基于感知的彩色图像增强和分割算法研究

论文摘要

图像增强和图像分割是图像处理、图像理解的重要基础。彩色图像增强和分割算法由于比灰度图像的算法融合了更多的图像信息,因此更准确。通过彩色图像增强,可以使彩色细节更加突出,颜色更加鲜艳生动。彩色图像增强在通讯以及多媒体方面有着很高的应用价值。彩色图像分割被广泛应用于视频编码、人脸检测和识别、基于内容的图像检索等。人眼对颜色信息和图像的感知特性对彩色图像增强和分割过程是非常重要的。本文主要研究的是将颜色科学中的颜色技术理论、人眼视觉特性和人眼主观感知引入到彩色图像增强和分割的算法当中,以期得到与人眼更为一致的处理结果。本文的主要创新工作如下:1.分析了现有的利用色貌模型来对图像进行对比度增强的方法,针对CIE CAM02不能准确预测图像属性以及iCAM对图像增强存在色适应过度的问题,提出了将CIECAM02和iCAM结合用于彩色图像增强的新方法,本方法可以得到与人眼感知更为一致的图像属性,并在一定程度上减轻色适应过度的问题。2.提出三种新的符合人眼视觉特性的象素相似性度量函数,可以有效的区分噪声以及人眼可感知的细节、纹理等信息,克服了现有双边滤波器中象素相似性函数不能有效保持较弱边缘和细节的缺点。在新的象素相似性度量函数的基础上,提出了一种新的基于感知模型的多通道彩色图像双边滤波器。本方法将输入图像用符合人眼视觉特性的颜色模型进行表示,并利用感知模型自动地确定彩色图像亮度和色度通道的高斯空间滤波器,可以有效避免现有双边滤波算法针对RGB三分量分别进行处理,会发生颜色偏移的不足。此算法参数少且设置简单,可以在平滑图像的同时,更完整地保持图像中人眼视觉可感知的边缘与图像的细节。3.本文针对传统的彩色图像边缘检测算法,误检和漏检边缘较多的情况,结合人眼视觉特性提出了一种新的彩色图像边缘检测算法。本算法通过双边滤波去掉微小细节以及噪声,并保持边缘纹理等信息不变,可以减少误检并避免边缘位置偏移;通过色貌增强算法突出图像中人眼感兴趣的细节等信息,减少漏检;通过分别对亮度和色度通道设计边缘检测的梯度模板,可以进一步减少彩色细节的误检;通过对梯度图像进行非极大抑制,利用双阈值策略提取边缘,可以使边缘定位更加准确。4.本文分析了现有的融合颜色信息和空间邻接关系的彩色图像分割算法,针对现有的区域生长算法存在的种子点选取不准确以及速度慢的问题,提出了一种新的基于连通标记的彩色图像快速分割算法。本算法分为初始分割和区域合并两个步骤。利用邻接象素的颜色相似性采用连通标记法可以完成图像的快速初始分割;融合初始分割区域的颜色信息、空间上的邻接关系信息完成了区域合并。本文算法和传统的区域生长法相比,既不用进行颜色量化,也不用事先扫描图像确定种子点,区域合并的规则简单有效,实现速度快。5.分析了现有的彩色图像分割算法,针对现有算法忽视的人眼视觉模糊机制、感知图像色貌和颜色空间的选择对分割算法的影响等三个问题,提出了一个基于视觉感知的图像分割框架。此框架利用人眼视觉灵敏度函数模仿人眼的视觉模糊机制,能有效处理有空间频率变化的图像;使用CIE CAM02来预测复杂观察条件下的图像色貌;最后应用不同的色差公式实现基于颜色相似性的区域分割算法。实验结果证明本文框架可以产生比传统算法更适合于人眼感知的分割结果。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 引言
• 1.1 彩色图像增强和彩色图像分割研究的背景和意义
• 1.2 彩色图像增强的研究现状
• 1.2.1 彩色图像平滑算法的研究现状
• 1.2.2 基于对比度的彩色图像增强算法
• 1.3 彩色图像分割算法的研究现状
• 1.4 本文的主要工作与内容安排
• 第二章 色彩知觉与颜色空间
• 2.1 色彩知觉与人眼的视觉特性
• 2.1.1 色彩知觉
• 2.1.2 人眼视觉特性
• 2.2 颜色模型及颜色相似性度量
• 2.2.1 颜色模型
• 2.2.2 颜色相似性度量－色差计算
• 第三章 基于色貌模型的彩色图像增强
• 3.1 色貌现象
• 3.2 色貌模型
• 3.2.1 色适应与色适应变换
• 3.2.2 色貌模型
• 3.2.3 色貌模型存在的问题
• 3.3 基于色貌模型CAM02 和ICAM的图像增强
• 3.3.1 基于CIE CAM02 和iCAM的图像增强
• 3.3.2 图像增强结果分析
• 第四章 基于感知模型的彩色图像双边滤波
• 4.1 双边滤波的理论基础及存在的问题
• 4.2 双边滤波的象素相似性函数的分析及改进
• 4.2.1 三种新的象素相似性度量函数
• 4.2.2 基于新的象素相似性度量函数的双边滤波器
• 4.2.3 实验结果分析
• 4.3 基于感知模型的彩色图像双边滤波器
• 4.3.1 感知模型－对比度灵敏度函数
• 4.3.2 基于视觉灵敏度函数的线性低通滤波
• 4.3.3 基于感知模型的彩色图像双边滤波器
• 4.3.4 实验结果分析
• 4.4 结论
• 第五章 彩色图像边缘检测
• 5.1 彩色图像边缘检测的研究现状
• 5.1.1 边缘的定义和分类
• 5.1.2 现有的边缘检测算法及其存在的问题
• 5.1.3 边缘检测的难点
• 5.2 基于视觉特性的多通道多尺度边缘检测
• 5.2.1 算法概述
• 5.2.2 平滑算法的设计
• 5.2.3 图像增强
• 5.2.4 微分算子以及颜色模型的选择
• 5.2.5 边缘二值化阈值的确定
• 5.3 边缘检测结果
• 5.3.1 边缘检测算法的评价
• 5.3.2 边缘检测结果
• 5.4 结论
• 第六章 基于人眼感知特性的彩色图像分割框架
• 6.1 彩色图像分割现状分析
• 6.1.1 图像分割的定义
• 6.1.2 彩色图像分割算法存在的问题
• 6.2 基于连通标记的彩色图像快速分割算法
• 6.2.1 基于连通域分析的初始分割
• 6.2.2 区域合并
• 6.3 实验结果分析
• 6.3.1 彩色图像分割评价方法
• 6.3.2 实验结果与分析
• 6.4 基于视觉感知模型的彩色图像分割框架
• 6.4.1 基于感知模型的彩色图像分割框架的提出
• 6.4.2 实验结果
• 6.5 结论
• 第七章 总结与展望
• 7.1 本文研究工作的总结
• 7.2 进一步研究的展望
• 参考文献
• 发表论文和科研情况说明
• 致谢