系统。用于描述光线进入眼睛并通过视网膜最终将信息传递至大脑皮层的整个过程。如图2-2所示。图2.2人眼视觉模型图2. 2.2人眼的视觉特性1 .色彩恒常性光线透过人眼的水晶体，到达在眼球后侧的视网膜，光线在经过视神经传输之后进入大脑，人类所能看到的颜色是通过大脑和视觉神经处理得到的结果。人眼能接收的光线来自于物体上的反射，而物体上反射的光线又会由于光照的改变而发生变化。人眼具有色彩恒常性，当处于任何频谱的入射光照的真实频谱中，人眼总能够辨别出物体的真实色彩，然后还原出物体的本来面貌。色彩恒常性让人眼可以再昼夜，甚至在红、黄、白等的任意光照条件下，依旧可以分辨出物体原本的颜色，从而有效的避免了可能产生的错觉。色彩恒常性是人眼在长期的进化过程中形成的一种重要的特性。这种特性与当下的图像增强的系统有着非常密切的联系，现代许多图像增强的算法都是基于色彩恒常性为依据提出的。2 .亮度恒常性除了色彩恒常性之外，人眼还具有亮度恒常性的特点。人眼具有很广的动态范围，人眼所能感受到的光强度范围为Io-ZCm/m2到106cdm2之间。人眼的动态范围在一定程度上可以因为感光度的变化而发生变化，但是人眼调节感光度的能力稍慢。因此当突然从亮光出转至较黑暗的光照条件下时，人眼往往很难立即看清物体，提要一定的适应和调节时间。然而，人眼具有很大的感光动态范围，在一个固定的光照条件下，人眼能够自动调整动态范围到一个较小的范围内，以提高对物体的分辨率。换句话说，就是人眼能够自动地调节动态范围至一个固定亮度上下波动的一个较小的范围内，这个固定亮度就会成为该动态范围的亮度中值。通常将这种特性称为亮度恒常性。部分图像增强的算法是基于亮度恒常性这个特性设计的。3 .人眼成像特性人眼的成像特性是透镜成像规律的重要应用，眼球中的角膜和晶状体能够共同作用，产生类似于“凸透镜”的功能。从物体发出的光线，经过人眼的角膜与晶状体的共同作用，在视网膜上形成缩小、倒立的实像视网膜上分布的神经细胞受到了光的刺激后，将这个信号传输给大脑，于是人就能看到这个物体形成的像了。人眼拥有180度的视觉范围，但能够在人眼中清晰成像的只有视觉中心的2-3度范围。通常来说，这部分的分辨率最高，其他周边的分辨率要较低，但人眼仍然能够提取这部分场景的部分特征。由于两只眼睛的差距会产生远近的深度，大脑利用这微小的差距来产生立体感。从而得到物体的完整影像。4 .视觉延迟特性视觉延迟特性特性就是指，当客观事物对眼睛的刺激停止后事物的影像还会在视网膜上存在一段时间，具有一定的滞留性。通常滞留的时间长度为71.7-62.5ms。所以往往我们会误把闪烁极快的画面误认为是连续的，就是我们通常所说的“眼睛有时会骗人的”。2. 2.3人类视觉特性与图像增强今年来国内外有许多的专家学者对人类视觉特性都进行了研究，并尝试通过模拟人类视觉特性来达到更好的图像增强效果。图像增强与人类视觉特性两者的关系主要可以体现在以下两点：运用视觉特性的定性定量概念和相关指标来评估图像增强效果；利用人类视觉特性的模拟来加强图像算法。这里提到的第二点对之后的研究很有帮助。与人类视觉特性相关耳钉一些图像增强概念与指标如下：1 .视觉的动态范围人眼的视觉动态范围指的是人眼能够感受到的光的强度。通常这个范围可以大到IO-ZCm/m2到106cdm2之间，远远大于现有的显示器设备或者光敏传感器。例如，显示器的灰度图像动态范围仅有0至255共256个级别。我们通常认为大的动态范围和小的级别差，往往能够得到高质量的亮度变化。2 .空间分辨率空间分辨率指的是人眼观察和辨别场景中景物细节的能力。人眼的分辨率取决于视网膜上感觉器的接收器之间的间距。而分辨率在图像领域又可以引申为屏幕图像的精密度，即显示器能够显示的像素数量。分辨率越高，图像越精细，同样大小的屏幕能够显示的信息也越多。同时分辨率越大的图像，尺寸也越大，所占用的存储空间也越大。一般来说，当图片的分辨率高于1024x1024时，即可满足人眼的观察需要。3 .图像对比度对比度指的是图像区域中最亮的白和最暗的黑之间不同亮度层级的测量，即指一幅图像灰度反差的大小。差异范围越大代表对比越大，差异范围越小代表对比越小。当图像的对比率到达120：1时，就能够显示生动、丰富的色彩。(4)对比敏感度人眼对于不同频率的光具有不同的敏感度。在亮度为/的背景光照条件下，有一块亮度比原区域亮度高Z的区域,则该区域的亮度可以写成/+/,并且如果背景亮度/的渐渐增大,两度差Z也须跟着变大，这样人眼才能看清辨别亮度为/+Z的图像区域。实验研究表明，-=K(2.1)I当亮度,发生一定的变化时，Z也会随之发生变化。在一定范围内，使得Z/为一个固定值。这个常数比值成为韦伯比。韦伯比还可以说明人眼视觉特性具有某种意义上的对数特性，表示如下：Jln()=y(2.2)上式表明了，党对亮度/取对数之后，亮度的变化仍然为Z/。利用这种对数性质,可以模仿人眼视觉特性的图像增强处理从数据域转至对数域，这样能够大大提高数据的处理能力。这种将图像特征直接定义在对数域的做法，也对后续的数值处理非常有利。4 .3基于人类视觉特性(HVS)的区域划分在80年代，Jourlin和PinOli提出的基于人类视觉特性的对数域图像处理模型，被称为经典LIP(LogarithmicImageProCeSSing)数学模型。LIP模型中，由灰色调函数来表示图像的强度，灰色调函数/(x,y)的表达式如下：/(x,y)=M(l-华2(2.3)其中L(X,y)为入射光强度，”为系统参数，LInaX为光照强度的包和值。对于一个8bit图像来说，灰色调函数*,y)=255-L(x,y)°这里的L(x,y)为源图像的像索值。/(x,y)g(x,y)f*,y) g*,y) = 3y) + g*,y)-(2.4)a 0 f(x, y) = M - MI 1 - I M(2.5)f(x, y) = -M JM-f(x,y)(2.6)(2.7)下:KarenPanetta将参数引入LIP模型叫得到经典的PLIP模型，得到最佳计算形式如f(,y)g(,y)=f"y)+g(,y)(28)IUzo/(x,y)g(x,y)=1026/(.田一8。，)')(2.9)1026g(Xy)a®f(x,y)=1026-1026*1-得(2.10)很据PIJP模型和HVS模型，可以将图像划分为四个区域：低对比区域、德弗里斯韦 伯 区 域区域、韦伯区域和饱和区域。如下图:低 对 比 度 区德弗里斯区log()log(x,y)图2.3人类视觉的四个区域由韦伯-费希呐定律，7=K,/代表光照的强度，/是光照差异，Z为韦伯系数,其中低对比区域是人的研究几乎感受不到的光线照度的变化。斜率为1/2的区域称为德弗里斯区域为并且为低照度区域，斜率为1/2,即女=1/2网；韦伯区域的曲线斜率为k=,此区域为中照度区域；饱和区域为高照度区域。划分的操作是，首先对图像的背景信息和梯度信息进行二维分解1刈口，然后根据各个像素的背景强度阈值和梯度阈值将其规划到某一个区域中去。在本文中，只去图像HSV模型的亮度V通道进行增强处理。背景强度/(x,y)可以通过以下公式计算得到：其中m和n为权值，L为像素/(x,y)上下左右四个相邻像素所构成的集合，U为还像素对角线上的四个相邻像素所构成的集合。梯度阈值G(x,y)可以根据阈值的定义进行计算得到。像素间的最大差别值/d可以定义如下：Id=max(x,y)(x,y)(2.12)接着可以又下面的公式(13)、(14)得到背景强度阈值人和梯度阈C值G,其中i=1,2,3Ii=aiId;I2=bId;I3=c*Id(2.13)G1=0.01-max(Gcay)G=G,；G?=%(2.14)/(,y)/3依据上述公式对图像进行区域划分。德弗里斯区域的像素点需要满足条件：I2*,y)且")')G2；W(X,y)韦伯区域的像素点需要满足条件：3/(,y)人且等2G1；饱和区域的像素点需要满足条件：/(x,y)/3且空2G3；均不满足上诉三个/(,y)区域像素条件的剩下的所有像素点，均属于低对比区域。至此，就可以将图片像素的分区I工作结束，下一步应用便是对图像进行直方图均衡处理。对于下图2.4,图2.5展示了各个分区的直方图。图2.4德弗里斯区域原始直方图4000-低对比度区域原始直方图300020001000口、-1000100200300图2.5从图2.5中的各分区的原始直方图可以看出，像素少量分布在饱和区域和低对比区域，即高照度与低照度区域的像素分布都较少。而大部分像素都分布在了德弗里斯区域和韦伯区域，即中低照度区域。与图像特征吻合。以此可以得到，分区结果合理。再看图2.6,其中图2.7为图2.6分区的原始直方图。图2.6德弗里斯区域原始直方图图2.7可以看出，只有极少数部分的像素分布在了饱和区域，即高照度区域的像素占很少部分，绝大部分的像素都分布于中低照度区域。分区结果与原图特征符合。第3章基于分区的直方图均衡化与直方图规定化算法3.1 引言直方图均衡化(histogramequalization,HE)在图像处理领域中就是利用直方图对图像的对比度进行调整的方法。直方图均衡化的方法常常用来增加图像的局部对比度，特别是当图像的有用数据的对比度具有非常接近的值的时候。运用这种方法，可以使亮度在直方图上更好的分布。这样就可以在不影响图像整体对比度的情况下增强局部的对比度，直方图均衡化实现这种做法是通过有效地扩展常用的亮度来达到的。从信息学的角度看，具有最大信息量的图像为均衡化图像H支直方图的主要用途有数字化参数、选择边界阈值以及综合光密度1。直方图均衡由于远离简单、计算速度快、效率高等特点在交通监控，医学图像处理，军事等领域得到广泛的应用。HE通过使用累积函数对灰度进行调整以实现对比度的增强。当直方图均衡作用于整幅图像时，常常容易导致所关心的局部特征得不到好的凸显。在将源图像分解成不同的子块之后，同一子块中的像素点的特征较为接近，因此在这里，分别对分块直方图进行直方图均衡。3.2 直方图介绍直方图概括了衣服图像的灰度级内容它是灰度级的函数。除了提供有用的图像统计资料外，直方图中固有信息在其他图像处理应用中也非常有用。直方图在软件中计算简单，而且有助于商用硬件的实现，因此已经成为实时图像处理的一种流行工具。在暗图像中，直方图的分量集中在灰度级的低端；亮图像直方图的分量则倾向于灰度级的高端。低对比度图像具有较窄的直方图，且集中于灰度级的中部，高对比度图像中直方图的分量覆盖了很宽的灰度级范围，而且像素的分布没有不太均匀，只有少量的垂线比其他的高许多。直观上，可以得出这样的结论：若一幅图像的像素倾向于占据整个可能的灰度级并且分布均匀，则该图像会有高对比度的外观并展示灰色调的较大变化。最终效果就是一幅灰度细节丰富且动态范围较大的图像。可以证明，仅仅依靠输入图像直方图的可用信息就可开发出一个变换函数来自动实现这种效果。直方图的主要性质有位置无关性、叠加性和总体性。位置无关性I是指任意一个特性的图像都具有惟一的直方图，但反之不成立。叠加性是指若组成一幅图像的两个不连续的区域的直方图已知，则这幅图像的直方图是这两个区域的直方图之和。总体性指的是直方图显示的是总体灰度的概念，可以由直方图看出图像整体的性质。3.3 直方图均衡算法执行步骤直方图均衡是一种使输出图像直方图近似服从均匀分布的变换算法，采用均衡化处理就是让所有的灰度级出现的概率基本相同，即在每个灰度级上都具有相同的像素点数。均衡化的实质是以灰度等级的减少来换取图像对比度的增大。在数字图像处理中，实现直方图均衡化的具体步骤如下：1 .列出原始图像的灰度级力，j=(U,2,k,L-1,其中L是灰度级的个数；2 .统计各灰度级的像素数目%,j=0,12k,3；n.3 .计算原始图像直方图各灰度级的频度夕/(力)=：,j=0J2,k,3,其中为原始图像的总像素数目；4 .计算累计分布函数Ccn=f>f(j),=O,12ALT5 .计算映射后的输出图像的灰度值g,i=0,1,2,女,m-1,m为输出图像灰度级个数，gj=WT(gnLgmin)Cs+gmin+05,其中砂表示取整；6 .统计映射后各灰度值的像素数目Si=OJ,2,儿,加-1；7 .用力和别的映射关系修改原始图像的灰度级，从而获得直方图近似直方图均衡分布的输出图像。对图2.6各分区的直方图即图2.7中的四幅图进行传统直方图均衡，可以得到如下图2.8结果。韦伯区域均衡直方图低对比度区域均衡直方图-1000100200300德弗里斯区域均衡直方图2000-15001000500-1000100200300饱和区域均衡直方图30，20100、图2.8由分割区域的原始直方图（图2.7）与均衡后的直方图（图2.8）相比较，可以看出，均衡后的各区域的直方图像素分布更加均匀。3.4 直方图匹配（规定化）介绍直方图均衡能自动地确定变换函数，该函数寻求产生有均匀直方图的输出图像。当图像需要自动增强时，这是一个好办法，并且实现起来也很简单。但是对于某些应用，希望处理后的图像具有规定的直方图形状，这种勇于产生处理后有特殊直方图的方法称为直方图匹配或直方图规定化。在本文中，最后得到个子区域的融合直方图之后，将采用直方图规定化的方法对原图做处理。一般来说正确地选择规定化的函数可以获得比直方图均衡化更好的效果。直方图规定化就是运用一个已知的灰度映射函数，将原灰度直方图改造成所希望的直方图。所以，灰度映射函数是直方图修正的关键。直方图规定化的主要目的是实现对输入图像进行由目的地增强。3.5 直方图匹配（规定化）算法描述与步骤描述1.算法描述 对源图像的直方图进行灰度级上的概率密度统计； 对源图像的直方图概率密度进行直方图均衡化； 对规定的直方图概率密度进行直方图均衡化； 确定源图像直方图与规定直方图的对应映射关系，原则是针对源图像均衡化后的直方图的每一个灰度级概率密度，查找最接近的规定直方图灰度概率密度，简历灰度映射表； 根据映射结果进行处理。2.步骤描述直方图规定化方法有3个主要的步骤I网(此处设M和N分别为源图像和规定图像中的灰度级数，在此只考虑NM的情况)：(1)对源图像的直方图进行类似于直方图均衡化的灰度均衡化：(2)确定要用于规定化的直方图，并计算用于匹配的直方图均衡化的变换：(3)将通过步骤1得到的变换进行反转，即将源图像的直方图相对应地映射到所规定的直方图里去，也就是将所有P,(力)对应到P“(勺)去。第4章图像融合及实验结果4.1分区子直方图融合源图像各个分区分别进行直方图均衡之后，需要对各个子直方图进行融合，最终的均衡化直方图则是这些已均衡化的子直方图的加权融合，可以描述如下：3/255Fh(k)=£X(Mj(Z)*叫伏)k0,255(4.1)i=lIhO其中y(女)表示第j块子块的归一化权值；i=1,2,3；表示子块；i=1,2,3；&表示灰度级；列Z为最终得到的均衡化直方图。这里的权值大小通过高斯函数进行决定。4.2 高斯函数高斯分布又称正态分布。若随机变量X服从一个数学期望为“，标准方差为/的高斯分布，记为xNQq2),则其概率密度函数为(4.2)1(X-U)2yl正态分布的期望值决定了其位置，标准差决定了分布的弧度。其曲线成钟形，因此又称为钟形曲线。在本文提出的方法中，期望值取子块像素的均值，标准差。取子块矩阵的宽度附近一定范围的值，作为一个可变的参数进行调整，以使最终可以得到更好的均衡结果。4.3 算法总结算法主要步骤：1 .基于人类视觉系统HVS对图像进行分区，首先分为四个区：德弗里斯区域，韦伯区域、饱和区域以及低对比区域；其次，将饱和区域与低对比区域融合，最终将源图像分割为三个区域，分别为：德弗里斯区域，韦伯区域、饱和与低对比区域；2 .对每个分区子块进行直方图均衡化。3 .运用权值融合的方法，对子块进行融合。融合权值由高斯函数产生。本文提出了一种基于人类视觉特性的直方图均衡的算法，结合人类视觉特性，对图像进行直方图均衡处理，对于包含较大部分的暗区域的一类图像具有较好的处理效果。但也存