基于生物视觉感知机制的图像增强及质量评价的研究

发布时间：2021-10-20 13:44

　　人类视觉系统是智能、高效的视觉信息处理系统。通过模拟生物视觉感知机制,开发出更有效的图像处理算法是当前图像处理研究的热点。本文所建立的计算模型围绕图像增强所涉及的内容进行研究,包括图像增强、增强后去噪、图像增强质量评价。按照基于生理、面向任务的思路,本文通过模拟生物视觉的感受野机制、视觉系统的感知特性为图像增强、图像去噪及图像质量评价等图像处理应用提供新的计算模型和简单、有效的实现方法。本文第一部分针对目前眼底彩色图像增强存在的颜色失真问题,提出一种改进的基于颜色恒常的Retinex眼底彩色图像增强方法。本方法首先提取亮度通道,对亮度通道进行多尺度Retinex处理,再通过改进的gain/offset算法以及颜色恢复方法进行图像映射,最后根据眼底彩色图像的特征对具有亮度信息的红色通道进行恢复。为验证本方法的有效性,本文以DIARETDB0眼底图像数据库为研究对象,将该方法与多尺度Retinex（MSR）、带色彩恢复的多尺度Retinex（MSRCR）、直方图均衡化（HE）、对比度受限自适应直方图均衡化（CLAHE）等经典增强算法进行主观和客观比较。实验结果表明该方法处理的图像在色彩保护... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：114 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 本文研究背景及意义
    1.2 生物视觉系统概述
        1.2.1 前端视觉通路的基本感知结构
            1.2.1.1 视网膜
            1.2.1.2 外侧膝状体
            1.2.1.3 初级视觉皮层
        1.2.2 视网膜与外侧膝状体的神经机制及模型
            1.2.2.1 感受野神经机制
            1.2.2.2 视网膜神经节细胞感受野模型
        1.2.3 视觉系统的感知特性
            1.2.3.1 亮度及对比度特性
            1.2.3.2 图像结构的敏感性
            1.2.3.3 颜色恒常性
    1.3 图像增强及质量评价概述
        1.3.1 图像增强
        1.3.2 图像去噪
        1.3.3 图像质量评价
            1.3.3.1 主观图像质量评价
            1.3.3.2 客观图像质量评价
    1.4 本文研究内容与主要贡献
    1.5 本文的结构安排
第二章 基于Retinex理论的眼底彩色图像增强方法
    2.1 引言
    2.2 Retinex理论基础
        2.2.1 Retinex理论及其模型
            2.2.1.1 单尺度Retinex算法
            2.2.1.2 多尺度Retinex算法
            2.2.1.3 带色彩恢复的多尺度Retinex算法
        2.2.2 Retinex算法缺陷
    2.3 基于Retinex的彩色图像增强方法
        2.3.1 亮度调整
        2.3.2 CP-MSR算法的“gain/offset”修正
        2.3.3 颜色恢复因子的改进
        2.3.4 对亮度通道进行恢复处理
        2.3.5 Retinex算法频域处理
        2.3.6 算法评价指标
    2.4 实验结果和分析
        2.4.1 算法验证
        2.4.2 本文算法与现有算法的主观比较
        2.4.3 本文算法与现有算法的客观比较
    2.5 本章小结
第三章 基于视觉感受野特性的自适应图像去噪方法
    3.1 引言
    3.2 图像去噪的生物视觉基础
    3.3 基于视觉感受野的计算模型
        3.3.1 颜色空间转换
        3.3.2 噪声判断算法描述
        3.3.3 噪声处理算法描述
        3.3.4 自适应动态处理
        3.3.5 算法评价指标
    3.4 实验结果和分析
        3.4.1 ON/OFF去噪效果的贡献
        3.4.2 不同噪声水平下的去噪效果对比
        3.4.3 本文模型整体与细节去噪效果对比
        3.4.4 本文模型用于处理夜间增强图像
            3.4.4.1 主观视觉效果对比
            3.4.4.2 客观评价对比
            3.4.4.3 运算时间比较
    3.5 本章小结
第四章 基于视觉感知的图像增强质量评价
    4.1 引言
    4.2 图像质量评价的视觉感知基础
    4.3 基于视觉感知的图像增强质量评价
        4.3.1 引言
        4.3.2 视觉参数的构建
            4.3.2.1 视觉参数的测量
            4.3.2.2 图像质量评价函数的建立
        4.3.3 评价指标
        4.3.4 实验结果与分析
            4.3.4.1 LIVE图像数据库上的性能比较
            4.3.4.2 增强图像主观评价与客观评价的结果比较
            4.3.4.3 对图像增强算法的评价
    4.4 图像增强的失真率检测方法
        4.4.1 引言
        4.4.2 失真率参数构建
            4.4.2.1 信息失真率计算
            4.4.2.2 组成成分失真率计算
            4.4.2.3 颜色失真率计算
        4.4.3 实验结果与分析
            4.4.3.1 直方图均衡化方法与其他图像增强算法的失真率比较
            4.4.3.2 CP-MSR增强方法的失真率比较
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
攻读博士学位期间取得的成果


【参考文献】：
期刊论文
[1]基于视觉感受野特性的自适应图像去噪算法[J]. 刘玉红,张艳山,李永杰,杨开富,颜红梅.  电子科技大学学报. 2017(06)
[2]自适应双向保带宽对数变换及低照度图像增强[J]. 毛东月,谢正祥,贺向前,贾媛媛,周丽华.  中国图象图形学报. 2017(10)
[3]一种多分辨多尺度的Retinex彩色图像增强算法[J]. 李益红,周晓谊.  计算机工程与应用. 2017(16)
[4]苹果采摘机器人夜间图像边缘保持的Retinex增强算法[J]. 姬伟,吕兴琴,赵德安,贾伟宽,丁世宏.  农业工程学报. 2016(06)
[5]眼底数码图像血管分割预处理关键技术研究[J]. 段彦华,杨春兰,刘冰.  北京生物医学工程. 2015(04)
[6]具有颜色保真性的快速多尺度Retinex去雾算法[J]. 肖胜笔,李燕.  计算机工程与应用. 2015(06)
[7]Information-based reduced reference image quality assessment incorporating non-tensor product wavelet filter banks[J]. Yong Ding,Yuan Zhang,Xiaolang Yan,Andrey S.Krylov.  Chinese Science Bulletin. 2014(16)
[8]融合图像质量评价指标的相关性分析及性能评估[J]. 张小利,李雄飞,李军.  自动化学报. 2014(02)
[9]图像拼接质量评价方法[J]. 万国挺,王俊平,李锦,曹洪花,汪松,王乐,李亚宁,韦蓉.  通信学报. 2013(08)
[10]基于Hessian特征的视网膜血管图像的增强滤波算法[J]. 蒋先刚,熊娟,丘赟立,范德营.  华东交通大学学报. 2013(03)



本文编号：3447006