英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

---

IET图像处理搜索文章

图像增强保真度的标准MSRCR

刘宇虹，虹梅，杨开福

选择临床医院成都大学脑科学研究所教育部重点实验室

中国成都:中国物理学院、成都医学院、成都、中国

计算机科学学院，四川，成都，中国

邮箱：hmyan@uestc.edu.

ISSN 1751-965

2017年2月18日收到

2017年8月18日修订

2017年12月10日接受

2018年2月2日 网络首次发布

摘要：图像保真度是指一个过程对图像进行精确渲染的能力。就例如图像增强算法。近年来，各种图像增强算法的性能评估已经成为一种新的图像增强算法。提出了一些客观的图像质量评价方法，但研究较少。在图像保真度评价中，比较了增强算法的性能。因此，作者提出一种新的图像保真度评估框架，由信息熵保真度、成分保真度三个部分组成。以及色彩的逼真度。为了验证逼真度标准的合理性，他们使用了流行的IQA数据库（Live）和结果。结果表明，该方法与主观评价方法比较吻合，然后，他们验证了方法的有效性。以著名的图像增强技术：多尺度视网膜彩色恢复（MSRCR）。实验性的结果表明，MSRCR可以提高图像质量，但会产生明显的畸变。有必要保持当评估增强图像时，图像保真度和图像质量之间的适度平衡。他们的结果表明提出的目标保真度指标可为图像增强质量评价提供额外的客观依据。

1.介绍

图像处理预计将大大有助于发展必须以人为本的传播媒介观察者相信他们实际看到的。然而,一个常见的图像处理的问题是捕获失败在原始图像中看到的信息。因此,为了保证更好的图像质量，是图像增强的必要条件图像应用程序和服务^[1]。到目前为止，各种各样的图像提出了图像增强的处理方法如直方图均衡化，小波变换理论，双边滤波理论、暗通道先验理论、视黄石理论等^[2，3)。直方图均衡化是最常用的方法之一图像增强;它增强了对比度和细节图像，但图像的色彩容易失真后加工^[4]。暗通道先验理论是最新的理论之一增强理论，但它的结果有时有点暗，一些细节可能会丢失^[5]。多尺度彩色视网膜恢复(MSRCR)被认为是最佳的图像增强技术方法适用于所有类型的Retinex理论^[6-8]。虽然这些图像增强方法可以提高图像质量^{[9 ]}，他们最近在hellip;hellip;的问题上受到了挑战忠诚。在大多数情况下，图像增强是在图像之后进行的处理倾向于将人工制品注入到数据中图像质量的提高，即图像质量的提高富达的费用。图像保真度是指一个过程的能力准确地渲染一幅图像，没有任何可见的失真或失真信息的损失。忠诚的反面是失真。如果增强后的图像被扭曲，就会得出错误的结论。

图像增强应避免失真，特别是在医学上图像增强，因为误诊可能会发生^[14]。

关于增强的保真度的研究很少以及图像增强所产生的失真问题到目前为止还没有仔细研究过。当我们开始学习的时候增强图像的保真度，我们发现大多数图像增强过程对失真的产生非常敏感对于图像增强方法的评价，目前还没有一个公共的逼真度标准。这里应该解释两个问题。的第一个问题是我们不知道是否冗余增强后的图像中的信息在转换后保留处理。另一个问题是数量的缺乏增强图像保真度的计算。因此,它是需要开发图像保真度的计算方法图像增强。

还有一种自然的趋势是混淆图像质量与图像保真度。尽管它们通常被认为是直接的相关的，图像的保真度指的是辨别的能力两个图像，而图像质量评估(IQA)是由对一个图像的偏爱超过另一个。研究人员最近提出了多种视觉因素进行判断关于图像质量^[15-20]。通常，它们可以被分类分为三类:全参考文献(FR)、IQA、约简参考文献IQA和无引用(NR) IQA。至于增强图像，则在一方面，原始图像的信息很少，另一方面，“完美形象”的定义是非常精确的之所以困难，是因为原图的质量通常较差增强图像的失真类型不易定义这些方法不能简单地采用。例如，质量分数可能很好，但不能代表忠诚。在这些考虑的基础上，提出了图像的两项质量和图像保真度经常被互换使用，但它们是不一样的。图像有时可以通过a来“增强”失真^(21、22)。鉴于以上讨论，最多我们的方法与其他IQAs的显著区别在于我们关注的是增强后的图像和图像之间的保真度相应的原始图像。为了实现这一目标，我们提出三个保真度标准和一个计算框架，然后，我们用流行的IQA验证了信度准则的合理性数据库的有效性和方法具有较强的实用性图像增强技术:MSRCR。结果显示说明MSRCR方法对图像的增强效果明显信息失真，特别是在暗图像和过亮图像中图片。

原始图片 直方图调整 棕褐色

图2 原始图像和MSRCR增强图像

(a)原始图像，(b) MSRCR增强图像

本文将讨论增强的逼真度和失真度基于我们提出的三个保真度标准的图像。我们相信，无论图像是如何处理的，都是确定的特征将是不变的。首先，熵可以反映图像信息，和信息熵(即)不能增加图像处理前或后^[23]。形象的目的增强是去除噪声或其他不相关的信息为了获得图像质量的增强，所以图像增强属于逆熵过程的范畴。根据热力学理论^[24]，即增强图像的IE与原始值相比应该是常数或递减的。这是一种IE不变的图像增强方法可能是一个好方法。如果增强图像的熵为增加了，这意味着其他冗余信息已经被增加了带来了。第二，根据直方图理论均衡^[25]，灰度等级拉伸的数量应该是与出现频率相关，如果图像增强，它应该保持不变。增强方法可能会拉伸图像的光谱增强了图像的质量。然而,可以添加增强图像中的光谱成分^[26]。在此基础上，我们提出了第二个准则被视为构成忠实度。最后，在文献^[27]中，我们发现不同颜色的增强图像得到通过不同的增强方法对a不一致与图1所示原图相同。增强型的颜色图像变化明显。因此，我们提出了第三个建议并说明了保真度标准与色彩的关系增强后的图像与原始图像相比不能改变的形象。

2.多尺度视网膜色素恢复

根据视网膜ex理论，人眼感知亮度根据环境光和照射光的强弱而定表面反射^[8,28]。这些词可以翻译成Retinex的基本公式如下

I(x，y)=R(x，y)times;L(x,y) (1)

R(x，y)=I(x，y)/L(x，y) (2)

其中I x y为反射光强矩阵，L(x, y)是入射光强度的矩阵，R (x, y)是a矩阵的反射系数的表面被照亮对象。上式为光强在时的反射定律光度法是用矩阵形式表示的。对于彩色图像，它可写成以下形式:

R(i,x，y)=I(i,x，y)/L(i,x，y) i=0,1,2 (3)

其中i = 0,1,2表示红、绿、蓝三个通道。在上面的公式中，I(I, x, y)只是一个可测量的量;的然后用高斯滤波器估计a的入射图像的分量L(i, x, y)^[29,30]。该方法的表达式表示为:

L(i,x，y)=G(x，y)times;I(i,x,y) (4)

其中g(x,y)被称为高斯环绕函数表示如下:

G(x,y)=(1/2pi;sigma;sup2;)exp(xsup2; ysup2;)/(2sigma;sup2;) (5)

Jobson在非线性的基础上进一步提出人类视觉特点^[31]，对数运算式(3)两边都要取，从而得

到:

Log[R(i,x,y)]=log[I(i,x,y)]-log[G(x,y)times;I(i,x,y)] (6)

因此，可以认为，处理的结果是通过视黄醇物体表面反射系数的对数是多少而不是反射本身。实际上，视网膜的关键方法是取对数。我们知道光照L, i, x, y是一个估计参数，可能会引入额外的参数信息加工过程。因此，信息可能是可变和可能导致IE畸变，组件畸变或MSRCR图像增强处理中的色彩失真问题。为例如，如图2a^[32]所示，行人、道路和车辆在原始图像中不可见。当MSRCR增强时，3 .图像质量很好，但颜色与实物不一样原来的一个，可能是失真的。表1的数据表明即对IE的成分和色彩信息的增强与原始图像相比，图像发生了变化。额外的在图像处理过程中可能会引入组件，其中导致图像失真。因此，有可能发展基于特定图像的图像保真度的计算度量特性。

3.计算的可靠性和失真图像特征

根据我们提出的三个保真度标准增强图像保真度的计算框架由五个主要部分组成，如图3所示:

图3 流程图

图像输入:输入原始图像和相应的增强图像;

特征提取:提取与图像保真度相关的参数;

保真度计算图像的逼真度;

保真正常化标准化的保真度和失真值;和(v)保真池:

将步骤(iv)中的保真度值组合起来以提供标量测量增强图像的保真度。

3.1计算IE的逼真度和失真度

熵可以表示图像的信息。一般来说,图像的值越大，即图像的信息量越大包含。如果IE增加，这意味着有更多的信息在图像^[23]中。在原始图像中，有许多特征图像由于被覆盖而变得模糊。形象的目的增强是去除噪声或其他不相关的信息为了获得良好的图像质量，这是一个逆熵过程。根据热力学理论，IE的增强与原始图像相比，图像应该是常量。如果IE增加，就会引入冗余信息。因此，第一个保真度标准被认为是IE保真度。的信息保真率表示包含多少信息增强后的图像属于原始图像。的信息失真率表示有多少信息包含在增强图像中的不属于原始图像的形象。IE计算如下^[33]:

IE(i)=-sum;p(i,g)log₂p(i,g) i=0,1,2 (7)

其中i = 0,1,2表示红色、绿色和蓝色的。pi, g表示像素数与第g个色度的概率密度分布函数。平均IE (AIE)计算如下：

其中3被称为标准化因子。的IE(i)为的IE每种颜色组件。假设AIEO和AIEE表示分别为原始图像和增强图像的IEs。的信息失真率(Delta;AIE)计算如下:

下标O和E表示原始的和增强的图像,分别。Delta;AIE的变化范围从0到1。信息熵保真率(FIER)为:

FIRE=1-(Delta;AIE) (10)

FIER的变化范围为0到1。FIER = 0表示a信息深度失真。

3.2计算成分逼真度和失真度

提出了灰度谱逐步平坦化的方法用于较好地显示灰色分布特征传统的灰度直方图。表现为逐渐扁平化灰色光谱如下^[32,33]

其中，pg和O g表示原始和目标的灰度级别图像,分别。字母m是一个正整数叫做压扁顺序。式(11)具有较强的底层图像信息挖掘性能视觉精度为1px。在这种方法中，像素可以

如果他们在场就会显示出来，而不是简单地根据他们的灰色分类水平和它可以用来挖掘灰色或彩色实际存在的图像的信息。然而,传统的灰色直方图不具备这种性能。所以,根据这种方法，我们可以求出色阶因子(CTT)，表示色阶的复数图像的每个颜色组件。更多行号是与良好的图像质量相关联。因此,我们提出了第二个保真度标准，它指出增强后的图像无法增加。我们定义了成分失真率，即成分中包含多少成分增强后的图像不属于原始图像。的图像中各色分量的CTT可由谱线的数目。表达式表示为遵循^[34、35]:

其中Count称为计数运算符。的平均图像的组成(ACT)定义如下:

假设ACTO和ACTE代表的是分别是原始图像和增强图像。的组成失真率(Delta;ACT)可以计算如下：

Delta;ACT的变化范围从0到1。的保真度组成部分如下:

FCTR的变化范围为0 ~ 1。FCTR = 0表示a成分的深度失真。

3.3计算色彩逼真度和失真度

色彩信息对视觉感知具有重要意义。评估色彩逼真度是衡量色彩逼真度的一个重要方面

一种图像增强算法^[36]的性能。根据对于人类的视觉感知来说，所有的颜色都可以看作是三种颜色基本颜色，红色(R)、绿色(G)及蓝色(B)组合而成不同比例^[37]。三种颜色的MSRCR算法通道改变通道之间的比例，即

因此，有一个关于色彩如何增强的问题图像不一定与原文一致的形象。为了判断增强图像的颜色保真度，我们提出了图像增强的第三个保真度准则。的关键色彩保真度就是保持色彩的比例。也就是颜色增强后的图像与原始图像之间的关系可以通过计算相关系数来测量吗

(CC)三分量平均亮度的环路比之间。颜色保真度率代表的是颜色关系从原始图像保存在增强后的图像可以通过CC (correlation)进行测量在三种颜色的平均色度之间。原始图像和增强图像的组件。软木是

计算如下:

ABE i和ABO i表示这三个的平均亮度增强图像与原图像的分量，分别。COR对颜色保真度敏感。假设COLD表示颜色失真率为如下:

冷的变化范围是从0到1。COLD = 1表示增强图像的颜色独立于原始图像。

3.4计算总平均失真率(TAD)和忠诚率

从回归统计中，我们可以看出三者的CC失真指标的最小二乘法具有主观性在表2中，求值仅为0.485。的相关性平方平均，主观评价为0.834。广场表示总FR (TFR)的平均值更符合主观评价的结果要优于权重法平均水平。因此，我们将结合这三个忠实度指标用平方平均法构造失真分数，即用于描

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[19868]，资料为PDF文档或Word文档，PDF文档可免费转换为Word