论文研究-背光图像的检测与校正.pdf

所需积分/C币:11 2019-09-08 08:08:47 991KB .PDF
20
收藏 收藏
举报

针对传统背光图像检测低准确率问题,提出一种新的背光图像检测和校正算法。通过分析图像在不同Gamma变换下前景细节数目的变化规律来判断输入图像是否存在背光。对背光图像的前景、背景子图像进行多尺寸Retinex图像算法,然后与原图进行融合。根据实验可知,提出的背光图像检测算法相对于传统的亮度直方图分析方法以及YCbCr直方图分析方法具有更高准确率;提出的背光校正算法相对于AHMHE背光补偿算法和多尺度Retinex算法具有较高信息熵、清晰度和对比度。
计算机工程与应用 其中,D和D′为图像 校正前后的细节数目。 细节变化阈值确定 当△D=0表示前后图像细节数量没有变化;当△D>0由于个同图像变换后细节数H变化不同, 表示校正后图像细节増多;当ΔD<0表示校正后图像需要确定一个合适的细节变化阈值来判断图像是否存 细节减少。 在背光。图给出了张背光图像和张正常光照 图()中背光图像和正常光照图像的前景分割结。图像在选取不同阙值T时的背光检测准确率统计曲 果如图()所示。图()和()分别给出了图()中线。可以看出,当细节变化阈值T为时检测的准 前景区域在 校正前后的边缘检测结果。可以看确率最高。因此,选取作为 校正前后细节 出,背光图像通过 变换(y=05)后,前景区域的变化的阈值当△E>0.63时则认为输入图像是背光 叮见细节数量明显增加,而正常光照图像通过 图像,否则为正常光照图像。 变换(y-0.5)后前景区域的可见细节数量变化不大 因此,可根据 变换前后前景的细节数目变化大 小来判断输入图像是否是背光图像。图给出了正常 光照图像(张)和昔光图像(张)在 校正 前后前景细节变化情况的例子。 背光图像 正常图像 T值 图淮确率统计图(y) 热点的 背光图像校正 多尺寸 算法() 图像序号 多尺度 )算法 张背光图像和张正常图像 等人提出,是单尺度 (y)变化后的细节增加情况 算法在多个尺度上的延伸,两者都是通 校正参数确定 过原图像与高斯函数卷积来估算入射光照分量。单尺 为了选取合适的y值来分析图像 变换前后寸 ()的数学表达式为 前景细节的变化,本文分析了张背光图像和张 r(x,y)-IgR(r, y) 正常光照图像在不同γ值时对应的前景细节变化平均 IgI(r,y)-1g[(,y)1(,y)] ) 值结果如图所示。当002≤y1时,背光图像校正其中(x,y)为像素坐标,为图像亮度分量,R为反射 后的细节增加变化幅度大,y为时细节数量的增分量,F为高斯核函数 算法的卷积项可看作 嶇达到最大,而正常光照图像校正后的细节增加不明是对入射光照的估算,其物理意义是通过计算像素与其 显,甚至出现过度曝光反而使细节数量减少。因此,可周围区域加权平均值的比值来消除光照变化的影响。 以选取y-0.22作为执行 变换时的参数。 高斯核函数的表达式为: 背光照片 F(,y)=Ke 止常照片 其中,s为常数。当s取值较大时,增强图像比较逼真, 但局部细节不清晰;s值取较小时,增强细节突出,但输 出颜色易失真。K为归一化因子,使 IF(,y)dxdy 在·定程度上可以实现动态范围的压缩或者色调 重现,但不能同时兼顾。为∫使图像局部细节清晰显示 并且颜色不失真 等人提出多尺度 算法 ()。表达式如下 图背光图像和正常光照图像在不同 校正参数时的平均细节变化 (x,y)=∑cn(x,y) 许少秋,杨群,钟小芸,等:背光图像的检测与校正 r(x,y)=1(x,y)-12(x,y)2(x,y]()得到新图像x尺 其中,N为尺度个数;mn为第n个尺度的权值,为颜色重建 第n个尺度的反射分量对数值。经典的多尺度算法 为了避免处理后的图像出现色调偏移和颜色饱和 第法假光州华缓变化在光均的场影度降低需发对颜色分量进行重构其公式如下 般取小(s=15)、中(s=80)、大(s=250)三个尺寸 ′=1¥MSRJ 下,能在·定程度上有效增强曝光不足的图像,但是当 (R(xy)Y(x3)1R(x3)Y(x,y)k 图像的前景背景亮度差异较人时,处理后的图像在明暗G rMSR/ Y v)+Y(x,y))+G(,y)-Y 对比处会产生明显的光晕。图给出了处理前后 YMSR 图像的对比例子。可以看出,处理后图像的前景和B 3+y(xy)+(a,)-y(a)) 背景边缘处产生了明显的光晕(红圈部分)针对这种情 经过重构后的图像能有效消除传统算法处理 况,本文提出一种改进的多尺度 融合算法,能消产生的光晕,并抑制图像颜色失真 除传统多尺寸 算法产生的光晕,并抑制颜色失真 一智一 实验结果与分析 测试图片包括张背光图片和张正常光照图 片,由日常生活中拍摄的照片和树络图片以及其他背光 图像检测论文的图片组成。算法在 平台实现 背光检测 表提供了三种背光图像检测算法的准确率以及 运行时间。可以看出,提出的基于细节分析的背光图像 检测算法的准确率达到,高于基于亮度直方图的背 )背光图像 ()处理后的图像 光图像检测算法和基于 的颜色背光检测算法 图 处理前后图像对比 (分别为和);而所需的平均运行时间为 多尺度 图像融合算法 略大于基于 的颜色背光检测算法()。 亮度分量提取 表背光图像检测算法准确率及运行时间 算法直接对三个颜色分量进行高斯函数 亮度直方图法 颜色检测法本文方法 卷积,由于图像三个分量具有相关性,这种处理必 检测准确率 然会导致图像颜色失真。本文通过提取图像的亮度分 运行时间 量,只将亮度分量进行高斯卷积,最后再重建颜色 分量。亮度分量的数学表达式如下 背光图像校正 Y(x,y)-0.29R(x,y)+0.597G(x,y)+ 为了证明多尺度 融合算法的有效性,分别 0.114B(x,y) ()从主观效某和客观评价两个方面对其进行验证,将算法 结果与 背光补偿算法和传统多尺度 其中R、G、B为(x,y)位置的红、绿、蓝值 算法进行比较 图像融合 图像增强的主要目的是使图像转变成更适合人眼 两幅图像f(,)和f2(,)(=0,1,…,M-1;j 观看的形式,所以通过人眼来评价图像的质量是合理 0,1,……,N-1)可通过以下公式进行融合 的。从图可以看出,提出的融合算法和其他两种 F(,j)-p/(t,)+P2(i, )算法都实现了对背光区城的亮度补偿。 采用 其中,力1和P2是权系数,满足条件 直方图均衡化的改进算法,山于灰度级合并,不可避免 1+P2=1 地造成图像细节的缺失,导致处理后的图像看起来比较 p1和P2的大小可以调节图像f(,)和f(,)在融合粗糙。传统处理后的图像背景曝光过度,也导致 图像F(,)中所占比例的大小。 了图像信息缺失,出现颜色失真。而本文提出的 利用快速阈值分割算法对图像亮度分量进融合算法不仅补偿了图像的背光(前景)区域还同时保 行分割,获取前景子图像Y和背景子图像Y。当亮持了背景区域的真实性。 度小于阈值时则为前景,否则为背景。将背景子图像 为了让评价结果更加客观准确,使用信息熵、清晰 Yhg和前景子图像Yg进行 处理后通过高斯低通滤度和对比度作为评价指标。图像的信息熵越大,则图像 波器,再与原图像通过高斯低通滤波后的结果进行融合携带的信息越多;清晰度用来衡量图像各绌部影纹及其 计算机工程与应用 结束语 本文提出了基于细节变化的背光图像检测方法和 基于多尺度 融合的背光图像校正算法。实验表 明,基于细节变化的背光图像检测算法准确率达到 ,优丁传统的亮度直方图分析方法以及 直方 ()原图 图分析方法,改进的多尺度 融合算法能消除光 晕并抑制颜色失真,相对丁 背光补偿算法和传 统的多尺度 算法,具有较高信息熵、清晰度和对 比度。 参考文献 ()本文算法 图背光处理算法效果比较 (): 边界的清晰程度;图像的对比度川来衠量图像的细节表 现及灰度层次表现等。三者分别计算如下 Pilger(i) MN∠A 1(,+1( MM △>(1(,)-2) 其中P(ω)是像紊值i在图像中出现的概率,n为灰度值 闫钓宣,张科空间亮度信息的多尺度图像增 强研究计算机工程与应用, 范围;I(,)和L(,分别是在x和y方向十的导 刘茜,卢心红,李象霖基于多尺度 的自适应图像 数;和。为I的均值和方差 增强方法计算机应用,,(): 表是幅背光图像采用不同方法校正后的信息 王慧博图像与视频背光补偿技术研究与实现西安 熵、清晰度和对比度平均值。结果表明,改进的算法优 西安电子科技人学, 储清翠,王华彬,陶亮\像的局部自适应 校正 于直方图均衡算法和传统算法。 计算机T程与应川,,(): 表背光图像校正算法评估 方法平灼信息熵平均清晰度平均对比度 原图 工小明,黄昶,李全彬,等改进的多尺度图像增 强算法计算机应用,,(): 本文算法 敬忠良图像融合北京:高等教育出版社

...展开详情
试读 5P 论文研究-背光图像的检测与校正.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-背光图像的检测与校正.pdf 11积分/C币 立即下载
1/5
论文研究-背光图像的检测与校正.pdf第1页

试读结束, 可继续读1页

11积分/C币 立即下载 >